[发明专利]一种基于粒子群算法的轨道动态精调方法

权利要求书

1.一种基于粒子群算法的轨道动态精调方法，其特征在于：包括以下步骤：

一、导入实测轨道左右高低动态不平顺值、左右轨向动态不平顺值、轨枕编号及对应的里程坐标；

二、根据左右高低动态不平顺值、左右轨向动态不平顺值计算得到水平、轨距、三角坑对应的不平顺值；

三、根据导入的轨枕里程坐标对各项实测轨道动态不平顺值进行插值处理，得到各编号轨枕位置处对应的各项轨道不平顺指标；

四、在选定待精调的区段内，设置需要调整的扣件个数N，并将该区段内左右高低、左右轨向绝对值前N大的坐标位置作为待调整位置；根据待调整位置的实测不平顺值的符号，得到调整量符号；

五、根据扣件调整的最小单位和最大调整量，得到最大调整单位量U，即最大调整量除以调整最小单位后取整；

六、在待调整扣件位置处随机产生0到U的正整数，并乘以最小单位和调整量符号，得到初始化调整量；重复过程，生成P个初始化样本，P为整个粒子群的个体数；

七、利用粒子群算法迭代求解，得到全局最优值；

八、根据全局最优值得到最终的动态精调方案。

2.根据权利要求1所述的一种基于粒子群算法的轨道动态精调方法，其特征在于：步骤七中，利用粒子群算法迭代求解的方法为：

a、根据粒子群算法的位置、速度更新公式：

V_i+1＝w*V_i+c₁*r₁*(X_p-X)+c₂*r₂*(X_g-X)；

X_i+1＝X_i+V_i+1；

V是粒子的速度，X是粒子的位置，r是随机数，c是学习因子；w是惯性因子；i表示粒子，X_p是个体最优值，X_g是粒子群最优值；

计算每个个体的适应度函数，将该适应度函数作为当前的个体最优值，并将整个粒子群中的最小值作为全局最优值；

b、计算步骤a中更新后的每个个体适应度，对于每个个体而言，新的适应度如果小于历史个体最优值，则将当前适应度作为新的历史个体最优值，更新完所有个体的历史最优值后，将整个粒子群中的适应度最小值作为全局最优值；

c、重复步骤a和步骤b，直到达到最大迭代次数。

3.根据权利要求2所述的一种基于粒子群算法的轨道动态精调方法，其特征在于：步骤a中，分别将调整后TQI和峰值超限比例两个指标作为无砟和有砟轨道的适应度函数，在迭代过程中通过最小化精调后的TQI或峰值超限比例确定各扣件处的调整量。

4.根据权利要求2所述的一种基于粒子群算法的轨道动态精调方法，其特征在于：计算每个个体的适应度之前，先初始化每个个体的位置和速度。

5.根据权利要求1所述的一种基于粒子群算法的轨道动态精调方法，其特征在于：步骤二中，轨距不平顺值为左、右轨向之差，水平不平顺值为左、右高低之差，三角坑不平顺值为相距轨检车弦长一半距离的水平相差程度。

6.根据权利要求5所述的一种基于粒子群算法的轨道动态精调方法，其特征在于：相距轨检车弦长为3m。

7.根据权利要求1所述的一种基于粒子群算法的轨道动态精调方法，其特征在于：步骤五中，扣件调整的最小单位为0.5mm。

8.根据权利要求1所述的一种基于粒子群算法的轨道动态精调方法，其特征在于：步骤四中，不平顺值如果为正则调整量为负，不平顺值如果为负则调整量为正。