中文摘要：

轨道检测车动态获取的线路不平顺是评价高速铁路线路安全状态最为重要的线路参数。由于检测车辆与实际运营的各种列车在速度、轴重、悬挂系统等存在差异，检测车辆动态获取的轨道不平顺参数不能反映运营列车通过时的线路真实状态。本课题重点研究基于车辆轨道耦合动力模型的多尺度非线性滤波算法，融合车载惯性敏感元件获取的车辆运动数据和轨道检测设备获取的轨道动态不平顺数据，估计轨道静态不平顺参数和轨道动力学模型参数。以此为基础，构建真实的轨道数学模型，结合不同运营列车的数学模型，通过仿真运算获得各种运营列车在不同速度下通过时，可能经历的轨道不平顺水平，评估列车运行的安全性和舒适性，为线路养护维修、列车设计选型和运行组织等提供科学依据。本课题的研究将有助于建立更为科学的高速铁路线路安全状态评估理论和评价体系，对于我国正在自主开发和大规模建设的时速350公里以上高速铁路具有重要意义。

结论摘要：

首先在已有车辆轨道耦合模型的基础上，仿真分析了不同线路（不同轨道不平顺）、不同列车运行速度、不同车辆类型作用下车辆轨道动态振动特性，为轨道几何不平顺的估计提供了仿真数据。为实现利用运营车辆的车辆振动响应感知轨道几何静态不平顺，提出了一种基于微种群遗传算法和车辆轨道耦合模型相结合的轨道几何静态不平顺估计算法，将轨道几何静态不平顺看做车辆轨道耦合模型非线性系统的一个参数，进而将轨道不平顺求解转换为模型参数的估计。参数估计准则采用车辆轨道耦合模型与车辆测量模型输出之差平方和最小，利用遗传算法在解空间内直接搜索轨道静态不平顺的最优解。由于车辆轨道耦合模型动力学方程为大型非线性方程组，为缩短计算时间和计算量，研究了改进的微种群遗传算法，撇弃了一般微种群遗传算法中的重启步骤，增大了变异概率，在进化过程中使用了最优保留策略，仿真计算结果表明估计的轨道几何静态不平顺在检测误差允许范围内。轨道基础结构缺陷引起的刚度突变是造成轨道刚度不平顺的主要原因，在列车通过时会引起较大的动态不平顺。在分析了轨道基础结构缺陷下车辆轨道动态响应的基础上，提出了一种基于支持向量机和车辆振动响应进行轨道刚度突变的识别算法，为了提高轨道刚度不平顺的识别率和分类准确性，在支持向量机的参数选择上，使用了粒子群算法和遗传算法，设计了改进的支持向量机，通过仿真分析表明这两种算法对于提高分类准确率和缩短计算时间都十分有效，在轨道基础结构缺陷的识别中取得了良好效果，同时为构建真实的轨道模型进行轨道动态不平顺估计奠定了基础。由于测量传感器和理论模型都存在误差，为了提高轨道不平顺的估计精度，提出了一种基于遗传算法和无迹卡尔曼滤波（UKF）技术相嵌套的轨道动态不平顺优化算法。借助车辆轨道耦合模型、测量传感器的已知特性，优化轨道振动响应，提高轨道动态不平顺的估计精度。仿真结果表明，经过GA与UKF嵌套算法后的轨道几何静态不平顺、车辆、轨道振动响应精度都得到了提高，减小了轨道动态不平顺估计误差。研究结果实现了根据车辆振动响应估计不同运营列车不同速度通过时的轨道动态不平顺，为实现车对地的检测提供了一种新的解决方案。