时空序列模型在铁路构筑物沉降预测中的应用

为充分利用铁路构筑物沉降数据表现出来的空间趋势性与相关性,提高预测结果的整体稳健性和准确性,提出一种新的思路:先对构筑物沉降数据序列进行分析,若其表现出较强的空间相关性,则可采用时空序列模型对构筑物沉降数据序列进行建模预测。以江苏省境内某铁路一处3孔箱形桥为例进行验证,该箱形桥上布设有6个沉降监测点,通过分析,监测点沉降数据序列的相关性系数高达0.99,说明该箱形桥的沉降表现出很强的空间趋势性和相关性,故采用时空序列模型对该箱形桥的6个沉降监测点进行建模和沉降预测,并将预测结果与实际监测值进行对比。对比结果表明,时空序列模型预测结果的4种误差指标均小于一般时间序列模型,证明该方法的预测结果更具稳健性和准确性。     

CTCS-3级列控系统动态测试优化方法

针对列控系统测试,为克服基于固定测试序列集的静态测试方法存在的问题,研究建立列控系统动态测试方法。将测试序列集中的上一个测试序列的执行结果作为执行下一个测试序列的输入,从而形成测试闭环;测试执行器执行完一个测试序列后,如果未检测出错误,则继续顺序执行下一个测试序列,如果检测出错误,则测试执行器更新系统的测试模型,并根据新的测试模型和测试目标集生成测试代价最小的新的测试序列集,然后按照新的测试序列集继续进行测试。仿真结果表明,动态测试方法能有效提高测试效率和测试的实际覆盖率,在测试过程中未给出虚假的测试判断。     

新型永磁同步电动机离线电感测量方法

提出了一种永磁同步电动机电感离线测量新方法,通过对电机电压、电流和转子位置进行同步实时采样,并将所采集的电压和电流信息进行傅立叶变换,提取其基波信息;利用永磁同步电机电压稳态数学模型推导出电机电感计算公式,并利用Matlab软件离线计算电感,将电感计算值代入转矩方程计算。通过转矩计算值与实际测量值的比较,验证了本方案的有效性。     

运行旅客列车动力学性能研究

分析了实际运营旅客列车动力学状态监测与出厂新造车的动力学评估方法的不同之处。提出了运用统计模式识别的贝叶斯估计来对车辆状态进行评估，研究了时间序列分析方法对实际运营旅客列车的动力学性能评估方法。对某型号的实际运营旅客列车动力学性能进行了分析。贝叶斯估计要求大量的先验概率与类条件概率，实际工程运用需要寻找更多有效的方法来获得这些概率分布。时间序列分析是一种有效的方法，通过试验数据将ar的系数与模态频率和模态阻尼辩识出来，进而探索系统结构特性的变化是一项很有意义且很复杂的工作。通过阶数一定时的系统最终误差如可以辨识出系统状态变化，为进行实时诊断工作提供了有益的思路。     

基于自适应Morlet小波变换滚动轴承声学故障诊断的研究

基于声音信号的测试与分析是滚动轴承故障检测与诊断的一种新方法,提出了基于自适应Morlet小波变换诊断轴承声学信号故障的新方法。首先利用最小Shannon熵对Morlet小波的形状参数进行优化,找到与所测声音信号特征成份最匹配的小波,再对小波系数矩阵进行奇异值分解,通过奇异值与变化尺度的关系曲线得到最佳小波变换尺度,最后对滚动轴承故障信号进行Morlet小波变换进行故障特征提取。结果表明:该方法能有效地从强噪声背景下提取出轴承声学信号的故障。     

基于Markov链修正的铁路运量灰色组合预测模型研究

预测模型的准确与否直接决定着未来经济规划与决策的有效制定。将灰色GM(1,1)-Verhulst组合预测模型与马尔可夫链方法相结合,同时引入信息熵理论的知识,提出基于Markov链修正的熵权法灰色组合预测方法,并以甘肃省2004年～2015年铁路客运量作为原始数据序列进行模型拟合,而且还以此为基础对甘肃省未来几年内的客运量发展趋势进行预测。结论:(1)在已知实际客运量年份内,该灰色组合预测模型的预测精度比单一灰色预测模型更高、更加准确;(2)采用马尔可夫链方法获得该组合模型的偏差规律,并依照此规律对预测结果进行修正,即由一个单一的预测数值修正成为区间和概率组成的预测范围;(3)通过比较2016年～2017年的客运量实际值、组合预测模型的单一预测值和Markov链修正的预测区间值,发现Markov链修正的预测结果与客运量实际值的吻合性良好,进一步验证此预测方法的可信性。     

考虑乘务员值乘需求的地铁乘务轮班优化方法

乘务轮班计划是乘务计划的实施阶段，其质量影响乘务员对乘务计划的满意程度。既有研究多把所有乘务员作为一个整体，考虑均衡性等优化目标，本文则从值乘时间、任务类型和喜恶类型角度系统刻画乘务员的值乘需求，并将具有相近值乘需求的乘务员进行分组，构建乘务轮班计划优化模型，尽可能满足不同分组乘务员的值乘需求。进一步构建基于路径状态的网络图模型，通过禁忌序列表示轮转约束，以需求序列衡量值乘需求的满足程度，将问题转化为最大费用流问题进行求解。案例研究结果表明：提出的方法可以有效满足乘务员值乘需求，并确保不同乘务分组间需求满足程度的均衡性，求解方法具有较高的求解效率。     

基于排序二叉树的摘挂列车编组钩计划自动编制方法

根据摘挂列车编组调车作业原理,将摘挂列车下落问题抽象为排序问题,提出一种基于排序二叉树的编组钩计划自动编制方法.根据待编列车序列构造排序二叉树;利用排序二叉树的有序性快速搜索出有序车组序列,将其作为下落方案的可选集.考虑邻组、暂合列内收编固定组组别和空闲组别、端组等因素,从可选集中筛选出较优的下落方案.通过定义收编固定组简化列车收编过程,实现列车收编过程的计算机自动编制.通过实例验证,采用该方法降低了选择下落方案的复杂性,减少了列车编组钩计划的调车钩数,而且可根据实际调车线数灵活调整方案.     

车站通过能力计算中的数据处理方法

采集完备而合理的原始数据是计算车站通过能力的基础。为解决客观环境及人为因素造成采集数据失真和影响可靠性的问题,一方面运用灰色系统理论中的弱化缓冲原理进行数据预处理,即从原始数据序列中提取出显著偏离序列的数据元素,采用二阶缓冲数据处理方法进行数据弱化,并将预处理后的数据对应替代原始数据序列中被提取的数据;另一方面,运用数理统计方法推导占用时间标准计算公式中的权重系数,以权重系数替代传统公式中的简单算术平均数。给出数据预处理方法和确定权重系数的具体步骤,并以重庆站成都方向至到发场第2股道的接车作业占用咽喉时间实际数据处理为例,验证了所给出方法可有效减轻随机扰动对原始数据采集的不利影响,使设备占用时间标准的确定更加合理。     

系杆拱桥吊杆索力张拉的模型试验研究

钢管混凝土系杆拱桥吊杆索力张拉是系杆拱桥施工的重要步骤。本文结合相似比理论,根据现场实际桥梁模拟浇筑1∶16试验模型,采用有限元分析得出实际桥型与实验室模拟桥型的索力张拉值。通过与兰新铁路第二双线实际桥梁的张拉值对比,得出索力张拉顺序对各个吊杆索力的影响,以及索力在第一次张拉完成后实测值与预期张拉值的相差值,通过实测值反推出系杆拱桥索力张拉初始值。实验室桥梁模型模拟实际桥型进行索力的测定和调整,对现场施工以及对系杆拱桥的调索具有指导意义。     

基于非等时距加权灰色模型与神经网络的轨道不平顺预测

对轨道不平顺的发展趋势进行有效预测,可以提高铁路线路养护的维修效率,保障行车安全。根据轨道不平顺的发展特性,提出一种基于非等时距加权灰色理论和神经网络法的组合预测方法。该方法通过构建非等时距加权灰色预测模型,将原始TQI序列的平均值作为累加序列初值,将连续累积函数的积分面积作为背景值,对累加序列进行加权处理,较好地反映了时间序列对轨道不平顺预测结果的贡献。在此基础上,引入BP神经网络模型对TQI预测的残差序列进行修正,较好地克服了单一模型预测精度偏低的不足。分别对沪昆线上行两段线路的轨道不平顺进行预测,结果表明该预测方法相对误差平均值分别为2.76%和2.08%,预测结果的后验差比值分别为0.121和0.151,精度等级达到1级。     

隧道横断面测量及数据处理分析

以北京地铁8号线清河小营站—永泰庄站盾构区间隧道右线为例,通过全站仪和棱镜测出管片上若干点的坐标,采用Excel和CAD等软件测算出管片实际偏移值,并将结果提交给设计作为调坡调线的依据。     

基于 SSA-SVR 模型的城市轨道 交通短时进站客流预测

针对现有城市轨道交通短时客流量预测单一模型可能存在预测不稳定的问题,提出一种基于奇异谱分析 (singular spectrum analysis,SSA)和支持向量回归(SVR)相组合的预测模型。该组合模型利用奇异谱分析(SSA)将轨 道交通原始时间序列客流数据进行分解和重构,对重构后的时间序列按奇异值从大到小进行排序,得到含有原始 时间序列数据主要信息成分的重构序列,将重构后的时间序列作为支持向量回归模型(SVR)的输入条件,最后进 行各站点的短时进站客流预测。采集 2015 年 11 月北京市全网的城市轨道交通进站客流数据,对提出的短时客流 预测模型进行验证和对比分析。结果表明,组合模型预测精度相比 ARIMA、SVR、CNN-LSTM 和 T-GCN 模型具 有更高的预测精度和更稳定的预测表现,具有一定的实际意义。     

基于径向基神经网络的铁路客货运量预测研究

根据径向基神经网络具有分析非线性动态系统的混沌特性的特点,对铁路客货运发送量相关时间序列进行分析和研究,在Takens相空间重构的基础上,利用互信息方法求嵌入时延、伪邻域方法求嵌入维数;应用G-P方法和最大Lyapunov指数方法对铁路客货运量时间序列进行混沌识别;根据RBF神经网络的学习算法和辨识原理,对铁路客货运量预测流程进行分析。应用径向基神经网络对铁路客货运量自1999-01-01-2012-08-27共4 988 d的发送量为基础进行径向基神经网络预测;并对预测误差进行检验及对预测结果进行分析。研究结果表明：基于径向基神经网络预测值能很好地与实际值相吻合,因而在铁路客货运量相关时间序列中预测有广泛的实用价值。     

调车机车障碍物自动检测识别技术研究

针对调车机车不能实施有效安全监控的现状,开发了基于视觉的车辆障碍物检测识别技术。透视变形使得视觉系统对目标的检测识别受距离影响。因此提出距离相关的变N值区域采样目标检测方法和距离无关的自相关目标识别方法。特点是不用对摄像机进行标定,使用方便,算法简单,运算速度快,识别距离远。用不同的N值对不同距离处铁道宽度进行水平等分并且在车辆目标位置形成区域采样网格。由于模型图像采样网格密度也由N值决定, 利用网格上的点集自相关方法将实际序列图像中不同大小目标区域与同一模型进行匹配。现场实验表明:用一般摄像机,在120 m之内是可行的。每幅图像的计算时间为0.5 s,达到了实时、实用、安全的目的。     

城轨区间运行时分-最优能耗值函数的B样条拟合方法

由于城轨日常行车对区间运行时分的多样性需求,不同运行时分下区间列车运行策略的优化求解极为困难.通过丰富的实际列车运行数据拟合,获取运行时分?最优能耗间的函数关系.将区间内每一列车运行策略对应的运行时分和能耗值作为数据点,根据数据特点构建劣点判别规则从原始数据中剔除能耗值较高的不合理数据,筛选得到最优拟合数据点集.提出基于遗传算法的B样条拟合方法,结合遗传算法寻求B样条曲线的最优参数向量和控制顶点数,拟合得到运行时分-最优能耗值函数曲线.通过某城市地铁区间的实际列车运行数据进行验证,证明本文提出的拟合方法精度高、速度快,绘制出的运行时分-最优能耗值函数曲线能够为城轨列车运行组织提供依据.     

基于灰色区间理论的重载铁路轨道质量指数发展预测

基于一重载铁路大量历史检测数据,利用灰色区间理论建立了重载铁路轨道质量指数的灰色区间预测模型,对重载铁路轨道质量指数变化规律进行了预测。模型采用分段三次Hermite插值函数将非等时距序列转化为等时距序列,将所选区段单次检测平均值作为观测值,根据预测结果反算求得每个单元区段的轨道质量指数预测值。结果表明,采用灰色区间预测模型能够对重载铁路轨道质量指数的发展变化进行高效率、高精度的模拟与预测。     

快递服务中心的排班规则设计——以贵州交通职业技术学院为例

对贵州交通职业技术学院快递服务中心的人力资源配置和排班进行案例研究。通过调研获取数据,然后采用时间序列模型预测出下一年的快递收派量,结合快递收派量计算出每天所需工时数;考虑实际的轮班情况,以人力成本最小为目标,构建了相应的数学模型;基于Excel对模型进行优化求解,并给出了实际排班规则。优化方案在满足相关需求的同时节约了人力成本投入,为校园快递服务中心的实际人力资源配置提供了借鉴。     

基于季节分解和SARIMA-GARCH模型的铁路月度客运量预测方法

首先,根据铁路月度客运量时序图呈现的趋势性、周期性和随机波动性,运用季节分解法将其分解为趋势循环分量、季节因子分量和不规则分量,直观量化地表征出所蕴含的特征信息。接着,引入季节时间序列模型(SARIMA)对平稳化和单整检验后的月度客运量序列的趋势性和季节性进行建模,通过季节差分序列的相关图筛选确定出最佳模型阶数,得到SARIMA基础预测模型。然后,为提高模型对波动性的刻画精度,消除异方差影响,再对基础模型的回归残差进行ARCH检验,构建出广义自回归条件异方差(GARCH)模型,并检验所建SARIMA-GARCH融合模型的稳定性。最后,将融合模型与常规SARIMA、ARIMA和NAR动态神经网络模型的短期预测值进行精度对比验证,并对其中长期预测性能做测试分析。结果表明,SARIMA-GARCH模型短期预测性能优于SARIMA、ARIMA和NAR动态神经网络模型。     

基于自适应参数估计的列车制动减速度控制

针对列车制动实际减速度有重要影响的不确定参数,提出基于自适应参数估计的新型减速度控制模式。通过硬件在环半实物仿真试验平台进行试验验证。试验结果表明新型减速度控制算法有效提高了制动控制系统对列车运行不确定参数的鲁棒性。当实际闸瓦摩擦系数偏离制动控制系统预设值时,减速度控制器可以估计出闸瓦摩擦系数的实际值,提高了实际减速度对目标减速度的跟踪效果;当列车在坡度为±30‰的坡道上运行时,减速度控制器能估计出坡度值,减速度控制误差由传统非减速度控制模式的±0.3m/s2减小到了±0.1m/s2;在不使用空簧压力信息计算车辆制动质量的情况下,减速度控制器能估计出列车的实际制动质量,获得了类似于传统非减速度控制模式的控制效果,为简化制动系统硬件的气路设计提供了可能。