[发明专利]地铁小半径曲线外轨侧磨预测方法

权利要求书

1.一种地铁小半径曲线外轨侧磨预测方法，其特征在于，所述方法包括如下步骤：

步骤S1，建立小半径曲线外轨侧磨计算简化模型；

步骤S2，分析所述外轨磨耗的关键致因因素；

步骤S3，根据所述关键磨耗因素及侧磨计算简化模型，得出磨耗规律，预测外轨寿命；

所述步骤S1进一步包括：

步骤S11，建立地铁车辆在小半径曲线上的外轨轮缘导向力函数；

步骤S12，建立磨耗深度计算模型；

所述步骤S11，轮缘向导向轮提供导向力F_wf为未平衡离心力ΔF_cf和轮轨横向蠕滑力F_cy的差；所述建立地铁车辆在小半径曲线上的外轨轮缘导向力函数，计算曲线参数及列车运行车速对未平衡离心力ΔF_cf的影响，计算轮轨材料系数、轮轨接触系数以及轨道不平顺对轮轨横向蠕滑力F_cy的影响；

所述步骤S12，根据Specht材料摩擦磨损模型式(14)

建立磨耗深度计算模型；

其中，d为磨耗深度；k_V为无量纲磨耗系数，与轮轨材料有关；α为材料参数，经验值可查；D为滑动距离；H为硬度指数；A_c为轮轨接触斑面积；

所述外轨轮缘导向力函数F_wf为：

其中，m_w为轮对质量，l₀为轨距之半，h为实设外轨超高，Δh为未平衡超高，s_L为线路纵向坡度，s为轨底坡，v为运行速度，R为圆曲线半径，η为蠕滑修正系数，ξ_c为横向蠕滑率，f_c为蠕滑系数，E为轮轨材料弹性系数，λ为轮轨材料泊松比，F_rw为轮轨接触力；C_c为与λ有关的无量纲系数，r₀为轮对名义滚动半径，R_w为轨顶圆弧半径，G为轮轨接触常量，z_w为轮对垂移量，δ_R为轮轨接触角，φ_w为轮对摇头角，为冲角，y_w为轮对横移量，η_ry为轨道横向不平顺。

2.根据权利要求1所述的地铁小半径曲线外轨侧磨预测方法，其特征在于，所述小半径曲线外轨侧磨计算简化模型如式(15)所示：

3.根据权利要求1所述的地铁小半径曲线外轨侧磨预测方法，其特征在于，所述步骤S2中关键致因因素至少包括：线路参数、运行工况、轮轨接触交互耦合作用。

4.根据权利要求3所述的地铁小半径曲线外轨侧磨预测方法，其特征在于，所述步骤S2进一步为，采用sobol’全局灵敏度分析方法，分析曲线半径、未平衡超高、轨底坡度、冲角、轨距、线路纵坡、运行车速、一系弹簧横向刚度、二系弹簧横向刚度、一系弹簧纵向刚度、二系弹簧纵向刚度对曲线外轨磨耗的全局影响。

5.根据权利要求1所述的地铁小半径曲线外轨侧磨预测方法，其特征在于，所述步骤S3，包括：将地铁小半径曲线外轨全寿命周期侧磨的发展规律分为3个阶段：阶段Ⅰ-早期快速磨耗、阶段Ⅱ-中期稳定磨耗、阶段Ⅲ-后期剧烈磨耗，并对阶段Ⅰ-早期快速磨耗和阶段Ⅱ-中期稳定磨耗阶段的曲线外轨侧磨进行预测。

6.根据权利要求5所述的地铁小半径曲线外轨侧磨预测方法，其特征在于，

所述阶段Ⅰ的曲线外轨侧磨早期寿命T₁预测公式为：

T₁＝0.0247R-1.0594Δh-237.35s-0.9306(16)

其中，R为圆曲线半径，Δh为未平衡超高，s为轨底坡；

对所述阶段Ⅱ的曲线外轨侧磨中期平均磨耗速率，采用SVM支持向量机的机器学习算法以圆曲线半径、未平衡超高、运行车速、轨底坡度作为输入变量，以高斯函数作为核函数进行预测计算。