Bolster spring fault detection strategy for heavy haul wagons

An on-board health monitoring system is proposed for heavy haul wagons in this paper including a signal-based fault detection and isolation (FDI) method and an on-line fault diagnose strategy. Such a system, to be feasible on freight wagons, must be sufficiently cheap and robust, hence the design assumes the constraint of using only two accelerometers mounted on the front left and right rear part of each carbody in a heavy haul train. This paper focuses on the detection of bolster spring fault conditions. The problem is made more complex by the modes of failure which might be expected in bolster spring nests. Types of spring failure are firstly identified and discussed covering situations of broken (shortening springs) and softening (individual spring loss from a nest or cross-section loss through corrosion). The effects of these faults and their detectability were investigated using simulations on straight and curved track and using a fully detailed model of a typical 40?t axle-load heavy haul wagon. The simulation results were then examined and compared using cross-correlation analysis and an FDI system was proposed. The FDI system introduced five possible fault indicators. Initial results indicated that it was possible to detect changes in bolster stiffness of ±25%. An on-line fault diagnoses strategy is proposed for bolster spring faults which only requires data from wagon monitoring during travel around sharp curves to detect and the occurrence of confirm faults. The functionality envisaged needs only a ‘once per trip’ monitoring site, such as a sharper curve, and is aimed at condition monitoring rather than the provision of alarms or comprehensive monitoring of all events.     

基于遗传算法和极限学习机的智能算法在基坑变形预测中的应用

为解决传统智能算法网络结构参数复杂、运算速度慢等问题,基于遗传算法和极限学习机构建基坑变形的新型优化智能预测模型。先利用皮尔逊相关系数评价不同影响因素与基坑沉降变形之间的相关性,以确定极限学习机的输入层; 再采用试算法确定最优激励函数和隐层节点数,并将遗传算法和极限学习机耦合,利用遗传算法优化极限学习机的初始权值和阈值,以提高预测精度。经实例检验表明： 1)开挖时间、开挖深度、土体抗剪参数及重度均与基坑沉降变形显著相关,为构建极限学习机输入层提供了依据; 2)在预测过程中,激励函数和隐层节点数对极限学习机的预测效果具有一定的影响,以Sigmiod型激励函数和13个隐层节点数的预测效果为最优; 3)通过遗传算法的优化,能进一步提高预测精度,验证了遗传算法的优化能力和有效性。预测模型在不同工况下的预测结果均较优,说明该模型具有较高的稳定性和可靠性。     

给定最大度的极大拉普拉斯谱单圈偶图

通过图的移接变形对拉普拉斯谱半径的影响,研究了给定最大度为Δ2的n阶极大拉普拉斯谱单圈偶图的性质,得到了它的规范拉普拉斯谱向量中绝对值最大的分量对应的顶点的度均等于Δ且这些顶点的位置均在圈上。     

准饱和土中单桩竖向荷载作用下的动力响应

根据Biot饱和多孔连续介质波动方程,基于Bardet对准饱和土的假设,提出了准饱和土二相介质波动方程;运用Helmholtz矢量分解和传递、透射矩阵法(TRM)推导出准饱和土中层状半空间受竖向荷载作用下的动力响应表达式;利用Muki虚拟桩法,在层状半空间建立了桩和准饱和土相互作用的第二类Fredholm积分方程,通过离散的数值积分方法求解积分方程,讨论了准饱和土中单桩竖向动力响应问题.算例分析表明,准饱和土中桩顶竖向阻抗随饱和度的减少而增大,与饱和土地基相比,明显偏大;桩侧孔压随饱和度的减小而增大,并沿着桩长迅速衰减;桩顶位移幅值在频率较小时变化明显,饱和度越小,位移峰值越大,当频率较大时,饱和度的变化对振幅的影响不大.     

改性沥青中SBS含量的灰色关联度分析

为分析性能指标随SBS含量的变化趋势及敏感性,避免由单个指标确定SBS含量所带来的偏差较大的问题,采用灰色关联度分析沥青针入度、软化点、5℃延度、弹性恢复、135℃运动黏度等性能指标与SBS含量的关联性,从而确定改性沥青的SBS含量控制关键指标,并综合关联度高的指标来确定SBS的含量。结果表明改性沥青性能与SBS含量有着相关性,SBS含量对沥青的135℃运动黏度、弹性恢复、软化点、延度、针入度均有影响,其中对135℃运动黏度影响最为显著,沥青的软化点、弹性恢复、135℃运动黏度等指标与SBS含量有着较高的关联度。建立了基于软化点、弹性恢复、135℃运动黏度等性能指标的改性沥青中SBS含量的确定方法,其误差小于4%。     

EEMD和SVM在发动机故障诊断中的应用

针对发动机缸盖振动信号的非线性非平稳特征,提出一种总体平均经验模态分解(EEMD)和支持向量机相结合的信号分析及故障诊断方法,该方法利用EEMD算法以及IMF序列和原始振动信号之间的相关系数,有效放大故障诊断特征向量的差异。对原始振动信号进行EEMD分解,得到各阶特征模态函数(IMF),求各阶IMF分量对应于原始信号的相关系数并组成故障分类特征向量。分别将IMF相关系数法和IMF能量分布法得到的特征向量作为输入,建立BP神经网络和支持向量机,判断发动机工作状态和故障类型。分析表明,对IMF求相关系数的方法简便易行,能有效放大不同工况下特征向量的差异,结合支持向量机能够对既定机型的配气机构和点火系常见故障进行准确识别。     

一种设计潮位推算方法在深水筑港中的应用

深水筑港是港口建设的趋势。文章探讨了确定深水筑港设计潮位的一种方法,阐述了基于潮流数学模型的设计潮位推算方法,用实际资料验证了该方法。结果表明:该方法有较高的计算精度,用于确定深水筑港的设计潮位是合理的、可行的。     

水泥混凝土不同强度之间的关系

水泥混凝土强度的不足是水泥混凝土路面破坏的原因之一。在国内外学者研究的基础上，阐述了混凝土理论破坏机理，分析了强度的影响因素，试验得出适合浏阳地区强度之间的经验公式。     

全速域异步电动机的改进型直接转矩控制

为了克服直接转矩控制在低速区的种种不足,改进型直接转矩控制被应用到大功率牵引传动系统的低速区。本文介绍了改进型直接转矩控制的基本原理,加入弱磁控制算法,同时采用一种适合工程应用的空间电压矢量PWM（SVPWM）过调制算法,将改进型直接转矩控制扩展到全速度范围。通过对此方案的实验验证,表明全速度范围异步电机转矩控制方案是可行的,系统具有良好的动静态性能,在具有较高开关频率的中小功率应用场合有着非常好的应用前景。     

双馈风力发电机系统有功和无功功率的解耦控制

双馈发电机的有功和无功功率的解耦控制是变速恒频(VSCF)风力发电系统的关键技术.文章阐述了变速恒频风力发电系统的工作原理,在分析双馈感应电机的动态数学模型以及定子磁链定向矢量控制的基础上,介绍了一种有效的有功和无功功率解耦控制方法.Matlab仿真结果表明,该控制方案能够很好地实现双馈电机的有功和无功功率的解耦控制,验证了其正确性和有效性.