基于PSO-BP和NSGA-Ⅱ的地铁嵌入式轨道结构优化研究

doi:10.3901/JME.260826

机械工程学报 ›› 2026, Vol. 62 ›› Issue (15): 183-194.doi: 10.3901/JME.260826

• 特邀专栏：大模型时代的智能设计与制造 • 上一篇

扫码分享

基于PSO-BP和NSGA-Ⅱ的地铁嵌入式轨道结构优化研究

张洪^1,2, 杜显德², 刘林芽^2,3, 张鹏飞^1,2, 成功², 王怀东⁴, 王玮⁵

1. 华东交通大学综合立体交通信息感知与融合江西省重点实验室南昌 330013;
2. 华东交通大学交通运输工程学院南昌 330013;
3. 萍乡学院萍乡 337055;
4. 中铁九局集团有限公司沈阳 110051;
5. 极端环境岩土和隧道工程智能建养全国重点实验室(铁一院) 西安 710043

收稿日期:2025-08-11 修回日期:2026-01-22 发布日期:2026-10-13
作者简介:张洪，男，1989年出生，博士，副教授，硕士研究生导师。主要研究方向为线路智能优化；铁路减振降噪。E-mail：hongzhang@ecjtu.edu.cn;杜显德，男，1999年出生，硕士研究生。主要研究方向为铁路减振降噪。E-mail：13155899161@163.com;刘林芽，男，1973年出生，博士，教授，博士、硕士研究生导师。主要研究方向为轨道交通振动与噪声；交通基础设施智能建造；轨道交通基础设施安全与维护。E-mail：lly1949@163.com;张鹏飞，男，1975年出生，博士，教授，博士、硕士研究生导师。主要研究方向为轨道交通环境振动预测、评价及控制；轨道结构及轨道动力学；桥上无砟轨道无缝线路设计理论及关键技术。E-mail：zhangpf4236@163.com;成功，男，1990年出生，博士，讲师，硕士研究生导师。主要研究方向为轨道交通振动与噪声。E-mail：cxglam@163.com;王怀东，男，1977年出生，学士，高级工程师。主要研究方向为铁路轨道智能建造及检测。E-mail：718202272qq.com;王玮(通信作者)，男，1983年出生，硕士研究生，高级工程师。主要研究方向为智能勘测；轨道交通智能化。E-mail：wangwei2121@qq.com
基金资助:
国家重点研发计划(2022YFB2602200)、国家自然科学基金(52178425, 52272348, 52308451)、中国博士后科学基金面上(2022M711137)、轨道交通工程信息化国家重点实验室开放课题(SKLK22-10)和江西省研究生创新专项基金(YC2024-S455)资助项目。

Optimization of Metro Embedded Track Structure Based on PSO-BP and NSGA-II

ZHANG Hong^1,2, DU Xiande², LIU Linya^2,3, ZHANG Pengfei^1,2, CHENG Gong², WANG Huaidong⁴, WANG Wei⁵

1. Jiangxi Provincial Key Laboratory of Comprehensive Stereoscopic Traffic Information Perception and Fusion, East China Jiaotong University, Nanchang 330013;
2. School of Transportation Engineering, East China Jiaotong University, Nanchang 330013;
3. Pingxiang University, Pingxiang 337055;
4. China Railway No. 9 Engineering Group Co. Ltd., Shenyang 110051;
5. State Key Laboratory of Intelligent Geotechnics and Tunnelling (FSDI), Xi'an 710043

Received:2025-08-11 Revised:2026-01-22 Published:2026-10-13

摘要/Abstract

摘要： 嵌入式轨道相比扣件式轨道具有更好的轨道动态特性和车辆轨道相互作用性能，这使得嵌入式轨道拥有良好的减振降噪效果。然而，其复杂的结构对设计提出了更高的要求，如轨道结构参数取值不合理，将显著影响其动力学性能和减振降噪效果。为优化地铁嵌入式轨道结构参数，提出了一种基于PSO-BP神经网络和NSGA-Ⅱ的地铁嵌入式轨道结构优化方法，以轨道板长度、宽度、填充材料刚度、阻尼等9项参数为决策变量，钢轨垂向位移、钢轨垂向加速度、轨道板垂向位移等3项动力响应指标为目标函数，建立了嵌入式轨道多目标优化模型，并提出基于PSO-BP神经网络的嵌入式轨道动力响应预测方法，获取不同决策变量下的目标函数值。通过采用NSGA-Ⅱ对模型进行求解，实现嵌入式轨道结构优化，并引入Sobol方法分析不同结构参数对嵌入式轨道动力学性能的影响。结果表明：① PSO-BP神经网络可高效、准确预测嵌入式轨道动力响应，平均准确率可达97.15%；② 优化后嵌入式轨道的钢轨垂向位移、钢轨垂向加速度、轨道板垂向位移相比优化前分别减少了20%、18.7%、15.6%；③ 通过Sobol敏感性分析得出，填充材料垂向刚度、垂向阻尼、轨道板长度分别是影响钢轨垂向位移、钢轨垂向加速度和轨道板垂向位移的关键参数。本研究成果可为地铁嵌入式轨道结构设计提供参考。

关键词: 嵌入式轨道, PSO-BP神经网络, 多目标优化, NSGA-Ⅱ, Sobol敏感性分析

Abstract: Embedded tracks demonstrate superior dynamic characteristics and enhanced vehicle-track interaction performance compared to fastener-based tracks, providing them with excellent vibration reduction and noise mitigation effects. However, their complex structure imposes higher demands on design. Improper selection of structural parameters can significantly compromise the track’s dynamic performance and vibration reduction effects. To optimize the metro embedded track structure parameters, this study proposes an optimization method for metro embedded track structures based on the PSO-BP neural network and NSGA-II. A multi-objective optimization model is developed using nine structural parameters, including track slab length, track slab width, filler stiffness and damp, etc., as decision variables, and three dynamic performance indicators—rail vertical displacement, rail vertical acceleration, and track slab vertical displacement—as objective functions. A PSO-BP neural network-based prediction method is introduced to predict dynamic responses under different parameter settings, and NSGA-II is employed to optimize the model. Furthermore, the Sobol method is utilized to analyze the influence of various parameters on the dynamic performance of the embedded track. Results indicate that: (1) the PSO-BP neural network can accurately and efficiently predict the dynamic responses of embedded tracks, achieving an average accuracy of 97.15%; (2) after optimization, rail vertical displacement, rail vertical acceleration, and track slab vertical displacement are reduced by 20%, 18.7%, and 15.6%, respectively; (3) sensitivity analysis reveals that filler vertical stiffness, vertical damping, and track slab length are the key parameters influencing rail vertical displacement, rail vertical acceleration, and track slab vertical displacement, respectively. This research provides valuable references for the structural design of metro embedded tracks.

Key words: embedded track, PSO-BP neural network, multi objective optimization, NSGA-Ⅱ, Sobol sensitivity analysis

中图分类号:

U213

张洪, 杜显德, 刘林芽, 张鹏飞, 成功, 王怀东, 王玮. 基于PSO-BP和NSGA-Ⅱ的地铁嵌入式轨道结构优化研究[J]. 机械工程学报, 2026, 62(15): 183-194.

ZHANG Hong, DU Xiande, LIU Linya, ZHANG Pengfei, CHENG Gong, WANG Huaidong, WANG Wei. Optimization of Metro Embedded Track Structure Based on PSO-BP and NSGA-II[J]. Journal of Mechanical Engineering, 2026, 62(15): 183-194.

导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks

链接本文: http://www.cjmenet.com.cn/CN/10.3901/JME.260826

http://www.cjmenet.com.cn/CN/Y2026/V62/I15/183

参考文献

[1] 韩健. 地铁列车-嵌入式轨道系统动力学性能及振动噪声特性研究[D]. 成都：西南交通大学，2018. HAN Jian. Research on the dynamic performance and vibration noise characteristics of subway train embedded track system[D]. Chengdu：Southwest Jiaotong University，2018.
[2] OOSTERMEIJER K H，KOK A W M. Dynamic behaviour of railway superstructures[J]. Heron，2000，45(1)：25-34.
[3] LING Liang，HAN Jian，XIAO Xinbiao，et al. Dynamic behavior of an embedded rail track coupled with a tram vehicle[J]. Journal of Vibration and Control，2017，23(14)：2355-2372.
[4] 房建，杨敏超，雷晓燕，等. 桥上CRTS II型板式无砟轨道参数对轨道结构振动响应的影响[J]. 铁道科学与工程学报，2022，19(8)：2125-2132. FANG Jian，YANG Minchao，LEI Xiaoyan，et al. Study on the impact of track parameters on the CRTS II slab track structure vibration characteristics on bridges[J]. Journal of Railway Science and Engineering，2022，19(8)：2125-2132.
[5] 邓永权. 有轨电车列车-嵌入式轨道动态相互作用研究[D]. 成都：西南交通大学，2014. DENG Yongquan. Study on dynamic interaction of tram train-embedded rail track[D]. Chengdu：Southwest Jiaotong University，2014.
[6] 莫宏愿. 嵌入式轨道结构几何参数优化研究[D]. 成都：西南交通大学，2015. MO Hongyuan. Research on geometric parameter optimization of embedded track structure[D]. Chengdu：Southwest Jiaotong University，2015.
[7] 胥燕军，林红松，王健，等. 现代有轨电车轨道结构关键参数研究[J]. 铁道建筑，2014(11)：174-177. XU Yanjun，LIN Hongsong，WANG Jian，et al. Study on key parameters of track structure of modern tram[J]. Railway Architecture，2014(11)：174-177.
[8] ZHAO Yue，LI Xusheng，LV Qiang，et al. Measuring modelling and optimising an embedded rail track[J]. Applied Acoustics，2017，116：70-81.
[9] 冯青松，孙魁，王威，等. 现代有轨电车嵌入式轨道复合地基优化分析[J]. 中国科学：技术科学，2018， 48(8)：872-880. FENG Qingsong，SUN Kui，WANG Wei，et al. Optimization analysis of modern tram embedded track composite foundation[J]. Scientia Sinica (Technologica)，2018，48(8)：872-880.
[10] 毕澜潇，刘卫星，邢梦婷，等. 嵌入式轨道槽内结构优化设计[J]. 西南交通大学学报，2019，54(6)：1227-1234. BI Lanxiao，LIU Weixing，XING Mengting，et al. Optimization design for Internal structure of embedded rail trough[J]. Journal of Southwest Jiaotong University，2019，54(6)：1227-1234.
[11] 刘占峰. 地铁用嵌入式轨道动力学性能分析与结构优化[D]. 成都：西南交通大学，2018. LIU Zhanfeng. Dynamic performance analysis and structural optimization of embedded rail for metro[D]. Chengdu：Southwest Jiaotong University，2018.
[12] 韩健，肖新标，杨刚，等. 地铁列车-嵌入式轨道系统动力学性能II：轨道参数对动力学性能影响[J]. 机械工程学报，2020，56(24)：173-180. HAN Jian，XIAO Xinbiao，YANG Gang，et al. Dynamic behaviour of metro train and embedded track system II：Effect of track parameters on dynamic behaviour[J]. Journal of Mechanical Engineering，2020，56(24)：173-180.
[13] 杨刚，何远鹏，韩健，等. 嵌入式轨道系统振动传递研究[J]. 城市轨道交通研究，2024，27(7)：197-203. YANG Gang，HE Yuanpeng，HAN Jian，et al. Research on embedded track system vibration transmission[J]. Urban Mass Transit，2024，27(7)：197-203.
[14] HAN Jian，ZHAO Guotang，WANG Ping，et al. Composite embedded track structure considering temperature dependent characteristics for rolling noise reduction of inter-city railway system[J]. Applied Acoustics，2024，219：109936.
[15] YANG Gang，HE Yuanpeng，HAN Jian，et al. Study on the non-linear vibration and impact characteristics of composite structure of embedded track[J]. Journal of Low Frequency Noise，Vibration and Active Control，2025，44(3)：1726-1745.
[16] 卢琪，苏凯新，张继旺，等. 基于BP神经网络和遗传算法的简单链型悬挂接触网结构优化[J]. 机械工程学报，2024，60(12)：313-320. LU Qi，SU Kaixin，ZHANG Jiwang，et al. Structural optimization of simple catenary based on BP neural network and genetic algorithm[J]. Journal of Mechanical Engineering，2024，60(12)：313-320.
[17] 王力东，付岱林，卜秀孟，等. 基于自适应代理模型的桥梁风屏障参数多目标优化方法[J/OL]. 工程力学，2024，41：1-11. DOI:10.6052/j.issn.1000-4750.2024. 02.0108. WANG Lidong，FU Dailin，BU Xiumeng，et al. Multi-objective optimization method for bridge wind barrier parameters based on adaptive surrogate model[J/OL]. Engineering Mechanics，2024，41：1-11. DOI:10.6052/j.issn.1000-4750.2024.02.0108.
[18] 中华人民共和国铁道部，TB 10716-2013高速铁路工程动态验收技术规范[S]. 北京：中国铁道出版社，2013. Ministry of Railways of the People's Republic of China，TB 10716-2013 Technical refulations for dynamic acceptance of high-speed railway construction[S]. Beijing：China Railway Press，2013.
[19] DEB K，PRATAP A，AGARWAL S，et al. A fast and elitist multi-objective genetic algorithm：NSGA-Ⅱ[J]. IEEE Transactions on Evolutionary Computation，2002，6(2)：182-197.
[20] 赵峰，胡伟飞，李光，等. 基于混合指标自适应采样代理模型的多目标优化设计方法[J]. 机械工程学报，2024，60(13)：81-91. ZHAO Feng，HU Weifei，LI Guang，et al. Multi-objective optimization design method based on a hybrid metric adaptive sampling surrogate model[J]. Journal of Mechanical Engineering，2024，60(13)：81-91.
[21] 石一凡，刘立龙，兰胜伟，等. 基于PSO-BP神经网络的中国区域大气加权平均温度模型[J]. 大地测量与地球动力学，2023，43(12)：1300-1306. SHI Yifan，LIU Lilong，LAN Shengwei，et al. An atmospheric weighted mean temperature model of China region based on PSO-BP neural network[J]. Journal of Geodesy and Geodynamics，2023，43(12)：1300-1306.
[22] 张玉平，马超，李传习，等. 基于改进BP算法的混凝土热学参数反演与预测[J]. 交通科学与工程，2022，37(1)：42-50. ZHANG Yuping，MA Cao，LI Chuanxi，et al. Back analysis and prediction of thermal parameters of concrete based on improved BP algorithm[J]. Journal of Transport Science and Engineering，2022，37(1)：42-50.
[23] FU Rongqiang，XU Tongwen，PAN Zhongxiao. Modelling of the adsorption of bovine serum albumin on porous polyethylene membrane by back-propagation artificial neural network[J]. Journal of Membrane Science，2005，251(1-2)：137-144.
[24] LI Mingshun，CHEN Wenchen. Application of BP neural network algorithm in sustainable development of highway construction projects[J]. Physics Procedia，2012，25：1212-1217.
[25] 杨易，高骏，谷正气，等. 基于GA-BP的汽车风振噪声声品质预测模型[J]. 机械工程学报，2021，57(24)：241-249. YANG Yi，GAO Jun，GU Zhengqi，et al. Research on sound quality prediction model of automobile wind buffeting noise based on GA-BP[J]. Journal of Mechanical Engineering，2021，57(24)：241-249.
[26] 张朝龙，赵筛筛，何怡刚. 基于信息熵与PSO-LSTM的锂电池组健康状态估计方法[J]. 机械工程学报，2022，58(10)：180-190. ZHANG Chaolong，ZHAO Shaishai，HE Yigang. State-of-health estimate for lithium-ion battery using Information entropy and PSO-LSTM[J]. Journal of Mechanical Engineering，2022，58(10)：180-190.
[27] 谭振超，成卫，许世春. 基于熵权的道路交通状态模糊综合评判模型[J]. 交通科学与工程，2017，33(3)：69-74. TAN Zhenchao，CHENG Wei，XU Shichun. A fuzzy comprehensive evaluation model for road traffic conditions based on entropy weight[J]. Journal of Transport Science and Engineering，2017，33(3)：69-74.
[28] SOBOL’ I M. On sensitivity estimation for nonlinear mathematical models[J]. Keldysh Applied Mathematics Institute，1990，2(1)：112–118.
[29] GAO Jie，CAO Xiaofei，XIAO Mi，et al. Rational designs of mechanical metamaterials: Formulations, architectures, tessellations and prospects[J]. Materials Science and Engineering: R：Reports，2023，156：100755.
[30] ZHANG Xiao，XIAO Mi，GAO Liang，et al. A T-splines-oriented isogeometric topology optimization for plate and shell structures with arbitrary geometries using Bézier extraction[J]. Computer Methods in Applied Mechanics and Engineering，2024，425：116929.

基于PSO-BP和NSGA-Ⅱ的地铁嵌入式轨道结构优化研究

Optimization of Metro Embedded Track Structure Based on PSO-BP and NSGA-II

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	冯小明, 万珍平, 孙东升, 龙元香. 制动器增力传动机构研究现状与发展趋势[J]. 机械工程学报, 2026, 62(8): 1-20.
[2]	张海涛, 陈再刚, 杨国军, 陈志辉, 陈新, 杨吉忠. 基于粒子群法的山地齿轨车辆悬挂多参数多目标优化[J]. 机械工程学报, 2026, 62(4): 296-308.
[3]	谭励, 余煌, 杜小强, 贺磊盈, 马锃宏. 基于稳定夹持的类球形果实采摘末端执行器优化设计与试验[J]. 机械工程学报, 2026, 62(3): 353-365.
[4]	李文杰, 温炳光, 陶功权, 谭梦圣, 温泽峰. 改善踏面磨耗和滚动接触疲劳的高速列车车轮型面多目标优化设计[J]. 机械工程学报, 2026, 62(12): 322-333.
[5]	刘富樯, 周伦, 刘中阳, 褚志刚, 蒲华燕, 罗均. 用于武器目标分配的自适应并行遗传算法[J]. 机械工程学报, 2026, 62(11): 116-131.
[6]	李明星, 刘斌洋, 罗启洁, 屈挺, 钟润阳. 多维最优同步态引导的“生产-物流”乱序联动管控机制与方法[J]. 机械工程学报, 2026, 62(11): 132-146.
[7]	李先航, 庞勇, 张海瑞, 宋学官, 阳加远, 方伟光. 面向变后掠飞行器的蜂窝结构设计与优化[J]. 机械工程学报, 2026, 62(1): 137-147.
[8]	杜永康, 严浩, 刘旭辉, 王有懿, 吕俊, 李昊峻, 吴嘉宁, 焦小磊. 两级负阻抗电磁分流阻尼器多目标优化方法[J]. 机械工程学报, 2026, 62(1): 250-261.
[9]	高翔, 张祥, 牛军川, 贺磊, 王忠龙, 吴虎. 馈能式半主动悬架非概率可靠性分析及优化[J]. 机械工程学报, 2026, 62(1): 374-383.
[10]	乔春光, 王中华, 杨廷贵, 王荣东, 姜潮. 一种(B₄C+Gd)/316L中子屏蔽复合材料设计制备[J]. 机械工程学报, 2025, 61(9): 112-122.
[11]	陈玉洪, 黎嘉欣, 张更娥, 温泽峰, 陶功权. 基于多目标优化的地铁车轮低轮缘磨耗型面设计[J]. 机械工程学报, 2025, 61(8): 261-271.
[12]	陈俊翔, 孔祥东, 郭煜杰, 艾超. 基于NSGA-Ⅱ算法的高压螺纹插装式溢流阀综合性能优化[J]. 机械工程学报, 2025, 61(8): 319-330.
[13]	何轩, 潘全科, 高亮. 基于问题特征知识的迭代贪心算法求解多目标零等待流水车间调度问题[J]. 机械工程学报, 2025, 61(4): 344-354.
[14]	王培旭, 裴凤雀, 刘检华, 郭昊鑫, 庄存波. 考虑多技能水平工人分配的复杂产品装配调度问题[J]. 机械工程学报, 2025, 61(4): 389-402.
[15]	廖茂林, 李智, 朱佳鹏, 王泽旭, JOSEPH Páez Chávez. 自推进胶囊在小肠中移动时的优化控制[J]. 机械工程学报, 2025, 61(3): 299-313.