[发明专利]一种基于深度学习的列车动态称重系统及称重方法

说明书

本发明公开了一种基于深度学习的列车动态称重系统及称重方法。该方法基于实测桥梁结构响应信息，实时修正桥梁有限元模型。考虑车‑轨‑桥耦合作用及桥梁温度场，计算不同列车荷载作用下的桥梁结构响应数据。然后，以响应数据和车速作为输入数据，列车车重、轴重、轴距作为输出数据，训练神经网络模型，并基于已知列车荷载作用下的桥梁结构响应数据，验证训练结果的准确性。最后，依据桥梁两端的图像采集仪，基于多目标追踪算法，实时识别列车车速和结构响应，并将车速和结构响应输入神经网络模型，计算其余列车荷载参数。本方法能够快速有效地识别列车荷载参数，为铁路桥梁运营管理提供参考。

技术领域：

本发明涉及一种利用神经网络的列车荷载智能识别方法，适用于基于铁路桥梁结构响应的移动列车荷载参数自动识别，具体涉及一种基于深度学习的列车动态称重系统及称重方法。

背景技术：

铁路是我国综合交通运输体系的骨干和主要交通方式之一，铁路桥梁尤其是大跨度铁路桥梁作为铁路线上的关键节点工程，是铁路建设的核心所在，是促进南北沟通、东西部均衡发展的重要纽带，在促进国民经济的协调、快速发展中起着极其重要的作用。但值得注意的是，我国铁路桥梁的建设始于二十世纪五十年代，其中一大部分桥梁正在或即将面临运营时间长、使用功能（承载能力和耐久性）快速退化等问题，南京长江大桥更是于2016年迎来了长达27个月的封闭式加固维修。另一方面，我国迎来了高速铁路的快速发展时期，高速铁路的发展突飞猛进，取得了令世人瞩目的成就。沪通长江大桥、安庆长江大桥、大胜关长江大桥等大跨度桥梁是完善高速铁路网的咽喉所在。这些铁路桥梁具有跨度大、结构形式复杂、动力敏感性强等特点，在列车荷载作用下的结构动力响应机理复杂、构件损伤概率大幅提升。并且，列车荷载持久反复作用于沿线桥梁，导致桥梁的动力疲劳，严重时还会引起桥梁的整体破坏或者局部失稳。此外，铁路桥梁在移动列车荷载作用下振动比较剧烈，不仅对桥梁本身可能造成危害，还会影响列车过桥的平稳性。因此，实时了解移动列车荷载对铁路桥梁性能评估具有重要意义，可为相关部门管理的养护决策提供科学依据，具有重要的社会效益和经济价值。

移动列车荷载识别属于多体动力学问题，涉及到车辆、轮轨、桥梁等多个系统，多个系统相互耦合，难以直接求出解析解。国内外学者通常依据多条实测数据，根据不同的桥梁类型、轨道参数、车辆参数建立精确模型的方法进行研究，该方法需要精确模拟列车、轨道和桥梁，计算量较大，难以实现移动列车荷载参数的实时识别。

此外，温度作用对铁路桥梁动力响应影响显著，使得基于桥梁结构响应的移动列车荷载识别难度增大。比利时鲁汶大学的Peeters和De Roeck对瑞士的Z24桥进行了长达1年的连续监测，发现该桥结构的前4阶频率改变了14%~16%。并且，温度对不同类型的桥梁有不同程度的影响：在对大多数的梁式桥、拱桥、斜拉桥、悬索桥及实验室模型等的研究中，均得到了“模态频率随温度升高而降低”的结论；但部分桥梁结构也发现了“模态频率随温度升高而升高”的现象。

神经网络由大量的、简单的处理单元广泛地互相连接而形成的复杂网络系统，是一种高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学习的能力，适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络的基础在于神经元，神经元是以生物神经系统的神经细胞为基础的生物模型。大量的形式相同的神经元连结在—起就组成了神经网络。神经网络是一个高度非线性动力学系统，能有效建立各变量之间的复杂非线性关系。

因此，针对移动列车荷载实时识别困难、环境影响因素多等特点，基于神经网络技术建立桥梁结构响应和列车荷载参数之间的复杂非线性关系，实现基于桥梁结构响应的列车荷载参数实时识别。

发明内容