1.一种高速铁路钢轨廓形打磨方法,其特征在于,所述方法包括:S1:获取目标车轮钢轨的初始数据集,所述初始数据集包括钢轨线路等级、钢轨廓形打磨参数、实测等效锥度以及振动特征参数,所述钢轨廓形打磨参数包括标记点x轴坐标、标记点法向量偏差角度、钢轨廓形偏差值、钢轨廓形打磨量和打磨方案;
S2:根据所述钢轨线路等级和所述钢轨廓形打磨参数构建等效锥度预测模型;
S3:根据所述钢轨线路等级和所述实测等效锥度构建振动特征参数预测模型;
S4:根据所述钢轨线路等级和所述振动特征参数构建廓形偏差值和打磨方案预测模型的前端网络模型,根据所述钢轨线路等级、所述实测等效锥度、所述标记点x轴坐标和所述标记点法向量偏差角度构建廓形偏差值和打磨方案预测模型的后端网络模型;
S5:将待测振动特征参数输入所述廓形偏差值和打磨方案预测模型,得到预测廓形偏差值和预测打磨方案;
S6:将所述预测廓形偏差值和所述预测打磨方案输入所述等效锥度预测模型,获得预测等效锥度;
S7:将所述预测等效锥度输入所述振动特征参数预测模型,获得预测振动特征参数;
S8:依次循环执行S5至S8,直至所述预测振动特征参数符合标准参数值;
S9:根据符合标准参数值的所述预测振动特征参数对所述目标车轮钢轨进行打磨。
2.根据权利要求1所述的一种高速铁路钢轨廓形打磨方法,其特征在于,所述S1包括:所述初始数据集还包括钢轨标准廓形和钢轨模拟廓形,其中:
根据所述钢轨标准廓形和所述钢轨模拟廓形,获得所述标记点x轴坐标和所述标记点法向量偏差角度;
根据所述标记点x轴坐标和所述标记点法向量偏差角度,获得所述钢轨廓形偏差值和所述打磨方案;
根据所述钢轨廓形偏差值和所述打磨方案,获得所述钢轨廓形打磨量;
获取所述目标车轮钢轨的左轮滚动圆半径、右轮滚动圆半径和轮对横移量,以获得所述实测等效锥度;
获取振动加速度信号,根据信号处理算法,将所述振动加速度信号转换为所述振动特征参数。
3.根据权利要求2所述的一种高速铁路钢轨廓形打磨方法,其特征在于,所述S2包括:根据所述钢轨线路等级、所述标记点x轴坐标、所述标记点法向量偏差角度、所述钢轨廓形偏差值、所述钢轨廓形打磨量和所述打磨方案,构建第一训练数据集;
对所述第一训练数据集进行归一化处理,得到第一标准化矩阵;
构建关于所述等效锥度预测模型的第一目标函数,将所述第一标准化矩阵输入所述等效锥度预测模型并利用粒子群算法对所述第一目标函数进行迭代优化,最终得到优化后的所述等效锥度预测模型。
4.根据权利要求1所述的一种高速铁路钢轨廓形打磨方法,其特征在于,所述S3包括:根据所述钢轨线路等级和所述实测等效锥度构建第二训练数据集;
对所述第二训练数据集进行归一化处理,得到第二标准化矩阵;
构建关于所述振动特征参数预测模型的第二目标函数,将所述第二标准化矩阵输入所述振动特征参数预测模型并利用粒子群算法对所述第二目标函数进行迭代优化,最终得到优化后的所述特征参数预测模型。
5.根据权利要求1所述的一种高速铁路钢轨廓形打磨方法,其特征在于,所述S4包括:根据所述钢轨线路等级和所述振动特征参数构建第三训练数据集;
对所述第三训练数据集进行归一化处理,得到第三标准化矩阵;
构建关于所述前端网络模型的第三目标函数,将所述第三标准化矩阵输入所述前端网络模型并利用粒子群算法对所述第三目标函数进行迭代优化,最终得到优化后的所述前端网络模型;
根据所述实测等效锥度、所述标记点x轴坐标和所述标记点法向量偏差角度构建第四训练数据集;
对所述第四训练数据集进行归一化处理,得到第四标准化矩阵;
构建关于所述后端网络模型的第四目标函数,将所述第四标准化矩阵输入所述后端网络模型并利用粒子群算法对所述第四目标函数进行迭代优化,最终得到优化后的所述后端网络模型;
将优化后的所述前端网络模型和优化后的所述后端网络模型组合为所述廓形偏差值和打磨方案预测模型。
6.根据权利要求1所述的一种高速铁路钢轨廓形打磨方法,其特征在于,所述S2还包括:根据轮轨接触几何理论,计算钢轨廓形在不同横移量下的等效锥度并记录等效锥度的临界值,所述等效锥度的临界值用于根据车轮钢轨的预测等效锥度判断打磨是否合格的标准之一,具体为:在每个标记点设置i个法向变化量,以得到钢轨模拟廓形和钢轨标准廓形的法向偏差值,所述法向偏差值等于钢轨模拟廓形打磨量的大小;
对所述钢轨模拟廓形打磨量进行排列组合,得到种组合的钢轨模拟廓形;
计算每一种组合情况下钢轨模拟廓形在不同横移量下的等效锥度λ1、λ2、...、λj并记录等效锥度的临界值λmin和λmax。
7.根据权利要求1所述的一种高速铁路钢轨廓形打磨方法,其特征在于,所述S3还包括:通过轮动力学模拟软件,计算钢轨廓形在不同横移量下的振动加速度信号并记录横向振动加速度最大值和垂向振动加速度最大值作为振动特征参数进行判断时的临界值,所述临界值用于根据车轮钢轨的预测振动特征参数判断打磨是否合格的标准之一,具体为:将实测钢轨廓形及对应的不同横移量下的实测等效锥度导入动力学模拟软件中,计算对应的振动加速度信号;
根据所述振动加速度信号,记录对应横向振动加速度最大值axmax和垂向振动加速度最大值aymax。
8.一种高速铁路钢轨廓形打磨系统,其特征在于,所述系统包括:获取数据模块,包括S1:获取目标车轮钢轨的初始数据集,所述初始数据集包括钢轨线路等级、钢轨廓形打磨参数、实测等效锥度以及振动特征参数,所述钢轨廓形打磨参数包括标记点x轴坐标、标记点法向量偏差角度、钢轨廓形偏差值、钢轨廓形打磨量和打磨方案;
构建模型模块,包括S2:根据所述钢轨线路等级和所述钢轨廓形打磨参数构建等效锥度预测模型;S3:根据所述钢轨线路等级和所述实测等效锥度构建振动特征参数预测模型;S4:根据所述钢轨线路等级和所述振动特征参数构建廓形偏差值和打磨方案预测模型的前端网络模型,根据所述钢轨线路等级、所述实测等效锥度、所述标记点x轴坐标和所述标记点法向量偏差角度构建廓形偏差值和打磨方案预测模型的后端网络模型;
预测模块,包括S5:将待测振动特征参数输入所述廓形偏差值和打磨方案预测模型,得到预测廓形偏差值和预测打磨方案;S6:将所述预测廓形偏差值和所述预测打磨方案输入所述等效锥度预测模型,获得预测等效锥度;S7:将所述预测等效锥度输入所述振动特征参数预测模型,获得预测振动特征参数;
判断打磨模块,包括S8:依次循环执行S5至S8,直至所述预测振动特征参数符合标准参数值;S9:根据符合标准参数值的所述预测振动特征参数对所述目标车轮钢轨进行打磨。
9.一种电子设备,其特征在于,包括:处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述可执行指令,以实现如权利要求1至7任一项所述一种高速铁路钢轨廓形打磨方法。
10.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1至7任一项所述一种高速铁路钢轨廓形打磨方法。