摘要
本研究以高速铁路路基振动压实为背景，通过深入分析近年来国内外相关文献，探讨了连续振动压实理论模型及求解的研究现状，深入研究了振动压路机在施工过程中振动响应与土体压实间的内在规律，构建了振动压路机-土体二自由度非线性动力学模型，为能够反映土体压实状态的振动连续压实指标的构建，实现路基压实质量的实时监控具有重要意义。 本研究深入分析振动压路机-土体系统的振动响应特性，提出了改进的亚当斯-巴什福斯-莫尔顿(PreciseAdamsBashforthMoulton，PABM)预测-校正算法，采用隐式龙格库塔法求解微分方程的初值，利用亚当斯-巴什福(AdamsBashforth,AB)算法求出参数的预测值，再将预测值带入亚当斯-莫尔顿(AdamsMoulton,AM)算法中，以求得经过修正的校正值，PABM算法能够充分利用预测算法与校正算法同阶的特点，对预测值和校正值进行处理，相较于传统解法具有更高的准确性，为深入研究振动压路机在振动压实过程中的响应规律提供了有效手段。 本研究设计了Hampel异常点检测算法和移动平均滤波算法对路基振动压实过程中的振动加速度信号进行预处理，消除异常值和噪声，以提高数据分析的准确性和可靠性。提出基于鲸鱼优化算法的谐波平衡土体参数识别法(WhaleOptimizationAlgorithmbasedonHarmonicBalance,HB-WOA)，该方法以谐波平衡法为理论基础建立非线性土体参数识别模型，并将鲸鱼优化算法(HarmonicBalanceWhaleOptimizationAlgorithm,HB-WOA)用于识别非线性动力学模型的土体参数，结果表明HB-WOA在土体参数识别方面具有更高的精度。 构建基于注意力机制的长短时记忆卷积神经网络(LongShortTermMemorybasedonConvolutionalBlockAttentionModuleConvolutionalNeuralNetwork，CNN-CBAM-LSTM)，验证了卷积神经网络在预测土体参数方面的优越性能，设计了振动压路机-土体系统参数辨识，该系统是针对土体压实状态、机架和土体刚度、阻尼等参数分析的综合软件功能，为连续振动压实指标的构建，提高路基压实的效率和质量提供重要保障。
NETL