典型文献
基于BP神经网络的高速铁路无砟轨道砂浆层离缝损伤识别
文献摘要：
基于车辆-轨道耦合动力学理论和BP神经网络技术,建立考虑离缝损伤的高速车辆-CRTS Ⅱ型板式无砟轨道耦合动力学模型和BP神经网络模型,以轮轨系统动力响应为输入,以高速铁路CRTS Ⅱ型板式无砟轨道砂浆层离缝上拱损伤为例,开展高速铁路板式无砟轨道砂浆层离缝损伤识别研究.研究发现,在不同状态的砂浆层离缝损伤动力影响下,钢轨垂向振动加速度指标较为敏感;以参数化处理的钢轨垂向振动加速度响应作为BP神经识别网络的输入,来判断砂浆层是否存在离缝损伤、离缝损伤的位置以及判断离缝程度的识别方法是可行的;BP神经网络对单损伤状态和双损伤状态均能进行有效识别,但相较单损伤状态而言,双损伤状态时识别网络训练过程更复杂,迭代至误差允许范围时所需的训练次数更多;双损伤状态需要判断的可能性增加,系统更加复杂,因此实际输出相比于单损伤状态的实际输出误差要大,但是二者输出均在误差允许范围之内.研究成果可为高速铁路无砟轨道层间离缝损伤智能化诊断和分析评估提供理论参考.
文献关键词：
高速铁路;无砟轨道;离缝损伤;车辆-轨道耦合动力学;BP神经网络;损伤识别
中图分类号：
作者姓名：
高建敏;金忠凯
作者机构：
西南交通大学牵引动力国家重点实验室,四川成都 610031;中国人民解放军第五七一九工厂,四川成都 611936
文献出处：
引用格式：
[1]高建敏;金忠凯-.基于BP神经网络的高速铁路无砟轨道砂浆层离缝损伤识别)[J].铁道学报,2022(07):135-144
A类：
B类：
高速铁路,砂浆层离缝,离缝损伤,损伤识别,动力学理论,神经网络技术,高速车辆,CRTS,型板,板式无砟轨道,耦合动力学模型,轮轨系统,系统动力,动力响应,缝上,上拱,动力影响,钢轨,垂向振动,振动加速度,参数化,加速度响应,应作,识别网络,断离,损伤状态,网络训练,训练过程,层间离缝,分析评估
AB值：
0.224633
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
