排序方式: 共有35条查询结果,搜索用时 15 毫秒
1.
针对地铁车辆在小半径曲线线路运行时产生的严重轮缘磨耗问题,通过车辆轨道耦合系统动力学分析,确定产生轮缘磨耗的曲线半径范围;基于可评价轮缘磨耗的地铁轮缘磨耗分析模型,确定了影响轮缘磨耗的轨道和车辆转向架关键影响参数(简称车-轨参数);采用代理模型和智能优化算法对遴选出的轨道和车辆转向架关键影响参数进行优化设计。研究表明,轨底坡、轨距、超高、一系钢簧纵向及横向刚度、二系空气弹簧纵向刚度和轴距对轮缘磨耗均有一定的影响。对轨道和车辆转向架关键影响参数进行优化设计可使地铁车辆在小半径曲线线路运行时产生的轮缘磨耗降低10%以上,研究成果可为减缓地铁车辆轮缘磨耗提供理论指导。 相似文献
2.
在现有轨道车辆轴承温度预警研究中,因监测数据复杂度不一致导致特征难以选择,同时现有预警方法往往只能在轴承故障发生前的几分钟进行预警,为此,提出一种基于特征选择的轨道车辆轴承温度预警方法.首先采用皮尔逊系数计算特征相关性后分析引入关联轴承,然后依据线性相关性将低线性相关特征数据与关联轴承数据一起输入LightGBM模型,以对特征进行再次选择;其次,利用大量正常状态下的履历数据,基于深度学习模型双向门控循环单元构建轴承温度预测模型;最后利用某轨道车辆实测数据进行预警方法验证.结果表明:对于正常轴承,轴承温度预测模型的温度预测值和实际值的差异小于4℃且稳定;而对于异常轴承,在轴承故障发生前的数小时即可发现两者间存在大于4℃以上的持续显著差异. 相似文献
3.
4.
5.
6.
在预测轴承剩余使用寿命时,数据间的时序特性是一个可以利用的重要隐藏信息。为了更好地提取具有时序信息的特征用于预测,提出了一种基于并行多通道卷积长短时记忆网络(PMCCNN-LSTM)的剩余使用寿命预测模型。该模型主要由两部分组成:前端为并行多通道卷积网络(PMCCNN),提取信号特征,挖掘数据的时序特性,并采用逐层训练和微调的方式提升参数的收敛性;后端为长短时记忆(LSTM)网络,基于特征进行剩余使用寿命预测,并采用加权平均的方法对预测结果进行平滑处理。在一个轴承加速寿命实验的公开数据集上使用留一法验证了该模型的准确性,实验结果表明:所提模型的平均误差与最大误差分别比传统的卷积神经网络(CNN)低23.38%和15.84%,比传统的LSTM低24.14%和19.01%,比卷积长短时记忆网络(CNN-LSTM)低30.32%和23.09%。 相似文献
7.
8.
简要介绍了机车车辆虚拟样机的发展现状,针对机车车辆虚拟样机系统协同设计的需求,提出了机车车辆虚拟样机调度平台,基于研究现状对该平台进行了功能的完善.按照协同的观点规范了机车车辆虚拟样机各部分的任务,并采用数据管理、子系统调控、文件管理、工作流管理、系统安全等技术,研究了基于产品数据管理的机车车辆虚拟样机调度平台的关键技术,开发了分布式网络工作环境下协同的机车车辆虚拟样机调度平台.通过初步试运行,表明该平台能有效地支持分布式网络工作环境下机车车辆虚拟样机的协同开发. 相似文献
10.
在预测轴承的剩余使用寿命(remaining useful life,RUL)时,能否有效提取退化特征是实现准确预测的关键之一。轴承的个体异质性和工况差异性导致退化特征曲线不同,同一特征的变化趋势在不同轴承上是具有差异的,从而导致训练轴承建立的RUL预测模型与测试轴承不匹配。在提取特征时应当考虑轴承的个体差异性,减少轴承特征的个体差异性有利于提升预测精度。为了促进同一特征在不同轴承上的趋势一致性,减少退化特征的轴承个体差异性,提出了一种基于趋势一致性约束卷积编码(trend consistency convolutional auto-encoder,TC-CAE)的轴承寿命预测方法。通过构造趋势一致性约束,并和卷积自编码相结合,形成了TC-CAE特征提取模型。预测流程为先用TC-CAE模型在频域信号内提取特征,再用长短期记忆网络(long short-term memory,LSTM)预测。在一个轴承公开数据集上进行试验,试验结果表明,相比于普通卷积自编码方法的预测结果,该方法的综合平均误差降低了21.1%,相比于特征评价方法和卷积神经网络方法分别降低了35.6%和25.9%。 相似文献