智能分析系统在高速铁路信号系统中的应用

描述了智能分析系统在高速铁路信号系统中的应用。智能分析系统能实时地发现设备隐患,发现设备故障并定位和告知原因。能推动高速铁路维修实现"状态修"和"预防修"。     

关于SDH系统误码门限设置探讨

当SDH系统产生不可用秒(UAS)告警且对业务造成影响时,SDH系统却没有发生复用段倒换,没有起到保护业务作用。为此,从SDH复用段保护环倒换机制和倒换条件,SDH系统误码性能检测方法,以及ITU-T误码门限定义等方面进行分析,寻找SDH系统没有正常倒换的原因,并提出改进方案。     

广州地铁1号线加装屏蔽门工程施工经验

在运营线路上加装屏蔽门,一方面要保证运营期间的绝对安全,另一方面又要保证晚上停运后的施工安全高效有序地进行,因此要充分利用原工程竣工图资料,并认真做好现场勘察工作;建立安全组织架构与体系,做好站内相应的防护措施;充分做好白天的施工准备工作,施工材料尽量预安装,以减少现场工作量;做好交叉施工策划,充分利用现场站台纵向和横向空间;制订完善的应急预案,确保现场问题及时解决处理;认真研究并确定施工顺序和步骤;充分与运营部门协调、沟通,使各方形成合力;制订严谨的屏蔽门5000次测试方案和功能测试方案;在车辆段设置管理基地和临时施工场地;在站内设置临时工具房、临时导向标识和提示,在列车上增加语音提示等.     

地铁综合监控系统的集成模式

通过对国内外城市轨道交通综合自动化系统的调研,结合广州地铁多条线路的综合监控系统的实际工程经验,详尽分析目前地铁综合监控系统的集成模式.通过比选指出顶端信息集成模式存在的不足,并提出将相关控制层设备纳入综合监控系统的深度系统集成模式的设计新思路.     

直线电机列车-高架桥系统动力相互作用分析

采用模态综合技术,建立直线电机轨道交通系统的车桥动力相互作用分析模型,对直线感应电机轨道交通系统的电磁力的产生及其对列车、高架桥梁的动力作用进行理论分析和研究,指出这是进一步研究城铁高架桥梁的动力响应以及直线电机列车在桥上的运行安全问题的一种可能途径。     

电子真空系统在某型纯电动车上的应用

传统燃油汽车大多采用真空助力伺服制动系统,其真空源由发动机提供。而纯电动车的制动系统由于没有真空动力源,仅仅由驾驶者对踏板操作产生的制动力无法实现制动效果。文章针对某型电动轿车提出了一种电子真空助力制动系统的设计方法。     

湖北沪渝高速长大纵坡交通安全改造方案

文章主要对山区高速公路长度较大,且坡度较陡路段的交通事故分析,捋清各种事故的共同特点和诱发因素,从事故状况、路线状况、事故原因分析、交通设施的角度对湖北沪渝高速公路鄂西段提出了安全改造方案,由于运营的原因,现在进行安全改造不太可能采用路线的措施。上面所提到的措施可以同时运用,也可以选用其中一种或几种,都将在一定程度上减少事故次数、降低事故严重程度。在此基础上,为鄂西段高速公路的安全管理提出一些参考建议,为高速公路长大下坡路段的安全设计与风险管控提供有益的指导。     

面向“工程认证”的《汽车构造》教学设计

工程教育专业认证(简称"工程认证")是我国"五位一体"高教评估体系的重要组成部分,是新形势下促进我国高等工科教育发展、提升高等院校工科人才培养质量的重要方法和途径。本文立足重庆理工大学车辆工程专业工程认证建设实际,以专业核心必修课程《汽车构造》为对象,结合工程认证标准与成果导向(Outcome-based Education,简称OBE)理念,对其进行面向"工程认证"的教学设计,包括教学目标设计、教学内容及方式设计、教学评价设计及课程学习建议,为我校乃至其他高校车辆工程专业工程认证建设提供有益借鉴。     

行人头部与车辆碰撞中旋转速度对颅脑组织响应影响

为了探究旋转速度在行人头部与车辆碰撞中对颅脑组织响应影响,对46例真实交通事故进行了运动学重建获得行人头部与车辆碰撞线性、旋转速度分布特征,并依此建立了头部与风挡、发动机罩碰撞有限元仿真模型,分析了头部旋转速度在不同线性速度和碰撞位置下对颅脑应力应变响应影响特征。结果表明:在行人头部与风挡碰撞中,当线性速度小于40 km/h时,颅脑最大主应力和Von Mises应力随头部旋转速度增加而增大,头部线性速度大于40 km/h时,旋转速度对颅脑响应无显著影响;在行人头部与发动机罩碰撞中,所有工况下颅脑最大主应力和Von Mises应力均随头部旋转速度增加而增大,导致颅脑损伤风险显著增加。因此,在车辆安全性评价时应当考虑头部旋转速度作用及风挡玻璃和发罩碰撞差异。     

基于深度学习的智能车辆视觉里程计技术发展综述

针对基于模型的视觉里程计在光照条件恶劣的情况下存在鲁棒性差、回环检测准确率低、动态场景中精度不够、无法对场景进行语义理解等问题,利用深度学习可以弥补其不足。首先,简略介绍了基于模型的里程计的研究现状,然后对比了常用的智能车数据集,将基于深度学习的视觉里程计分为有监督学习、无监督学习和模型法与深度学习结合3种,从网络结构、输入和输出特征、鲁棒性等方面进行分析,最后,讨论了基于深度学习的智能车辆视觉里程计研究热点,从视觉里程计在动态场景的鲁棒性优化、多传感器融合、场景语义分割3个方面对智能车辆视觉里程计技术的发展趋势进行了展望。