现场信号设备质量控制方法的探讨

大秦线作为我国第一条双线重载电气化运煤专线,因单元万吨、组合万吨、2万吨等长大列车对现场信号设备病害的冲击,造成现场信号设备维修用时不足和维护保养难度加大.在保证设备质量运用的前提下,如何最大限度的提高工作效率、压缩维护用时,满足列车重载高效运行的需要,现使用现场信号设备质量控制方法对其进行粗浅的分析和探讨.     

2009款讴歌TL车辆行驶中导航信号会自动中断

车型:讴歌TL。行驶里程:25000km。故障现象:车辆行驶中,导航信号会自动中断。故障诊断:①拆下仪表台内饰板,检查导航主机各个插头,未发现有松动。然后拆下导航主机,对导航主机各插头的每根线逐根拉动,检查端子的每根针是否牢固连接在连接器上,未发现异常。     

SOFM和HMM在旋转机械升降速全过程故障诊断中的应用

HMM模型是一个处理非平稳时间序列的统计模型。针对旋转机械升降速过程振动的特点，本文提出了利用SOFM神经网络对振动信号进行矢量量化，并用量化后的序列训练HMM模型，利用该模型对旋转机械升降速过程进行故障诊断。实验证明该方法是比过程的一种有效的诊断手段。     

集装箱船运物流航线选择算法研究

首先分析不同航线选择算法的优缺点,然后对本文所采用的A~*算法进行阐述。将集装箱船的航线选择问题转化为数学模型,并且通过无向图寻优法获取最佳的航行路线,最后根据不同的估价函数分析出搜索的最佳航线。与Dijkstra算法相比,A~*算法搜索点数少,搜索效率高。     

基于稀疏采样数据的电动公交车电池SOC预测方法研究

为提高电动公交车电池SOC预测的精度,基于某电池监控云平台电池数据库中存储的以30 s为采样周期的稀疏采样的电池运行数据,对电动公交车电池SOC预测方法进行了研究。首先,介绍了稀疏采样数据源,分析了电动公交车动力电池的运行过程及其SOC变化的影响因素。选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻SOC值作为预测变量,而选择当前电池组SOC作为输出变量,构建了训练数据集与测试数据集。然后,采用支持向量机(SVM)算法进行训练,并使用贝叶斯优化算法寻找SVM的最优超参数组合,提出了基于稀疏采样数据的电动公交车电池SOC单步预测方法。接着通过对训练数据集的再划分,进一步提出了基于稀疏采样数据的电动公交车SOC自主预测方法,摆脱了在SOC长期预测过程中对于BMS估计的真实SOC值的依赖。试验结果表明,SOC单步预测方法的最大绝对误差仅为1.82%,SOC自主预测方法的最大绝对误差也只有5.89%,都具有较高的预测精度。根据在不同运行路线和不同环境温度下的试验结果,SOC预测模型具有较高的鲁棒性。     

基于最小有向距离算法的刀具轨迹计算

本文针对复杂曲面加工中存在的刀具轨迹计算和干涉判断复杂的问题,将最小有向距离算法应用于复杂曲面的加工中。通过对曲面加工原理分析,将求刀触点的问题转化为数学规划问题。实验证明该方法有对曲面适应范围广,计算量小、计算速度快等特点,适用于复杂曲面的加工。     

基于蒙特卡洛算法的白车身测量频次优化

论文采用蒙特卡洛算法,对不同抽样频率下的白车身各等级能力测点的合格率误差进行研究计算,获得不同抽样频率下各等级制造过程能力测点的合格率最大误差。并结合某主机厂的实际白车身制造过程能力以及实际测量时长,按照0.5%,1%,2%这3种不同的误差接收标准,给出了3种抽样方案,并从测量经济性及抽样准确度两个方面对3种方案进行了比较,最终得出最优抽样方案。为后续各大主机厂制定更加经济的白车身抽样方案提供理论参考。     

任意坐标反算对应桩号的完备算法研究

快速、精确地计算任意坐标的对应桩号,在公路测量、设计、施工和竣工验收中有重要的实际意义。通过对组成平面线形的直线、圆曲线和回旋线3种线元的几何性质及其与任意点的相对位置关系的研究,尤其是回旋线的研究,提出了计算任意点在每段线元上垂足的算法;通过遍历平面线形的每段线元,得到任意点在路线上的所有垂足;最后把垂线段长度最小的垂足的桩号作为其对应桩号。该算法已经在路线软件中实现,并在实际工程中得到了应用;证明该算法搜索速度快、计算结果精确,可以适应于任意线形的公路。     

荷兰铁路将仅使用ETCS系统

<正>从12月起,在泽弗纳尔,荷兰和德国边境的跨境通道上行驶的列车在沿线上将仅使用ETCS 2级信号系统,而原来设置的荷兰ATB-EG列车自动防护系统将被淘汰。泽弗纳尔位于服务鹿特丹港的布滕佛(Betuweroute)铁路货运专线的东端。这一举措的目的是减少短距离区间的基础设施,并淘汰线路上既有的多重信号系统,而统一使用在阿姆斯特丹—法兰克     

高速列车振动信号的奇异谱分析方法研究

针对高速列车运行中的状态监测问题，提出高速列车振动信号的奇异谱分析方法。奇异谱分析是一种新的无参数模型的数据分析方法，它把高速列车的振动信号分解为多个基本信号，通过对基本信号的加权相关系数进行分析，获得振动信号的不相关成分，分析列车振动与每个成分的关系。实验结果表明高速列车的运行状态可由其振动信号的组成成分来表征。