来源：期刊VIP网 时间：
作者：王阳;肖宏;张智海;迟义浩;魏绍磊;方树薇;
单位：北京交通大学土木建筑工程学院;北京交通大学轨道工程北京市重点实验室;长安大学公路学院;北京市地铁运营有限公司;
摘要：监测钢轨表面波磨状态是控制铁路环境振动与噪声的必要措施，利用安装在运营列车车体上的加速度传感器实现对钢轨波磨的实时监测，具有低成本、高效和便携的优点。为实现利用车体动态响应识别钢轨波磨，通过小波变换等手段分析钢轨波磨激励下车体振动特性，建立车辆-轨道刚柔耦合模型，获取车体垂向加速度仿真数据集。基于一维卷积神经网络搭建钢轨波磨检测模型并在仿真数据集上进行训练，与其他几种常见的检测模型进行对比，最后将模型迁移到实测车体垂向加速度数据集上实现对钢轨波磨的诊断。研究结果表明，钢轨波磨激励的振动能量在运行方向左侧和右侧空气弹簧对应的地板表面位置基本相同，通过车体垂向振动加速度信号无法区分左右两股钢轨的差异。与SVM、LSTM及2D-CNN相比，本文提出的钢轨波磨检测模型精度最高，单个样本推理时间仅为1.00 ms,钢轨波磨识别准确度达92.38%。
关键词：钢轨波磨;;车载检测;;数据驱动;;迁移学习;;一维卷积神经网络(1D-CNN)
基金资助：北京市自然科学基金-丰台轨道交通前沿研究联合基金(L211006)
