声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：杨雅琴, 徐鹏, 吴细水
单位：1. 北京交通大学 交通运输学院, 北京 100044;<br>2. 中国国家铁路集团有限公司 工电部, 北京 100844
关键词：Mahalanobis距离,Fast-MCD,自适应建模,轨道不平顺劣化
基金：徐鹏,副教授,
掌握轨道不平顺劣化模式是实现预测性维修的基础，根据维修作业日期划分轨道不平顺劣化过程是探索其劣化模式的前提。作者之前提出了一套算法实现轨道不平顺劣化自适应分段建模，为提高该算法的效率和准确度，该文基于Mahalanobis距离提出了双层快速最小协方差行列式（fast minimum covariance determinant，Fast-MCD）估计法，并依托于昌福高速铁路2013-2020年的动态检测数据确定模型参数。经实例验证，经双层Fast-MCD估计法改进后，算法整体运行效率提升了近50%，识别维修作业日期的精确度提升了近45.3%。为进一步探索轨道不平顺劣化模式，根据改进后算法识别出的每个线路基本单元的维修作业日期，将每个线路基本单元的左/右高低不平顺劣化过程划分为多个维修周期，最终得到近6 000个维修周期。基于每个维修周期对比分析线性、指数、对数函数的拟合效果及预测能力，认为线性函数更贴近轨道高低不平顺劣化模式。
来源：2022年第3期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。