[发明专利]一种基于人工神经网络的铁路路基预警系统及方法

说明书

本发明涉及一种基于人工神经网络的铁路路基预警系统及方法，针对不同的填料类型建立若干预测模型，并进行训练；根据每层的填料类型，选择对应的预测模型进行沉降量预测；对各个监测位置每层的沉降量预测值，根据地理位置绘制生成三维曲面；搜索每个三维曲面的极大值及曲率变化极大值，并判断极大值是否超过阈值，如果超过则输出相应的报警信息。本发明针对填料种类不同，构建多个预测模型，使用中根据每一层的填料种类不同，分别选择不同的预测模型，充分考虑了不同填料沉降特性的差异，提高了预测的准确性。本发明的预测方法不仅能反映出局部变化，还能获取沿轨道的沉降变化，对沉降和轨道的高低变化同时进行监测。

技术领域

本发明涉及铁路路基监测技术领域，尤其涉及一种基于人工神经网络的铁路路基预警系统及方法。

背景技术

在实际工程应用中，路基在恒载与活载共同作用下要有足够的强度和稳定性，要求路基强度不会因温度的变化或某种原因引起的沉降变形而显著降低，从而降低铁路的平顺性能。

当荷载或自然因素作用产生的应力或变形超过路基允许强度或允许变形时，路基则可能发生破坏。路基破坏会大大降低铁路的使用性。

路基的沉降监测已作为路基施工控制的一项重要内容，实际工程中对于变形量大的路基工程一般都要进行沉降监测，如软土路基、湿陷性黄土路基、盐渍土路基、冻土路基以及各种高填方路基等。高速铁路运营期沉降( 尤其是不均匀沉降) 对高速行车的舒适性、安全性构成巨大威胁，因此欲解决其运营期沉降问题，需要采取可靠的手段进行实时在线监测，从而为高速铁路安全运营提供技术保障。因此，保证路基的强度和稳定性，必须采取有效的预测手段，及时发现路基的沉降风险。

传统的预测方式，采用影响沉降的因素建立预测模型，影响因素主要来源于监测量，不能完整地反映沉降的影响因素，预测精度较低；采用历史数据作为输入量的预测模型，无法反映动态载荷的影响，局限性较大。

发明内容

为了实现铁路路基结构沉降的准确预测，本发明提供一种基于人工神经网络的铁路路基预警系统及方法，一方面采用分层预测的方式实现对局部沉降的监测；另一方面实现对沿轨道沉降的分布式监测，保证了监测的准确性和全面性。

为达到上述目的，本发明提供了一种基于人工神经网络的铁路路基预警系统，包括若干采集模块、局部预测模块、曲面生成模块以及预警模块；

所述采集模块采集不同监测位置铁路路基各层的沉降值、应力、倾斜角度以及铁路路基表层的温度和湿度；

所述局部预测模块基于所述采集模块发送数据采用相应的预测模型预测沉降量，并分别输出预测的每个监测点各层的沉降量；

所述曲面生成模块将各个监测点各层的沉降预测值，进行插值后，将每层沉降值按照地理位置绘制三维曲面；

所述预警模块对各层的三维曲面搜索极大值及曲率变化极大值，并判断极大值是否超过沉降阈值，曲率变化极大值是否超过铁路轨道高低阈值，如果任一超过则输出相应的报警信息。

进一步地，所述采集模块包括分层沉降仪检测铁路路基各层的沉降值，应力传感器采集各层的应力值，倾斜角度传感器采集各层倾斜角度，温度传感器采集路基表层的温度，湿度传感器采集路基表层的湿度。

进一步地，所述预测模型为经训练满足精度要求的人工神经网络构建的预测模型，根据孔隙比的范围或级配，构建若干预测模型；所述局部预测模块根据每层填料的类型设置该层采用的预测模型。

进一步地，所述预测模型输入为设定时间间隔的多个沉降值、下一层沉降量、倾斜角度、应力、温度、湿度以及孔隙比；输出为预测的沉降量。