基于模数驱动的高速铁路线路设备状态检测评估技术与实践

Practice of High Speed Railway Line Equipment State Detection and Assessment Technology Driven by Modulus

摘要

从京津城际铁路开通至今的十余年间，我国高速铁路迅猛发展，“八纵八横”铁路网即将实现。与此同时，铁路基础设施状态检测监测体系也逐步完备。随着检测运维技术智能化的不断深入，在现有评估技术的基础上，基于模数驱动形成了高速铁路线路设备全生命周期运维总体架构，实现了依托联调联试动态验收形成的包含轨道几何状态、钢轨短波状态、轮轨力响应等在内全方位、多层次的线路状态评估与验收技术；以周期性运营检测为基础，形成了包含线路长期服役状态跟踪、典型病害识别、关键设备状态评价等在内体系完整、覆盖全面的服役状态确认技术；针对长服役年限线路，提出多种维修决策技术，形成了包含轨道几何、钢轨短波不平顺、轮轨力、道岔等在内多角度、多维度的提质改造后线路服役状态确认体系。依托高速综合检测列车的动态检测技术，覆盖新建线路状态验收、运营线路状态评估、线路提质改造后状态确认的高速铁路线路设备全生命周期状态检测评估技术已经形成并将在实践中不断发展完善。

Abstract

Over the past decade since the opening of the Beijing-Tianjin Intercity Railway, China's high speed railways have developed rapidly, and the railway network featuring "eight south to north lines" is on the verge of realization. Correspondingly, the state monitoring and detection system for railway infrastructure has gradually become complete. With the continuous advancement of intelligent detection and operation and maintenance (O&M) technology, based on existing assessment technologies, this paper proposed a comprehensive lifecycle O&M architecture for high speed railway line equipment driven by modulus, and a comprehensive and multi-level line state assessment and acceptance technology was formed based on the dynamic acceptance of joint debugging and testing, which included track geometry state, short-wave rail state, and wheel-rail force response. Through periodic operational testing, a complete and comprehensive service state confirmation technology was formed, covering long-term service state tracking of the line, identification of typical diseases, and assessment of key equipment state. For lines in long-term service, a variety of maintenance decision-making technologies were proposed, forming a multi-angle and multi-dimensional service state confirmation system after quality improvement and transformation, including track geometry, short-wave rail irregularities, wheel-rail forces, and turnouts. With the help of the comprehensive dynamic detection technology of high speed trains, the full lifecycle state detection and assessment technology for high speed railway line equipment was formed and will continue to develop in practice, covering the acceptance of new lines, the assessment of operational lines, and the confirmation of service state after line quality improvement and transformation.

Graphical abstract

关键词

高速铁路 / 铁路基础设施 / 模数驱动 / 全生命周期管理 / 检测监测 / 评估技术

Key words

High Speed Railway / Railway Infrastructure / Modulus-Driven / Full Lifecycle Management / Detection and Monitoring / Assessment Technology

0　引言

2008年8月1日，我国第一条高速铁路(以下简称“高铁”)京津城际铁路(北京南—天津)开通运营，标志着我国正式进入高铁时代。截至2023年底，我国高铁运营总里程已达4.5万km。根据《中长期铁路网规划》(发改基础〔2016〕1536号)，2025年将形成以“八纵八横”主通道为骨架、区域连接线衔接、城际铁路补充的高铁网，届时我国高铁运营总里程将接近5万km^[1-2]。翟婉明院士在2021年中国科学院学术讨论会上指出“制定科学的高铁运维标准”和“超大高铁网的全面检测和安全预警”将是中国高铁未来亟待解决的挑战之二^[3]。目前高铁线路基础设施状态评估主要通过人工静态检查和高速综合检测列车动态检测方式进行。高铁网不断铺开、在役线路运行年限不断增加等都对高铁线路基础设施状态检测监测系统的准确性、时效性等提出了新的、更高的要求。在可预见的未来，以高速综合检测列车为依托的动态检测将承担更繁重的检测监测任务。

近年来，以CR450、第二代综合检测列车为代表的检测监测技术和装备快速发展，使基础设施状态检测监测速度更快，角度更全，维度更广^[4-5]；大数据挖掘、人工智能等新技术的蓬勃发展，为检测监测数据创新、智能分析提供了新思考，注入了新活力^[6-7]。2020年，中国国家铁路集团有限公司(以下简称“国铁集团”)发布了《智能高速铁路体系架构1.0》，构建了技术、标准、数据三位一体的中国高铁智能化体系架构，其中面向基础设施的智能检测监测和智能综合监测车作为智能装备板块中的关键技术，对高铁建设运营安全保障发挥着重要作用。为进一步加快中国高铁智能化建设，2023年国铁集团发布《数字铁路规划》，明确指出以支撑铁路“六个现代化体系”构建为目标，加强数字铁路建设整体布局。面向铁路全专业、全要素、全生命周期的应用场景，提出基于模数驱动、轴面协同理论的智能高铁复杂系统理论，明确了智能高铁2.0的任务和目标^[8]。为紧跟国铁集团智能高铁2.0的目标要求，积极保障基础设施安全运营的高质量发展，铁路基础设施状态检测监测从新建线路联调联试、运营线路状态评估、线路提质改造后状态确认的全生命周期场景中，对各个业务环节中的数据、模型进行深入分析，融合处理，实现各生命周期阶段中的模数一体、模数共享，为开展不同场景中多维数据的智能化应用提供基础。

1　模数驱动、轴面协同理论内涵

高铁是全生命周期衔接、全业务要素协同的复杂巨系统。在时间维度上，需实现设计、施工、运营等各环节的数据共享和有效衔接；在业务维度上，需实现高铁不同阶段涉及的各业务要素、外部环境等的综合协调。为此，中国铁路融合系统论、数据驱动方法、模型驱动方法等定性定量相结合的系统集成管理方法，提出了面向系统整体效能最优的“模数驱动、轴面协同”系统模型架构^[9]。“模数驱动、轴面协同”系统模型架构如图1所示。其中，模数驱动中的“模”指高铁各业务对象的表征模型或者机理模型，“数”指高铁建设和运营过程中采集到的各类动静态数据。“模数驱动”即融合表征模型、机理模型和动静态数据等实现模数一体，并以模数一体为核心，驱动实现智能高铁设计、施工、运营等全生命周期的正向无损传递和反向迭代优化。轴面协同中的“轴”指智能高铁设计、施工、运营等全生命周期构成的主轴线，“面”指全生命周期主轴线上不同时间截面上涉及的业务要素、外部环境等构成的要素面。移动装备、通信信号、工务工程、牵引供电、运输组织、设备运维、客运服务、安全保障、外部环境等业务要素构成了运营阶段的要素面。“轴面协同”即实现智能高铁全生命周期衔接、全业务要素协同，目标是实现智能高铁整体效能最优。以全生命周期为主轴，强调运用贯穿于智能高铁全资产、全产业链和全生命周期的智能化技术，构建基于全生命周期的铁路建设运营管理新模式，通过不同业务领域、高铁全生命周期不同阶段信息系统的集成融合，推进不同阶段工作任务的无缝衔接；以“高铁全要素”为“面”，强调在全生命周期静态时间截面上，基于信息流支撑不同专业、外部环境等各类要素的高效互动，有效协同不同专业、不同领域相关要素，推动资源合理规划配置和有序协同。

通过将表征模型、机理模型与数据相融合实现模数一体化，以模数驱动为手段实现智能高铁的轴面协同。即轴上实现设计、施工、运营等全生命周期的正向信息无损传递和反向迭代优化，面上实现全生命周期各静态时间截面上的全要素协同，达到“安全可靠、经济高效、温馨舒适、方便快捷、节能环保”等综合效能最优^[10]。

2　基于模数驱动的高铁线路轨道设备全生命周期运维总体架构

高铁线路轨道设备全生命周期运维面向新线联调联试、线路正常运维和线路大修改造阶段等线路全生命周期运维中的各项需求。高铁线路轨道设备全生命周期状态检测评估技术示意图如图2所示。以高速综合检测列车采集的检测监测数据为基础，进行多维度的数据挖掘，实现对轨道几何状态、钢轨短波状态、轮轨力响应、道岔状态、关键设备病害识别、维修改造决策计划等智能化分析，其中大量的基础检测监测数据分析贯穿于整个运维的全生命周期中。

为实现运维数据、模型能够在全生命周期过程中的正向传递和反馈优化，提升整个运维的效率，提出基于模数驱动的高铁线路全生命周期运维总体架构方案。高铁线路设备智能运维总体架构图如图3所示。整个架构基于高铁线路设备运维模数一体化平台，自下而上分为数据汇聚层、数据存储层、模数处理层和分析应用层，可以实现对不同阶段运维数据、模型的统一管理。

（1）数据汇聚层。汇聚高速综合检测列车在联调联试、日常运营和大修改造阶段采集到的各类线路设备运维数据及模型。其中，联调联试阶段用于轨道几何状态分析的线路高低、轨向、轨距、水平、三角坑、车体垂向加速度、车体横向加速度等指标数据及模型，用于钢轨短波状态分析的轴箱加速度、车体异常高频振动等数据及模型，用于轮轨力分析的脱轨系数、轮重减载率、轮轴横向力、轮轨垂向力等数据及模型；日常运维阶段，除轨道几何状态、钢轨短波状态、轮轨力响应分析等长期服役状态监测数据及模型，还汇聚Ⅱ型板夏季高温胀板监测、冬季冻胀监测、简支梁监测以及桥墩沉降监测等典型设备病害监测数据及模型；大修改造阶段汇聚了上述动态检修数据，还汇聚了静态检测数据。

（2）数据存储层。主要由表征模型库、数据湖和机理模型库构成。其中表征模型库主要包含用于展示轨道、基础设施设备的运营模型；数据库用于存储联调联试、日常运营和大修改造阶段的运营数据；机理模型库用于存储不同运维阶段所涉及到的分析模型，如联调联试阶段，通过轨道质量指数(TQI)分析轨道几何状态，通过轨道冲击指数(TII)、钢轨波磨指数(RCI)确定钢轨短波状态等。在日常运营阶段，通过II型板胀板监测数据识别胀板病害、通过沉降监测模型分析桥梁沉降等。在大修改造阶段，通过动静态检测数据的多维度分析确定轨道动态精调决策等。

（3）模数处理层。由模数管理、模数计算、模数聚合等功能构成。其中，模数管理具备表征模型管理、机理模型管理、动静态数据管理、模数一体化管理等功能，实现海量数据、表征模型及机理模型的质量治理和存储管理。模数计算具备自主参数化建模、模型数据关联分析、模数驱动协同计算、领域大模型智能分析等功能。实现基于自主软件的参数化建模，以模型为主线实现模型数据关联分析、模数驱动协同计算，并共享大数据与人工智能平台中的算力、算法、数据，开展典型场景大模型智能分析等。模数聚合提供领域知识建模、模数服务编排、模数协同调度、模数服务共享等能力。

（4）分析应用层。支撑高铁线路设备全生命周期运维的各项智能化应用，包括轨道几何状态分析、钢轨短波状态分析、轮轨力响应分析、线路长期服役状态分析、典型线路设备病害识别、高速道岔综合评价、大修改造后服役状态评估、轨道动态精调决策分析等。

3　模数驱动下高铁线路设备全生命周期运维关键技术

3.1　轨道几何状态评估技术

轨道几何状态动态验收的主要指标有局部峰值和单元均值。充分考虑更高速度下威胁车辆运行安全的影响因素，将管理波长取值范围设定为1.5~42 m。相较于欧盟3~25 m的管理波长取值范围，我国轨道不平顺管理更为全面^[11-12]。局部峰值状态评估包含高低、轨向、轨距、三角坑、水平、车体垂向加速度、车体横向加速度等项目。考虑到不同等级线路间的差异，为使评价结果更为科学，对不同速度等级的线路开展差异化评价，差异体现在轨道不平顺管理波长范围、幅值评价标准。单元均值评估采用我国提出的TQI进行。新建线路联调联试轨道几何局部峰值动态验收管理值如表1所示。TQI允许偏差管理值如表2所示。局部峰值评价有效指示出局部轨道几何不良处所，为制定有效的线路维修计划提供了可靠支撑；TQI的存在为编制科学的轨道精调计划提供了可靠支撑^[13-14]。

3.2　钢轨短波状态评估技术

由于引起的动车组振动表现形式不同，钢轨短波不平顺问题主要分为2类：孤立不平顺问题和具有周期性特征的不平顺问题。

针对引起动车组瞬时异常高频振动的焊缝不良、钢轨硌伤等轨面孤立不平顺问题，以能够有效反映轮轨接触平面振动特征的轴箱加速度为分析源，创新性地提出了轨道冲击指数TII。考虑到高速过岔不可避免出现结构性高频振动，对区间、道岔区段开展差异化评价。

TII=\frac{S_r}{\overline{S}}⑴

式中：S_r为测点处车辆动态响应信号带通滤波后移动有效值；\overline{S}为移动有效值的平均值。

针对引起动车组持续异常高频振动的波浪形磨耗等具有周期性特征的轨面不平顺问题，以能够有效反映轮轨接触平面振动特征的轴箱加速度为分析源，从能量角度创新性地提出了钢轨波磨指数RCI，将其定义为车辆动态响应信号的移动有效值与标定参数(移动有效值的平均值)的比值。联调联试试运用结果显示，TII能够有效指示轨面状态不良处所及严重程度，指导制定钢轨打磨计划；RCI能够对钢轨是否存在波磨型磨耗进行有效诊断。

3.3　轮轨力响应评估技术

目前轮轨垂向力、横向力被用于评价车辆 ‒ 轨道间的相互作用。脱轨系数、轮重减载率、轮轴横向力、轮轨垂向力等指标用以刻画动车组的运行稳定性并给出线路精调或打磨建议。轮轨力响应评价指标及管理值如表3所示。这些指标虽然能够很好地反映动车组运动状态，但无法全面反映与之匹配的线路状态。因此，在现有的轮轨垂向力峰值评价基础上，通过研究提出在采样频率不低于5 000 Hz的前提下，对轮轨力信号进行0.5~2 000 Hz的带通滤波，可以应用标准差和有效值指标诊断钢轨轨面状态，并在联调联试过程中开展了试运用^[15-17]。

3.4　线路长期服役状态跟踪技术

高速线路长期服役后轨道设备状态能否继续满足安全运营要求是高铁长周期服役的关键问题。以高速综合检测列车动态检测采集到的长周期数据为基础，对京广高铁(北京西—广州南)京武段(北京西—武汉)等旅客、货物运输密集的重点线路开展轨道几何状态、轨道短波不平顺状态、舒适性状态、轮轨力状态、道岔状态、轨道变形状态、过渡段状态等进行覆盖式分析与评估，得到全方面、多维度的轨道系统长期服役规律^[18-20]。长期服役轨道几何状态变化如图4所示。结果表明，合理的维修介入使工务关键基础设施在长期服役后仍能保持良好的性能，经持续维修保养设备能够满足安全运行要求。

3.5　病害识别技术

夏季高温状态下，CRTS Ⅱ型板式无砟轨道和路基段双块式无砟轨道纵向连续，其结构相较于其他无砟轨道类型在温度力的作用下更易发生拱起变形问题。变形过大时会产生不可逆的结构伤损，受到高铁夜间天窗的限制，该类问题不易及时发现。通过深入分析，掌握了结构拱起变形阶段轨道几何，特别是高低不平顺微小级毫米变化规律，提炼得到了轨道几何敏感性参数、波形变化特征和变化趋势，建立了无砟轨道结构上拱识别与预警模型^[21-23]。夏季胀板分析如图5所示。检测完成后最快40 min即可得到预警处所，迅速、准确地助力每年5~8月的高温胀板预警，2023年共预警2 235处，其中变化较大处所555处，指导现场及时开展养护维修，保障线路状态的安全稳定。

冬季严寒作用下，含水路基或轨道道床将在低温作用下结冰引起轨道结构变形，即“冻胀变形”。受此影响，轨道几何不平顺幅值将发生迅速变化，幅值过大时将会影响行车安全。冻胀变形出现突然、发展迅速，必须对其进行快速识别与及时处理。基于轨道几何动态检测数据，结合轨道几何不同速度等级检测标准和现场检查维修实际需求，形成了路基冻胀4个预警等级，以定量化方式指导现场按照严重程度开展针对性养护维修工作。冬季冻胀分析如图6所示。冻胀预警分析时间为每年11月至次年4月，全面覆盖了可能发生冻胀变形的重点线路及其发生时间。2023年共预警6 740处，其中变化较大处所1 036处，复核准确率超过95%，有效保证了严寒期高铁运营安全。

大跨度桥梁在服役过程中将会受到来自温度、风及列车荷载等多因素的耦合影响，线 ‒ 桥体系时变特征、空间变形映射关系、平顺性演变规律明显区别于典型路基区段。简支梁桥徐变、轨道板上拱分析如图7所示。此外，梁端过渡区轨道结构还存在维持稳定能力不强的问题。为保障列车安全运行，搭建了车 ‒ 线 ‒ 桥一体化检测监测系统对大桥及线路结构在线实时监测^[24-25]。大跨度桥梁状态检测从环境、行车安全性、轨道、桥梁等12个大类进行，开展了总计62个项目的状态评估，实现了多层次、多维度、多角度的大跨度桥梁综合状态预警、报警机制^[26-27]。

3.6　关键设备状态评价技术

高速道岔作为高速线路最为重要同时也较薄弱的环节，集中了工务部门70%以上的检查、维修工作量。以动态检测过程中采集到的道岔区段数据为基础，基于精准定位的道岔区段识别算法实现了道岔区段轨道几何、加速度和轮轨力数据准确提取，开展多源数据融合分析形成了包含道岔区几何线形、列车过岔平稳性、轨面状态等在内的道岔综合评价技术^[28-30]。道岔区段精准定位如图8所示。评价结果与动态检测数据、现场静态测量数据、运营服役信息、维修作业信息等实现了“一岔一档”标准化管理。提出的道岔区段轨道质量指数(TQI-T)实现了高速道岔设备单元化管理，填补了道岔区轨道几何状态评估的空白，使现场维修有据可依^[31]。2023年，对全路共计9 991组高速道岔进行分析，指导铁路局集团公司完成1 198组道岔整治，道岔区轨道几何状态得到有效提升。

钢轨硌伤、擦伤、波浪形磨耗等钢轨短波不平顺问题会引起列车异常高频振动，加剧车辆、轨道系统零部件损伤，缩短线路设备使用寿命^[32]。以近似反映轮轨接触平面真实振动的轴箱加速度数据为基础，创新性提出轨道冲击指数和钢轨波磨指数2个指标分别评价钢轨孤立性短波不平顺问题(钢轨硌伤、擦伤等)和钢轨周期性短波不平顺问题(钢轨波浪形磨耗等)，建立起检测 ‒ 分析 ‒ 复核 ‒ 反馈 ‒ 跟踪的闭环体系^[33-35]。钢轨短波不平顺状态分析如图9所示。2023年共发现轨道冲击指数Ⅱ级偏差263个，钢轨波磨指数Ⅱ级偏差137个，现场复核准确率超过80%，有力保障了高铁线路钢轨短波不平顺处于良好、稳定状态。

3.7　维修决策

静态检测数据不包含动荷载作用信息，使得依据静态检测数据制订的精调方案不够全面、不够准确。依托高速综合检测列车的动态检测数据真实反映了列车真实荷载作用下的轨道不平顺状态，因此依据动态检测数据制订的方案对现场养护维修具有更强的指导意义。从动态检测数据到形成可行的精调方案，必须获取与现场精准对应的里程信息。为解决该问题，以逐枕轨道动态不平顺为切入点，实现了动态检测数据里程与现场轨枕信息的准确匹配。基于精准的逐枕里程，制定的针对性方案实现了对轨道动态不平顺的准确精调^[36-38]。轨道动态精调如图10所示。该方法比静态精调具有更高的调整精度，可使TQI平均再下降0.2 mm，其效果已经过昌景黄(南昌—景德镇—黄山)、广汕(广州—汕尾)等新建高铁线路的检验。针对道岔区段，提出的静动态2步精调法能充分降低TQI-T，较大改善列车通过性能。首批应用的道岔中TQI-T最大降幅达到1.94 mm，轨道区几何质量提升40%，作业时间缩短50%。

3.8　提质改造后服役状态确认

随着服役时间的不断增加，高铁线路轨道设备状态将不可避免地产生劣化。为保证行车安全和乘客乘坐体验，当线路达到一定服役年限或一定通过总重后，铁路局集团公司将对线路开展全方位的维修工作，以提升高速线路服役质量。以高速综合检测列车动态检测为支撑的提质改造线路状态确认技术从轨道几何状态、钢轨短波不平顺状态、舒适性状态、轮轨力状态、道岔状态、轨道板变形状态、过渡段状态等方面全方位、多角度、深层次地对提质改造后的高速线路状态进行综合评估，有效反映提质改造质量。提质改造后服役状态分析如图11所示。2022年4月对提质改造后的京广高铁京武段状态进行评估，结果显示提质改造工作能够有效提升包含轨道几何状态、钢轨短波不平顺状态等在内的线路状态。

4　结论

从新建线路状态验收、运营线路状态评估、线路提质改造后状态确认3个角度，系统阐述了高铁线路设备全周期状态检测评估技术面向不同服役时期高速线路时的具体应用，总结如下。

（1）构建基于模数驱动的高铁线路设备全生命周期运维总体架构，实现了新建线路联调联试、正常运营线路状态评估、大修改造全周期的模数驱动融合处理，基于高铁线路设备运维的模数一体化平台，为不同阶段的智能化应用提供了标准统一的模型数据服务，为整个运营场景提供模型数据底座。

（2）面向新建线路状态质量评估与验收场景，以联调联试过程中的动态验收工作为支撑，形成了包含轨道几何状态、钢轨短波状态、轮轨力响应等在内全方位、多层次的线路状态评估与验收技术，确保新建线路满足开通运营要求，筑牢铁路安全第一道防线。

（3）面向运营线路服役状态评价与问题处所查找场景，以每月2次的周期性运营检测为基础，形成了包含线路长期服役状态跟踪、典型病害识别、关键设备状态评价等在内体系完整、覆盖全面的服役状态评估技术，确保运营铁路满足安全要求，筑牢铁路安全第二道防线。

（4）面向长服役年限线路状态变化场景，提出包含动态精调等在内的多种维修决策技术，形成了包含轨道几何、钢轨短波不平顺、轮轨力、道岔等在内多角度、多维度的提质改造后线路状态确认体系，筑牢铁路安全第三道防线。

参考文献

[1] 王同军，史　宏，侯　敬，等. 关于铁路科技国际化战略的研究[J]. 铁道运输与经济，2017，39(2)：1-7，34.

[2] WANG Tongjun， SHI Hong， HOU Jing，et al. Study on Internationalization Strategy of Railway Science and Technology[J]. Railway Transport and Economy，2017，39(2)：1-7，34.

[3] 李学峰，潘明亮，王卫东，等. 都市圈智能城际铁路发展理念与总体架构设计[J]. 铁道运输与经济，2023，45(7)：1-7.

[4] LI Xuefeng， PAN Mingliang， WANG Weidong，et al. Development Concept and Overall Architecture Design of Intelligent Intercity Railway in Metropolitan Area[J]. Railway Transport and Economy，2023，45(7)：1-7.

[5] 解婉茹. 基于构架横向位移的轨道服役状态评价方法研究[D]. 北京：中国铁道科学研究院，2022.

[6] 牛道安，柯在田，刘维桢，等. 高速铁路基础设施检测监测体系框架研究[J]. 中国铁路，2020(10)：9-17.

[7] NIU Daoan， KE Zaitian， LIU Weizhen，et al. Research on the Inspection and Monitoring System Framework of High Speed Railway Infrastructure[J]. China Railway，2020(10)：9-17.

[8] 刘维桢，涂文靖，杨　飞，等. 高速铁路基础设施综合一体化检测监测体系研究[J]. 中国铁路，2019(3)：22-26.

[9] LIU Weizhen， TU Wenjing， YANG Fei，et al. Research on Integrated Inspection and Monitoring System of High Speed Railway Infrastructure[J]. China Railway，2019(3)：22-26.

[10] 牛道安，刘金朝，杨 飞，等.高速铁路基础设施检测监测大数据分析技术研究与实践[J].中国铁路，2024(2)：1-11.

[11] NIU Daoan， LIU Jinzhao， YANG Fei，et al. Research and Practice on Big Data Analysis Technology for Inspection and Monitoring of High Speed Railway Infrastructure[J]. China Railway，2024(2)：1-11.

[12] 牛道安，曲建军，杨　飞，等. 轨道检测大数据在线路设备工务养护维修中的运用[J]. 中国铁路，2022(11)：8-15.

[13] NIU Daoan， QU Jianjun， YANG Fei，et al. Application of Big Data of Track Inspection in Track Maintenance and Repair[J]. China Railway，2022(11)：8-15.

[14] 王同军. 中国智能高速铁路体系架构研究及应用[J]. 铁道学报，2019，41(11)：1-9.

[15] WANG Tongjun. Research and Applications of China Intelligent High Speed Railway Architecture[J]. Journal of the China Railway Society，2019，41(11)：1-9.

[16] 王同军. 中国智能高铁发展战略研究[J]. 中国铁路，2019(1)：9-14.

[17] WANG Tongjun. Study on the Development Strategy of China Intelligent High Speed Railway[J]. China Railway，2019(1)：9-14.

[18] 王同军. 中国智能高速铁路2.0的内涵特征、体系架构与实施路径[J]. 铁路计算机应用，2022，31(7)：1-9.

[19] WANG Tongjun. Connotation，Architecture and Implementation Path of China Intelligent High Speed Railway 2.0 [J]. Railway Computer Application，2022，31(7)：1-9.

[20] 牛道安. 智能高铁联调联试技术创新与展望[J]. 中国铁路，2019(7)：2-6.

[21] NIU Daoan. Innovation and Prospect on Testing and Commissioning of Intelligent High Speed Railways[J]. China Railway，2019(7)：2-6.

[22] 左自辉，刘君清，姜昕良，等. 国内外高速铁路动态集成测试对比[J]. 铁路技术创新，2023(6)：1-7.

[23] ZUO Zihui， LIU Junqing， JIANG Xinliang，et al. Comparison of Dynamic Integration Tests for High Speed Railways at Home and Abroad[J]. Railway Technical Innovation，2023(6)：1-7.

[24] 姜昕良. 我国高速铁路联调联试技术发展与展望[J]. 铁路技术创新，2021(3)：1-8.

[25] JIANG Xinliang. Development and Prospect of Testing and Commissioning Technology for High Speed Railway in China[J]. Railway Technical Innovation，2021(3)：1-8.

[26] 杨宏图，孙鹏举，姜昕良. 高速铁路运行试验发展现状与思考[J]. 铁路技术创新，2022(6)：1-7.

[27] YANG Hongtu， SUN Pengju， JIANG Xinliang. Status Quo of and Thoughts on High Speed Railway Operation Test[J]. Railway Technical Innovation，2022(6)：1-7.

[28] 马 辉，牛留斌，俞志豪，等.基于E N12299-2009的中国高铁乘坐舒适性评价研究[EB/OL].(2024-07-14)[2024-07-19].

[29] 牛留斌，胡晓依，杨飞，等. 基于轮轨垂向力的波磨状态估算方法[J]. 交通运输工程学报，2023，23(3)：88-102.

[30] NIU Liubin， HU Xiaoyi， YANG Fei，et al. Estimation Method of Corrugation State Based on Wheel-Rail Vertical Force[J]. Journal of Traffic and Transportation Engineering，2023，23(3)：88-102.

[31] 牛留斌，祖宏林，徐晓迪，等. 基于轴箱垂向振动加速度的波磨谷深值估算方法及应用[J]. 中国铁道科学，2023，44(1)：25-38.

[32] NIU Liubin， ZU Honglin， XU Xiaodi，et al. Estimation Method and Application of Depth of Rail Corrugation Based on Vertical Vibration Acceleration of Axle Box[J]. China Railway Science，2023，44(1)：25-38.

[33] 魏子龙，孙宪夫，杨　飞，等. 车轮多边形激扰下轨道几何检测数据偏差规律及限值研究[J]. 振动与冲击，2023，42(7)：207-216.

[34] WEI Zilong， SUN Xianfu， YANG Fei，et al. Deviation Laws and Limit Value of Track Geometry Detection Data under Excitation of Wheel Polygon[J]. Journal of Vibration and Shock，2023，42(7)：207-216.

[35] 赵文博，杨　飞，支　洋，等. 基于多源检测数据融合的高速铁路路基沉降诊断研究[J]. 铁道科学与工程学报，2024，21(1)：396-405.

[36] ZHAO Wenbo， YANG Fei， ZHI Yang，et al. Subgrade Settlement Recognition of High Speed Railway Based on Multi-Source Detection Data Fusion[J]. Journal of Railway Science and Engineering，2024，21(1)：396-405.

[37] 高　雅，尤明熙，杨　飞，等. 高速铁路路基沉降对车体振动影响研究[J]. 铁道科学与工程学报，2023，20(4)：1139-1148.

[38] GAO Ya， YOU Mingxi， YANG Fei，et al. Study on the Influence of Subgrade Settlement on Car Body Vibration of High Speed Railway[J]. Journal of Railway Science and Engineering，2023，20(4)：1139-1148.

[39] 杨　飞，赵　钢，尤明熙，等. 基于高低不平顺变化特征的轨道板拱起识别与预警模型研究[J]. 铁道学报，2021，43(8)：106-116.

[40] YANG Fei， ZHAO Gang， YOU Mingxi，et al. Research on Identification and Early Warning Model for Track Slab Arch Based on Variation Characteristics of Longitudinal Irregularity[J]. Journal of the China Railway Society，2021，43(8)：106-116.

[41] 杨　飞，王秀丽，尤明熙，等. 基于不平顺的CRTSⅡ型轨道板状态评价方法研究[J]. 铁道工程学报，2020，37(7)：29-34.

[42] YANG Fei， WANG Xiuli， YOU Mingxi，et al. Research on the State Evaluation Method of CRTS II Track Slab Based on Track Irregularity[J]. Journal of Railway Engineering Society，2020，37(7)：29-34.

[43] 杨静静，高芒芒，杨　飞，等. CRTSⅡ型轨道板上拱变形及对钢轨的影响[J]. 铁道建筑，2019，59(10)：104-108.

[44] YANG Jingjing， GAO Mangmang， YANG Fei，et al. Heaving Deformation of CRTS Ⅱ Track Slab and Its Influence on Rail[J]. Railway Engineering，2019，59(10)：104-108.

[45] 杨　飞，赵文博，高芒芒，等. 运营期高速铁路轨道长波不平顺静态测量方法及控制标准[J]. 中国铁道科学，2020，41(3)：41-49.

[46] YANG Fei， ZHAO Wenbo， GAO Mangmang，et al. Static Measurement Method and Control Standard for Long-Wave Irregularity of High Speed Railway Track during Operation Period[J]. China Railway Science，2020，41(3)：41-49.

[47] 王韫璐，高芒芒，杨静静，等. 高速铁路大跨度桥梁端轨道动态不平顺特征分析[J]. 铁道建筑，2023，63(6)：7-11.

[48] WANG Yunlu， GAO Mangmang， YANG Jingjing，et al. Analysis of Dynamic Track Irregularity Characteristics at Girder End of Long Span Bridge in High Speed Railway[J]. Railway Engineering，2023，63(6)：7-11.

[49] 李国龙，孙宪夫，高彦嵩，等. 基于实车试验的大跨度桥梁轨道静态长波高低不平顺验收标准验证[J]. 铁道学报，2024，46(1)：120-128.

[50] LI Guolong， SUN Xianfu， GAO Yansong，et al. Verification on Acceptance Standard for Track Static Long-Wave Longitudinal Level Irregularity on Long-Span Bridge Based on Real Train Test[J]. Journal of the China Railway Society，2024，46(1)：120-128.

[51] 高芒芒，李国龙，杨　飞，等. 基于强迫振动的列车-轨道-轨下结构垂向耦合动力分析方法及工程应用[J]. 中国铁道科学，2021，42(2)：50-58.

[52] GAO Mangmang， LI Guolong， YANG Fei，et al. Vertical Coupling Dynamic Analysis Method and Engineering Application of Vehicle-Track-Substructure Based on Forced Vibration[J]. China Railway Science，2021，42(2)：50-58.

[53] 秦航远，刘金朝，刘维桢，等. 基于定位指数与置信系数的道岔区轨道几何形位偏差变化量识别方法[J]. 铁道学报，2024，46(5)：110-115.

[54] QIN Hangyuan， LIU Jinzhao， LIU Weizhen，et al. Identification Method for Minor Changes in Track Geometry in Turnout Areas Based on Location Index and Confidence Coefficient[J]. Journal of the China Railway Society，2024，46(5)：110-115.

[55] 杨　飞，王　璞，孙加林，等. 高速道岔尖轨磨耗规律及对动力学性能的影响[J]. 铁道工程学报，2020，37(3)：13-20，66.

[56] YANG Fei， WANG Pu， SUN Jialin，et al. The Law of Switch Rail Wear in High Speed Turnout and Its Effect on Dynamic Performance[J]. Journal of Railway Engineering Society，2020，37(3)：13-20，66.

[57] 秦航远，杨　飞，孙宪夫，等. 基于TQI-T的高速铁路道岔区轨道几何不平顺状态评价方法[J]. 铁道科学与工程学报，2023，20(8)：2785-2793.

[58] QIN Hangyuan， YANG Fei， SUN Xianfu，et al. Evaluation Method of Track Geometry Irregularity in Turnout Area of High Speed Railway Based on TQI-T[J]. Journal of Railway Science and Engineering，2023，20(8)：2785-2793.

[59] 解婉茹，刘金朝，赵 钢，等.道岔区高速动车组车体横向振动特性分析[EB/OL]. (2024-06-24)[2024-07-19].

[60] YU M， WANG W D， LIU J Z，et al. The Transient Response of High Speed Wheel/Rail Rolling Contact on“Roaring Rails”Corrugation[J]. Proceedings of the Institution of Mechanical Engineers，Part F：Journal of Rail and Rapid Transit，2019，233(10)：1068-1080.

[61] 刘金朝，陈东生，赵　钢，等. 评判高铁轨道短波不平顺病害的轨道冲击指数法[J]. 中国铁道科学，2016，37(4)：34-41.

[62] LIU Jinzhao， CHEN Dongsheng， ZHAO Gang，et al. Track Impact Index Method for Evaluating Track Short Wave Irregularity of High Speed Railway[J]. China Railway Science，2016，37(4)：34-41.

[63] 黄哲昊，刘金朝，徐晓迪，等. 高速铁路钢轨波磨声振结合识别方法[J]. 中国铁道科学，2023，44(1)：97-105.

[64] HUANG Zhehao， LIU Jinzhao， XU Xiaodi，et al. Identification Method for Rail Corrugation by Acoustics and Vibration Combination on High Speed Railway[J]. China Railway Science，2023，44(1)：97-105.

[65] 徐晓迪，牛留斌，孙善超，等. 基于轴箱振动加速度的钢轨波磨评价方法及应用[J]. 中国铁道科学，2021，42(6)：18-26.

[66] XU Xiaodi， NIU Liubin， SUN Shanchao，et al. Evaluation Method and Application of Rail Corrugation Based on Axle Box Vibration Acceleration[J]. China Railway Science，2021，42(6)：18-26.

[67] 杨　飞，孙宪夫，谭社会，等. 动静态轨道不平顺评价差异及动态弦测法特性[J]. 西南交通大学学报，2022，57(6)：1239-1249.

[68] YANG Fei， SUN Xianfu， TAN Shehui，et al. Evaluation Difference of Dynamic and Static Track Irregularity and Characteristics of Dynamic Chord Measurement Method[J]. Journal of Southwest Jiaotong University，2022，57(6)：1239-1249.

[69] 杨　飞，孙宪夫，魏子龙，等. 基于动静态检测数据的轨道弹性状态评估及平顺性调整方法[J]. 铁道学报，2023，45(5)：82-90.

[70] YANG Fei， SUN Xianfu， WEI Zilong，et al. Method for Track Elastic State Evaluation and Smoothness Adjustment Based on Dynamic and Static Detection Data[J]. Journal of the China Railway Society，2023，45(5)：82-90.

[71] 刘学文，杨怀志，杨　飞，等. 基于动静态检测数据的轨道精测精调评价技术[J]. 铁道建筑，2019，59(9)：111-115.

[72] LIU Xuewen， YANG Huaizhi， YANG Fei，et al. Evaluation Technology of Track Precision Measurement and Fine Adjustment Based on Dynamic and Static Detection Data[J]. Railway Engineering，2019，59(9)：111-115.

基金资助

中国国家铁路集团有限公司科技研究开发计划课题(N2023G014)