润滑与密封

作者：贾云飞，丁昊昊，肖乾，王文健，刘启跃

单位：西南交通大学摩擦学研究所,,西南交通大学摩擦学研究所；西南交通大学机械工业高速摩擦副损伤机理和防护技术重点实验室,,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,,西南交通大学摩擦学研究所；西南交通大学机械工业高速摩擦副损伤机理和防护技术重点实验室,,西南交通大学摩擦学研究所；西南交通大学机械工业高速摩擦副损伤机理和防护技术重点实验室,

关键词：钢轨磨损预测;神经网络;机器学习;磨损模型;动力学仿真

基金：国家自然科学基金项目 （52202510；52375205）；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 （HJGZ2023104）； 中央高校基本科研业务费专项资金资助项目 （2682024CG007）

随着铁路高速化与重载化发展，现场使用的钢轨材料种类愈加繁杂，其磨损行为也更加复杂。准确地预测 现场钢轨磨损规律，对钢轨选用与安全服役具有重要作用。随着机器学习在铁路领域的应用，为磨损预测提供了新手 段。提出一种利用机器学习建立磨损模型和钢轨磨损预测的方法。首先建立以材料硬度比、接触应力、转速、蠕滑率 为特征的数据集，然后利用机器学习的反向传播神经网络 （BPNN）、卷积神经网络 （CNN） 和极限梯度提升（XGBoost） 算法，分别建立磨损模型。评估发现，BPNN 算法最适合该数据集结构。为进一步提升 BO-BPNN 算法模型 精度和泛化能力，在 BPNN 算法中加入贝叶斯算法 （BO） 优化超参数，实现了 94. 2% 的准确率。利用 BO-BPNN 磨损 模型、动力学仿真和数值计算建立了磨损预测方法，并对 PG4 和 PG5 两种钢轨进行磨损预测，发现硬度更高的 PG5 材 料耐磨性能更优。该磨损预测方法为钢轨磨损行为预测提供了新方法，可指导现场钢轨材料选用和运营维护。

来源：2026年第3期

《润滑与密封》期刊编辑部

查看润滑与密封杂志2026年第3期