[发明专利]一种混合驱动的无砟轨道疲劳寿命预测方法和系统

权利要求书

1.一种混合驱动的无砟轨道疲劳寿命预测方法，其特征在于，包括：

S100.获取无砟轨道现场监测数据，对现场监测数据进行判断，若现场监测数据充足，执行步骤S200；若现场监测数据不足，执行步骤S300-S400；

S200.利用疲劳寿命神经网络预测模型，将充足的现场监测数据作为神经网络模型的输入，无砟轨道结构的疲劳寿命作为输出，不断调节模型参数和训练模型，得到基于数据驱动的轨道结构疲劳预测模型，利用基于数据驱动的轨道结构疲劳预测模型，将新无砟轨道监测数据进行输入，达到对轨道结构各部件疲劳寿命预测的目的；

S300.利用不足的现场监测数据作为有限元分析模型的荷载边界条件，得到温度荷载作用的静力分析模型和列车动载作用的动力分析模型；对静力分析模型和动力分析模型进行计算求解，并结合现场的监测数据，对静力分析模型和动力分析模型模型进行调整和验证；利用模型对数值仿真计算，得到温度和列车疲劳荷载作用下的无砟轨道各组成部件的应力时程曲线；静力分析模型构建方法为：结合轨道结构的实际参数，根据气象局气象数据，至少包括平均风速、平均气温、日照时数、日最高、最低低气温、总辐射日总量，利用有限元软件建立无砟轨道温度场分析模型，对模型施加上述气象边界条件，并求解，结合无砟轨道现场温度监测数据，调整模型参数，确保模型的可靠性；动力分析模型构建过程为：利用有限元软件建立高速列车-无轨道-下部基础空间耦合动力分析有限元模型，对无砟轨道结构各部件施加边界条件和荷载，对空间耦合动力分析模型进行动力仿真计算，结合部分监测结果，对所建立的有限元模型进行验证；

S400.根据温度和列车疲劳荷载作用下的轨道结构应力时程曲线，利用疲劳损伤理论和疲劳分析软件进行无砟轨道结构疲劳寿命预测。

2.如权利要求1的一种混合驱动的无砟轨道疲劳寿命预测方法，其特征在于，S200包括：

S201.对现场实测的轨道结构各部件应力应变、温度、位移、裂缝监测数据进行异常值的识别、剔除、修正，得到可用的监测数据；

S202.采用小波处理分析方法对与轨道结构疲劳寿命密切相关的监测数据进行特征分析，得到轨道结构应力应变、裂缝监测数据的频域、时域、幅值、波长分布特征；

S203.将步骤S202处理得到的监测数据分布特征作为输入层输入到卷积神经网络算法中，建立疲劳寿命预测模型；

S204.将轨道结构处于不同应力水平或裂缝不同尺寸下轨道结构的疲劳寿命作为预测模型的输出层，通过对预测模型进行不断的训练以及参数调整和验证，完成对疲劳寿命预测的训练，得到基于监测数据驱动的轨道结构疲劳寿命预测模型；

S205.利用基于监测数据驱动的轨道结构疲劳寿命预测模型，将新无砟轨道监测数据进行输入，达到对轨道结构各部件疲劳寿命预测的目的。

3.如权利要求1的一种混合驱动的无砟轨道疲劳寿命预测方法，其特征在于，S300中，有限元分析模型构建过程为：利用有限元分析软件，按照现场轨道结构实际尺寸和材料参数建立无砟轨道三维几何分析模型，对三维几何分析模型进行网格划分，生成有限元分析模型。

4.如权利要求1的一种混合驱动的无砟轨道疲劳寿命预测方法，其特征在于，S400包括：

S401.利用雨流计数法和变均值法，将将温度或列车动载作用下的无砟轨道各部件的应力时程曲线转化为对应的二维疲劳应力谱；

S402.利用古德曼曲线将二维疲劳应力谱转化为一维疲劳应力谱；

S403.结合结构疲劳参数和混凝土的S-N本构曲线材料疲劳参数，将一维疲劳应力谱和疲劳参数输入到疲劳分析软件，利用线性累积损伤理论对单次循环荷载作用下的轨道结构疲劳损伤进行求解；

S404.通过疲劳分析软件的求解得到单次循环荷载作用下的轨道结构疲劳损伤值，得到疲劳荷载作用下的可循环次数，最后将可循环次数转化为疲劳寿命，得到轨道结构在温度荷载或列车动载作用下的疲劳寿命。