基于机器学习算法的轨道交通弹簧隔振器损伤识别方法

摘要

为保证轨道交通运行的平稳性和安全性，减少列车运行振动对周围环境的影响，一般采用在浮置板下设弹簧隔振器作为减振措施。随着地铁运行时间的增加，弹簧隔振器不可避免地会产生损伤或吊空，作为隐蔽结构其不易被日常巡检所发现，传统的检测方法效率较低，不能及时发现损伤并维修。利用ABAQUS有限元软件构建车辆-轨道耦合模型，采用均匀设计法对隔振器不同损伤工况进行设计后，通过有限元模型模拟计算，得到弹簧隔振器损伤后浮置板的振动响应。编写支持向量机、决策树和随机森林3种机器学习算法，利用模拟计算数据进行识别网络训练，建立损伤工况和振动响应的映射关系。研究结果表明，支持向量机和随机森林算法对损伤位置的识别效果较好；随机森林算法对损伤数量和损伤程度的识别效果较好。

关键词

弹簧隔振器 / 损伤识别 / 机器学习 / 均匀设计法