排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
结合现场实测,对CRH380BL型动车组速度传感器的电磁干扰问题进行了研究。首先分析了开关型霍尔传感器自身具有良好的抗干扰能力,指出当降弓时产生的电弧放电在车体上产生过电压时将会对其产生干扰。然后采用电偶极子理论分析了降弓时激发的电磁场的特性,从磁场在介质表面切向分量不连续的角度分析了车体过电压产生的原因,最后从传感器传输电缆屏蔽层接地方式的角度分析了车体过电压对传感器的干扰耦合机理。结果表明:降弓时产生的磁场强度最大值为54.07 d BμA/m,且频率主要分布在5 MHz附近,2号车厢车体过电压达600 V以上。车体骚扰电压会通过电缆屏蔽层与芯线间的寄生电容耦合到芯线内,对芯线中传输的速度信号造成干扰。通过在1车新增保护接地线后,有效地减小了电弧放电对速度传感器的电磁干扰。 相似文献
2.
3.
4.
列车间隔时间关乎铁路行车安全和效率。对未来铁路移动闭塞系统发车间隔时间的科学计算进行探讨,引入了能够反映经验丰富司机驾车列车优化行为的基于双曲函数的列车行为控制模型;然后,讨论了列车分段运动方程和车站发车作业、进路解锁等环节,以及各种误差因素,并将它们与基于双曲函数的列车行为控制模型有机结合起来,建立了计算移动闭塞条件下车站发车间隔时间的数学模型,给出了两种不同情形的车站发车间隔时间计算方法,数值仿真试验验证了算法的有效性和可行性。对移动闭塞条件下车站发车环节的列车行为控制和行车组织有较大参考价值。 相似文献
5.
特征数据集降维是机械故障智能诊断的关键步骤之一。常见的数据集降维方法难以准确的从高维非线性数据集中获取反映转子运行状态的敏感特征信息,导致故障模式识别精度降低。局部切空间排列算法(LTSA)对部分高维非线性数据集达到较好降维效果。但该算法不适合处理高曲率分布、稀疏不均匀分布等高维数据源。为此,在LTSA算法的基础上结合线性分块思想,提出线性局部切空间排列算法(LLTSA)。该算法充分考虑了数据集的整体与局部结构,将数据样本空间划分为一组最大线性块,使降维后的同类数据具有更好的聚类性。通过高维非线性转子振动数据时域特征数据集对该算法进行验证,结果表明经该算法降维后的数据集具有较好的聚类与分类性能。 相似文献
6.
7.
1