压力校直是高速铁路中的无缝焊接钢轨的生产制造流程中的一个重要环节,也是提高钢轨平顺度的一种重要工艺。本文采用压力校直工艺对无缝焊接钢轨在焊接过程中因为剧烈的温度变化而产生的变形进行校直补偿。采用有限元仿真分析与数学建模相结合的方法建立了无缝焊接钢轨校直理论模型。提出了简化钢轨截面尺寸的补偿系数,结合最小二乘法和有限元分析建立了无缝焊接钢轨压力校直优化算法。由于钢轨的形态特征会影响支点间距,所以结合有限元与BP神经网络确定了钢轨的变形曲线的形态特征与校直工艺参数的映射关系。结合对无缝焊接钢轨压力校直工艺的校直工况的分析,将无缝焊接钢轨的校直工艺理论模型分为四种,分别结合加载工况建立无缝焊接钢轨压力校直理论模型。结合有限元分析和最小二乘法建立了无缝焊接钢轨压力校直工艺理论优化算法。根据钢轨截面的简化原则确定了简化钢轨截面尺寸,并根据钢轨截面尺寸的变化特点确定了无缝焊接钢轨简化截面特征尺寸的变化区间。在此基础上确定一组钢轨截面特征尺寸为参考尺寸,提出钢轨简化截面尺寸的形状补偿系数。然后结合有限元分析结果和最小二乘法对无缝焊接钢轨压力校直理论模型中的钢轨简化截面尺寸的形状补偿系数进行回归分析,以建立无缝焊接钢轨压力校直优化算法。结合有限元和BP神经网络确定了基于无缝焊接钢轨变形特征的压力校直算法。采用傅里叶级数拟合函数对变形无缝焊接钢轨的弯曲变形曲线进行拟合,将傅里叶级数拟合函数的展开系数作为变形无缝焊接钢轨弯曲变形曲线的形态特征,并利用梯度下降法分析变形无缝焊接钢轨的形态特征。然后将傅里叶级数展开系数作为BP神经网络的输入变量,将校直机的校直行程和支点间距作为BP神经网络的输出变量,建立变形钢轨的形态特征与钢轨校直工艺参数的映射关系。最终达到通过识别变形无缝焊接钢轨的形态特征来确定校直机的校直工艺参数以完成校直工作的目的。