城轨车辆轮对尺寸在线测量系统的研制

针对城轨车辆轮对测量费时费力的问题,基于激光轮廓扫描传感器技术,开发了一种城轨车辆轮对尺寸在线测量系统。系统采用将激光轮廓扫描仪和激光位移传感器布置在钢轨的内外两侧。将轮廓扫描仪发射的激光线投射到车轮踏面上,实时测量经过测量区域内的车轮踏面外轮廓,并对测量结果进行插值运算、数据平滑运算等算法处理,获得车辆轮对的轮缘高度、轮缘厚度、车轮直径等主要参数。通过对测量结果数据分析,该系统可以完成运行中地铁车辆轮对参数的自动测量。     

基于证据理论的城轨车辆走行系融合故障诊断

针对城轨车辆走行系故障诊断只依赖于单一证据源造成的诊断准确率低的问题,研究利用证据理论进行走行系多证据源融合的故障诊断。经过对高冲突低信任度情况下悖论产生的原因分析,采用矛盾因子对合成规则进行了改进;针对城轨交通车辆走行系,分析了轴承和轮对所有可能发生的故障,建立了走行系轴承和轮对的识别框架;选择轴箱振动诊断、轨旁振动诊断和轴温诊断等3个证据源作为走行系融合诊断的证据源;采用专家经验法确定了不同证据源的基本信任分配函数。研究结果表明,采用单一证据源的故障诊断准确率较低或诊断对象少,而采用多证据源融合的故障诊断方法(在包含轮对和轴承两个对象情况下)的诊断准确率为80%,从而有效提高了城轨车辆走行系故障诊断的可靠性。     

列车脱轨系数的精确预测方法研究

研究列车脱轨系数的精确预测问题.列车在运行过程中,脱轨系数过大会产生列车脱轨隐患,因此列车脱轨系数是评价列车运行安全的重要依据.针对传统脱轨系数预测方法成本高和预测精度低等问题,提出RB算法的NARX神经网络的脱轨系数预测方法.以实测的轨道不平顺为输入,脱轨系数为输出,分别建立BP神经网络和NARX神经网络两种预测模型,并分析对比了两种神经网络模型的预测性能.试验结果表明:与BP神经网络相比,基于BR算法的NARX神经网络可实现对脱轨系数的精确预测.