Page 183 - 《振动工程学报》2026年第3期

第 39 卷第 3 期 振 动 工 程 学 报 Vol. 39 No. 3
2026 年 3 月 Journal of Vibration Engineering Mar. 2026

实测数据驱动的地铁振动源强 MLP 神经网络

预测方法

何 卫 1，2 ， 牛岱松 ， 宋世琦 2
2

（1. 华东交通大学轨道交通基础设施性能监测与保障国家重点实验室，江西 南昌 330013；
2. 中国地质大学（武汉）工程学院，湖北 武汉 430074）

摘要: 在国内多个城市地铁线路区间开展运营期全天候振动源强测试，获得了 52 个测试断面 8022 趟次的振动源强实测样本。
在此基础上，考虑轨道减振措施等级、土体类型、列车速度、列车轴重和车轮不圆度共 5 个输入特征，提出了实测数据驱动的地
铁振动源强多层感知机（multilayer perceptron，MLP）神经网络预测方法。结果表明：车轮不圆度是影响振动源强离散性的最
主要因素。由于车轮不圆度的影响，实测最大 Z 振级波动幅度可达 20 dB 以上。采用 K⁃means 聚类算法对最大 Z 振级进行分
类，从而定性描述“车轮不圆度”这一特征，同时在 MLP 神经网络的输出层添加一个可训练的高斯噪声，可实现对目标断面全
过车趟次最大 Z 振级的准确预测。
关键词: 振动源强； 地铁； 机器学习； 实测数据驱动方法
+
中图分类号: TB533 .2； X827 文献标志码: A DOI：10.16385/j.cnki.issn.1004-4523.202404060
Prediction method of subway vibration source based on

measured data-driven MLP neural network

1，2
2
HE Wei ， NIU Daisong ， SONG Shiqi 2
（1.State Key Laboratory of Performance Monitoring and Protecting of Rail Transit Infrastructure， East China Jiaotong University，
Nanchang 330013， China； 2.Faculty of Engineering， China University of Geosciences， Wuhan 430074， China）

Abstract: In the operation phase of subway lines in multiple cities in China， continuous vibration source testing was conducted
throughout the day. A total of 52 testing sections and 8022 test trips of vibration sources were obtained as actual measurement
samples. Based on this data， a subway vibration source multilayer perceptron （MLP） neural network prediction method was
proposed， considering five input features： damping measure level， soil type， train speed， train axle load and wheel eccentricity.
The results indicate that due to wheel eccentricity， the fluctuation amplitude of the measured maximum Z vibration level exceeds
20 dB， and it exhibits a typical clustering distribution characteristic. By using K-means clustering to classify the maximum Z
vibration level， a qualitative description of the "wheel eccentricity" feature was achieved. Additionally， by adding a trainable
Gaussian noise layer to the output layer of the MLP neural network， the prediction of the maximum Z vibration level for target
sections over all train passes was realized.

Keywords: vibration source；subway；machine learning；measured data-driven method

近年来，中国城市轨道交通系统快速发展，但地 类：标准规定法、引用资料法和类比测试法 ［10］ 。随着
铁列车诱发的环境振动问题也日益凸显 ［1⁃2］ ，对乘客 源强测试的逐步规范化以及城市地铁线路的陆续开
和邻近居民的舒适性 ［3⁃4］ 、精密仪器的正常使用 ［5⁃7］ 以 通运营，通过类比测试法获取拟建线路的振动源强
及古建筑保护 ［8⁃9］ 等产生严重影响。列车振动源强 逐渐成为实践中的主流方法。地铁振动源强涉及车
是环境振动影响预测评估的基准参数，也是减振设 辆、轨道、隧道结构以及地层等多系统的复杂动力相
计的基础。因此，对于拟建地铁线路，获取精确的地 互作用，且受轮轨关系及运营条件的影响很大，类比
铁振动源强值至关重要。 测试时需考虑车辆条件（车型、编组等）、轨道条件、
目前，中国地铁振动源强的获取方法主要有三 隧道形式、埋深、地质条件以及运营条件（如车速）等

收稿日期: 2024-04-23； 修订日期: 2024-06-13
基金项目: 轨道交通基础设施性能监测与保障国家重点实验室开放课题资助项目（HJGZ2021105）