一种有砟轨道捣固方案自适应修正方法

1.一种有砟轨道捣固方案自适应修正方法，其特征在于，所述方法以克服干扰因素对捣固作业质量的不利影响并提升轨道不平顺控制效果作为目标，计算捣固作业所需的起道量和拨道量，具体包括以下步骤：步骤1、收集待捣固区段的轨道测量数据，对比轨道的测量线形与设计线形，得到轨道测量线形及设计线形之间的偏差量；由偏差量计算轨道不平顺，综合考虑维修规范和施工人员技术经验，确定轨道不平顺管理值、最小起道量和最小拨道量；收集待捣固区段同一线路的历史捣固作业信息，对各类型数据进行预处理；步骤2、根据步骤1的数据预处理结果确定输入变量和输出变量，构建轨道不平顺预测模型；变更输入变量大小，利用Mean Impact Value算法衡量各变量在预测模型内部的相关程度，筛选得到最终输入变量；根据最终输入变量，构建最优的轨道不平顺预测模型；步骤3、根据步骤1得到的偏差量、轨道不平顺管理值、最小起道量、最小拨道量，建立轨道不平顺约束方程，以待捣固区段调整量之和最小为求解目标，构造出既满足平顺性控制条件又符合最小起道量与最小拨道量要求的目标线形；步骤4、根据捣固车的轨道偏差量检测特性修正捣固作业的目标线形，所述轨道偏差量检测特性指：捣固车起道作业时，轨道偏差量检测系统的三个检测点在一条直线上呈现的固定比例关系；将修正后的目标线形与轨道实测线形进行对比，计算得到捣固作业所需的起道量和拨道量；步骤5、将待捣固区段的基本信息以及步骤4得到的起道量和拨道量同时输入经过步骤2训练好的轨道不平顺预测模型，预测得到捣固后的轨道不平顺；根据轨道不平顺控制要求，建立捣固方案寻优模型，搜索最优轨道不平顺预测结果对应的捣固方案，完成有砟轨道捣固方案的最终修正；步骤5的具体步骤为：步骤5-1、将待捣固区段的基本信息以及步骤4得到的起道量、拨道量同时输入步骤2已训练好的轨道不平顺预测模型，预测得到捣固后的轨道不平顺；步骤5-2、根据轨道不平顺控制要求，建立捣固方案寻优模型，对不同方案对应的轨道不平顺预测结果进行寻优，输出最终修正后的捣固方案，具体过程如下：步骤5-2-1、定义优化问题：利用Harmony search算法，将和声定义为捣固方案的拨道量和起道量；在目标函数内嵌套已训练好的轨道不平顺预测模型，根据捣固方案的拨道量和起道量序列重新预测捣固后的轨道不平顺，并将最大预测值减控制值的差值与新预测值减原始预测值的差值进行加权求和，得到和声的适应度，具体如下式（9）： （9）；上式中， f 3 为适应度； w 为拨道量和起道量的总数； λ 和 γ 为权重； O x 为将和声中第 x 个拨道量和起道量输入轨道不平顺预测模型得到的轨道不平顺预测值； 为 O x 对应的原始预测值； O max 为 n 个轨道不平顺预测值中的最大值； δ 为控制值；步骤5-2-2、定义优化参数：根据迭代次数和寻优结果自适应调整和声记忆库取值概率HMCR、音调微调概率PAR，具体处理方法如下：（a）假设HMCR服从均值为[0.9, 1.0]之间任意值，且标准差为0.01的正态分布；PAR服从均值为[0.0, 1.0] 之间任意值，且标准差为0.05的正态分布；（b）根据正态分布生成的HMCR和PAR开始搜索；同时，记录下新和声成功替换和声记忆库中适应度最差和声时对应的HMCR和PAR；（c）每当迭代次数累计达到最大迭代次数的十分之一之后，计算在此期间记录的所有HMCR和PAR的均值，作为正态分布的新均值，并生成新的HMCR和PAR用于随后的迭代；（d）重复上述步骤，逐渐学习适当的HMCR和PAR，以适应特定阶段的搜索；步骤5-3-3、初始化和声记忆库：随机产生初始和声放于和声记忆库，初始和声的生成方式如下式（10）： （10）；上式中， 为第 m 个和声内的第 c 个起道量或拨道量； 为 对应的原始起道量或拨道量； r 1 为(0, 1)内均匀分布的随机数； α 为起道量或拨道量的允许波动范围，设置为30%；Z c (min) 和Z c (max) 分别为第 c 个起道量或拨道量的下界和上界；步骤5-3-4、生成一个新和声：生成在(0, 1)内均匀分布的随机数 r 2 ，当 r 2 大于HMCR 时，由式（10）产生新的和声；否则，采用如下步骤处理：（a）从和声记忆库中随机选取一个历史值；并对历史值进行扰动； （11）；式中， Z new 为新的和声向量； Z his 为历史和声向量； r 3 为(0, 1)内均匀分布的随机数； 为新和声向量的第 c 个起道量或拨道量； BW 为音调微调带宽；（b）生成在(0, 1)内均匀分布的随机数 r 3 ，当 r 3 小于PAR时，使用历史最优和声替换步骤（a）产生的新和声；步骤5-3-5、更新和声记忆库：将新和声代入目标函数，如果得到的适应度优于当前和声记忆库中的最差和声，则用新和声替换最差和声；步骤5-3-6、确定最优和声：不断重复搜索，直到迭代次数达到最大迭代次数，停止搜索，得到最优和声，即最优的拨道量和起道量，完成捣固方案修正。 2.如权利要求1所述的一种有砟轨道捣固方案自适应修正方法，其特征在于，步骤1中所述的轨道不平顺包括：轨向不平顺和高低不平顺；所述的轨道不平顺管理值包括：轨向不平顺管理值和高低不平顺管理值。 3.如权利要求1所述的一种有砟轨道捣固方案自适应修正方法，其特征在于，步骤1中所述的历史捣固作业信息包括：起道量、拨道量、捣固车编号、捣固前高低不平顺、捣固前轨向不平顺、捣固后高低不平顺、捣固后轨向不平顺、线路特征。 4.如权利要求3所述的一种有砟轨道捣固方案自适应修正方法，其特征在于，所述的线路特征具体包括：路基、桥梁、隧道、道岔。 5.如权利要求1所述的适应一种有砟轨道捣固方案自适应修正方法，其特征在于，步骤1的具体步骤为：步骤1-1、将历史捣固作业信息归类为数值型信息和分类型信息；其中，起道量、拨道量、捣固前高低不平顺、捣固前轨向不平顺、捣固后高低不平顺、捣固后轨向不平顺属于数值型信息；捣固车编号、线路特征属于分类型信息；采用绝对均值修正法剔除上述数值型信息的异常值；步骤1-2、对数值型信息和分类型信息分别进行归一化处理。 6.如权利要求1所述的一种有砟轨道捣固方案自适应修正方法，其特征在于，步骤2的具体步骤为：步骤2-1、确定预处理后的起道量、拨道量、捣固车编号、线路特征、捣固前高低不平顺、捣固前轨向不平顺为输入变量；确定预处理后的捣固后高低不平顺、捣固后轨向不平顺为输出变量；步骤2-2、将预处理后的起道量、拨道量、捣固车编号、线路特征、捣固前高低不平顺、捣固前轨向不平顺分别用 X 1 、 X 2 、 X 3 、 X 4 、 X 5 、 X 6 表示，将预处理后的捣固后高低不平顺、捣固后轨向不平顺分别用 Y 1 、 Y 2 表示；选取 n 组输入、输出变量作为轨道不平顺预测模型的训练样本，具体可表达为式（1）： （1）；上式中， X i 为第 i 组输入变量， Y i 为第 i 组输出变量；步骤2-3、使用神经网络算法确定轨道不平顺预测模型的结构，神经网络由输入层、单隐含层和输出层组成；设定期望输出值与预测输出值之间的误差阈值，以及最大训练次数；设定输入层神经元个数、隐含层神经元个数、输出层神经元个数；利用训练样本对轨道不平顺预测模型进行训练，具体过程如下：步骤2-3-1、计算各层神经元输出值：根据输入向量，以及输入层和隐含层之间连接权值，计算隐含层输出值；根据隐含层输出值，以及隐含层和输出层之间连接权值，计算输出层输出值，如下式： ；上式中，隐含层传递函数 f 1 为transig函数； X i 为输入向量， p 为隐含层节点序号， p =1,2,…, v ； v 为隐含层节点总数； H p 为隐含层第 p 个节点的输出； q 为输入层节点序号， q =1,2,…, m ； m 为输入层节点总数；输入层和隐含层之间连接权值为 ω qp ；输入层和隐含层之间连接阈值为 b q ； ；上式中，输出层传递函数 f 2 为purelin函数； k 为输出层节点序号， k =1, 2,…, s ； s 为输出层节点总数； O k 为输出层第 k 个节点的输出值；隐含层和输出层之间连接权值为 ω pk ；输入层和隐含层之间连接阈值为 b k ；步骤2-3-2、计算各层神经元误差项：根据期望输出值与预测输出值计算损失函数，并根据损失函数计算隐藏层和输出层神经元的误差项，如下式： ；上式中， e 为损失函数； 为输出层第 k 个节点的期望输出值；步骤2-3-3、更新模型参数：根据各层神经元误差项更新隐藏层和输出层的连接权值和阈值，更新后的隐藏层参数表达式如下式： ；上式中， η 为学习速率， t 表示迭代次数；更新后的输出层参数表达式如下式： ；上式中， η 为学习速率， t 表示迭代次数；步骤2-3-4、迭代计算：重复步骤2-3-1至步骤2-3-3，直到误差小于给定的误差阈值或达到训练次数为止，完成轨道不平顺预测模型训练；步骤2-4、变更 n 组训练样本的输入变量，数值型输入变量与分类型输入变量的变更方式存在差异，具体为：步骤2-4-1、数值型输入变量在原始值基础上分别放大和缩小10%~20%；步骤2-4-2、分类型输入变量随机变化为其他类型对应的数值；步骤2-4-3、将变更后的输入变量输入至已训练好的轨道不平顺预测模型，计算得到对应的输出变量；步骤2-4-4、计算各项输入变量的MIV权重比值，将各变量得到的MIV权重比值按照从大到小排列，MIV权重比值大于等于 R 的变量被认为是影响捣固效果的强相关变量，反之认为是弱相关变量，如下式（2）； （2）；上式中， I j , k’ 表示第 j 个输入变量对第 k’ 个输出变量的MIV值； R j 为各变量的MIV权重比值； R 为强、弱相关性分界值； m’ 为输入变量总数；上述MIV值的计算公式如下：上式中， 表示第 j 个输入变量放大后得到的第 k’ 个输出变量； 表示 中的第 i 个预测值； 表示第 j 个输入变量缩小后得到的第 k’ 个输出变量； 表示 中的第 i 个预测值； I j , k’ 表示第 j 个输入变量对第 k’ 个输出变量的MIV值，MIV绝对值代表影响的相对重要性，符号代表相关方向；步骤2-4-5、剔除弱相关变量，筛选得到最终输入变量；步骤2-5、按照步骤2-3，根据最终输入变量重新训练轨道不平顺预测模型。 7.如权利要求1所述的一种有砟轨道捣固方案自适应修正方法，其特征在于，步骤3的具体步骤为：步骤3-1、以步骤1确定的偏差量为数据基础，将偏差量的垂向分量、横向分量分别与起道量、拨道量代数运算，得到平、纵断面目标线形所在位置，用垂向、横向剩余偏差量表示，公式如下式（3）所示： （3）；上式中， h 1 为实测线形与设计线形之间的垂向偏差量， h 2 为实测线形与设计线形之间的横向偏差量； d 1 为起道量； d 2 为拨道量； 为目标线形与设计线形之间的垂向偏差量，称为垂向剩余偏差量； 为目标线形与设计线形之间的横向偏差量，称为横向剩余偏差量；步骤3-2、遵循调整量整体最小原则，对待捣固区段起道量和拨道量的绝对值分别进行求和，设定计算纵断面目标线形的目标函数为 f 3 ，设定计算平面目标线形的目标函数为 f 4 ，公式如下式（4）所示： （4）；步骤3-3、以步骤1确定的轨道不平顺管理值、最小起道量为约束目标，建立高低不平顺约束方程、最小起道量约束方程，并联立为纵断面目标线形约束条件，如下式（5）： （5）；上式中，①式为高低不平顺约束方程，②式为最小起道量约束方程； 为检测弦中点的垂向剩余偏差量； 为检测弦起点的垂向剩余偏差量； 为检测弦终点的垂向剩余偏差量； μ 1 为高低不平顺管理值； τ 1 为最小起道量；步骤3-4、以步骤1确定的轨道不平顺管理值、最小拨道量为约束目标，建立轨向不平顺约束方程、最小拨道量约束方程，并联立为平面目标线形约束条件，如下式（6）： （6）；上式中，①式为轨向不平顺约束方程，②式为最小拨道量约束方程； 为检测弦中点的横向剩余偏差量； 为检测弦起点的横向剩余偏差量； 为检测弦终点的横向剩余偏差量； μ 2 为轨向不平顺管理值； τ 2 为最小拨道量；步骤3-5、将步骤3-3和步骤3-4的约束方程转化为矩阵不等式，具体数学公式如下式（7）： （7）；上式中， A 1 为起道量对应的系数矩阵； B 1 为起道量对应的约束矩阵； D 1 为起道量矩阵； A 2 为拨道量对应的系数矩阵； B 2 为拨道量对应的约束矩阵； D 2 为拨道量矩阵；以步骤3-2中的式（4）作为目标函数，以式（7）作为约束条件，依据最优化理论计算最优解，求取待捣固区段的垂向剩余偏差量和横向剩余偏差量，即平断面和纵断面目标线形所在位置。 8.如权利要求1所述的一种有砟轨道捣固方案自适应修正方法，其特征在于，步骤4的具体步骤为：步骤4-1、设定捣固车的三个纵平检测点依次为 R 、 M 、 F ，捣固车起道作业时，起道作业时以 R 、 F 两点间弦线为基准，将 M 点抬升到 R 、 F 两点的连线上，使 R 、 M 、 F 三个点保持在一条直线上；假设 R 点已位于目标线形，利用 R 、 M 、 F 三个点之间的水平距离比例关系，求取 F 点修正后的垂向剩余偏差量，完成目标线形修正；具体修正公式如下式（8）所示： （8）；上式中， 为 F 点修正后的垂向剩余偏差量； 为 R 点的垂向剩余偏差量； 为 M 点的垂向剩余偏差量； l RM 为 R 点与 M 点之间水平距离； l MF 为 M 点与 F 点之间水平距离；步骤4-2、对比轨道实测线形与步骤D-1的修正后目标线形，得到起道量和拨道量。