基于有限元仿真的铁路轨道扣件失效辨识

摘要

为研究轨道列车通过条件下钢轨的振动特性并实现扣件失效状态辨识，选取某铁路线路轨道作为研究对象，通过ANSYS软件建立轨道振动有限元模型。依据现场采集数据，计算实测振动信号的时域指标，并与相同参数下有限元仿真振动信号对应的时域指标进行对比；通过修改有限元模型，分析扣件失效程度对钢轨振动特性的影响；采用LSTM-SVM方法，将扣件失效条件下的仿真振动数据分为训练集和测试集，输入神经网络进行训练和测试，验证该方法对轨道扣件失效状态分类辨识的适用性。结果表明：实测与仿真振动信号的时域指标误差在20%以内，轨道有限元模型能够模拟实际情况；随着扣件失效程度的加剧，振动信号的部分时域指标逐渐增大，4组扣件同时失效时指标变化尤为剧烈；LSTM-SVM模型经过300次测试后，测试集分类准确率可达93.33%,能较好地分类辨识轨道扣件失效状态。

关键词

铁路轨道 / 列车荷载 / 振动信号 / 扣件失效 / 长短时记忆网络 / 支持向量机