基于人工神经网络的地铁空间线形与钢轨磨耗关联关系预测方法

来源：振动与冲击杂志2025年第15期北京时间：

作者：张洪,，帅蔚晨，张鹏飞,，王怀东，宋立忠，罗锟lk60

单位：1.华东交通大学综合立体交通信息感知与融合江西省重点实验室，南昌330013；2.华东交通大学交通运输工程学院，南昌330013；3.中铁九局集团有限公司，沈阳110013

摘要：地铁空间线形显著影响钢轨磨耗，如果能在选线阶段即考虑空间线形对钢轨磨耗的影响，从而优化线路方案，则可从源头上降低钢轨磨耗。然而，可行的线路方案有无穷多种，在选线阶段需设计大量的方案进行比选分析，现有通过建立仿真模型计算钢轨磨耗的方式需耗费大量时间，显著影响设计效率，计算时长难以接受。对此，本文引入人工神经网络，发掘地铁空间线形与钢轨磨耗的关联关系，实现对不同地铁空间线形下钢轨磨耗的高效、准确预测。首先，以地铁A型车为原型建立钢轨磨耗计算模型，分析不同空间线形参数对内外钢轨磨耗的影响并建立样本数据集；然后，基于分析结果建立考虑圆曲线半径、圆曲线长、缓和曲线长、坡度、坡度代数差、超高的钢轨磨耗预测神经网络模型，并提出基于Sobol分析的模型结构优化方法；最后，通过样本数据训练，建立地铁空间线形与钢轨磨耗的映射关系。研究结果表明：1、对于内、外钢轨，相同线形参数具有不同影响，对于内轨磨耗，缓和曲线长、圆曲线半径、超高为主要影响参数；对于外轨磨耗，圆曲线半径为主要影响参数，并且影响程度远高于其余线形参数。2、可根据地铁空间线形参数准确预测钢轨磨耗，内、外轨磨耗预测精度分别可达到98.11%、97.02%。3、通过Sobol分析优化模型结构，可提高模型预测准确度，内、外轨磨耗预测精度分别可提高7.14%和26.29%。<br>

关键词：地铁选线；钢轨磨耗；神经网络；Sobol算法；敏感性分析