摆式列车倾摆控制信号预测及动力学仿真

为研究摆式列车倾摆控制信号预测方法,建立“动车＋拖车＋拖车”3辆车编组的摆式列车机电耦合系统动力学模型。建模中考虑了列车系统中存在的轮轨蠕滑力非线性、钩缓作用力非线性和悬挂力非线性。摆式列车通过安装于头车前转向架的陀螺仪在线检测曲线,对测出的横向加速度信号进行滤波和实时生成倾摆控制信号。为了补偿加速度信号的滤波延时,对倾摆控制信号的预测分别采用线性插值法和线性BP神经网络预测,并仿真研究摆式列车曲线通过性能。数值仿真结果表明：线性插值法预测和神经网络预测均能有效补偿加速度信号的滤波延时,使头车及时倾摆,大幅度降低未平衡横向加速度;在输入信号波动较大和预测时间较长时,神经网络预测效果更好;倾摆控制信号的预测方法对车辆动力性能影响不大。     

基于非线性补偿的轨道交通列车自定位方法研究

列车精准定位对列车运营安全有着十分重要的意义。在某些国外地铁项目中，受限于技术体系的成熟度和设计成本，常规的GPS定位和CBTC定位技术无法满足项目对列车定位的需要，文章为此提出一种基于非线性补偿的轨道交通列车自定位方法。该方法能够在不增加新设备（如GPS、CBTC等）的情况下，仅依赖于车载既有设备实现列车位置的精确定位。所提出的方法系统组成简单、成本低、精度高、可靠性高（不受环境影响），具备推广意义。具体思路为：首先利用神经网络建立列车瞬时速度的补偿模型，通过补偿模型提升列车瞬时速度的精度；然后根据补偿后的列车实时运行速度与列车运行时间作积分累积得到列车实时的运行距离，再根据列车的固定运营线路图，计算得到列车距下一站的距离，实现定位。试验证明，补偿后的定位精度小于0.2 m，较补偿前提高了3～4倍。     

滑坡变形的支持向量机非线性组合预测

在分析支持向量机(SVM)用于时间序列预测和非线性组合原理基础上,提出基于支持向量机的非线性组合预测方法。利用4种单项预测方法,包括SVM、径向基函数前向型神经网络(RBF)、反馈型神经网络(El-man)及3层神经网络(ANN),分别进行滑坡变形时序的建模与预测。对4种方法的预测结果再采用线性组合方法(简单平均、方差倒数、改进最优加权系数)和非线性组合方法(SVM、BP神经网络)进行组合预测及方法性能的比较。结果表明,非线性组合的平均相对误差明显低于线性组合方法,且对滑坡这种具有一定程度不确定性的非线性系统,SVM的非线性组合方法有着更理想的预测效果,7步外推预测准确度控制在89.3%以上。而与BP神经网络非线性组合相比,SVM也具有更好的稳健性和泛化性。     

RBF神经网络在铁路货运量预测中的应用

基于回归和时间序列模型的传统预测方法以及目前较为常用的灰色预测和BP神经网络预测方法，建立了RBF神经网络模型对全国铁路货运量进行详细分析和预测。利用铁路货运量的原始数据构造时间序列，并对时间序列进行分析和相应的处理。将处理后的数据构造为一个非线性映射，利用RBF神经网络进行逼近。利用Matlab对灰色预测、BP神经网络预测和RBF神经网络预测模型进行仿真实验，得出3种预测模型的平均相对误差，分别为7.67%、4.79%和1.31%。表明RBF神经网络预测方法的预测精度比另外两种预测方法高很多，可为铁路货运量预测研究提供方法支撑。     

基于人工神经网络的50CrMoA钢应力强度因子幅度门槛值△Kth的预报

应力强度因子幅度门槛△Kth值受多个非线性因素的影响。在人工神经网络研究领域中，已经证明具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数，因而在模式识别和函数逼近上得到普遍应用。基于该原理，采用人工神经网络的反向传播算法研究50CrMoA钢应力强度因子幅度门槛值△Kth的预报，使BP神经网络在△Kth值预报中的应用得以实现。应用实验数据比较表明：利用神经网络得到的输出值与实验值之间最大误差为1．6392％，说明该模型在学习样本数据的基础上，可以对应力强度因子幅度门槛△Kth值进行预测。且具有预测精度较高、方法简便易行的特点，并有很强的学习和容错功能。     

基于双向权值调整算法的神经网络非线性系统辨识

使用神经网络建模是非线性系统辨识的一个重要方法。为克服传统BP算法训练多层前向神经网络进行系统辨识中存在的一些问题,本文提出一种使用双向权值调整学习算法训练单隐层前向神经网络进行非线性系统辨识的方法。此辨识方法使用结构简单的单隐层前向神经网络,在正向阶段由Moore-Penrose广义逆确定输出权值,反向阶段则按误差梯度下降原则对隐层权值进行调整。算法能在正向和反向两个过程对网络的权值做出调整,具有较快的学习速度,并且能在一定程度上保证神经网络的泛化能力。通过基准辨识仿真实验验证,基于此方法的非线性系统辨识具有建模结构简单、训练速度快且辨识精度高的特点。     

基于TCNN-MADLSTM的全并联AT牵引网多元信号融合故障定位

全并联AT牵引供电系统上下行线路并入自耦变压器，致使故障信号多路径传播，且牵引网导线阻抗不连续，传统方法很难实现牵引网故障准确定位。基于AT牵引网结构，推导牵引网上下行导线故障电流幅值与故障距离的非线性关系；基于改进的卷积神经网络(Transformer-based CNN,TCNN)和记忆注意力解耦长短期记忆神经网络(Memory Attended Decoupled LSTM,MADLSTM)，通过增加注意力机制和残差连接，增强多导线电流幅值与故障距离的非线性函数关系，从而提高牵引网故障定位的精度；将前述方法与传统的卷积神经网络(CNN)和长短期记忆神经网络(LSTM)进行不同噪声条件下的对比验证。结果表明：基于TCNN+MADLSTM算法进行故障定位时，可自适应构建故障距离与多导线电流幅值的非线性函数关系，以及自适应计算故障距离，无须考虑波速影响；相较于传统的CNN+LSTM算法，TCNN+MADLSTM算法故障定位精度更高，故障区段识别精度可达100%，故障定位精度达72.100 m，均方误差为0.016 km²。     

用于NARMAX参数辨识的一种神经网络方法

本文提出一种适合于ＮＡＲＭＡＸ参数辨识的神经网络模型和相应的训练算法，该模型能直接辨识ＮＡＲＭＡＸ参数，结构简单，辨识率高。为非线性系统的参数辨识和模态分析提供了一种有效的方法，仿真结果表明，文中所提出的神经网络方法和相应的算法是有效的。     

摆式列车倾摆伺服控制系统辨识方法仿真研究

针对摆式列车倾摆伺服控制系统的原理及特点,应用不同的辨识方法对倾摆伺服控制系统进行辨识,并对各种方法辨识结果进行比较。仿真试验结果表明:当考虑倾摆控制系统的非线性时,神经网络方法能很好地辨识出倾摆伺服控制系统的动态特性,解决倾摆伺服控制系统辨识中的非线性问题,而其它方法较差。     

车辆横向半主动悬挂的神经网络自适应控制

分析了车辆半主动悬挂模型的非线性特性，提出了采用神经网络的半主动悬挂自适应控制模型，设计了神经网络辨识器和控制器，采用专门算法修正控制器网络权值，仿真计算表明，神经网络自适应控制的半主动悬挂系统能有效改善车辆横向平稳性。     

混合型并联有源滤波器的研究

为实现对非线性负载的谐波补偿和电压调节功能,提出了一种混合型并联有源滤波器.综合考虑系统稳定性和谐波补偿效果,采用了反馈加前馈的控制策略,对比研究了系统补偿特性,并讨论了容性和感性无功补偿问题.仿真与试验结果证明了该混合型并联有源滤波器工作的有效性.     

基于新型单周控制技术的开关功率放大器

分析了新型单周非线性PWM控制开关功率放大器存在的延时问题及由此引起的直流偏置问题,提出了电压补偿解决方案,给出了补偿电压计算公式.补偿前和补偿后系统仿真结果的比较表明,电压补偿方案不仅能有效地消除延时问题,同时还改善了功率放大器的总谐波畸变率(THD),验证了理论分析的正确性.     

基于补偿反馈线性化的悬浮控制器设计

电磁型磁浮列车的悬浮系统为典型的非线性系统,经常受到外界扰动影响而失去稳定。针对悬浮系统的这种特点,设计一种干扰补偿的非线性悬浮控制器:在合理假设的基础上,建立EMS型磁浮列车悬浮系统的非线性数学模型;通过反馈线性化将该非线性模型精确线性化,得到等价的线性模型。然后,设计将反馈线性化补偿与扩张状态观测器相结合的悬浮控制器,利用外部扰动观测值对悬浮系统进行补偿。这一设计可大幅度提高悬浮系统的抗干扰能力。仿真实验结果表明,该控制器的控制性能明显优于基于反馈线性化方法设计的控制器,对干扰具有更强的鲁棒性。     

基于非线性观测器的IPMSM无位置传感器控制

为了解决内嵌式永磁同步电机(IPMSM)无位置传感器控制中转子角度和速度估计问题,根据IPMSM的状态方程和非线性理论,设计了一种非线性状态观测器,并基于Lyapunov稳定性原理讨论了观测器稳定条件.同时考虑负载影响,加入了负载转矩的观测由于模型参数问题和采样精度问题,状态变量的观测值和实际值存在一定误差,因此对角度和速度观测值分别进行了修正.仿真和试验研究表明,改进后的非线性观测器能够准确估计转子角度和速度,可以获得良好的动态和稳态性能.     

基于定位装置参数等效的接触网二维力学模型

接触网既是供电的线路,又是受电弓的滑道,其结构为三维柔性索网,当受电弓通过时,支持点和张力补偿点不存在瞬时大位移,其动态行为可以忽略,定位点由于存在非线性铰接,定位点处的动态行为不能被忽略。为等效定位点的动态行为,通过静力学分析,简化三维力学模型,将定位装置的三维非线性铰接等效为二维线性弹簧,并推导弹簧的等效刚度值计算公式,得到接触网二维力学模型。最后通过仿真实例,验证接触网二维力学模型的静态和动态效果与接触网三维模型完全吻合,并确认定位装置等效刚度的计算方法。     

动态补偿在CRH2型动车组例行试验供电电源中的应用探讨

针对高速动车组例行试验用三相变单相牵引供电变压器原边三相电流不平衡问题,从补偿原理、补偿手段及补偿效果3个方面进行了深入分析,并提出了动态补偿的解决方案。     

电气化铁路动态无功补偿容量的计算方法

为准确计算电气化铁路牵引变电所动态无功补偿的容量,比较了常用无功补偿容量的计算方法,通过对动态无功补偿原理的分析,提出了一种适用于电气化铁路动态无功补偿容量计算的新方法。该方法先测出牵引所典型负荷日的相关数据,然后应用matlab软件编程,对测试数据进行处理,计算出动态无功补偿的容量,并通过具体的应用实例,验证了该计算方法的准确性和实用性。     

开关电源环路补偿计算及辅助软件Mathcad的应用

开关电源的环路补偿对电源系统的稳定性、可靠性起着决定作用,因此如何设计出合理可靠的补偿参数十分重要。介绍开关电源环路补偿的条件,并以BUCK电路为例进行环路补偿电路选择及补偿电路元件参数的计算。     

免维护补偿电容的性能及应用

在UM71无绝缘轨道电路和ZPW-2000A移频自动闭塞中,为了改善轨道电路的传输特性,补偿电容起到非常重要的作用。但在实际使用中,补偿电容的损坏问题突出。结合现场实际状况,分析补偿电容损坏的主要原因,提出相应的防护措施。     

无功就地补偿技术在南京长江大桥上的应用

无功就地补偿技术是提高系统功率因数、降低线路损耗、提高电力能效的一种主要方法。简要叙述 3种无功补偿的方法及存在的问题 ;详细介绍无功就地补偿技术在南京长江大桥的应用情况及补偿容量的计算