一种基于AI方法的钢轨智能打磨系统及相应的打磨方法与流程

本发明涉及一种基于ai技术的钢轨智能打磨系统，属于铁路机械设计与制造技术领域。

背景技术：

无论是国有铁路还是城市轨道交通，随着运用时间的累积，在轮轨相互作用下，疲劳裂纹、碾压肥边、波浪磨耗、剥离、掉块等各种轨道病害将陆续出现,这些病害对运营安全、车辆结构、周边环境的影响也日益突出。使用钢轨打磨车对钢轨进行打磨，可实现对于轨道病害的预防和处理，修复钢轨的廓形与波磨，进而有效延长钢轨的使用寿命，改善行车平稳性和安全性，这种方法在世界范围内已得到广泛应用。

根据标准tb/t1910-2004，钢轨打磨车为安装有打磨装置，可对钢轨进行打磨作业的铁路线路机械；由多个磨头按照规律组合，打磨角度可根据钢轨廓形调整，对钢轨或道岔进行磨削的装置称为打磨装置；驱动装置(打磨电机或液压马达)与打磨砂轮的组合称为磨头。磨头按打磨区域不同通常分为轨顶打磨磨头和轨侧打磨磨头。

钢轨打磨效果由钢轨打磨列车作业速度、打磨砂轮转速、打磨砂轮偏转角度、打磨砂轮与钢轨之间的压力、打磨遍数等共同确定。对于一列特定的钢轨打磨车，打磨砂轮转速是恒定的。钢轨打磨列车的作业速度虽然是一个区间，但实际作业中一般只采用一个固定打磨速度进行打磨。对于一列钢轨打磨车来说，全部磨头打磨砂轮偏转角度设定值与打磨压力的设定值的组合的集合，称为一种打磨模式。对于一列的钢轨打磨车而言，经常需要连续使用几种打磨模式进行往复打磨，这几种打磨模式的组合称为一个打磨模式编组。

所谓钢轨智能打磨控制方法，就是根据钢轨廓形与波磨检测装置对作业区段线路的检测结果，自动输出推荐的钢轨打磨模式编组的方法。目前，在实际打磨作业中，打磨模式的选择完全是操作人员根据其经验进行决策，在此过程中有时会参照车载或手持式廓形与波磨检测装置的检测结果，而也有时是单凭操作人员目测观察的情况确定而不使用检测装置。国内外关于智能打磨控制方法的研究尚无已投入到实际工程应用的成熟成果。

现有的钢轨智能打磨控制方法主要是通过廓形检测装置获取实测一个钢轨截面的廓形坐标，在平面直角坐标系下进行运算，将其与标准廓形作比较获得目标廓形，进一步根据目标廓形与实测廓形的差值寻找纵坐标最大差值点确定磨头偏转角度或打磨面积，进而确定其他打磨参数。

现有技术中的智能打磨控制方法存在以下缺点：

1)打磨策略只是针对于某一特定钢轨截面的，而钢轨打磨车的实际作业过程是针对一整段可能具有多种不同截面状态的一定长度的线路的整体情况采用统一的打磨模式进行作业，而不是根据每一个截面的情况实时调整打磨模式，在打磨车单遍打磨作业过程中，调整磨头偏转角度或其他参数，会导致钢轨表面出现螺旋线或其他擦伤。该方法未考虑到这点，直接导致了其在实际工程中并不适用。

2)在平面直角坐标系下进行计算，廓形检测输出的数据形式为一个钢轨截面上数百个廓形点的横纵坐标值，通过实测钢轨廓形纵坐标与标准廓形纵坐标做差值获得比较值函数；而钢轨实际廓形由若干个圆弧组成，该比较值函数并不能精确地反映实测廓形与标准廓形的偏差程度。

3)为保证计算的精确性，选用的廓形数据点非常密集，对于一个钢轨截面的计算量是可以接受的，但如果整段线路上测量的全部钢轨截面均采用上述方法处理，将使得数据量过大，计算量及计算过程耗时将大幅增加。

4)廓形数据点的选择与计算并未考虑到钢轨打磨车的作业特性，即打磨模式中的参数是打磨角度，而非横纵坐标值，由直角坐标系中的坐标数据转换成打磨角度需要进行额外的计算；且廓形数据点的选择并未与钢轨打磨车的常用打磨角度相结合考虑以减少数据量并简化计算。

5)没有引入波磨检测装置的数据，该方法仅考虑了对钢轨廓形的修复而没有考虑针对钢轨波磨的修正方法。

6)没有考虑计算结果直接作为打磨参数的可行性，也未考虑与实际车型中打磨模式的匹配性。

7)缺少对打磨效果的评估，缺少对打磨后钢轨情况的检测，更不能反馈指导打磨策略的调整。

技术实现要素：

本发明第一方面提供一种钢轨智能打磨系统，其包括检测系统、作业控制系统、打磨系统、智能打磨系统，所述作业控制系统连接所述检测系统、打磨系统和智能打磨系统，所述检测系统包括廓形检测装置和波磨检测装置，该廓形检测装置还分别连接廓形检测显示装置、廓形检测存储装置和廓形检测数据处理装置；所述波磨检测装置还分别连接波磨检测显示装置、波磨检测存储装置和波磨检测数据处理装置。

所述打磨系统包括打磨装置，该打磨装置连接作业控制系统，所述打磨装置是所述钢轨智能打磨系统的执行机构，包括至少一个磨头，打磨角度根据钢轨廓形调整，对钢轨或道岔进行磨削。

优选的是，一列钢轨打磨车设置至少一个所述打磨装置。

优选的是，所述钢轨打磨车的每节车厢设置至少一个所述打磨装置。

更优选的是，每个所述打磨装置上设置四个或八个或十个磨头。

优选的是，所述作业控制系统包括打磨作业控制主机，该打磨作业控制主机连接输入输出模块和打磨控制触屏，用于实现对打磨装置动作的控制及对打磨装置工作状态的实时监测，并根据智能打磨系统给出的推荐打磨策略，选取对应的预设打磨模式进行编组，并控制打磨装置进行打磨作业。

优选的是，所述打磨控制触屏位于打磨车两端的司机室内。

优选的是，所述智能打磨系统是所述钢轨智能打磨系统的核心组成部分，所述智能打磨系统包括推荐打磨模式编组的形式，钢轨智能打磨控制方法，以及打磨后的测量结果对方法的反馈。

更优选的是，所述钢轨智能打磨控制方法根据作业区段线路的廓形与波磨检测数据计算得出描述整段线路廓形和波磨情况的参数，并根据得出的整段线路廓形和波磨参数与标准的线路廓形和波磨参数比对，得出对于整段线路的推荐打磨模式编组，此外，在得出的整段线路廓形和波磨参数中识别特殊区段并给出对于特殊区段的追加打磨模式编组的方法；所述打磨后的测量结果对方法的反馈是对于整段线路打磨后的情况再次检测廓型数据和波磨数据，与打磨前的数据作比较，并输出对于智能打磨控制方法的修改建议。

所述廓形检测装置能够满足智能打磨方法对廓形输出数据的要求；波磨检测装置能够满足智能打磨方法对波磨输出数据的要求。

所述钢轨智能打磨系统充分考虑钢轨打磨车的作业特性，对整个作业区段采集廓形与波磨检测数据，其中廓形点数据为极坐标形式且选取的廓形点的角度与钢轨打磨车的常用打磨角度相匹配，廓形数据与波磨数据的采样频率及计算选用的数据量与钢轨打磨车的作业速度及常用单次作业里程相匹配；通过智能打磨输出推荐打磨策略，该策略为适用于钢轨打磨车的打磨模式编组，其中的每一个打磨模式均从钢轨打磨车的预设打磨模式中选择；打磨策略能够直接指导钢轨打磨系统对轨道进行打磨作业。在打磨完毕后，对整个打磨后区段的廓形与波磨检测数据(数据要求与计算输入数据相同)进行采集和处理，反馈到打磨策略的方法。该钢轨智能打磨系统适用于实际钢轨打磨作业。

本发明第二方面提供一种钢轨智能打磨方法，其包括：

步骤q1对整个作业区段的钢轨进行廓形与波磨检测，根据检测结果计算得出描述整段线路廓形参数xk和波磨情况参数xm；

步骤q2将上述线路廓形参数和波磨情况参数与钢轨智能打磨系统中预设的打磨策略进行比对，并推荐最接近的打磨策略a；

步骤q3在所述线路廓形参数xk和波磨情况参数xm中识别特殊区段并给出对于该特殊区段的追加打磨模式编组的打磨策略b；

步骤q4按照推荐的打磨策略a和追加的打磨策略b进行打磨；

步骤q5对打磨后的钢轨廓形和波磨再次检测；

步骤q6将打磨后的检测结果反馈至所述钢轨智能打磨系统；

步骤q7.1将打磨后的检测结果与打磨前的检测结果作比较，根据反馈的数据自动修改方法的系统。

步骤q7.2将打磨后的检测结果与打磨前的检测结果作比较，并输出对于智能打磨控制方法的修改建议。

优选的是，依次执行步骤q1、q2、q3、q4、q5、q6、q7.1。

优选的是，依次执行步骤q1、q2、q3、q4、q5、q6、q7.2。

1)检测系统

优选的是，所述的钢轨智能打磨系统，将使用廓形检测装置输出的廓形检测数据和波磨检测装置输出的波磨检测数据作为智能打磨方法计算的输入参数：

更优选的是，所述廓形检测装置的检测精度必须不低于同类设备通用技术要求，如测量精度不大于±0.1mm，采样频率不低于5hz。

所述廓形检测装置输出的廓形检测数据特征如下：

对于单侧轨道，一个钢轨截面的廓形数据格式为{x,(θ1,δρ1),(θ2,δρ2),…,(θi,δρi),…,(θn,δρn)}，其中x为此钢轨截面相对于检测起始点(即作业区段起始点)的相对坐标值，用于表明该截面位置在作业区段中的相对位置，可以由车载测量装置获取，也可读取钢轨沿线设置的公里标获取，或采用其他方式；(θi,δρi)为计算所选用的廓形点的极坐标值。

θi的数值及选取廓形点的数量n应能满足钢轨截面待打磨区域的检测需要，并与钢轨打磨车的常用打磨角度，即预设打磨模式中所包含的全部打磨角度相匹配，可以是一一对应，也可以是几个θi对应一个打磨角度；δρi为实测廓形与标准廓形在角度θi处的偏差值。

x的数值与廓形检测装置的检测频率及检测速度相关，应通过调整这两个参数使得x取值为便于计算的整数量。

优选的是，所述波磨检测装置的检测精度必须不低于同类设备通用技术要求，如测量精度不大于±0.1mm，采样步长不大于5mm。

波磨检测装置输出的波磨检测数据特征如下：

对于单侧轨道，一个波磨数据点的输出形式为[x,zs,zl]，其中x为此钢轨截面相对于检测起始点(即作业区段起始点)的相对坐标值，与廓形检测数据中的x的定义与取值要求完全相同；zs、zl分别为在以x为起点长度为标准采样窗长度的区间内的短波波深与长波波深的数值，根据原始波磨数据计算而来，是相关标准中关于钢轨打磨质量的验收指标。根据标准中的规定，短波指为波长0mm～300mm，打磨作业后短波的波深限值为0.04mm，zs>0.04mm即为超标；长波指为波长300mm～1000mm，打磨作业后长波的波深限值为0.2mm，z/l>0.2mm即为超标。实际应用过程中也可根据需要改变超标的判断阈值。

2)作业控制系统

本发明所述的钢轨智能打磨系统，需要应用此系统的钢轨打磨车在作业控制系统中预置一组预设打磨模式，使得通过此方法给出的推荐的钢轨打磨模式编组中的各打磨模式均直接从预设打磨模式中选取。

钢轨打磨车作业控制系统中预设打磨模式特征如下：

预设打磨模式中包含各磨头预设打磨角度与预设打磨压力(或打磨电流、打磨功率等用以表征打磨压力的参数)两项参数，也可包含多项参数，本发明以两项参数为例来说明。考虑到左右两侧钢轨相对独立，对于左右两侧钢轨的打磨模式须能够分别选择或设置，因此预设打磨模式中仅为单侧磨头的设置参数即可。

将轨廓的待打磨范围划分为若干个打磨角度区间，角度区间个数可根据打磨头的数量和打磨要求灵活选取，将廓形数据的点分属于各个角度区间内。

对于磨头总数为2n(单侧磨头数为n)的钢轨打磨车，一个预设打磨模式的形式为[no,(θ1,p1),(θ2,p2),…,(θi,pi),…,(θn,pn)]，其中no为打磨模式序号，θi为由前到后第i个磨头的打磨角度的设置值，pi为其打磨压力表征参数的设置值。

一个预设打磨模式中各磨头的打磨角度设置值[θ1,θ2,…,θi,…,θn]至少包括1个角度区间，每个角度区间在一个预设打磨模式中可以出现单次或者多次。

不同的预设打磨模式中，所有磨头的打磨角度设置值可能互不相同，也可能有部分相同，这和钢轨打磨车的作业特性及打磨装置的机械结构有关。全部预设打磨模式中预设角度集合应满足既能覆盖到整个轨面范围，又能够只针对轨顶或轨侧等区域进行打磨的要求。

对于每种类型的磨头，打磨压力表征参数的设置值p可在2个(或多个)大小不同的数值中选取，分别为较小压力等级、较大压力等级(以及其他中等压力等级)；一种预设打磨模式中，全部磨头的打磨压力等级可以相同或者不同，取决于打磨车的作业特性；本发明中以一种预设打磨模式中全部磨头的压力等级相同为例来说明，其中相同类型的磨头打磨压力表征参数设置值相同。

优选的是，一个预设打磨模式可以完成打磨车的一次打磨作业。

预设打磨模式即上述预设打磨角度与预设打磨压力的组合，预设打磨模式编组即通过依次调用几种预设打磨模式，便能够实现以某一特定等级的打磨压力对某一特定轨面范围进行打磨。

3)智能打磨系统

智能打磨系统是本系统的核心组成部分，其包含：输出的推荐打磨策略即推荐打磨模式编组的形式，钢轨智能打磨控制方法，以及打磨后的测量结果对方法的反馈。

①钢轨智能打磨控制方法包括：打磨角度及相应角度的打磨遍数的选取与打磨压力的选取。

打磨角度及相应角度的打磨遍数的选取由实测廓形与标准廓形的偏差值及全线廓形检测数据的波动程度确定。

对整个作业区段内全部的钢轨廓形数据进行处理，求得每个角度θi处对应的偏差值δρi的平均值以及标准差，得到全线钢轨廓形的平均状态及波动程度。

对于每一个角度区间，或是根据钢轨打磨作业习惯划分的轨面区域(将几个角度区间按所处的区域进行归类合并，例如可分为轨顶区域、轨侧区域等)，对该角度区间或轨面区域内的全部角度对应的廓形偏差值的平均值和波动情况综合考量，生成对应的廓形系数。

设置合适的判断条件与阈值，对各个角度区间或轨面区域的廓形系数综合评判，选取若干适合的预设打磨模式进行组合，以满足需要的打磨角度，所有预设打磨模式出现的次数之和即为该打磨策略的打磨遍数；

其中对于不需要执行打磨的角度区间，还需要结合波磨检测数据进行评判。

同时可根据钢轨打磨车特性及通常的单次作业的里程，选取一个适当的距离作为单个区间的长度，采用同前述相同的方法对各长度区间内每一侧钢轨的钢轨廓形数据进行处理，生成每个角度区间或轨面区域在该长度区间内的廓形系数，称为区间廓形系数。并比较每个轨面区域内的区间廓形系数与整个作业区段上相同数据的差异，设置合适的判断条件与阈值，进而确定该长度区间是否存在某一轨面区域与整体差异过大而需要对该长度区间单独选择打磨模式编组；如存在，称该长度区间为特殊区间，该判断过程称为特殊区间识别。

打磨压力的选取由全线廓形检测数据的波动程度及波磨检测数据确定。

先对整个作业区段内全部的钢轨波磨数据进行处理，求得短波波深zs与长波波深zl的平均值，以及短波波深及长波波深超标数据占总数据的比例δs与δl。

综合考虑整个作业区段内波深平均值、波深数据超标比例以及每个角度θi处对应的偏差值δρi的波动情况，生成波磨系数，设置合适的判断条件与阈值，进而确定选用适当的打磨压力。

根据按上述方法确定的预设打磨模式的角度区间及相应的打磨压力，组合形成推荐打磨模式编组。

②打磨后的测量结果对方法的反馈实现了本系统的闭环控制，使本系统在打磨过程中能够根据打磨结果改进方法，使本系统能够不断自我完善，具有自动学习能力。

打磨作业完成后，对打磨后的钢轨再次进行检测，获取打磨后的廓形和波磨数据，用上述同样的方法生成廓形系数和波磨系数，与打磨前的廓形系数和波磨系数作对比。对比情况能够定量反映该次打磨作业的效果。

设置合适的判断条件，判断该次打磨作业是否存在打磨不足或者打磨过量的情况；如若存在，根据对比情况给出修正智能打磨方法的建议；该建议可以作用于智能控制方法中廓形系数和波磨系数的生成方法，或作用于上述各项比较阈值的设定，或者智能打磨方法的其他环节，本发明中不做限定。所给出的修正智能打磨方法的建议，直接用于修改方法，或经过人工筛查后再用于修改方法，本发明不做限定。

所给出的修正智能打磨方法的建议，作用于本次打磨作业，或作用于下一次打磨作业；所给出的修正智能打磨方法的建议作用于本次打磨作业时，在待作业线路上打磨部分长度线路，然后对打磨后的线路进行检测，修正方法后再打磨剩余长度钢轨；所给出的修正智能打磨方法的建议作用于下一次打磨作业时，在完成整个待作业线路的打磨后，对整个线路进行检测，修正方法用于改进下一次打磨过程。

本发明提供一种钢轨智能打磨方法，其包括对钢轨进行廓形与波磨检测，推荐打磨策略进行打磨打磨后的检测结果反馈自动修改方法的系统。

本发明第二方面所述钢轨智能打磨方法采用本发明第一方面所述钢轨智能打磨系统。

本发明第一方面所述钢轨智能打磨系统和本发明第二方面所述钢轨智能打磨方法的有益效果是：

所述的钢轨智能打磨系统，即对钢轨进行廓形与波磨检测，自动输出推荐打磨策略并进行打磨，然后根据打磨后的检测结果反馈自动修改方法的系统。该系统将充分考虑钢轨打磨车的作业特性，对整个作业区段采集廓形与波磨检测数据，其中廓形点数据为极坐标形式且选取的廓形点的角度与钢轨打磨车的常用打磨角度相匹配，廓形数据与波磨数据的采样频率及计算选用的数据量与钢轨打磨车的作业速度及常用单次作业里程相匹配；通过智能打磨输出推荐打磨策略，该策略为适用于钢轨打磨车的打磨模式编组，其中的每一个打磨模式均从钢轨打磨车的预设打磨模式中选择；打磨策略能够直接指导钢轨打磨系统对轨道进行打磨作业。在打磨完毕后，对整个打磨后区段的廓形与波磨检测数据(数据要求与计算输入数据相同)进行采集和处理，反馈到打磨策略的方法。该系统适用于实际钢轨打磨作业。

所采集的数据为整个作业区段线路的钢轨廓形检测数据与波磨检测数据，解决了现有技术中只针对某一钢轨截面生成打磨策略因而无法投入实际工程应用的问题。

引入了波磨检测数据，填补了现有技术中没有考虑针对钢轨波磨的修正方法的空缺。

智能打磨方法生成的推荐打磨模式编组中的每一个打磨模式均从钢轨打磨车的预设打磨模式中选择，极大程度地为操作人员提供了便利，也使得输出的打磨策略能够与车型相匹配，并且切实可行。

提出了具有自动学习能力的闭环控制智能打磨的概念，所述具有自动学习能力的钢轨智能打磨系统能够对打磨后的廓形和波磨情况进行检测，从而修改智能打磨方法，使智能打磨方法不断完善。

将钢轨的廓形情况和波磨情况参数化，用参数来定量描述钢轨的廓形和波磨情况，同时也能用该参数定量衡量打磨效果，简单直观，方便技术后续发展和衍生出更多的功能。

附图说明

图1为本发明第一方面所述钢轨打磨系统的一优选实施例的系统结构示意图；

图2为图1所示实施例中，钢轨某个截面的廓形检测结果示意图；

图3为图2所示实施例中，所述钢轨某个截面的波磨检测结果示意图；

图4为本发明第二方面所述钢轨智能打磨方法的一优选实施例的结构示意图；

图5为图4所示实施例中s2的智能打磨方法具体流程图；

图6为图4所示实施例中s4的智能打磨方法反馈修正流程图。

具体实施方式

实施例1.1:钢轨智能打磨系统，如图1所示，该钢轨智能打磨系统包括检测系统、钢轨打磨车作业控制系统、钢轨打磨车打磨系统、智能打磨系统。

其中检测系统包括钢轨廓形检测装置、钢轨波磨检测装置，所述钢轨廓形检测装置还连接廓形显示装置、廓形存储装置和廓形数据处理装置，所述钢轨波磨检测装置还连接波磨显示装置、波磨存储装置和波磨数据处理装置。

所述钢轨廓形检测装置和钢轨波磨检测装置下游均连接至智能打磨系统，该智能打磨系统下游连接钢轨打磨车作业控制系统，该钢轨打磨车作业控制系统下游连接钢轨打磨车打磨系统。

所述钢轨廓形检测装置将廓形检测数据输出至所述智能打磨系统；所述钢轨波磨检测装置将波磨检测数据输出至所述智能打磨系统。

所述智能打磨系统将收集到的钢轨廓形和波磨的数据进行处理，给出推荐的钢轨打磨模式编组方法，并将结果传输至钢轨打磨车作业控制系统，该钢轨打磨车作业控制系统输出控制信号，进而指导钢轨打磨车打磨系统采用推荐的钢轨打磨模式作业。

附图2为本实施例中，钢轨廓形检测装置针对某一个钢轨截面的廓形检测结果图示，本实施例中输入的一个钢轨截面x的廓形检测数据形式为[x,(θ1,δρ1),(θ2,δρ2),…,(θi,δρi),…,(θn,δρn)]，其中x为公里标数据，即此检测数据测量的钢轨截面相对于检测起始点(即作业区段起始点)的相对坐标值，单位为m。θi与钢轨打磨车的常用打磨角度一一对应，单位为°。δρi为实测廓形ρi与标准廓形ρ0,i在角度θi处的偏差值，单位为mm。

附图3为本实施例中钢轨波磨检测结果图示，本实施例中输入的上述钢轨截面x的检测点的波磨检测数据形式为[x,zs,zl]，其中x为公里标数据，定义及取值均与钢轨廓形检测数据中的取值相同，zs、zl分别为在以x为起点长度为标准采样窗长度的区间内的短波波深与长波波深的数值。

本实施例中，作业控制系统中内置的预设打磨模式中包含各磨头预设打磨角度和预设打磨压力。

将轨廓的待打磨范围划分为若干个打磨角度区间，角度区间个数可根据打磨头的数量和打磨要求灵活选取，本发明以三个角度区间为例，分别是左轨侧，轨顶，右轨侧，钢轨廓形的待打磨范围用角度表示(-72.5°，+15.5°)，根据实际情况角度范围可有调整。廓型数据点集{(θ1,δρ1),(θ2,δρ2),…,(θl,δρl)}位于左轨侧，且属于(-72.5°，-5°)的角度区间范围；点集{(θl+1,δρl+1),(θl+2,δρl+2),…,(θm,δρm)}位于轨顶，且属于(-5°，+5°)的角度区间范围；点集{(θm+1,δρm+1),(θm+2,δρm+2),…,(θn,δρn)}位于右轨侧，且属于(+5°，+15.5°)的角度区间范围。其中1<l<m<n。其中左轨侧角度区间和右轨侧角度区间共同组成轨侧区域，轨顶角度区间组成轨顶区域。具体角度区间划分可根据实际作业情况调整。

本实施例中，预设打磨模式共有三种打磨角度设置，分别是轨顶打磨模式、轨侧打磨模式、全包络打磨模式。轨顶模式中，各打磨头偏转角度均匀分布于(-5°，+5°)区间；轨侧模式中，各打磨头偏转角度均匀分布于(-72.5°，-5°)∪(+5°，+15.5°)区间；全包络模式中，各打磨头偏转角度均匀分布于(-72.5°，+15.5°)区间。

在智能打磨控制系统中预设几种大小不同打磨电机压力值，此处以三种压力大小举例说明，设定压力值p1、p2、p3，p1<p2<p3。每个压力值的大小凭专家经验设定，或根据实验结果调整。

实施例2.1:钢轨智能打磨方法，附图4为本实施例中，钢轨智能打磨车打磨作业的工作流程图，本实施例中的钢轨打磨车打磨系统是具有自动学习能力的钢轨智能打磨系统。其中：

s1为在打磨作业前，对待作业线路进行检测，获取廓形数据和波磨数据。

s2为利用获取的廓型数据和波磨数据，根据智能打磨控制方法，给出推荐的打磨策略。

s3为对打磨后的线路再次进行检测，获取打磨后的廓形数据和波磨数据。

s4为给出修正智能打磨方法的建议。

附图5为本实施例中，智能打磨控制方法流程图，即前述s2中的具体作业方法，其共分为以下8个小步骤：

s2-1为对待作业线路作业前的全部实测廓形数据求平均值和标准差。

对于整个作业区段内全部的廓形检测数据，求得每个角度θi处对应的廓形偏差值δρi的平均值以及标准差，得到数据组[(θ1,δρ1a,σ1),(θ2,δρ2a,σ2),…,(θi,δρia,σi),…,(θn,δρna,σn)]，其中δρia为角度θi处对应的廓形偏差值δρi的平均值，σi为角度θi处对应的廓形偏差值δρi标准差，记σi(i＝2,…,n)的平均值为σa。其中，σi和σa反映了钢轨廓形沿纵向的波动情况；

s2-2为根据标准廓形函数和实测廓形数据平均值求取目标廓型函数和打磨量；

将标准廓形标记为函数的形式，根据实测廓形偏差平均值的最大最小值，确定矫正量，根据矫正量和标准廓型函数确定目标廓型函数。

记标准廓形函数为ρ＝f(θ)。

确定标准廓形函数到目标廓型函数的矫正量c：记a＝max{δρia·sinθi；i＝1,2,……n}，b＝min{δρia·sinθi；i＝1,2,……n}；则c＝a-k1(a-b)+k2，k1、k2作为矫正系数，k1∈[0,1]，k2≥0。可根据计算和打磨结果调整k1、k2，例如当需要加大打磨量时，减小k1，增大k2。

h(θ)＝[f(θ)·sinθ-c)]/sinθ；则h(θ)即为目标廓形函数。

由于δρi为实测廓形ρi与标准廓形ρ0,i在角度θi处的偏差值，即δρi＝ρi-ρ0,i，因此平均实测廓形ρia可表示为ρia＝δρia+ρ0,i＝δρia+f(θi)，因此角度θi处需要的打磨量为gi＝ρia-h(θi)＝δρia+f(θi)-h(θi)。本实施例中，要求廓形检测装置识别的标准廓形函数即为目标廓形函数，因此，下文计算中可以用偏差值δρia来代替需要的打磨量gi，本方法不会对本发明造成限制，即如果廓形检测装置识别的标准廓形函数不足以作为目标廓形函数时，建议后续的计算仍然使用打磨量gi来参与，该变动只对均值以及利用均值生成的计算结果造成影响，对标准差的结果不造成影响。

s2-3为对输入的廓形检测数据的分区间处理：根据钢轨打磨车特性及通常的单次作业里程，选取一个适当的距离x作为单个区间长度，对各长度区间内每一侧钢轨的钢轨廓形数据进行处理，求得每个角度θi处对应的偏差值δρi的平均值，得到数据组[k,(θ1,δρ1ka),(θ2,δρ2ka),…,(θi,δρika),…,(θn,δρnka)]，其中k为区间序号，δρika为第k个区间内角度θi处对应的廓形偏差值δρi的平均值。

s2-4为对输入的波磨检测数据的处理方法：对于整个作业区段内全部的波磨数据，求得短波波深zs与长波波深zl的平均值zsa与zla，以及短波波深及长波波深超标数据占总数据的比例δs与δl。

s2-5为对于整个作业区段的打磨压力的选取方法：波磨系数η1由σia与zsa、zla、δs、δl共同确定，打磨压力的选取由生成的波磨系数决定；生成波磨系数后，设置合适的判断条件与阈值，进而确定选用适当等级的打磨压力。

上述s2-5提供一种生成波磨系数的方法，本方法不对本发明内容构成限制。

η1＝[λ1·δs^r11·zsa^r12+(1-λ1)·δl^r13·zla^r14]·σa^r15，其中λ1∈(0,1)，是波磨权重系数，r11、r12、r13、r14、r15＞0分别是波磨权重指数，可凭专家经验设定，也可根据打磨后的检测结果反馈修正。

此处提供一种根据波磨系数选取打磨压力的方法，本方法不对本发明内容构成限制。

设定波磨系数的比较阈值p1、p2,p1<p2，每个阈值的大小可凭专家经验设定，也可根据打磨后的检测结果反馈修正。

将所述波磨系数η1与所述比较阈值p1、p2作比较，根据比较结果选定相应的打磨电机电流，分为以下3种情况：

(1)0≤η1＜p1时，选择打磨电机压力值为p1；

(2)p1≤η1<p2时，选择打磨电机压力值为p2；

(3)p2≤η1时，选择打磨电机压力值为p3；

s2-6为对于整个作业区段的预设打磨模式的角度设置编组方法。打磨角度及相应角度的打磨遍数的选取主要由廓形系数确定。对于每一个角度范围或是轨面区域，廓形系数由该角度范围或轨面区域内的全部角度对应的廓形偏差值的平均值和波动情况共同确定。生成廓形系数后，设置合适的判断条件与阈值，进而确定需要打磨的角度及预设打磨模式的角度设置编组方法。

上述s2-6提供一种生成廓形系数的方法，本方法不对本发明内容构成限制。

轨侧区域偏差μ2为数列{δρia|i∈[1,l]∪[m+1,n]}的均值；轨侧区域纵向波动σ2a为数列{σi|i∈[1,l]∪[m+1,n]}的均值；轨侧区域截面波动σ2b为数列{δρia|i∈[1,l]∪[m+1,n]}的标准差。

轨侧区域廓形系数η2＝(1-λ2a-λ2b)·μ2^r21+λ2a·σ2a^r22+λ2b·σ2b^r23，其中λ2a、λ2b∈(0,1)，是轨侧的廓形权重系数，r21、r22、r23＞0是轨侧的廓形权重指数，可凭专家经验设定，也可根据打磨后的检测结果反馈修正。

轨顶区域偏差μ3为数列{δρia|i∈[l+1,m]}的均值；轨顶区域纵向波动σ3a为数列{σi|i∈[l+1,m]}的均值；轨顶区域截面波动σ3b为数列{δρia|i∈[l+1,m]}的标准差。

轨顶区域廓形系数η3＝(1-λ3a-λ3a)·μ3^r31+λ2a·σ3a^r32+λ2b·σ3b^r33，其中λ3a、λ3b∈(0,1)，是轨顶的廓形权重系数，r31、r32、r33＞0是轨顶的廓形权重指数，凭专家经验设定，或根据打磨后的检测结果反馈修正。

此处提供一种确定需要打磨的角度及预设打磨模式的角度设置编组的方法，本方法不对本发明内容构成限制。

设定廓形系数比较阈值s1、s2、t1、t2与上述求得的廓形系数作比较，0<s1<s2为轨侧廓形系数η2的比较阈值，0<t1<t2为轨顶廓形系数η3的比较阈值。可根据实际情况设定更多组比较阈值，每个阈值可凭专家经验设定，也可根据打磨后的检测结果反馈修正。

将所述廓形系数与所述比较阈值作比较，根据比较结果选定相应的预设打磨模式编组方法，分为以下7种情况：

(1)0≤η2<s1且0≤η3<t1时，需要结合波磨系数判断是否可以不进行打磨；

(2)s1≤η2<s2且0≤η3<t1时，选择轨侧打磨模式；

(3)0≤η2<s1且t1≤η3<t2时，选择轨顶打磨模式；

(4)s1≤η2<s2且t1≤η3<t2时，选择全包络打磨模式；

(5)s2≤η2且0≤η3<t2时，选择轨侧打磨模式+全包络打磨模式；

(6)0≤η2<s2且t2≤η3时，选择轨顶打磨模式+全包络打磨模式；

(7)s2≤η2且t2≤η3时，选择轨侧打磨模式+轨顶打磨模式+全包络打磨模式；

打磨模式的选择和编组方式可根据实验结果调整。

在发生情况(1)时，还需要对波磨系数进行判断，设定波磨系数的比较阈值p0，该值大小可凭专家经验设定，也可根据打磨后的检测结果反馈修正；p0可与p1、p2的某一个相同或不同；判断如下：若η1<p0，不需要进行打磨；若p0≤η1，选择全包络打磨模式；

上述7种情况中，情况(2)、(3)、(4)包含一次打磨，情况(5)、(6)包含两次打磨，情况(7)包含三次打磨。

s2-7为对于需要进行单独打磨的特殊区段的识别及制定相应打磨策略。对于每个长度区间内的数据，比较每个轨面区域计算所得的系数，与整个作业区段上的系数的差异，设置合适的判断条件与阈值，进而确定该区间线路是否因为存在某一轨面区域与整个作业区段线路的整体情况差异过大而需要重新制定单独的打磨策略。所比较的系数可以是计算得出的廓形系数或者廓形系数和波磨系数综合考虑。

上述s2-7提供一种识别特殊区段的方法，本方法不对本发明内容构成限制。

用s2-5和s2-6中同样的办法，对数据组[k,(θ1,δρ1ka),(θ2,δρ2ka),…,(θi,δρika),…,(θn,δρnka)]进行处理，求出在第k个区间上的波磨系数η1,k、轨侧区域廓形系数η2,k和轨顶区域廓形系数η3,k，设定特殊区段识别阈值q1、q2、q3，每个阈值可凭专家经验设定，也可根据实验结果调整。

若η1,k-η1＞q1，或η2,k-η2＞q2，或η3,k-η3＞q3，满足以上三个条件中任一条件时，识别第k个区间为特殊区段，采用s2-5、s2-6中的方法为该区段重新制定单独的打磨策略，原则上每段待打磨线路的特殊区段不超过2个。若特殊区段的数量超过2个，可以通过调整特殊区段识别于阈值的大小、改变区间长度或其他方法来进行修改，此处不做限制。

s2-8为推荐钢轨打磨模式编组的生成:确定预设打磨模式的角度设置编组、打磨压力进行组合，便可形成一组推荐钢轨打磨模式编组。包括对于整个作业区段线路的推荐打磨模式编组，以及特殊区段的位置及相应的打磨模式。

通过以上方法，便可生成推荐的打磨模式编组。其中包括对于整个作业区段线路的推荐打磨模式编组，以及需进行单独打磨的特殊区段的位置及相应的打磨模式。

附图6为本实施例中，修正智能打磨方法的流程图，即s4中的具体作业方法，其共分为以下3个小步骤：

s4-1为生成打磨后的波磨系数和廓形系数。对打磨后的钢轨检测到的廓形数据和波磨数据进行处理，采用s2-1、s2-4、s2-5、s2-6中的办法，计算出打磨后钢轨的波磨系数η1'和廓形系数η2'、η3'。

s4-2为打磨前后系数做对比。分别比较打磨前后的波磨系数和廓形系数，设置合适的判断条件与阈值，进而打磨过程是否存在打磨不足或者过度打磨的情况。

上述s4-2提供一种判断方法，本方法不对本发明内容构成限制。

定义比较阈值p3、p4、s3、s4、t3、t4，每个阈值凭专家经验设定，或根据实验调整。

设定如下几个判断条件：

(1)p3≤η1'

(2)s3≤η2'

(3)t3≤η3'

(4)η1'＜p4

(5)η2'＜s4

(6)η3'＜t4

判断方法为，首选判断是否满足条件(1)、(2)、(3)中的任一条件，如果满足，则判定为打磨不足；若均不满足条件(1)、(2)、(3)，再判断条件(4)、(5)、(6)；若同时满足条件(4)、(5)、(6)，且打磨遍数多于一遍，则判定为过度打磨。

s4-3为给出修正智能打磨控制方法的建议。该修正建议可以作用于智能控制方法中廓形系数和波磨系数的生成方法中各项系数和指数的修正(如k1、k2、λ1、λ2a、λ2b、λ3a、λ3b、r11……r15、r21、r22、r23、r31、r32、r33)，也可作用于上述各项阈值的设定(p1、p2、s1、s2、t1、t2)，或者智能打磨方法的其他环节，或者综合作用，本发明中不做限定。此处提供一种修改办法，本方法不对本发明内容构成限制。

系统中已经为波磨系数的比较阈值p1、p2在初始状态赋予一个较为合理的取值，设置一个修正量δt(δt＞0)。若判定为打磨不足的状态，则比较阈值p1、p2各自减去修正量δt作为新的比较阈值输入到系统当中；若判定为打磨过度的状态，则比较阈值p1、p2各自加上修正量δt作为新的比较阈值到输入系统当中。

在实施例1.1和实施例2.1中还有以下可替代的方案：

1)在对待打磨钢轨进行廓形检测与波磨检测时，对于获取的数据允许采用滤波的方式剔除明显有误的输入数据，对滤波的方法没有限制。

2)实施例1.1中所述的钢轨智能打磨系统，廓形检测数据中的θi与钢轨打磨车的打磨角度，可以是一一对应，也可以是几个θi对应一个打磨角度。

3)智能打磨方法及其中的钢轨智能打磨控制方法示例不对本发明构成限制，示例中的判别式及阈值设置等可根据实际应用情况进行调整，其中阈值参数可以进一步分区段设置。

4)对于左右两侧钢轨，可以对其数据合并进行处理并给出完全相同的推荐打磨模式编组；也可以分别对其数据进行处理并分别给出对应的推荐打磨模式编组；还可以设置通过设置阈值的方式加以判别，如其差异小于阈值则对其数据合并进行处理给出完全相同的推荐打磨模式编组，如其差异大于阈值则分别对其数据进行处理并分别给出对应的推荐打磨模式编组。

5)各轨面区域生成的廓形系数，可以通过一定方式合成整体廓形的廓形系数，可以用整体廓形系数来表示实测廓形与目标廓形的偏差，也可以用整体廓形系数来作为生成打磨模式编组的判别参数。

6)数据处理过程中所述的平均值概念，可以为算术平均值、几何平均值、调和平均值或其他能代表数据整体水平的均值，也可为根据其他工程方法加权而得的平均值，对其计算方式没有限制。

7)对于最终生成的推荐打磨模式编组中各角度范围进行打磨的先后顺序，可以由廓形偏差量最大的角度范围开始依次向其相邻的角度范围进行打磨，也可采用其他方式，对此不作限制。

上述实施例1.1和实施例2.1的积极效果是：

1)采集整个作业区段线路的钢轨廓形检测数据与波磨检测数据，解决了现有技术中只针对某一钢轨截面生成打磨策略因而无法投入实际工程应用的问题。

2)检测数据点的选择与实际应用载体钢轨打磨车的特性相关，大大减少了需处理的数据数量，简化了计算过程，使得该方法具备较高的效率。

3)引入了波磨检测数据，填补了现有技术中没有考虑针对钢轨波磨的修正方法的空缺。

4)智能打磨方法生成的推荐打磨模式编组中的每一个打磨模式均从钢轨打磨车的预设打磨模式中选择，极大程度地为操作人员提供了便利，也使得输出的打磨策略能够与车型相匹配，并且切实可行。

5)提出了具有自动学习能力的闭环控制智能打磨的概念，且所述具有自动学习能力的钢轨智能打磨系统能够对打磨后的廓形和波磨情况进行检测，从而修改智能打磨方法，使智能打磨方法不断完善。

6)将钢轨的廓形情况和波磨情况参数化，用参数来定量描述钢轨的廓形和波磨情况，同时也能用该参数定量衡量打磨效果，简单直观，方便技术后续发展和衍生出更多的功能。