摘要
大型养路机械作业主要包括捣固作业和打磨作业,是维持线路良好几何状态的重要作业方式。为了制定合理的捣固与打磨作业计划,保障线路能够安全运营,以年度几何不平顺平均值最优为目标,现场作业能力为约束,建立了年度捣固与打磨作业计划编制模型,并且运用改进的枚举法对模型进行求解。该模型被应用于京沪铁路进行验证,结果表明:该模型建立的大机作业计划能够提高轨道几何状态的改善率,降低年度几何不平顺平均值,为现场捣固和打磨作业的计划编制提供参考。
近年来,我国铁路运输需求不断增大,轨道恶化速率加快,这给线路的养护维修工作带来了很大的困
为此,国内外学者纷纷展开了针对有砟轨道养护维修计划编制模型的研究:Consilvio
在上述研究的基础上,本文拟进行考虑年度轨道几何状态均值最优的有砟轨道捣固与打磨作业决策研究,主要根据相关文
目前,我国现有的养护维修计划编制方法大都以周期修为主,忽略了线路不平顺的劣化特
作业计划编制模型设计的思路为:首先对线路进行作业区段的划分以及根据天窗时间确定大机作业的具体时间;其次根据轨检车数据以及各作业区段轨道几何状态恶化特征与恢复特征,形成恶化函数、捣固与打磨作业恢复函数,并组装形成恶化矩阵;然后根据恶化函数、恢复函数以及恶化矩阵推导出以年度轨道几何状态均值最低的目标函数,同时考虑现场适用性给出约束函数;最后运用改进枚举法进行求解,得到各作业区段最适宜的捣固与打磨作业天窗时间。该模型的优点是考虑到了轨道几何状态的发展,依据轨道几何状态的预测编制年度均值最低的目标函数;既考虑了捣固作业又考虑了打磨作业对轨道状态的影响,对现有研究进行了补充,使得作业计划编制更加完善。具体作业计划编制模型的构建流程如

图1 有砟轨道养护维修计划编制模型流程图
Fig. 1 Flow chart of preparation model of ballast track maintenance plan
为了使养护维修计划编制模型符合实际情况,并考虑到运算量和求解难度,对此模型做出如下假设:
(1)模型的基本作业区间长度为4 km。经过对作业现场一个天窗时间捣固与打磨作业可完成的区段长度进行调研,单次捣固作业平均里程为4 km,单次打磨作业平均里程为8 km;
(2)大型养路机械单次捣固作业需占用一个天窗时间,可完成一个作业区段;单次打磨作业同样需占用一个天窗时间,可完成两个连续作业区段;
(3)模型中捣固和打磨作业仅考虑线路捣固和线路打磨,不考虑道岔捣固和道岔打磨;
(4)大型养路机械捣固作业在一个天窗时间内,只能在一个作业区域工作,打磨作业只能在两个连续作业区域工作;
(5)每个基本作业区段一年最多只进行一次捣固作业和打磨作业;
(6)只考虑钢轨打磨、捣固两种作业类型对轨道不平顺值的影响,不考虑人工作业;
(7)在同一作业区段内,恶化函数与恢复函数的相关参数由历年来轨检车数据决定,不考虑其他因素;
(8)线路捣固作业仅改变无轨距的TQI值大小,而线路打磨作业仅改变无轨距的TQI值恶化速
(9)模型计算步长为一个天窗时间间隔;
(10)不考虑轨道检测、诊断的时间影响。
本文基于文献[
(1)大型养路机械作业时间矩阵(决策变量):为的矩阵,为基本作业区段个数,的取值范围为,为全年天窗个数。的第一列表示捣固作业的天窗编号,第二列表示打磨作业的天窗编号。例如,若,表示第7个基本作业区段在45号天窗进行打磨作业。
(2)修正后的恶化矩阵:为的矩阵。的第一列为不平顺值,第二列为打磨前一个天窗时间间隔的恶化率,第三列为打磨后一个天窗时间间隔的恶化率,下标表示基本作业区段编号,即对于每一个基本作业区段来说,都有其独特的恶化矩阵。
(3)无轨距几何不平顺标准差,mm:因捣固与打磨作业对轨距不平顺影响不
(4)基本作业区段编号和天窗时间编号。
(5)恶化率:用来描述线路几何不平顺的恶化情况,取值范围为[0,+∞),与时间、线路、作业情况有关。
(6)恢复率:用来描述大型养路机械线路捣固作业后线路的恢复情况,取值范围为[0,1)。
根据文献[
(1) |
式中:表示区段的无轨距不平顺值,mm;表示天窗l时的天窗间隔,d;和为待定系数;为上次线路打磨作业距此时间区段的时间,d;为线路打磨周期,d。
捣固作业恢复率函数可表示为
(2) |
其中:参数和为待定系数,且与区段编号相关。
无轨距TQI初始值可表示为。若在第一个天窗时间对该区段进行线路捣固作业,则第二个天窗时间的无轨距TQI值可表示为
(3) |
式中:,表示完成线路捣固作业后的无轨距TQI值(下同)。若不在第一个天窗时间进行线路捣固作业,则二个天窗时间的无轨距TQI值可表示为
(4) |
(5) |
式中:为的二维辅助决策矩阵,表示矩阵第行第列的取值。矩阵的取值规则如
(6) |
决策变量与的关系为:。
推广到一般情况,若基本作业区段在天窗时的无轨距不平顺值为,则下一天窗时间的无轨距不平顺值为
(7) |
由
(8) |
式中:表示基本作业区段全年天窗数量,为常数。
目标函数应该能反映区段全年的几何不平顺状况,因此应计算全年个天窗时间下个的平均值,即:
(9) |
除了全年均值外,线路区段不平顺值的标准差也是描述区段全年整体状态的重要参数。在一般情况下,一个区段的不平顺值在全年的分布情况可大致视为正态分布。根据正态分布的准则,即正态分布的数据落在以外的概率仅0.27 %,此处表示为全年无轨距TQI的均值。最终可以将目标函数定义为,该函数有以下优点:①有效地反映出作业区段全年无轨距TQI值的波动情况;②有效地规避了由于轨检车的测量误差而带来的列车运行安全问题。为避免字母造成的误解,标准差采用其计算公式来表示。则对于区段来说,其目标函数可表示为
(10) |
根据
(11) |
式中:表示基本作业区段的目标函数表达式,表示基本作业区段的无轨距不平顺值平均值,的递推关系式在
可以发现,目标函数仅与捣固作业天窗编号、打磨作业天窗编号、区段不平顺初始值有关。为方便后续求解最优值,需探求目标函数与捣固作业天窗编号的关系,故做如下推导:
设基本作业区段恶化函数为
(12) |
该恶化函数与Quiroga和Schniede
(13) |
式中:函数为天窗时间安排函数,输入天窗编号,输出与下一天窗的间隔时间,d。
设基本作业区段捣固作业恢复函数为
(14) |
则在捣固作业前,任一天窗时间无轨距不平顺值为
(15) |
同理,在捣固作业后,任一天窗时间无轨距不平顺值为
(16) |
通过联立式(
(17) |
在恒成立。由导数性质可知,一阶导数单调递增,故其最多在定义域范围内有唯一零点。因此,函数至多有一个极小值点。这说明,若仅针对基本作业区段,运用枚举法得到最佳作业天窗时间,则必定是定义域内的极小值点或区间端点。当为区间端点值时,说明函数在定义域内单调;当为区间极小值点时,则函数在区间及区间两个范围内均单调。综合以上两种情况,可以得出结论:若取值远离,即增大时,则目标函数必定会增大。
综上所述,在线路打磨作业天窗时间编号固定的情况下,对于一个基本作业区段来说,若根据当前打磨天窗时间编号得到了最优捣固作业天窗时间,则函数随着的增大单调递增。至此,得到了目标函数一个重要的单调性质。
在本文制定的计算模型中,决策矩阵取值并没有进行约束。但是现场作业具有复杂性,决策矩阵并不能进行随意取值,故需要对模型的决策变量进行约束。根据现场作业的不同情况,约束函数分为以下几种。
(1)作业区段逻辑约束
在本文制定的计算模型中,时间区段为一个天窗时间。显然,在一个天窗时间内,对于同一个基本作业区段来说,仅能进行一项作业,完成线路捣固作业或线路打磨作业。
定义辅助决策矩阵:为的二维矩阵,表示矩阵第行第列的取值。矩阵的取值规则如下:
(18) |
决策变量与的关系为:。
由
(19) |
这表示对于同一个基本作业区段来说,一个天窗时间内仅能完成一项作业。而且由于大型养路机械数量原因,所有个区段至多仅能有一个区段进行作业。
(2)作业次数上限约束
现场实际作业效果表明:大型养路机械捣固作业对线路的维护效果都较为明显。根据数据的统计分析显示,在周期修为主的体制下大型养路机械线路捣固作业的周期为1~1.5年。同理,对于线路打磨作业来说,钢轨的打磨周期一般为2年左右。因此,在本文的计算模型中,线路捣固作业和打磨作业在一年的时间中,仅能安排一次。
对于任意的基本作业区段,应满足:
(20) |
且
(21) |
通过设置该约束可以极大简化模型的计算量,同时也符合实际情况。
(3)恶化状态上限约束
在制定年度养护维修计划时,如果在某个时刻下,线路的TQI值超过了安全限值,就会存在较大安全隐患。因此,对于所有基本作业区段,在任意天窗时间下的无轨距不平顺值不应该超过安全限值,即对于,,应有:
(22) |
(4)线路捣固作业与打磨作业间隔时间约束
一般来说,若一个作业区段需要进行捣固作业和打磨作业时,应先进行捣固作业,再进行打磨作业。原因如下:①钢轨打磨车很容易将几何不平顺值较大的线路的钢轨打坏;②线路捣固作业会影响打磨作业后的效果。因此,如果先进行线路打磨作业,捣固作业应间隔一定时间。
即对于,,应有:
(23) |
或当不满足上式时,应满足
(24) |
式中:表示线路打磨作业后进行捣固作业应间隔的天窗个数。
(5)线路打磨作业连续性约束
根据假设,该模型的基本作业区段长度为4 km。由于线路打磨作业单次作业长度为8 km,一次线路打磨作业需要对两个连续作业区段进行打磨。
即对于,,若,则有:
(25) |
这意味着,单次线路打磨作业必须对两个连续作业区段进行。
有砟轨道养护维修计划编制模型的求解是一个典型的最优化问题。最优化问题就是在一定条件下寻找最佳方案的问题。本节主要针对第1节中的目标函数、约束函数进行求解,主要采用的方法为改进枚举法,在确保运算结果可靠性的前提下提高运算速度。
对于有砟轨道养护维修计划编制模型的求解来说,是一个有约束条件的、非线性的、单目标的、整数规划问题,其数学定义可以用
(26) |
(27) |
式中:,,二者均为空间上的维决策向量;为目标函数;为不等式约束条件,为等式约束条件。
枚举法也称穷举法,在计算时可以考察某最优化问题的所有可能情况,最终得到最优解。枚举法利用了计算机运算速度快、精确度高的特点,对要解决问题的所有可能情况,一个不漏地进行检验,从中找出符合要求的答案,因此枚举法是解决单目标最优化问题的一个很好方法。
传统枚举法有以下几个特点:①通过枚举法计算得到的结果一定是正确的;②计算效率可能做了很多无用功,效率较为低下;③如果计算量大,可能会造成时间崩溃。为了能将枚举法有效地运用在本文所建立的模型求解中,同时提高运算速度,需要对该方法进行适当改进。改进思路如

图2 改进枚举法求解路线图
Fig. 2 Solution roadmap of improved enumeration method
整体计算思路如下:根据目标函数进行求解,首先仅考虑1.5节中约束条件(2)、(3)、(4),利用枚举法进行全局搜索求解,得到初始解。再进行search函数与permu函数反复递归,使其满足1.5节中约束条件(1)和(5)得到最终解。下面对这两个简化函数进行详细介绍。
(1)search函数
本模型需对多个基本作业区段的目标函数最优值进行求解。设基本作业区段共有个,各个基本作业区段均独立,则对于每个基本作业区段来说,都可以得到一组最优解(上标表示基本作业区段编号)。此时,可以得到一组初始解,初始解取值为
(28) |
式中:括号中的数字表示枚举法计算次数,0表示未计算。若初始解符合作业区段逻辑约束(约束条件1)和线路打磨作业连续性约束(约束条件(5)),即可直接输出结果。这里考虑一般情况,在绝大部分情况下,初始解不符合约束条件1和约束条件(5)。
考虑到线路打磨作业需要对两个连续基本作业区段进行作业,则以相邻两个作业区段为一组,打磨作业天窗区段进行最优值搜寻。不妨设任意两个相邻作业区段的初始决策变量,,则对于区段与区段来说,其打磨作业时间区段的枚举法搜寻上下限为。在确定了打磨作业天窗时间后,可以利用枚举法针对捣固作业进行比选,根据1.4对目标函数性质的分析,在打磨作业时间区段确定的情况下,目标函数是捣固作业时间区段的一元函数,有唯一极值点或最值点。故可以得到第一次枚举法计算结果临时解,取值为
(29) |
在令枚举计算操作为search,则有。
(2) permu函数
与的区别在于,临时解符合约束条件(5),但不一定符合约束条件(1),而初始解约束条件(1)、(5)均不一定符合。对于临时解来说,捣固作业和打磨作业共占据个天窗时间,这些天窗时间不应重合,否则将违反约束条件(1)。若临时解不满足约束条件1,不妨设重合的天窗时间区段集合为,对内元素进行升序重排列,天窗时间变化幅度为重复元素个数。例如,某三个作业区段均在天窗编号56进行作业,则重排列后的解集集合为或或。令表示重排列后解集集合的集合,即。将临时解进行重排列微扰动操作后,取其中一个集合元素排列,得到临时解。
若将这次重排列微扰动操作视为permu函数(permutation,重排列)操作,则有。由目标函数单调性和零点定理可知,最优解必定在集合中。同样的,对进行search函数操作,得到临时解,即。对得到的临时解,若符合约束条件1,则输出为最终解;若不符合约束条件(1),则再次进行上述操作,直至符合约束条件(1)。
从流程图可以看出,最终解符合所有约束函数,并根据目标函数的性质可以推知,最终解为最优解。search函数操作目的是让解符合约束条件(2)、(3)、(4),而permu函数操作目的是让解符合约束条件(1)、(5),在缩小可行解范围的前提下,进行枚举法搜索,并结合目标函数性质得到符合所有约束函数的最优解,而最优解即为所求。至此完成了利用改进枚举法求解目标函数。
为了验证改进的枚举法的有效性以及建立最优化模型的实用性,本节选取了部分线路进行有砟轨道年度养护维修计划的编制。
本节选取共6个基本作业区段作为研究对象,共24.33 km。总里程不是25.4 km,这是因为该区段有道岔区段,应进行去除。6个区段的无轨距的不平顺初始值及打磨作业情况见
作业区段序号 | 起点里程 | 终点里程 | 初始无轨距不平顺值 /mm | 距上次打磨作业过去的时间/d |
---|---|---|---|---|
1 | K1364+000 | K1368+000 | 2.65 | 455 |
2 | K1368+000 | K1372+000 | 2.08 | 455 |
3 | K1372+320 | K1376+320 | 1.92 | 456 |
4 | K1376+810 | K1380+810 | 2.91 | 456 |
5 | K1380+810 | K1385+140 | 3.41 | 557 |
6 | K1385+400 | K1389+400 | 3.28 | 557 |
将现场数据及计算参数输入至模型中,计算得到最终:
(30) |
模型总求解时间为186 s,计算效率得到了提升。根据最终解X得到这6个区段的年度捣固与打磨作业计划安排,计算出根据该安排下的目标函数,具体值见
区段编号 | 捣固作业天窗编号 | 打磨作业天窗编号 | 目标函数/mm |
---|---|---|---|
1 | 6 | 3 | 2.24 |
2 | 7 | 3 | 2.17 |
3 | 40 | 11 | 2.79 |
4 | 5 | 11 | 2.68 |
5 | 8 | 4 | 2.67 |
6 | 2 | 4 | 2.58 |
平均值 | 2.52 |
根据2019年现场大机作业安排表,整理得到现场作业天窗时间数据,根据现场作业数据得到的目标值计算结果见
区段编号 | 捣固作业天窗编号 | 打磨作业天窗编号 | 目标函数(mm) |
---|---|---|---|
1 | 79 | 37 | 3.71 |
2 | 78 | 37 | 3.41 |
3 | 77 | 36 | 2.96 |
4 | 0 | 36 | 4.23 |
5 | 0 | 35 | 4.70 |
6 | 74 | 35 | 3.54 |
平均值 | 3.76 |
表中天窗编号为0表示不进行作业。根据现场作业计划安排,可以得到各区段全年无轨距不平顺值变化如

图3 各区段全年无轨距不平顺值变化折线图(现场作业条件下)
Fig. 3 Broken line diagram of annual non gauge irregularity value change of each section(under site operation conditions)
可以看到,区段4和区段5在2019年并未安排捣固作业,而本文建立的模型求解结果是有捣固作业计划的。为方便对比,这里将模型计算结果中区段4和区段5决策变量捣固作业部分强制设0,得到新的模型计算结果如
区段编号 | 捣固作业天窗编号 | 打磨作业天窗编号 | 目标函数/mm |
---|---|---|---|
1 | 6 | 3 | 2.24 |
2 | 7 | 3 | 2.17 |
3 | 40 | 11 | 2.79 |
4 | 0 | 11 | 4.23 |
5 | 0 | 4 | 4.70 |
6 | 2 | 4 | 2.58 |
平均值 | 3.12 |
同样的,按照新模型求解得到的作业计划安排,可以得到各区段全年无轨距不平顺值的变化图如

图4 各区段全年无轨距不平顺值变化折线图(模型条件下)
Fig. 4 Broken line diagram of annual non gauge irregularity value change of each section(under model conditions)
从
从上述结果可以看出,现场作业并未结合各作业区段轨道几何不平顺的发展状态,因此作业效果并不好。而本文所建立的大机作业决策模型求得的结果综合考虑了各个区段的起始不平顺、恶化速率、作业效果等因素,使得捣固作业和打磨作业效果更好,最终得到年度轨道几何状态均值更低,证明了模型的实用性和求解算法的有效性。
本文根据已有文献中建立的轨道几何不平顺预测模型,完成了年度轨道几何状态最优目标函数、现场作业约束函数的推导,分析了目标函数的单调性质,建立了有砟轨道捣固与打磨养护维修计划编制数学模型。然后对单目标最优化问题的求解方法进行了讨论,利用改进的枚举法完成了对模型的求解。最后,选取京沪线上行K1364+000~K1389+400里程连续区段进行实例分析,通过对比现场作业计划和模型求解结果,对模型和算法的可靠性与适用性进行了验证,主要内容如下:
(1)建立了有砟轨道捣固与打磨作业养护维修计划编制数学模型。该模型可以根据轨道几何状态的发展进行合理的大机作业安排。同时,可以确定捣固作业时机,填补了打磨作业时机预测的空白;
(2)根据有砟轨道养护维修计划编制模型的特点,阐述了改进枚举法的思路,完成了枚举法的改进。该改进枚举法不仅能够准确计算结果,也提高了运算的效率;
(3)选取京沪线上行K1364+000~K1389+400里程连续区段进行模型验证。通过对比现场作业计划安排和模型求解结果发现:以目标函数为指标,优化了约11.8 %;以无轨距轨道几何状态不平顺值的最大值为指标,优化了约19.9 %。
通过对计算结果的分析,可以认为本文建立的有砟轨道养护维修计划编制模型及改进的枚举法计算结果可靠、真实。根据得到的模型计算结果可以为现场捣固作业和打磨作业计划编制提供参考,对现有养修策略模型进行完善。
作者贡献声明
许玉德:方案制定;过程监督;论文校修。
张 喜:模型确定;数据处理;论文写作。
刘思磊:模型确定;论文校修。
吴宣庆:模型确定;数据分析。
参考文献
李扬波, 张家生, 朱志辉, 等. CRTSⅢ型板式无砟轨道下路基的累积变形[J]. 华南理工大学学报(自然科学版), 2019(3): 135. [百度学术]
LI Yangbo, ZHANG Jiasheng, ZHU Zhihui, et al. Cumulative deformation of subgrade under CRTs Ⅲ slab ballastless track [J]. Journal of South China University of Technology (Natural Science Edition), 2019(3): 135. [百度学术]
周国栋, 孙海燕, 赵文博. 基于 BP 神经网络的轨道不平顺维修决策建模[J]. 计算机科学与应用, 2022, 12: 2185. [百度学术]
ZHOU Guodong, SUN Haiyan, ZHAO Wenbo. Modeling of track irregularity maintenance policy based on back propagation neural network [J]. Computer Science and Application, 2022, 12: 2185. [百度学术]
邱俊兴, 许玉德, 李海锋, 等. 捣固与打磨复合作业质量评价方法[J]. 兰州交通大学学报, 2017, 36: 29 [百度学术]
QIU Junxing, XU Yude, LI Haifeng, et al Quality evaluation method of tamping and grinding composite operation [J]. Journal of Lanzhou Jiaotong University, 2017, 36: 29 [百度学术]
CONSILVIO A, DI FEBBRARO A, SACCO N. Stochastic scheduling approach for predictive risk-based railway maintenance[C]//2016 IEEE International Conference On Intelligent Rail Transportation (Icirt).[S.l.]:IEEE, 2016: 197-203. [百度学术]
MACEDO R, BENMANSOUR R, ARTIBA A, et al. Scheduling preventive railway maintenance activities with resource constraints[J]. Electronic Notes in Discrete Mathematics, 2017, 58: 215. [百度学术]
周宇. 基于遗传算法的轨道综合养护决策系统的研究[D].上海: 同济大学, 2006. [百度学术]
ZHOU Yu. Research on track comprehensive maintenance decision system based on genetic algorithm [D].Shanghai: Tongji University, 2006 [百度学术]
郭然. 铁路线路养护维修计划编制理论与方法[D].北京: 北京交通大学, 2015. [百度学术]
GUO Ran. Theory and method of railway line maintenance planning [D].Beijing: Beijing Jiaotong University, 2015. [百度学术]
陶竑宇, 郭靖, 李远富. 铁路线路单元质量管理信息系统框架探讨[J]. 铁道标准设计通讯, 2017(3): 23. [百度学术]
TAO Hongyu, GUO Jing, LI Yuanfu. Discussion on the framework of railway line unit quality management information system [J]. Railway Standard Design, 2017, (3): 23. [百度学术]
邱俊兴, 许玉德, 李海锋, 等. 基于综合评价指数的捣固维修作业时机决策方法[J]. 铁道科学与工程学报, 2017, 14(7): 1519. [百度学术]
QIU Junxing, XU Yude, LI Haifeng, et al. Decision making method of tamping maintenance operation time based on comprehensive evaluation index [J]. Journal of Railway Science and Engineering, 2017, 14 (7): 1519 [百度学术]
徐伟昌. 大型养路机械捣固作业维修决策模型研究[J]. 铁道科学与工程学报, 2016, 13(1): 152. [百度学术]
XU Weichang. Research on maintenance decision model of tamping operation of large road maintenance machinery [J]. Journal of Railway Science and Engineering, 2016, 13(1): 152 [百度学术]
许玉德,吴宣庆,刘思磊,等.捣固与打磨复合作业下有砟轨道几何不平顺预测模型[J].同济大学学报(自然科学版),2023,51:99. [百度学术]
XU Yude, WU Xuanqing, LIU Silei, et al. Geometric irregularity prediction model of ballasted track considering tamping and grinding [J]. Journal of Tongji University (Natural Science ), 2023, 51: 99. [百度学术]
RODRIGUES P, TEIXEIRA P F. Modelling degradation rates of track geometry local defects: Lisbon-Porto line case study[J]. Structure and Infrastructure Engineering, 2022(30):1. [百度学术]
沈坚锋. 铁路有砟轨道综合养护计划的多目标决策研究[D]. 上海:同济大学, 2017 [百度学术]
SHEN Jianfeng, study on multi-objective decision-making of comprehensive maintenance plan of railway ballasted track [D]. Shanghai: Tongji University, 2017. [百度学术]
刘思磊. 有砟轨道养护维修计划多维度编制方法[D].上海: 同济大学, 2021. [百度学术]
LIU Silei. Multidimensional preparation method of ballast track maintenance plan [D].Shanghai: Tongji University, 2021 [百度学术]
QUIROGA L, SCHNIEDER E. Heuristic forecasting of geometry deterioration of high speed railway tracks[C]// Computer Aided Systems Theory. Las Palmas de Gran Canaria, Spain:DBLP, 2011: 609-616. [百度学术]