基于HPSO-WNN的牵引变压器故障诊断算法研究

为全面有效地诊断电力机车牵引变压器故障,提出一种基于混合粒子群算法的正交小波神经网络(HP-SO-WNN)方法,对牵引变压器进行综合测试和诊断。将色谱数据和电气试验数据作为正交小波神经网络的输入量,网络隐藏层采用具有正交性的小波函数db4作为基函数,利用混合粒子群算法获得正交小波神经网络的初始值并优化网络参数。试验结果证明,本文提出的HPSO-WNN确实可有效提高牵引变压器故障诊断速度和准确度。     

基于WNN算法的BTM故障诊断方法

高效、准确的故障定位技术是列车安全运行的重要保证。针对列车超速防护系统（ATP）车载设备故障分析存在复杂性高、依赖专家经验等问题,提出将小波神经网络（Wavelet Neural Network,WNN）算法应用于车载设备故障诊断的方法。针对车载设备中的应答器传输模块（Balise Transmission Module,BTM）,首先根据经常发生的故障类型,匹配ATP中相应的故障日志语句;然后建立网络结构,利用小波理论修正网络的权值与参数;最后结合WNN算法精准地分析和预测故障。选取BTM单元的100组故障数据作为样本进行仿真实验,并与BP神经网络、GA-BP神经网络以及SVM算法进行对比。实验结果表明：通过小波算法优化神经网络的测试样本平均绝对误差降低至6.917%,相关系数提高到97.402%,该算法在高速铁路列控车载设备故障分析方面有较高的准确性。     

列车全自动驾驶模式下的站台门全寿命周期管理

对适应全自动驾驶模式下站台门系统进行了分析,研究了全自动驾驶情况下站台门系统全寿命周期管理技术。从建筑信息模型技术在智能设计及现场安装中的应用、基于大数据分析的站台门系统状态监控、站台门系统寿命管理及智能维修和站台门系统应急管理等4个方面,对适应全自动驾驶情况下站台门系统全寿命周期管理技术进行了全面阐释。     

基于混合PSO-RBF神经网络的铁路隧道岩爆分级预测

岩爆是铁路隧道建设中主要灾害之一。为了准确预测铁路隧道岩爆烈度等级,以岩石应力系数σ_θ/σ_c、岩石脆性系数σ_c/σ_t以及弹性能量指数W_et作为岩爆烈度评价指标,提出一种基于混合粒子群优化算法优化的径向基(RBF)神经网络岩爆预测模型。首先在国内外研究成果基础上,选取80组已有岩爆实例作为模型基础数据;然后运用结合了模拟退火算法的粒子群算法(混合PSO)改进径向基神经网络,通过训练数据选取最优的权值W和基函数标准差σ,得到混合PSO-RBF神经网络岩爆烈度预测模型;最后将模型应用于实际铁路隧道工程进行验证。研究结果表明:该模型兼顾个体最优和全局最优,能够正确、有效的对铁路隧道岩爆等级做出预测,为铁路隧道岩爆预测提供了一种新方法。     

地铁信号与站台门接口故障分析

分析地铁信号与站台门系统接口故障对运营造成的影响以及地铁新线开通初期设备故障率较高的现状,对站台门状态未反馈及站台门不联动接口故障进行分析,阐述其发生的原因、处理办法。前瞻性地提出地铁新线建设时信号与站台门接口故障隐患防范措施和思路,减少设备故障率,最大限度降低信号与站台门接口故障对运营带来的影响,为新线正常运营奠定基础。     

基于DeepAR的短期风速概率预测

为对铁路沿线风速提前进行预判，保障桥梁施工及高速铁路列车运行时的安全，提出基于深度自回归模型(DeepAR)的短期风速预测方法。采用平潭海峡公铁两用大桥和西堠门大桥实测风速进行验证，并以包括小波包分解下的卷积神经网络和循环神经网络混合模型(WPD-CNNLSTM-CNN)在内的4种模型作为点预测对比模型，以SimpleFeed-Forward、ARIMA、Random Walk模型进行置信度为50%与95%的区间预测作为对比模型。研究结果表明：无论是点预测还是区间预测，DeepAR模型都能够在具有随机性、间歇性的短期风速序列中提取到特征信号并进行精度较高的预测，且相比于其他模型具有更好的准确性与泛化能力，可满足实际工程短期风速预测需求。     

基于混合方法的风速预测模型研究

为实现铁路沿线风速的高精度预报,建立若干基于混合方法的预测模型并进行性能比较。采用小波分解(WD)和经验模态分解(EMD)将原始风速序列平稳化,采用神经网络方法(BP, ANFIS和NAR)进行预测,形成6种混合模型:WD-BP,WD-ANFIS,WD-NAR,EMD-BP,EMD-ANFIS和EMD-NAR。引入基于单一方法的预测模型及时间序列模型ARIMA作为对照组,以平均绝对误差、平均绝对百分比误差、均方根误差比较各模型预测精度。研究结果表明:混合模型的预测性能优于单一模型;单一模型中,ARIMA的预测性能优于神经网络模型;混合模型中,WD-ANFIS的预测精度最高。     

基于IPSO-Capsule-NN模型的中欧班列出口需求量预测

为提高中欧班列出口需求量的预测精度,提出将改进粒子群算法(IPSO)与胶囊神经网络(Capsule-NN)相结合的预测模型(IPSO-Capsule-NN)。与全连接神经网络不同,胶囊神经网络通过动态路由算法增强了模型的拟合能力和泛化能力。利用改进粒子群算法优化胶囊神经网络的神经元数量、迭代次数以及学习率,以克服人为设定模型参数随机性较大导致模型精确度不高的不足之处。此外,针对标准粒子群算法存在的缺点,提出一种非线性递减惯性权重并引入Levy飞行对粒子群算法的全局寻优能力和收敛速度进行优化。将采用spearman秩相关性分析得到的11个因素作为中欧班列出口需求量的影响因素并对其进行预测,结果表明:胶囊神经网络具有2层隐含层时,IPSO-Capsule-NN模型预测精度更高。     

基于短时客流预测的地铁动态限流预警模型研究

结合国内外对限流阈值的研究,以站台滞留人数达到阈值为限流启动条件,构建地铁站点限流预警模型。以北京地铁十号线某站为例,验证了小波神经网络在短时客流预测方面的有效性,且进行了限流方案的详细分析。结果表明,该模型可得到限流时间和限流流率,以及站外最大排队长度等量化指标,为实现动态限流预警提供了科学依据。     

基于小波分析和神经网络的网络流量预测

网络流量的准确预测对于提高网络服务质量与网络安全有很重要的作用.本文主要对流量序列进行小波分解和重构,并结合神经网络对网络流量进行预测,新的算法可以有效提高预测精度.通过分析神经网络及非线性预测模型的优劣,建立一个网络流量预测模型.同时利用实际采集的网络流量数据对模型进行仿真,证实该模型可以有效控制由各种因素导致的误差,从而提高网络流量的预测精度.     

桥上无砟轨道结构形式对无缝道岔的影响分析

介绍桥上无缝道岔轨下基础“门”形筋混凝土道床、带限凸台道床板、底座纵连式道岔板5种无砟轨道结构。建立桥上3种无砟轨道结构的无缝道岔模型,提出计算参数,分析3种无砟轨道结构对桥上无缝道岔受力和变形影响,并进行计算。计算结果表明,桥上底座纵连式无砟轨道结构无缝道岔与桥梁的纵向相互作用力较小,是一种受力较为合理的结构形式。     

基于贝叶斯网络的驼峰超速连挂事故分析

针对驼峰超速连挂事故进行分析。分析对事故有重要影响的线路、调速设备和车辆等因素,考虑到贝叶斯网络能较好解决不确定性问题以及可以双向推理的特点,建立驼峰超速连挂事故树,并将其转化成贝叶斯网络,计算顶上事件的发生概率以及基本事件的后验概率。结果表明,超速连挂事故的主要影响因素为线路纵断面、调速设备制动能力以及新型重载车辆三方面。进一步考虑新型重载车辆的共因失效问题,建立贝叶斯共因失效混合网络,计算并分析新型重载车辆对超速连挂事故的影响程度以及对既有驼峰的适应性。     

基于轮廓特征拐点的遮挡车辆分离方法研究

遮挡是智能交通系统中车辆检测、跟踪和识别时较难解决的问题之一.本文主要针对智能交通系统中车辆之间的遮挡,以车辆常用的矩形模板为先验知识,首先对存在车辆遮挡的连通区域提取边缘轮廓,然后获取轮廓上的4类特征拐点,最后采用本文提出的基于轮廓特征拐点的车辆分离算法,将相互遮挡的车辆分离开来,便于后续对车辆的跟踪、匹配等处理.实验结果表明,本文提出的算法具有有效性、可行性和良好的应用前景.     

我国铁路客车空调研究领域急需引入人工神经网络

分析了我国铁路客车空调存在的问题和人工神经网络（ANN）在系统仿真、负荷预测、能量管理、故障诊断、系统辨识控制等方面的优势，综述了ANN在暖通空调（HVAC）中的应用及发展状况，阐述了我国铁路客车空调研究领域引入ANN的必要性和紧迫性。     

电力机车防寒设计探讨

分析我国高寒地区机车的运用状况,指出电力机车在低温环境下所面临的问题,并从机车的低温试验、关键部件、相关材料以及防寒加热等方面,提出电力机车防寒设计的技术措施。     

日本上越新干线列车脱轨事故探究

日本新县中越地区于2004年10月23日发生里氏6.8级浅层直下型地震,地震引起线路剧烈横向晃动和上下起伏震动,导致列车脱轨。在新干线沿线加大地震早期检测预报系统布设密度,研究新的地震波检测方法以及地震预报技术和装置。研究和试验L型防脱轨护轮轨,并对鱼尾板进行加厚改造。在转向架上安装振动加速度检测仪,提高制动反应速度。在转向架轴箱下面安装反L型车辆导向装置,车辆脱轨后,导向装置会钩住钢轨,防止车辆过远偏离轨道溜逸。用厚钢板包覆桥墩、向桥裂缝灌注树脂和用碳纤维布等方法对桥梁进行加固。通过对列车脱轨事故分析和采取的对策,为我国铁路建设提供参考和借鉴。     

隧道地质超前预报方法的探讨和研究

研究目的:通过隧道地质超前预报,掌握掌子面前方地质信息,为施工单位优化施工方案、安全科学施工、提高施工效率、缩短施工周期等提供依据,为预防隧道塌方、突水、突泥、突气等可能形成的灾害性等事故及时提供信息,具有重大的社会效益和经济效益。研究方法:本文以作者在八盘岭隧道和长梁山隧道地质超前预报的亲身经历为背景,着重介绍了隧道地质超前预报在我国铁路、公路、城市轨道交通等工程的长大隧道施工中的重要作用和研究的重大意义。研究结果:本文系统地分析和归纳总结了隧道地质超前预报的前期准备工作、地质超前预报目的及内容、预报的各种方法、预报成果的输出形式和方式、预报时间安排和过程、探讨和研究的结论等,侧重介绍了地质超前预报的各种方法。研究结论:地质超前预报是隧道施工的一个重要环节,应纳入施工工序,可以指导施工,为隧道施工提供科学依据。     

基于GIS的铁路信息化建设的探讨

介绍了地理信息系统的概念及特点，分析了数字化铁路和理念，阐述了地理信息系统与铁路信息化的关系，最后介绍了地理信息系统在铁路设施及资产的管理，物流与客流的监控，客货运营销以及运输安全与救援决策等方面的应用。     

基于多家乡技术的列车移动网络研究

针对在移动列车等公共交通工具上为乘客提供高速无缝的互联网接入服务的问题,本文对列车移动网络的自身特征以及所处无线网络环境进行分析,并建立一种基于多家乡技术的列车移动网络系统.构建具有多种无线外部接口和有线/无线内部接口的移动路由器,通过策略配置和网络状态实时监测,实现在多个不同类型的外部无线接口上进行流量分配和负载均衡的机制.提出一种基于自主选举方式的最佳移动路由器推举方法,通过分布式的协议消息交互推举出最佳移动路由器,保证了多个移动路由器的有效协同工作.仿真试验表明,本文提出的方案能够有效提高列车移动网络的总体可用带宽,降低列车运行所引起的数据传输速率抖动,增强网络连接的稳定性和可靠性.     

列车曲线上制动时的安全性分析

为分析列车在曲线轨道上制动时车钩偏角对车辆运行安全性的影响,建立了前后两节车辆之间的连挂关系,导出车钩偏角随轨道曲线半径、车辆长度和车钩长度的关系,通过求解3节车辆的中间车辆车体的通用载荷方程,导出车辆前后心盘所受的横向载荷.运用多体动力学方法,建立3节车辆的动力学模型,分析前中后不同车辆长度下中间车辆的运行安全性.分析结果显示:列车在曲线轨道上制动时,轨道曲线半径与不同长度的车辆连挂方式对心盘处的横向力影响较大;重车条件下,车辆的连挂方式主要影响车辆对轨道的作用力;空车条件下,车辆的连挂方式会影响车辆的运行安全性.