[发明专利]基于稀疏极限学习机和假设检验的铁路轨道状态评估方法

说明书

本发明提出基于稀疏极限学习机和假设检验的铁路轨道状态评估方法。本发明所述方法应用于某小半径曲线铁路轨道结构的长期监测数据分析中。通过结构温度场和多个测点的应变、位移响应长期监测数据训练了稀疏贝叶斯极限学习机概率预测模型，获得了结构温度场和应变及相对位移的预测关系，实现了基于温度监测数据对结构响应的可靠预测。采用贝叶斯假设检验方法对比了后续结构响应的稀疏贝叶斯极限学习机概率预测结果和实际监测数据，实现了轨道结构服役状态的有效评估。此方法考虑了监测数据采集误差和质量不统一引起的结构响应预测结果的不确定性，在概率统计意义上实现了轨道结构状态评估，有效地提升了其鲁棒性。

技术领域

本发明属于高速铁路和结构健康监测技术领域，特别是涉及基于稀疏极限学习机和假设检验的铁路轨道状态评估方法。

背景技术

近年来，CRTS II型板式无砟轨道在国内高速铁路中广泛应用，其铺设里程长，铺设范围广，但是其作为一种连续轨道结构，结构受温度和线形影响较大，易出现病害问题，保障其服役健康是铁路运营安全重要的研究课题。目前我国铁路部门通过综合检测车、钢轨探伤车、运营前确认车、线路沉降监测评估等手段，同时配合临时添乘、外部巡检和人工静态检查等方式保障铁路运行安全。但是线路的状态是连续变化的，在非天窗时段，这些检测方法无法实时了解轨道结构状态，结构病害一旦发生难以及时发现。

针对上述问题，国内外近年来开展了针对高速铁路轨道机构系统的长期监测技术研究与工程应用，在线路的重点区段，例如大跨度桥梁、路桥过渡段、小半径曲线等布设了长期监测工点，对轨道结构的温度场和温度变形进行了长期监测。这些轨道服役状态监测的周期一般不小于2年，监测过程中获取了大量的监测数据。目前在轨道状态评估方面，主要采用阀值评价的方法，即通过监测数据是否超限来评判轨道的状态。该方法虽然简单、直接，但是其对某时刻的局部响应过于敏感，容易产生误判和漏判，无法从根本上揭示轨道结构本身的服役状态变化规律，没有真正实现轨道状态预测的目标。此外，国内常采用轨道结构平顺性的方法进行高速铁路轨道状态评估，主要包括采用局部幅值超限扣分、轨道质量指数等方法。幅值超限扣分法适用于局部存在幅值较大不平顺的情况；轨道质量指数能较好地反映区段轨道不平顺质量状态。但上述评估方法针对的数据对象是轨道几何形位参数(如轨距、轨向、水平、高低等)，并不适用于轨道结构服役状态监测数据(如结构温度、结构相对位移、结构内部应变)。因此针对轨道结构服役状态长期监测数据，仍需研究有效的数据挖掘和结构状态评估方法。

轨道结构健康监测系统采集的大量数据往往蕴含着环境荷载作用、结构力学行为和服役机制。通过数据驱动方法可以挖掘海量监测数据中隐含的环境荷载和结构力学行为特征，建立监测数据模型，揭示其与结构服役物理行为的联系，进而通过实时监测数据的分析及时发现监测数据模型的演变，最终实现结构服役状态的评估，具有重要的工程意义和实用价值。

发明内容

本发明目的是为了解决现有技术中的问题，提出了基于稀疏极限学习机和假设检验的铁路轨道状态评估方法。

本发明是通过以下技术方案实现的，本发明提出一种基于稀疏贝叶斯极限学习机回归和贝叶斯假设检验的铁路轨道结构状态评估方法，具体包括以下步骤：

步骤一、根据轨道结构正常运营状态下传感器监测、采集到的结构温度场数据和结构响应数据训练稀疏贝叶斯极限学习机模型，其中结构温度场数据为输入，结构响应数据为输出；将后续监测状态下的结构温度场数据输入到训练好的稀疏贝叶斯极限学习机模型中，获得结构响应的预测均值和协方差；

步骤二、定义原假设为后续监测状态下结构响应均值的监测值相比于预测值未发生显著变化，备择假设为后续监测状态下结构响应均值的监测值相比于预测值发生了显著变化；通过贝叶斯假设检验方法，结合结构响应的协方差预测值计算贝叶斯指标，判断接受或拒绝原假设，进而实现轨道结构服役状态的鲁棒评估。

进一步地，所述步骤一具体为：

步骤1.1、采用随机特征映射方式，基于铁路轨道结构温度场监测数据构造设计矩阵：