关键词： 高速列车   轮轨力   轨道不平顺   深度学习   迁移学习  

摘要： 当前,我国正在建成一个以八纵八横高速干线为主覆盖全国的高速铁路网,高速列车已经成为人们出行的重要交通工具。但随着高速列车运行里程的增加,轮轨系统的磨损、老化等问题的日益突出,这些现象极易引发高速列车侧翻、脱轨等事故,造成巨大的人身安全和财产损害。轮轨系统的磨损、老化等问题反馈到轨道-车辆耦合系统中通常表现为轮轨力激增和轨道不平顺几何参数异常。对轮轨力和轨道不平顺变化规律进行科学的、合理的分析和预测,能够明显提升铁路维修部门对机车车辆的维修效率,降低维修的成本,提升高速列车运行的稳定性。而现有检测系统在测量轮轨力和轨道不平顺时存在准确性不足、自适应能力差的缺点,限制了测量数据在养护维修中的应用。在高动态行车环境下实现轮轨力和轨道不平顺的高精度测量是该文研究重点。本文的主要研究内容如下: (1)基于我国350 km/h级某型高速列车的设计参数,利用Universal Mechanism(UM)软件建立了整车系统的多体动力学模型,并通过临界速度和Sperling指标进行了验证。进一步基于TB/T 3352-2014标准,生成了轨道不平顺激励,仿真了不同工况下高速列车典型测点位置的振动响应。 (2)以车辆振动响应为输入,轨道不平顺或轮轨力为输出,基于Python环境和Pytorch框架建立了基于决策树、随机森林和岭回归的传统机器学习方法和一维卷积神经网络的反演模型,使用不同速度工况下的仿真数据进行测试,采用相关系数和均方根误差(Root Mean Squared Error,RMSE)方法对反演模型输出值与真实值进行评估,验证了一维卷积神经网络相较于传统机器学习模型的有效性和鲁棒性。 (3)针对实际工况下有标记的数据难以大量获取的问题,进一步采用无监督迁移学习方法对一维卷积神经网络反演模型进行改进,提出了一种可对全新工况数据进行域自适应的一维卷积神经网络模型MDCNN(Maximum mean difference one-dimensional convolutional neural network,MDCNN)。基于跨速度、跨车辆工况下的反演实验,证明了MDCNN模型相较于领域混淆、深度域适应的相关对齐等同类方法的有效性和稳定性。

关键词： 重载列车   纵向冲动   轮轨接触   牵引制动   动力学性能  

摘要： 开行长编组、大轴重列车已经成为提高铁路货运能力的有效手段,但在提高运输能力的同时,也会带来一系列问题,特别是在不同纵断面下纵向冲动作用对轮轨作用力及轮轨接触状态的影响更加明显,严重时影响机车牵引及制动性能的稳定发挥,恶化机车运行状态。鉴于此,开展了不同纵断面线路对列车纵向冲动作用、机车动力学性能及轮轨接触状态行为的研究是非常有必要的。 论文首先基于列车纵向动力学理论与多体动力学仿真软件UM,建立1+1长大编组重载列车一/三维混合动力学模型,并与实测列车纵向动力学性能、机车轮轨动力作用数据对比,验证了模型的可靠性,为后续动力学仿真奠定基础。 其次,分析了纵向冲动作用在机车悬挂系统传递过程,以牵引及电制动状态通过三种不同纵断面为例,揭示了纵向冲动作用主要通过车钩、车体向牵引拉杆、轴箱拉杆传递,在此过程中,车钩力动态波动会有较大衰减,主要是低频车钩力得到了有效传递;车钩纵向力分别是前牵引拉杆、单轴箱拉杆纵向力的2倍、12倍左右,少许纵向力通过一系和二系悬挂进行传递。在不同纵断面线路上,牵引、电制动操纵对机车主要部件纵向加速度的影响分别最大相差17%和6%左右,其对车体点头角位移的影响最大相差29%和6%,而其对构架影响微弱。 然后,研究了牵引、电制动、紧急制动工况分别在不同纵断面线路条件下对纵向冲动以及机车轮轨接触行为的影响。结果表明:就列车纵向冲动而言,在牵引工况下,凸形坡上拉钩力最大,较下坡道增大20%,而在电制动及紧急制动工况下,凹形坡上压钩力均最大,较下坡道分别增加了32%和14%。就机车轮轨接触行为而言,牵引工况下,轮轨垂向力较静轮重减小5.6%,不同纵断面对纵向蠕滑力的影响最大为50%,同样的牵引操作,上坡道线路会造成磨耗功率扩大为下坡道的2.5倍;纵断面变化会造成切向应力、黏着区面积最大相差分别达44%和32%。列车紧急制动状态通过不同纵断面线路时,造成纵向蠕滑力及磨耗功率、法向应力、接触斑/黏着区面积相差均不足2%,而电制动工况下,纵断面变化引起黏着区面积最大相差25%。 最后,在考虑纵断面影响下,对重载机车通过600 m半径曲线时的轮轨接触行为分析。结果表明:就安全性指标而言,无论是牵引还是电制动通过曲线时,相较于其它纵断面,下坡道条件较为恶劣,如轮重减载率可增大60%左右;就轮轨蠕滑接触状态而言,上坡道线路左、右轮纵向蠕滑力之差均较其它纵断面线路要小,不利于曲线通过。在牵引、电制动时,上坡道线路下轮轨磨耗数分别比其它线路扩大55%、33%,法向应力分别增大24%、6%左右,切向应力增大在14%以内。当紧急制动与电制动的制动力相差不大但速度相差较大时,紧急制动优于电制动工况下机车曲线通过性。 综上,尽管列车采取同样的牵引或制动操纵,但纵断面线路变化对列车纵向冲动、机车运行姿态、轮轨动力作用均有较大影响。适当限制最大坡度,以动力分散形式降低单轴牵引/制动功率,总体上有利于改善牵引装备的服役性能。

关键词： 轮轨噪声   声屏障   轮轨耦合   降噪效果   有限元-边界元  

摘要： 近年来我国高速铁路网线越发密集,线路运营时速不断提升,由此引发的轮轨噪声问题也备受关注。深入研究轮轨噪声的产生机理及声屏障对噪声的控制是当前亟待解决的难题。本文利用有限元-边界元相结合的方法,分析了车轮和钢轨的振动声辐射特性,并基于轮轨耦合动力学理论和结构振动声辐射理论,建立了频域下的轮轨耦合振动噪声预测模型,进一步分析了轮轨系统高频噪声特性。最后根据预测得到的轮轨噪声并结合高速铁路的声源特性,建立了不同结构形式、几何参数的声屏障边界元模型,以探究声屏障对不同频率下轮轨噪声的降噪效果。本文主要的研究工作如下: (1)根据现服役的CRH380B型列车车轮参数和CRTS II型轨道板参数,建立了LMB型踏面车轮和无砟轨道的有限元及边界元模型。在与已有文献进行对比验证的前提下,探究了在单位谐荷载作用下轮轨不同接触位置、轮轨不同部位和车轮不同磨耗情况时车轮、钢轨的振动响应,求得了车轮、钢轨各自的声辐射效率及辐射声功率,揭示了车轮及钢轨表面振动与声辐射的关系。 (2)利用傅里叶变换的方法将时域下的Sato轮轨联合粗糙度谱转换到频域内,结合轮轨耦合动力学理论求得了频域下的轮轨相互作用力。建立了轮轨耦合振动噪声预测模型,并以轮轨相互作用力为激励,进一步分析了轮轨噪声横向、垂向声场分布特性,以及不同车速、不同车轮横移量和不同车轮磨耗情况对轮轨噪声的影响。 (3)充分考虑高速铁路的声源特性,确定了本文噪声源的设置模式,结合边界元法建立了轮轨噪声的声屏障降噪模型并与相关文献中的试验数据进行对比验证。以轮轨耦合振动噪声预测模型得到的轮轨噪声为声源,建立了不同结构类型、几何参数的高速铁路声屏障降噪效果预测模型,通过与无声屏障情况下车外声场特性进行对比,对影响声屏障插入损失的几种因素进行了讨论,为我国高速铁路声屏障的选型及噪声控制提供参考。

关键词： 高速铁路   轮轨接触   NURBS   曲尖轨   廓形优化  

摘要： 高速道岔不仅是高速铁路系统的重要一环,更是高速铁路系统中薄弱的一个环节。道岔系统具有结构复杂,零部件众多的特点,在列车过岔时,由于线路的不平顺、线路的结构异常,以及列车本身的原因,往往造成造成轮轨间产生异常磨耗,减少车轮与钢轨的服役寿命,恶劣的过岔性能将危害行车安全,因此有必要进行高速铁路道岔轮轨接触关系和道岔廓形优化的研究。 本文以18号高速铁路道岔为研究对象,采用Simpack建立车辆-道岔耦合动力学模型,计算出列车通过道岔时的动力学性能;以改善轮轨接触关系为目标,对钢轨廓形进行优化设计,并对优化廓形进行分析,为提高列车过岔性能,减缓钢轨磨耗提供参考。本文研究的主要内容如下叙述: (1)为了研究不同车轮踏面过岔性能的优劣,本文匹配了不同型号的车轮侧逆向通过道岔,计算得出列车通过道岔时的脱轨系数等关键安全性指标数值,以及平稳性指标数值,轮轨间磨耗数。综合分析列车的过岔性能,采用层次分析法,对计算出的安全性等指标进行权重计算,最后得出列车过岔时轮缘踏面的综合排序,从优到劣的排序为:LMA、LMB、LM、LMD、JM3、LMC。 (2)基于NURBS曲线曲面理论,利用Matlab程序计算出采用不同型值点时钢轨廓形,对拟合廓形进行误差分析,并结合经济性原则,选用19个型值点描述钢轨廓形。 (3)对转辙区曲尖轨进行廓形优化,目标函数是使材料去除最少和和轮轨匹配性能最优,对优化廓形的边界条件和动力学性能进行约束,采用粒子群算法进行优化求解廓形,最后得到优化廓形进行轮-岔静态匹配接触。优化后廓形轮轨接触匹配更加均匀且匹配域较宽,满足要求,即完成了曲尖轨廓形的优化设计。 (4)建立Abaqus有限元模型,经过对比优化廓形与标准廓形的性能,探究接触应力与接触面积在不同横移量、不同轴重、不同摇头角时的变化规律。设定轴重为12t,轮对横移量为0mm,摇头角为0°,优化廓形较标准廓形,最大Von-Mises应力降幅为1.83%,接触斑面积增加了29.89%,最大静态剪切应力降低了1.45%,最大法向接触压力降低了2.55%。即优化后的廓形对改善轮轨接触关系是有益的,优化后的廓形可以降低轮轨间应力以及增加轮轨间接触面积,这减小了单位面积的受力,降低了钢轨的压溃风险,减少了轮轨间磨耗,延长了钢轨的服役寿命。