摘要：基于高速铁路轨检数据，采用Pearson相关系数及相干函数，研究桥梁区段轨道高低不平顺与车辆响应的相关关系。利用贝叶斯优化（BayesianOptimization,BO）对时间卷积神经（Temporal Convolutional Neural,TCN）网络进行改进，确定最佳感受野大小，提出基于贝叶斯优化的时间卷积神经（BO-TCN）网络算法，利用该算法对轨道高低不平顺进行估计，并与传统循环神经网络算法的准确率及计算效率进行对比。结果表明：车体垂向加速度能够反映桥梁跨长及其2～4倍频（32、16、10、8 m）和轨道板长及其2倍频（6.45、3.30 m）引起的周期性轨道高低不平顺；以车体垂向加速度作为BO-TCN的输入特征，可实现3 m以上波长轨道高低不平顺的准确估计；相比长短期记忆（Long Short Term Memory,LSTM）网络和门控循环单元（Gated Recurrent Unit,GRU），利用BO-TCN算法估计的轨道高低不平顺与实测值吻合度更高，且训练速度可达LSTM、GRU的20倍以上。
