基于谐波合成法的轨道随机不平顺数值模拟

针对轨道不平顺所致的列车随机振动问题,采用单维单变量随机场谐波合成法,引入轨道垂向、轨向及水平交叉谱的影响,以轨道不平顺谱为输入,对轨道不平顺过程进行模拟。通过对模拟样本的谱密度函数、相关函数检验验证表明,谐波合成法能有效地模拟出符合要求的随机样本,为轨道随机振动分析提供恰当的时域输入函数。以美国第6级线路轨道垂向不平顺功率谱为输入谱的数值算例,用谐波合成法模拟的轨道时域样本及其功率谱密度,与目标谱吻合较好。     

轨道不平顺波长和幅值对高速动车组动力学性能的影响分析

为了更有针对性地控制高速铁路轨道不平顺,保证某型高速动车组在线路上安全、平稳运行,通过动力学仿真,分析轨道不平顺波长和幅值对车辆动力学性能的影响规律,确定轨道养护维修时需重点关注的不平顺波长范围.针对某型高速动车组,将轨道不平顺简化为不同波长、不同幅值的谐波型高低、轨向、水平和扭曲不平顺,基于车辆-轨道耦合动力学模型对不平顺激扰下的车辆动力学性能进行仿真分析.分析表明,中、短波长的不平顺对轮轨动力相互作用和行车安全性有显著影响,对运行平稳性也有一定影响;中、长波长的不平顺主要影响运行平稳性.不平顺幅值对车辆动力学性能指标的影响规律基本呈线性变化,敏感波长条件下的不平顺幅值变化对系统动力响应的影响尤为显著.分析结果确定了某型高速动车组的敏感波长范围及其幅值影响规律,明确了养护维修重点,将有助于提高养护维修效率,提升高速动车组运行品质.      

基于惯性基准法的轨道高低不平顺检测与预警系统

轨道高低不平顺是轨道线路不平顺的类型之一,当车辆运行时,严重的轨道高低不平顺会加剧垂向振动,降低车辆的平稳性,因此,为保证车辆安全运行,在轨道线路维护中对轨道高低不平顺的检测是至关重要的.针对传统轨道高低不平顺检测方法的不足,设计出一套新型的轨道高低不平顺检测与预警系统,该系统以惯性基准法为基础,结合惯组单元、激光摄像、工控机等现代化技术进行研制.相关计算结果表明,该系统能精准、高效地检测出钢轨的高低不平顺,同时能对轨道高低变化趋势做出预测,且整套系统操作简单,易于维护,能为轨道高低不平顺检测装置的未来发展提供一种新思路.     

本期导读

正为了更有针对性地控制高速铁路轨道不平顺,保证某型高速动车组在线路上安全、平稳运行,通过动力学仿真,分析轨道不平顺波长和幅值对车辆动力学性能的影响规律,确定轨道养护维修时需重点关注的不平顺波长范围。针对某型高速动车组,将轨道不平顺简化为不同波长、不同幅值的谐波型高低、轨向、水平和扭曲不平顺,基于车辆-轨道耦合动力学模型对不平顺激扰下的车辆动力学性能进行仿真     

基于时间序列相似性搜索的交通流短时预测方法

为了进一步提高交通流短时预测的效果,在分析现有预测模型存在问题的基础上,设计了1种基于时间序列相似性搜索的交通流短时多步预测方法.利用界标模型对交通流时间序列数据进行模式表示,在历史数据库中搜索与当前交通流时间序列相似度较高的历史时间序列,进而确定与预测时刻相对应的历史数据,利用回声状态网络模型实现交通流的短时多步预测.采用某特大城市快速路5 min采样间隔的交通流量数据进行实验验证和对比分析.实验结果表明,回声状态网络模型的预测精度分别比ARIMA模型和BP神经网络模型提高了6.25%和3.85%,以时间序列相似性搜索结果作为模型输入数据能够进一步提高交通流短时预测的精度.      

轨道随机不平顺的数值模拟

分析了轨道不平顺产生的原因,介绍了轨道不平顺的测量方法以及应用随机振动理论对轨道不平顺进行特征统计的参数,并采用三角函数法求得轨道系统随机不平顺的模拟量,从而为研究列车-轨道系统的动力学效应提供了一种简便方法。     

高速铁路不同结构类型曲线轨道的轮轨动态相互作用特征分析

为了研究高速铁路不同结构类型曲线轨道的轮轨动态相互作用特征,以期为动车组在线路上的适应性设计提供参考,通过动力学仿真的手段,针对我国高速铁路常见的的板式无砟轨道、双块式无砟轨道和有砟轨道等多种类型轨道结构,采用车辆-轨道耦合动力学模型,选取轨道随机不平顺和钢轨波浪形磨耗不平顺,计算了高速动车组通过曲线时的轮轨动态相互作用响应,分析了动车组在不同结构类型曲线轨道上运行的动态相互作用特征.结果表明,动车组在不同结构类型的曲线轨道上运行时,轮轨垂向动态相互作用指标随速度增大而增大,轮轨横向动态相互作用指标随速度增大呈先减小后增大的规律.随机不平顺作用下,动车组在不同结构类型曲线轨道上动力学性能很接近,其在无砟轨道上的运行性能略优于在有砟轨道上的运行性能;钢轨波浪形磨耗不平顺作用下,CRTSⅡ型无砟轨道上的轮轨动态相互作用最强,CRTSⅠ,CRTSⅢ和双块式无砟轨道次之,有砟轨道最弱.      

基于改进GA-BP的模糊神经网络在高速公路交通量预测中的研究

科学准确预测运营期高速公路通行量能够对运营决策提供关键性支撑,同时,对高速公路路网建设规划、国民经济评价及投资效益分析也至关重要。人工神经网络算法能够映射高速公路交通量产生与变化的非线性和复杂性规律。为了提高传统BP网络高速公路交通量预测精度,提出了改进算法,通过遗传算法优化网络初始权重,引入峰值理论和模糊算法提高网络模型对较大流量的预测准确度;将优化算法应用于网络模型,建立了基于改进GA-BP的模糊神经网络高速公路交通量预测模型;模型应用于太原市绕城高速公路长风东收费站交通量预测,将预测值与实际统计值进行对比;应用结果验证了改进神经网络模型的有效性和准确性。     

BP人工神经网络在铁锣坪斜拉桥施工控制中的应用

以沪蓉西国道主干线铁锣坪特大桥为工程背景,引入了BP人工神经网络对未施工梁段的前端标高变化进行预测,将影响梁段标高变化的因素作为输入样本,实测标高变化作为输出样本对BP网络进行训练,利用BP网络具备输入参数与输出参数之间的非线性映射关系的特点对后续梁段在斜拉索第三次张拉完毕后的标高变化进行预测。     

基于多时间尺度一步外推的短时交通参数多步预测方法

为了进一步提高短时交通参数多步预测的效果,以自适应指数平滑法、BP神经网络法和小波分析理论作为基础模型,利用前一时刻预测误差确定基础模型在组合模型中所占权重,提出了一种交通参数一步预测组合模型;通过分析交通参数合成和分解机理,在分别提出多时间尺度交通参数合成方法和交通参数分解方法的基础上,设计了一种基于多时间尺度一步外推的短时交通参数多步预测方法,采用某大城市感应线圈1 min时间尺度的交通参数数据进行了验证和对比分析.验证结果表明,交通参数一步预测组合模型的预测效果明显优于任一基础模型,且该方法的多步预测效果明显优于循环一步外推短时交通参数多步预测方法.