基于PINN和振动时域信号的铁路路基压实参数动态反演

杨智丰

(中铁十八局集团有限公司 天津国际工程分公司，天津 300350)

摘　要：　铁路路基压实质量的实时、准确评估是确保轨道长期服役性能的关键。传统智能压实的预测方法多依赖简化的经验指标，而纯数据驱动模型(如CNN、LSTM)则存在泛化能力差、缺乏可解释性和依赖大数据集等局限性。基于此，提出一种基于PINN和振动时域信号的压实参数动态反演框架。该框架基于传感器采集的压路机振动加速度时域信号，通过构建解网络和参数网络的双网络结构，将压路机-路基土系统的动力学微分方程作为强物理约束嵌入损失函数，实现了数据驱动与物理定律的双重约束。结果表明，所提出的模型能够精确反演路基试验段的等效刚度值和波动趋势，小样本敏感性分析与5折交叉验证结果进一步验证了模型在训练样本稀缺情形下仍具有稳定的预测精度和较好的泛化能力。因此，所提出的PINN双网络框架为智能压实提供了一种精度高、可解释性强且数据依赖低的新范式。

关键词：　智能压实; 物理信息神经网络; 铁路路基; 刚度预测; 动态反演

引文格式： 杨智丰. 基于PINN和振动时域信号的铁路路基压实参数动态反演[J]. 市政技术，2026，44(3)：183-193. (YANG Z F. Dynamic inversion of railway subgrade compaction parameters based on PINN and vibration time-domain signals[J]. Journal of municipal technology，2026，44(3)：183-193.)