快捷货运列车轴端发电机电磁和热特性分析

对快捷货运列车车载监控系统运行需求进行分析,提出车载轴端发电机的基本参数要求,并通过对样机的试验为后续分析提供参数支持.根据试验所得数据,利用经典理论以及Ansoft和ANSYS等软件计算发电机在不同状态和工况下的磁感应强度、铁损和温升等试验难以精确测定的物理量.电气电磁特性分析的计算结果与之前对样机进行试验所获得的数据吻合得很好,对温升的模拟则精确计算出该电机的热平衡温度.结果表明该轴端发电机可安全应用于快捷货运列车上.     

轮轨激励下含局部缺陷的高速列车轴箱轴承动力学仿真分析

轴箱轴承是高速列车走行部中的关键旋转部件,在复杂轮轨激励的作用下容易出现由疲劳、过载等原因导致的失效,影响列车的行车安全.采用UM/Simulink联合仿真的方式,建立了含局部缺陷的轴箱轴承-柔性轴箱-车辆系统耦合动力学模型,研究了不同工况下轴承外圈、内圈和滚子存在单一局部缺陷时系统的动力学响应,分析了轨道不平顺、车轮失圆等轮轨激励对轴箱轴承故障响应的影响.此外,通过对轴箱箱体及轴箱转臂的振动响应进行对比分析,确定了轴箱上提取故障冲击响应的最佳测点位置.相关结果对于指导高速列车轴箱轴承的状态监测和故障诊断具有一定的工程应用价值.     

高速轴承动力学有限元分析方法

高速轴承是高速列车安全运行的重要部件,轴承运转过程中的动态特性直接影响 轴承的使用寿命,采用最小部件之间创建面面接触的方式,建立高速轨道客车用双列圆锥滚子 轴承的三维虚拟样机模型,利用ANSYS/LS-DYNA 分别研究客车直线匀速行驶和额定速度下以 最小转弯半径行驶两种工况下轴承运转过程的动态接触特性,得到轴承的速度特性、加速特性 以及滚子承载分布状况、接触单元法向作用力时间历程变化曲线以及保持架的振动曲线,研究 结论可以为高速轴承设计过程中模型构建方案的合理确定提供参考。     

基于知识图谱的鼓风机轴承温度智能预测

轴承温度是衡量鼓风机是否正常运行的重要指标之一. 然而, 轴承通常安装在狭小密闭的空间中, 导致其温度难以实时准确检测. 为了解决这个问题, 设计了基于知识图谱的鼓风机轴承温度智能预测方法. 利用统计方法分析鼓风机运行系统, 获取与轴承温度相关的影响因素. 结合运行机理和领域知识构建知识图谱, 提取影响轴承温度的直接和间接特征变量. 采用双模块模糊神经网络对知识图谱进行推理, 实现对鼓风机轴温的实时准确预测. 结果表明, 基于知识图谱的鼓风机轴承温度智能预测方法可以准确地建模鼓风机系统, 具有良好的温度预测能力. 该项研究可以为轴承温度的实时监测和变化趋势预测提供支持.     

高铁轴箱测温孔与轴承部件温度场仿真分析

针对高速列车行驶过程中轴箱轴承温度监测与预警现状,在探讨轴箱轴承产热和传热计算的基础上,建立有限元分析模型,利用ANSYS中Fluent模块对轴箱轴承稳态温度场进行有限元仿真分析,得到其温度数值分布规律,并采用MATLAB软件进行数据拟合,得到测温孔温度与轴承内圈、外圈、保持架、滚动体最高温度之间的关系式以及测温孔温度...     

基于时间序列迁移递归预测的未知工况下滚动轴承在线剩余寿命评估

深度迁移学习技术已经成功应用于跨工况的滚动轴承剩余寿命(remaining useful life,RUL)预测问题,但针对在线场景的RUL评估仍存在如下不足:在线工况存在漂移,无法确定同工况的历史数据,不能直接构建回归预测模型;在线目标轴承只有正常状态和早期故障数据,无法直接与离线轴承的快速退化期数据进行迁移学习.鉴于此,从时序退化信息迁移的角度提出一种面向未知工况的轴承在线RUL评估方法.首先,构建融合第三方退化信息的时间序列迁移递归预测模型,利用张量长短时记忆网络提取离线工况全寿命数据的单调性和趋势性等时序信息,并迁移到在线递归预测过程;然后,利用迁移成分分析对所预测的在线退化序列和已有离线序列进行公共特征空间适配,提取域无关特征,并构建支持向量机回归模型,实现在线轴承剩余寿命评估.在IEEE PHM Challenge 2012轴承数据集上的实验结果表明,所提出方法可在只有早期故障数据的情况下准确预测退化趋势,为未知工况下的轴承在线RUL评估提供一种有效的解决方案.     

高速列车多质点子空间预测控制方法研究

针对列车单质点模型在坡道/曲线段受力存在误差,影响高速列车运行控制器的计算精度,建立多质点高速列车运行模型,提出一种基于子空间辨识的预测控制方法。首先,详细分析在坡道/曲线段高速列车考虑其长度的受力情况;接着,利用子空间从列车运行数据辨识模型参数,构建了列车多质点的状态空间模型;然后,具体给出预测控制器的设计步骤;最后,利用MatLab软件进行速度跟踪仿真对比实验,结果表明本文方法的有效性。     

基于灰色遗传的高速列车速度控制器模型研究

速度控制器是列车自动驾驶系统(ATO)的核心,针对目前尚无研发成熟的速度控制器应用于高速列车的情况,引入灰色系统理论研究高速列车速度控制器模型;在灰色遗传预测模块中,对影响模型精度的λ值提出了基于遗传算法的求解方法,根据列车运行的4个目标设计其适应度函数,并加入先验知识判定对约束条件进行处理,同时建立新陈代谢GM(1,1)模型,在列车运行过程中不断求解新的模型参数a和b,实现模型在线校正,使系统可以进行长期预测;在灰色决策模块中,将高速列车的工况及运行目标转化为决策要素,应用灰靶决策产生最优策略控制列车运行;仿真结果显示了该模型应用于列车自动控速时的有效性和实时性,并使各项运行指标都有所提高。     

高速列车非线性模型的极大似然辨识

提出高速列车非线性模型的极大似然(Maximum likelihood, ML)辨识方法,适合于高速列车在非高斯噪声干扰下的非线性模型的参数估计.首先,构建了描述高速列车单质点力学行为的随机离散非线性状态空间模型,并将高速列车参数的极大似然(ML)估计问题转化为期望极大(Expectation maximization, EM)的优化问题; 然后,给出高速列车状态估计的粒子滤波器和粒子平滑器的设计方法,据此构造列车的条件数学期望,并给出最大化该数学期望的梯度搜索方法,进而得到列车参数的辨识算法,分析了算法的收敛速度; 最后,进行了高速列车阻力系数估计的数值对比实验. 结果表明, 所提出的辨识方法的有效性.     

基于排列组合熵的高速列车走行部故障分析

针对列车走行部的多种故障模式,提出了基于排列组合熵的高速列车走行部故障诊断方法.对原车和抗蛇行减振器失效、空气弹簧失气、横向减振器失效四种工况进行仿真实验,得到列车不同位置的振动信号.计算列车振动信号的排列组合熵,首先实现了同一速度下不同故障的分离,然后以排列组合熵作为故障特征向量,对特征向量进行多级SVM分类识别.实验结果表明,该方法可以有效识别列车同一速度下的不同故障,高速时对四种工况的平均识别率达97％以上.     

随机风作用下高速列车动力学参数的可靠性优化设计

建立随机风作用下高速列车动力学参数的可靠性优化设计方法．首先考虑自然风的脉动特性，采用Cooper理论和谐波叠加法模拟随车移动点的脉动风速，给出随机风作用下高速列车非定常气动载荷的计算方法．然后建立高速列车车辆系统动力学模型，计算高速列车的运行安全性，并基于可靠性理论，给出随机风作用下高速列车失效概率的计算方法．在此基础上，以高速列车动力学参数为优化设计变量，以失效概率和轮轴横向力为优化目标，采用多目标遗传算法NSGA—II进行动力学参数的自动寻优，建立随机风作用下高速列车动力学参数的可靠性优化设计模型．经可靠性优化计算，高速列车的失效概率由原始的0．4884降低为0．1406，轮轴横向力由原始的45．13kN降低为43．01kN．通过优化高速列车动力学参数可以显著改善随机风作用下高速列车的运行安全性．     

位置功率联合判决的高铁通信越区切换算法

随着我国铁路运输现代化进程的加快,高铁列车对通信信息技术的需求日益提升。越区切换是高铁无线通信移动性管理的重要部分,对提高通信质量和运营效率、确保运营安全具有重要意义。针对高铁列车切换性能差、乒乓切换率高的问题,提出一种位置功率联合判决的越区切换算法。以切换阈值作为约束条件并借助信道模型和测量信息计算得到最佳切换带,利用高铁列车的单向移动特点简化位置信息并优化切换流程,以有效避免乒乓切换现象。考虑到车载多中继节点对切换触发位置的判决误差之间存在相关性,构建代价函数筛选最优的预测参数,采用加权统计线性回归方法预测判决误差并加以纠正,使得切换位置收敛于最佳切换点。仿真结果表明,相对A3算法、距离触发算法,该越区切换优化算法能有效降低乒乓切换率,在列车速度为350 km/h时越区切换成功率达到99.5%以上,其能够提高通信系统的可靠性,推动列车提速并保障行驶安全。     

城际高速铁路舒适性综合评价模型

针对城际高速铁路列车运行环境的复杂性,提出城际高速铁路舒适性综合评价模型。采用基于粗糙集和模糊分析相融合的方法,对高速列车舒适性指标进行约简和提取,建立评价指标体系及评价矩阵,并对京津城际高速铁路段舒适性进行综合评价。结果表明,该模型在城际高速铁路舒适性综合评价方面具有实用性和优越性。     

基于策略梯度强化学习的高铁列车动态调度方法

高速铁路以其运输能力大、速度快、全天候等优势,取得了飞速蓬勃的发展.而恶劣天气等突发事件会导致列车延误晚点,更甚者延误会沿着路网不断传播扩散,其带来的多米诺效应将造成大面积列车无法按计划运行图运行.目前依靠人工经验的动态调度方式难以满足快速优化调整的实际要求.因此,针对突发事件造成高铁列车延误晚点的动态调度问题,设定所有列车在各站到发时间晚点总和最小为优化目标,构建高铁列车可运行情况下的混合整数非线性规划模型,提出基于策略梯度强化学习的高铁列车动态调度方法,包括交互环境建立、智能体状态及动作集合定义、策略网络结构及动作选择方法和回报函数建立,并结合具体问题对策略梯度强化学习(REINFORCE)算法进行误差放大和阈值设定两种改进.最后对算法收敛性及算法改进后的性能提升进行仿真研究,并与Q-learning算法进行比较,结果表明所提出的方法可以有效地对高铁列车进行动态调度,将突发事件带来的延误影响降至最小,从而提高列车的运行效率.     

Position calculation models by neural computing and online learning methods for high-speed train

For high-speed trains, high precision of train positioning is important to guarantee train safety and operational efficiency. By analyzing the operational data of Beijing–Shanghai high-speed railway, we find that the currently used average speed model (ASM) is not good enough as the relative error is about 2.5 %. To reduce the positioning error, we respectively establish three models for calculating train positions by advanced neural computing methods, including back-propagation (BP), radial basis function (RBF) and adaptive network-based fuzzy inference system (ANFIS). Furthermore, six indices are defined to evaluate the performance of the three established models. Compared with ASM, the positioning error can be reduced by about 50 % by neural computing models. Then, to increase the robustness of neural computing models and real-time response, online learning methods are developed to update the parameters in the last layer of neural computing models by the gradient descent method. With the online learning methods, the positioning error of neural computing models can be further reduced by about 10 %. Among the three models, the ANFIS model is the best in both training and testing. The BP model is better than the RBF model in training, but worse in testing. In a word, the three models can reduce the half number of transponders to save the cost under the same positioning error or reduce the positioning error about 50 % in the case of the same number of transponders.     

基于蚁群优化算法的高速列车运行调整研究

高速列车在运行过程中不可避免地会受到各种各样因素的影响,导致大量的高速列车出现晚点状况,影响高速列车的运行效率。为了保证所有的高速列车能够按照正点运行,对蚁群算法进行改进,引入混沌序列,优化蚂蚁的选路策略,建立以加权后列车总晚点时间最少为目标的高速列车运行调整模型,并且按照相应的约束条件对高速列车运行调整模型进行求解,实现对晚点高速列车运行图的快速调整。最后,通过比较算例得出,该算法能够有效解决高速列车运行调整问题。     

动车组转向架轴箱剩余寿命预测方法研究

动车组转向架轴箱的寿命作为衡量转向架性能的重要指标,主要受材料、工艺、质量、载荷、保养、工况等因素影响。为解决单一工况预测轴箱故障发生时间不准确问题,需充分考虑多工况因素,基于全生命周期构建转向架轴箱剩余寿命预测模型。本文通过对比分析多工况与轴箱的相互影响关系,采用大数据和机器学习算法,设计出一种基于长短记忆神经网络(LSTM)的轴箱相对温升与里程的剩余寿命预测方法。该方法能精确地刻画轴箱性能退化特征模型,可在动车运行过程中实时预测转向架轴箱故障发生率,较大幅度地提高动车组转向架轴箱剩余寿命预测的实效性、准确性。     

多普勒信号的Burg算法优化研究

随着高速列车的发展,测速精度高的多普勒测速方式被广泛应用。其将多普勒信号看作广义平稳随机信号,利用功率谱估计方法进行信号处理。针对现代谱估计中Burg算法基本原理分析其误差来源。分析了两种优化算法,一种是基于窗函数的优化算法,另一种针对改进的协方差法实现了基于预测误差功率最小意义的优化算法。通过仿真对比原算法与两种优化算法的频谱估计性能,分析算法复杂度,选择模型最优参数,并验证了在列车测速范围内不同频段的适用性。结果表明,优化算法在不增加运行时间的基础上可降低频谱偏移程度、改善频谱分辨率,可识别出列车测速范围内各个频段频率,并且谱估计频率误差小于1%。     

面向高铁站的热舒适度和能耗综合预测

针对高铁站这类半封闭建筑的热舒适度影响因素众多,影响机制复杂以及热舒适度与能耗存在背反等问题,提出了基于机器学习的高铁站热舒适度与能耗综合预测方法。首先采用传感器数据捕获及Energy Plus仿真两种方式对高铁站室内外状态、多联机及热交换机等控制单元及热能传导环境进行建模;其次提出影响高铁站热舒适度的八类因素——多联机开启台数、多联机设置温度、热交换机开启台数、客流密度、室外温度、室内温度、室内湿度和室内二氧化碳浓度,并设计424种模型运行工况以及3 714 240个实例;最后设计6种机器学习模型——深度神经网络、支持向量回归、决策树回归、线性回归、岭回归和贝叶斯岭回归,来对高铁站室内热舒适度和空调能耗进行有效预测。实验结果表明,6种机器学习模型中决策树回归预测模型能够在较短的时间内获得最优的预测性能,其平均均方误差低至0.002 2。所得研究成果可直接为下一阶段的温控策略提供主动预判的环境状态参数并实现实时决策。