在高速铁路长期运营的过程中，运维部门采用轨道动检车和轨检小车动、静态检测相结合的方法，积累了海量的轨道不平顺动、静态检测数据。为了满足当下大数据时代铁路的发展需求，有效提高我国高速铁路智能化运维水平，作者及其研究团队开展了一系列轨道不平顺大数据分析研究：针对当下轨道动检数据存在的里程误差问题，提出了动检数据里程误差修正模型以及异常值处理方法，为轨道不平顺大数据分析建立了可靠的数据基础；根据海量轨道动检数据，深入探究了车体动态响应和轨道动态不平顺之间的映射关系，据此开发了车辆-轨道系统快速仿真、结构参数识别和车对地便携式检测等应用技术，显著提高了轨道不平顺检测效率以及线路设计初期的动力学仿真计算效率。
轨道不平顺的评价体系是决定和检验维修工作有效性的最终环节，为维修后线路运营列车达速运行提供科学的安全保障。我国高速铁路面临线路空间跨度巨大、地区地质条件迥异、轨道部件参数劣化、运营环境复杂等多种问题。因此，通过轨道线路在多年运营过程中的历史检测数据，建立针对不同线路的轨道不平顺个性化评价方法具有一定的实际意义。作者提出了针对车体响应的轨道不平顺指标相对权重分析方法，以及在不同服役条件下各项轨道不平顺指标的管理建议值；此外，作者还建立了针对高速铁路无砟轨道线路的不平顺指标变化趋势分析模型，该模型可以用于线路维修状态评价，识别反复维修的敏感线路区段，为我国高速铁路轨道平顺性验收评价标准的制定提供了有价值的参考，可以更好地帮助运维相关人员开展科学的轨道平顺性验收工作。
展开
