基于CompactDAQ的动车组空气动力学性能测试系统设计

针对高速列车空气动力学性能测试试验中,长输送线方式会带来测量误差,采集点数量多且分布广泛,动车密封性受到影响,各采集点之间的同步性难以保证,以及测试工作量大等问题,提出一种基于CompactDAQ的动车组空气动力学性能分布式测试系统。采用LabVIEW编写数据采集、数据处理和人机界面程序。测试结果表明:该系统能保障信号的准确性和同步性,改善动车组的密封性,同时也减少了实车测试人员数量。     

高速列车隧道压力波模拟系统仿真控制研究

高速列车在隧道中运行、交会时,车体表面将形成复杂的膨胀波和压缩波,引起车体变形,影响行车安全。车外压力波通过车体传入车内引起车内空气压力的波动,影响乘车舒适度。使用实测的隧道压力波为期望波形,采用AMESIM与Matlab构建联合仿真的模式来设计高速列车隧道压力波模拟控制系统。针对模拟系统大容量、大滞后及强非线性特点,采用迭代学习控制算法来实现隧道压力波的重建。仿真验证表明:迭代学习控制算法的控制误差比常规算法小,控制效果较理想。     

实验室管理信息化及实验虚拟化的设计与实现

针对实验室信息化、网络化、虚拟化的需要,利用ASP技术、SQL Server技术及虚拟仪器开发语言LabVIEW,开发并组建了机电测控实验中心信息管理系统、教学管理数据库系统、设备管理数据库系统及虚拟化实验系统4个子系统.给出了机电测控实验中心管理信息化、网络化和测控系统虚拟化、网络化的开发思路及实现方法,并详细介绍了各子系统的功能及技术支持,为建立开放式实验室做出了初步的尝试.     

传感器尺寸对高速列车空气动力学测试影响

列车线路试验是研究高速列车气动性能最直接的方法,通常用微型超薄气压传感器测试列车表面压力,然而传感器自身尺寸会对测点处流场产生影响,导致测试结果不准确。针对这一长期被忽略的问题,分别建立单独列车模型和含传感器的列车模型,采用大涡数值模拟方法计算两种模型测点处的表面压力,利用希尔伯特-黄变换提取脉动压力;分析由于传感器自身尺寸带来的平均压力和脉动压力的测量误差,并建立与运行速度的幂函数关系。结果表明:由于传感器自身尺寸影响,测点处平均压力的测量误差绝对值近似与运行速度呈二次函数,脉动压力级改变幅值与速度的三次方呈正比关系,各速度级下总脉动压力级改变幅值几乎相等。将结论用于修正线路试验测试数据,为高速列车气动性能研究提供更准确的数据。     

轨道不平顺检测中任意阶移变补偿滤波研究

目前的轨道动态检测系统都是基于等间隔的空间采样,在时域具有固定截止频率的滤波器会随着速度的变化使得信号在空间域产生移变衰减特性,这需要采用空间移变补偿滤波器对信号进行恢复。在分析了轨检系统中移变补偿滤波器的理论及设计方法基础上推导出了任意阶移变补偿滤波器传递函数的系数计算公式,解决了高阶移变滤波器设计困难和速度因子影响检测结果的问题。最后把这种移变补偿滤波技术应用于轨道不平顺检测系统中对采集到的加速度信号进行补偿,验证了补偿滤波算法,具有良好的补偿效果。     

基于稀疏表示以及图谱理论的故障诊断方法

针对图傅里叶变换（graph Fourier transform,简称GFT）方法在提取轮对轴承故障特征信号的过程中,将信号中包含的部分噪声成分提取出来,从而对故障诊断结果产生影响这一问题,提出了一种基于稀疏表示以及图谱理论相结合的轮对轴承故障诊断方法。首先,根据具有局部损伤的滚动轴承振动信号特点构造合适的过完备字典库;其次,采用正交匹配追踪法求解系数实现对振动信号的稀疏表示;最后,通过图傅里叶变换方法将信号中含有的冲击分量集中到图谱域的高阶区域,从而对轮对轴承故障进行诊断。通过仿真数据以及试验数据处理结果,对提出方法的有效性进行了验证。     

基于车体横移振动的高速列车虚拟复合阻尼天棚控制算法研究

高速列车车体横向随机振动由车体的横移振动、侧滚振动和摇头振动三自由度合成,是影响车体横向运行平稳性的关键;为了改善列车横向运行平稳性,提高半主动控制性能;通过建立某型高速列车动力学模型,对车体横向振动特性进行分析,得出横移振动的加剧是造成车体合成横向振动和横向平稳性恶化的主要原因;通过分析在传统天棚阻尼控制算法下分别以车体合成横向振动为反馈和以横移振动为反馈对车体横向振动的控制效果,得出采用以车体横移振动为反馈的传统天棚阻尼控制算法对车体横向振动的抑制效果更佳;在此基础上,提出一种以车体横移振动为反馈的虚拟复合阻尼天棚控制算法,并进行联合仿真分析;结果表明:相比于被动控制,采用虚拟复合阻尼天棚控制算法后,车体合成横向振动加速度峰值、均方根值和平稳性改善率分别达到了46%、43%和19.5%,均高于采用传统天棚阻尼控制算法;可见,采用虚拟复合阻尼天棚控制算法在抑制车体合成横向振动,改善车体横向平稳性方面控制性能更佳。     

高速列车多目标约束横向半主动控制算法研究

传统的高速列车横向半主动控制研究,主要以提高车体横向运行平稳性为目的;但车体与各部件之间通过二系悬挂与一系悬挂连接传递相互耦合振动作用,因此半主动控制在改善车体横向平稳性的同时,将导致构架横向振动和轮轨横向作用加剧,从而使得列车脱轨系数增大,列车运行安全性能变差;针对这一问题,提出在虚拟惯性阻尼半主动控制和脱轨安全半主动控制的基础上,设计两个控制回路的多目标约束下的混合半主动控制算法,在实现列车横向半主动控制提高平稳性的同时,控制脱轨系数的恶化,从而同时提高列车平稳性和脱轨安全性能;并利用Simpack建立了某型高速列车多刚体动力学模型,联合Matlab/Simulink建立了联合仿真分析系统对车体横向半主动控制进行研究;结果表明:采用多目标约束半主动控制算法后,车体横向振动加速度峰值和均方根值分别降低了36%和34%,平稳性改善了15%,脱轨系数减小了17%;可见采用多目标约束半主动控制算法不仅能够有效抑制车体横向振动,改善列车运行平稳性,而且还能减小列车脱轨系数,提高列车运行安全性。     

基于大数据的高速列车气动载荷作用下迭代学习主动控制研究

列车在高速运行的过程中与另一列车相交会时,将产生剧烈的瞬态气动载荷冲击而引起车体瞬间横向振动加剧,导致列车横向平稳性恶化;为了改善列车运行平稳性,采用大数据方法及迭代学习控制思想,提出基于高速列车运行大数据的迭代学习主动控制算法,并进行多体动力学与控制算法的联合仿真,进一步研究控制算法对会车气动载荷幅值变化和会车时间变化的鲁棒性;结果表明:大数据迭代学习主动控制经过5次迭代后对会车气动载荷激扰下的车体横向振动峰值降低52.67%,且控制算法对会车工况变化有较好的鲁棒性。