排序方式: 共有19条查询结果,搜索用时 15 毫秒
11.
针对高速铁路山区路段列车运行特性导致的牵引网电压出现抬升与降落及网侧谐波含量较高易引起牵引网谐振过电压的问题,提出一种基于车载储能系统的解决方案.首先提出考虑牵引网电压波动的车载储能系统拓扑,并根据储能系统SOC及列车实时功率对储能系统的工作状态进行划分.其次研究山区路段列车行车致使牵引网电压波动的机理,在此基础上分析储能系统对牵引网电压的补偿原理.进一步研究了基于车载储能系统的牵引网谐波电流治理方案,并根据控制目标研究储能系统中四象限变流器及双向DC/DC的控制策略.通过多工况下仿真测试,验证了所提拓扑及控制策略在山区路段出现的因列车运行特性引起的牵引网电压波动及牵引网谐波电流引起谐振过电压的治理效果.仿真结果表明,本文所提方案能有效抑制因列车工况引起的山区路段牵引网电压波动,并改善牵引网侧谐波电流,抑制谐振过电压的发生. 相似文献
12.
陈小强 《兰州交通大学学报》2000,19(6):8-10
介绍了机车姿态仿真系统的控制结构,通过对姿态仿真系统的分析,建立了机车仿真器侧向的数学模型;应用MTALAB求得仿真器的内外环阶跃响应,通过反复调试获得了外环控制器的控制参数,该参数为控制器的在线调试提供参考。 相似文献
13.
在某柴油机上将传统凸轮驱动气门机构改进设计为液压驱动气门机构,利用仿真软件GT-Power建立液压驱动气门柴油机模型,分析进气滞后角、排气提前角和气门重叠角对柴油机动力性的影响,然后以扭矩最大为目标对配气正时进行联合仿真优化,最后对比两种内部EGR实现方法在不同负荷下的EGR率和对NOx排放量的改善效果。研究结果表明,在外特性下,液压驱动气门柴油机在中低转速时的动力性和经济性有了明显改善,扭矩比原机提高了5.6%,燃油消耗率降低了5.1%;但由于液压气门响应滞后,随着转速的升高,改善效果逐渐降低。在转速2 000r/min时,排气门晚关比排气门早关可以获得更大的EGR率,NOx排放量降幅也比排气门早关的大,在50%负荷时,NOx排放量降幅最大为23.8%。 相似文献
14.
基于空气动力学理论分别推导了作用在接触线上的空气阻尼和脉动风气动载荷, 并将空气动力项添加至接触线波动速度公式中进行修正; 通过风洞试验和CFD绕流仿真得到了横风环境下的气动阻力系数, 分析了不同空气阻尼下接触线波动速度的变化规律; 基于AR模型和接触网的结构特性, 建立了具有时间和空间相关性的接触网脉动风场, 通过仿真计算分析了脉动风速和风攻角对接触线波动速度的影响。研究结果表明: 静风载荷引起的接触线空气阻尼很小, 当平均风速达到30 m·s-1时, 接触线空气阻尼仅为0.3, 接触线波动速度为549.1 km·h-1左右, 因此, 空气阻尼不会对接触线波动速度产生较大影响; 当来流风攻角为60°, 平均风速不大于10 m·s-1时, 脉动风下接触线波动速度标准差和最值差分别小于1和6 km·h-1, 此时接触线波动速度相对无风情况变化较小, 脉动风载荷对接触线波动速度的影响不明显; 当风速达到40 m·s-1时, 接触线平均波动速度较无风情况下降39.39 km·h-1, 且其标准差和最值差分别达到11.84和75.98 km·h-1, 此时接触线波动速度出现大幅下降与振荡, 最小波动速度低至474.16 km·h-1, 因此, 脉动风下风速越大, 接触线波动速度受脉动风载荷影响越显著; 当风速保持30 m·s-1, 来流风攻角为0°~30°时, 接触线波动速度标准差和最值差分别小于1和5 km·h-1, 此时脉动风载荷对接触线波动速度的影响较小; 当风攻角为90°时, 接触线波动速度标准差和最值差分别达到12.38和73.19 km·h-1, 此时接触线波动速度出现大幅下降与振荡, 最小波动速度低至472.91 km·h-1, 因此, 脉动风下来流风越偏于水平方向, 对接触线波动速度的影响越小。 相似文献
15.
16.
本文以某高速船用汽油机气缸盖做为研究对象,利用CFD软件对气缸盖内冷却液流动及传热过程进行流固耦合模拟,分析并评价了该汽油机气缸盖的冷却性能,并针对冷却水套缸垫上水孔提出优化方案。结果表明:气缸盖温度分布不均匀,最高温差约137K,缸盖水腔局部区域流动分布较差,鉴于此,本文依据正交设计方法提出了9种对缸垫上水孔尺寸及位置的优化方案,对比改进后的气缸盖温度场、流场结果,选择出最佳改进方案;改进后,水套内冷却液流动更好,冷却性能得到了改善,有效的降低了气缸盖壁面的温度。 相似文献
17.
18.
陈小强 《兰州交通大学学报》1997,16(3):49-53
介绍4自由度机车司机模拟驾驶装置姿态仿真控制系统软硬件设计思想,软件设计流程图及解决的主要问题,实践证明该控制系统设计合理,控制性能较好。 相似文献
19.
随着智能铁路的发展,人工智能技术得到广泛应用。通过深度学习对列车驾驶员手势实时检测,可提高检查驾驶员手势执行情况的效率,保证列车运行安全。针对现有手势识别算法识别精度低、检测速度慢、难以部署等问题,提出一种改进的YOLOv5s列车驾驶员手势识别算法。首先在原始主干网络的卷积操作之后添加CBAM模块,加强重要特征信息,抑制次要特征信息;其次在颈部网络中引入BiFPN模块,在不过多增加计算量的情况下,更好地实现多尺度特征融合;最后通过改进的K-means聚类算法生成适合本文数据集的先验框,更好地提升预测框精准度,加强模型的识别性能。实验结果表明,本算法在测试集上平均精确率均值为0.955,检测速度为71 FPS,网络模型所占内存为15.9 MB,验证了该算法具有识别精度高、检测速度快、模型内存占比小等优势,对于实现工程部署有重要意义。 相似文献