来源：期刊VIP网 时间：
作者：邓志兴;谢康;王武斌;徐林荣;李泰灃;苏谦;王迅;刘宝;
单位：中南大学土木工程学院;西南交通大学陆地交通地质灾害防治技术国家工程研究中心;中国铁道科学研究院集团有限公司铁道建筑研究所;西南交通大学土木工程学院;中国铁路设计集团有限公司;
摘要：目前缺少一种快速、超前、综合的高速铁路路基动力稳定性能评价方法，限制了路基动响应和累积变形数据的利用程度，易导致对路基的服役性能评价不充分、甚至在运营期间劣化等问题。因此，基于激振测试和机器学习(ML)提出一种高铁路基动力稳定性能评价方法。首先，利用大型激振器模拟高速列车荷载，以快速获得高速铁路路基动力稳定性能评价指标，包括动响应(动应力、振动加速度)和累积变形；其次，基于优选的最佳ML模型对累积变形进行超前预测，探索累积变形的未来发展趋势；最后，综合路基动响应评估和路基累积变形评估，实现高速铁路路基动力稳定性能评价，并依托杭绍台高速铁路路基试验段验证该方法的有效性。结果表明：激振试验过程中，路基最大动应力、振动加速度和累积变形分别为42.5 kPa、8.496 m/s~2、3.26 mm,均小于各自阈值50 kPa、10 m/s~2和15 mm;优选得到性能最佳的LSTM模型，并基于LSTM模型得到累积变形预测值稳定于3.27 mm,表明累积变形满足超前评估要求。综合路基动响应和路基累积变形评估结果，得到该高速铁路路基动力稳定性能较好。相关研究成果为高速铁路路基结构动力稳定性能评价提供新的思路，也可为高速铁路智能运维提供超前参考。
关键词：高速铁路路基;;激振测试;;机器学习;;动力响应;;累积变形
基金资助：国家自然科学基金(U2268213,52478473);; 中国国家铁路集团有限公司科技研究开发计划(J2021G002)
