基于机器学习的列车健康状态预测方法

建立可靠、实时的列车健康状况监测系统是一种提高轨道交通系统安全性的有效途径,利用机器学习算法分析和预测列车的健康状况。该文介绍了一种基于光纤光栅传感器的列车健康监测及预测系统,该系统应用神经网络和高斯过程学习、预测一种列车健康状况指标数据,即振动指标(VI)数据。VI能够反映列车在行驶时因车轮的物理损伤所导致的车体振动程度。分析结果表明,当车轮的物理损伤在正常范围内时,神经网络算法更适用于对VI指标进行学习和预测;当车轮的物理损伤超出正常范围时,高斯过程算法更适用于对VI指标进行学习和预测。     

基于模态叠加法和直接刚度法的列车-轨道-桥梁耦合系统高效动力分析混合算法

为提高列车-轨道-桥梁耦合系统（Train-Track-Bridge Coupled System,TTBS）动力分析的计算效率,该文基于作者之前提出的TTBS动力分析混合模型,结合模态叠加法和直接刚度法,提出了一种改进的混合方法（Improved Hybrid Method,IHM）。该方法中,列车动力方程通过多刚体动力学方法建立;轨道结构动力方程通过直接刚度法建立以准确求解其高频局部振动响应,桥梁结构动力方程通过模态叠加法建立以降低其自由度数目。列车和轨道结构通过轮轨线性Hertzian接触关系耦合为列车-轨道耦合时变子系统,轨道与桥梁间通过轨-桥相互作用力的平衡迭代实现耦合。首先以朔黄重载铁路32 m简支梁桥现场试验数据验证了该文方法的正确性。然后,以CRH2型高速动车组通过万宁系杆拱桥为例,探究了桥梁振型数量对动力响应指标计算精度的影响规律,最后,对比三种不同的列车-轨道-桥梁耦合系统动力分析方法的计算结果及耗时,结果表明:同样的计算精度下,该文方法具有更高的计算效率。     

基于深度学习的列车轴承故障诊断研究

作为列车运行的重要部件,轴承的健康状态是决定列车安全运行的重要因素。轴承的故障诊断一直是行业研究热点。本文针对传统模型提取特征不足、特征信息丢失严重、模型准确率低以及分析识别时间长等问题,结合胶囊神经网络的特征结构,提出了基于深度学习的列车轴承故障诊断研究方法。模型以凯斯西储大学的轴承故障数据为数据集。改进后的神经网络模型在识别准确率、识别速度方面均有提升,本文算法具有一定的先进性。     

重庆市跨座式单轨交通系统动力试验研究

针对重庆轻轨实施详细的动力试验.测试轨道梁和墩的固有振动特性;测试轨道梁和墩在试验列车以不同速度行车、制动工况下的应变、位移、加速度动力响应,并进行了列车行车舒适性试验.在实测结果的基础上分析各工况下轨道梁和墩应变、位移及加速度的最大动力响应结果,并分析动力响应值及其动力系数与行车速度的关系.对比分析动力试验结果及理论计算结果,并参照铁路桥梁相关检定规范,结果表明轨道梁系统具有良好的结构强度和刚度,动力性能良好,单轨列车则具有良好行车舒适性.此外针对轨道梁的固有振动频率讨论其安全限值问题.试验及分析结果为该类型轨道交通系统的设计、检测评定及相应规范或标准的制定提供重要的基础资料.     

轨道交通列车运行能耗优化研究

本文对轨道交通单或多列车面向节能的优化决策进行研究．列车需求能源的量极大,对轨道车辆合理的调配,降低运行能耗的研究意义重大．列车运行所处环境的复杂性和对轨道线路的起伏性,致列车受力是随时变化的．实现通过模拟轨道列车运行研究出优化模型,应用价值和理论意义重大．采用极大值原理、多目标二次规划、非线性方程模型最优化轨道列车所耗能量,在能量最优化情况下研究了位移、速度和时间、速度的规律变换．     

板式轨道在高速列车作用下的动力响应分析

通过理论计算与现场试验研究高速列车与板式轨道的动力相互作用。提出了高速列车—板式轨道系统(简称此系统)空间振动分析方法:列车模型每节车辆考虑26个自由度;针对板式轨道结构特点,建立了32个自由度的板式轨道空间振动轨段单元新模型;基于弹性系统动力学总势能不变值原理及形成系统矩阵的"对号入座"法则,建立了此系统空间振动矩阵方程;采用Wilson-θ法求解。计算了板式轨道在高速列车作用下的位移以及车辆的脱轨系数、轮重减载率、横向轮轨力等动力响应,并与现场试验结果进行了对比。结果表明:理论计算结果与现场试验结果具有较好的一致性,由此说明文中提出的方法正确可靠。最后,还探讨了轨道刚度对此系统空间振动响应的影响规律。     

基于随机有限元的无砟轨道服役可靠性分析

无砟轨道结构的服役可靠性是影响高速列车的行车安全的关键性因素之一。采用随机有限元和人工智能混迭建模的方法分析轨道不平顺对无砟轨道服役的可靠性影响;通过轮轨动力学随机因素构建无砟轨道服役极限状态方程,利用有限元理论建立CRTS II型板式无砟轨道单元模型和CRH 3车辆单元模型,采用交叉迭代法进行求解;将实测轨道不平顺数据作为输入,轮轨动力学响应作为输出,采用三层BP神经网络模型进行轮轨关系的映射,并与有限元蒙特卡洛联合建模,计算轨道不平顺作用下的无砟轨道服役可靠性及失效概率;利用实测轨道不平顺数据进行轨道谱的拟合与反演,将混迭建模结果与传统计算结果进行比较分析。结果表明:采用混迭模型计算的结果可以有效地表征无砟轨道服役的可靠性,建议采用此方法进行相应的无砟轨道结构服役安全性检算。     

城市轨道交通梯形轨枕轨道高架桥梁试验研究

作为一种新型的减振轨道,梯形轨枕轨道已在国内的城市轨道交通中有所应用.该文介绍了在北京地铁五号线高架桥梯形轨枕轨道试验段进行的一系列现场试验,以及为验证其减振特性进行的室内试验.通过对轨道不平顺进行测量,并测试了当列车分别运行在梯形轨枕轨道和普通无碴板式轨道上时钢轨、轨枕和桥面的振动响应,该文对测试数据在时域和频域进行...     

轨道交通减振扣件对列车稳定性影响对比测试

为研究GH-1轨道交通新型减振扣件对列车稳定性的影响,进行轨道行车稳定性试验,测试列车通过不同轨道减振扣件区时转向架及车厢的横向和垂向振动加速度,与现行国际规范及国家标准规定的列车运行安全性和平稳性指标进行对比,并比较分析列车在不同扣件区的振动加速度响应。结果表明,列车通过GH-1新型轨道减振扣件区时,列车安全性和平稳性能够满足标准规定的限值,且车体的横向和垂向振动响应以及转向架的横向振动响应相对于列车通过国内常用的DT系列某型号扣件区时更小,列车稳定性更好。该结果对GH-1轨道交通新型减振扣件的使用安全具有参考价值。     

轨道车辆空调智能运维系统在济南地铁线路上的应用研究

近年来,轨道交通产业持续保持快速增长,轨道交通产品的优化升级与智能化发展也是大势所趋。轨道列车空调系统作为整车关键部件,直接影响到轨道车辆整车的可靠性、舒适性和智能化。本文基于济南地铁轨道空调智能运维系统的应用,探讨研究了轨道空调智能运维的实现方案,实现了对城市轨道交通车辆空调子系统的状态监测和数据获取,有效缩短了空调设备全寿命周期管理中的维修时间,降低了车辆运营期间的正线故障率,提升了运营质量,保障运营安全。     

Track irregularities stochastic modeling

High speed trains are currently meant to run faster and to carry heavier loads, while being less energy consuming and still respecting the security and comfort certification criteria. To face these challenges, a better understanding of the interaction between the dynamic train behavior and the track geometry is needed. As during its lifecycle, the train faces a great variability of track conditions, this dynamic behavior has indeed to be characterized on track portions sets that are representative of the whole railway network. This paper is thus devoted to the development of a stochastic modeling of the track geometry and its identification with experimental measurements. Based on a spatial and statistical decomposition, this model allows the spatial and statistical variability and dependency of the track geometry to be taken into account. Moreover, it allows the generation of realistic track geometries that are representative of a whole railway network. First, this paper describes a practical implementation of the proposed method and then applies this method to the modeling of a particular French high speed line, for which experimental data are available.     

高速列车荷载作用下无砟轨道地基竖向耦合动力响应研究

建立高速列车荷载作用下车辆系统-无砟轨道-地基耦合动力模型,通过Fourier变换求解弹性半空间地基土体的动力控制方程,同时根据轨道底座与半空间的接触条件得到了弹性半空间表面竖向位移在频域内的表达式,再采用快速Fourier 变换求得了时域内的土体位移解。结合算例,分析了列车速度、轨道结构参数等因素对地基动力响应的影响。研究结果表明:板下调整层弹簧刚度系数越大,地基土动力响应越大,地表振动越大;底座弯曲刚度越大,地基土动力响应越小;随着列车速度增加,地基土动力响应增大;距离轨道中心处越远,地基土动力响应越小。     

秦沈客运专线车路系统动力响应数值分析

结合秦沈客运专线基床路基实际状况，利用车路耦合动力分析模型，对高速列车荷载作用下车路系统动力响应进行仿真分析。计算列车速度为200km/h和300km/h时不同基床表层厚度下的车辆、轨道及基床路基主要动力性能指标，并与测试结果进行对比分析。测试结果验证了计算模型的可靠性。根据计算结果分析列车速度与基床表层厚度对车路系统动力响应的影响规律，对秦沈线基床表层设计提出建议。     

列车荷载作用下有砟轨道轨面沉降与路基不均匀沉降间的相关关系

有砟轨道路基发生不均匀沉降时,在列车荷载作用下,轨面会产生相应的沉降,进而影响列车运行的安全性和舒适度。在已有室内试验研究的基础上,采用二维颗粒流方法建立钢轨、轨枕和道砟的离散元模型,分析了路基不均匀沉降及列车荷载变化对轨面沉降的影响。结果表明：在路基不均匀沉降的波长一定时,随着波幅的增大,轨面沉降的波幅先逐渐增大而后稳定,并最终引起轨枕空吊;而轨面沉降的波长基本不受路基沉降波幅变化的影响,并且可按路基沉降波长以25°向上扩散至轨面进行简化计算;轨枕未出现空吊时,轨面沉降波长受列车轴重、动荷载大小及频率变化的影响很小,轨面沉降波幅受动荷载频率变化的影响很小,但受动荷载大小和轴重变化的影响显著。     

Recurrent fuzzy neural network control for piezoelectric ceramic linear ultrasonic motor drive

In this study, a recurrent fuzzy neural network (RFNN) controller is proposed to control a piezoelectric ceramic linear ultrasonic motor (LUSM) drive system to track periodic reference trajectories with robust control performance. First, the structure and operating principle of the LUSM are described in detail. Second, because the dynamic characteristics of the LUSM are nonlinear and the precise dynamic model is difficult to obtain, a RFNN is proposed to control the position of the moving table of the LUSM to achieve high precision position control with robustness. The back propagation algorithm is used to train the RFNN on-line. Moreover, to guarantee the convergence of tracking error for periodic commands tracking, analytical methods based on a discrete-type Lyapunov function are proposed to determine the varied learning rates of the RFNN. Then, the RFNN is implemented in a PC-based computer control system, and the LUSM is driven by a unipolar switching full bridge voltage source inverter using LC resonant technique. Finally, the effectiveness of the RFNN-controlled LUSM drive system is demonstrated by some experimental results. Accurate tracking response and superior dynamic performance can be obtained because of the powerful on-line learning capability of the RFNN controller. Furthermore, the RFNN control system is robust with regard to parameter variations and external disturbances     

Modified Elman neural network controller with improved particle swarm optimisation for linear synchronous motor drive

A modified Elman neural network controller is proposed to control the mover of a permanent magnet linear synchronous motor (PMLSM) servo drive to track periodic reference trajectories. First, the dynamic model of the PMLSM drive system is derived. Next, a modified Elman neural network is proposed to control the PMLSM. Moreover, the connective weights of the modified Elman neural network are trained online by back-propagation (BP) methodology. However, the learning rates of the online-training weights are usually selected by trial-and- error method, which is time-consuming. Therefore an improved particle swarm optimisation (IPSO) is adopted in this study to adapt the learning rates in the BP process of the modified Elman neural network to improve the learning capability. Finally, the control performance of the proposed modified Elman neural network controller with IPSO is verified by the simulated and experimental results.     

地震波频谱特性对高速列车动态脱轨行为的影响

为研究地震下高速列车的动态响应及地震波频谱特性对车辆动态脱轨行为的影响,发展了一种地震激励下车辆/轨道耦合动力学数值模型,车辆模型被简化为考虑悬挂非线性特性的35自由度多刚体系统,板式轨道被视为由钢轨、扣件系统、轨道板及CA砂浆层组成的弹性支承结构,钢轨被视为连续弹性离散点支承基础上的Timoshenko梁,轨道板用三维实体有限元模拟。采用移动轨下支承模型分析离散的轨枕支承对系统动力响应的影响,地震波被简化为周期性的横向正弦波加入计算模型中。基于仿真计算,对地震情况下高速列车的动力响应进行了详细分析,并重点分析了地震波频谱特性对高速车辆动态脱轨机理的影响。分析结果表明:地震波的频谱特性对车辆的动态响应、脱轨机理及车辆的运行安全有着重要的影响。     

Recurrent RBFN-based fuzzy neural network control for X-Y-theta motion control stage using linear ultrasonic motors

A recurrent radial basis function network (RBFN) based fuzzy neural network (FNN) control system is proposed to control the position of an X-Y-theta motion control stage using linear ultrasonic motors (LUSMs) to track various contours in this study. The proposed recurrent RBFN-based FNN combines the merits of self-constructing fuzzy neural network (SCFNN), recurrent neural network (RNN), and RBFN. Moreover, the structure and the parameter learning phases of the recurrent RBFN-based FNN are performed concurrently and on line. The structure learning is based on the partition of input space, and the parameter learning is based on the supervised gradient decent method using a delta adaptation law. The experimental results due to various contours show that the dynamic behaviors of the proposed recurrent RBFN-based FNN control system are robust with regard to uncertainties.     

小波神经网络在超声检测信号中降噪的研究

摘 要: 为了最大限度的消除粗晶材料超声检测时,晶粒散射波对有用信号的严重干扰,提高接收信号的信噪比,将小波神经网络引入粗晶材料超声检测信号处理领域中。在训练小波神经网络时,采用了改进的梯度下降算法。该网络有一个动态的权值,它随误差变化而调整。结果表明,小波神经网络应用在粗晶材料超声检测信号的降噪时,能够达到较理想的降噪效果。     

基于遗传神经网络的履带行驶系统载荷识别方法

针对煤矿掘进机器人履带行驶系统工作环境恶劣,载荷无法直接有效获取这一工程实际问题,提出了基于遗传神经网络的振动信号载荷识别方法。构建了遗传算法(GA)优化BP(back propagation)神经网络载荷识别模型,采用路试法试验采集了履带小车的5组振动加速度数据和单组应力载荷数据,探讨路面不平度频率和驱动轮啮频等对履带车振动和应力载荷的影响规律;借助快速傅里叶变换(FFT)对原始应力载荷数据进行去噪处理,依据履带小车行驶平顺性指标,利用sym8小波函数对振动加速度信号进行5层特征提取以提高载荷识别的精度,然后将5组小波变换分解的加速度数据和滤波后的应力载荷数据分别作为GA-BP神经网络的输入和输出进行训练及验证,揭示了履带行驶系统运动过程中振动与应力载荷之间的关系。研究结果表明,路面不平度频率、驱动轮啮频及转频为小车振动的主要频率成分,路面不平度引起的振动频率为13.765 Hz,驱动轮啮频为68.25 Hz,转频为3.25 Hz。多组试验得到的BP神经网络最佳隐含层神经元数为63,GA-BP神经网络识别的应力载荷与期望应力载荷具有较高吻合度,相对误差为4.5%,验证了该方法的有效性...