数控车床仿真系统开发

根据数控车削加工的特点，提出一个基于构造单元的工件分解表达模型，利用此模型与刀具实体模型做布尔减运算，实时模拟工件材料的去除加工过程，并验证加工结果．在此基础上，根据切削力、切屑形成原理，提取几何仿真中的切削层参数和一些相关参数，将其应用于切削力计算和切屑仿真中，形成几何仿真和物理仿真集成的数控车床仿真系统．     

基于奇异值分解的混沌时间序列Volterra预测

提出一种用于混沌时间序列预测的奇异值分解Volterra滤波器.在Volterra滤波系数计算过程中,采用奇异值分解的方法得到线性方程组的最小二乘解.4种混沌序列的预测实验表明:该滤波器对混沌流的预测性能远优于NLMS自适应Volterra滤波器,前者的一步预测相对误差比后者小3~4个数量级.     

利用小波变换检测地铁馈线故障

根据地铁运行电流，启动电流和故障电流的特点，电流微分增量保护的性能主要取决于电流增量的分离效果和电流变化率di/dt与电流净增量的检出精度，一般的检测手段和分离方法存在着抗干扰能力差和检出精度低等问题，提出利用小波变换检测浪涌电流，据此提取电流净增量的方法，可以解决这些问题，通过仿真证实这种方法可行而有效，且明显优于其它检测手段。     

基于EWT-SVD方法的高速列车滚动轴承故障诊断

针对高速列车齿轮箱滚动轴承早期故障特征提取困难的情况,提出了基于经验小波变换(Empirical Wavelet Transform,EWT)和奇异值分解(Singular value decomposition,SVD)的轴承故障诊断方法。首先对信号进行EWT变换得到各阶固有模态分量,然后计算各阶固有模态分量的峭度值并选取较大峭度值对应的分量。将选取的分量构造矩阵进行正交化奇异值分解,选择合适的阶数重构信号,最后对重构信号进行Hilbert包络解调分析。分别对仿真信号和滚动轴承发生外环故障进行分析,可以较为清晰地看到滚动轴承故障特征。研究结果表明,结合EWT、峭度系数和SVD的诊断方法可以准确、快速地提取轴承故障信息,从而可以对滚动轴承进行有效诊断。     

基于小波变换的轨道车辆轮轨力处理方法

轨道车辆轮轨力的计算精度直接影响车辆运行安全性及舒适性的评估,并影响车辆正向设计数据基础的准确性。基于小波法,利用LABVIEW软件图形化编程语言对间断式测力轮对测试数据进行零线漂移、去噪重构及峰值提取等操作,最终通过测试数据计算得到精确的轮轨作用力。计算结果可为车辆状态评估和车辆设计提供参考性数据基础。     

基于小波分析的光伏并网逆变器故障诊断

针对光伏并网逆变器的故障检测与智能在线诊断问题,提出了一种C3C3逆变器故障特征提取方法。该方法以逆变器输出三相电流的小波分析结果作为判断依据,将故障信号的近似分量和细节分量相结合作为故障特征向量,利用神经网络的分类功能,实现对光伏并网逆变器的故障诊断。该方法无需电压信号和人工参与,硬件实现简单,且抗干扰性强。仿真实验结果证明了该方法的有效性。     

基于 VMD-GRU 的城市轨道交通短时客流预测

精准的客流预测是轨道交通运输计划编制的基础和依据,为提高城市轨道交通短时客流的预测精准度, 基于城市轨道交通短时客流的动态性、非线性、不确定性、周期性、非平稳性及时序性等特点,提出一种组合 模型预测方法,即 VMD-GRU 神经网络预测模型,由变分模态分解和门控循环单元组合而成。变分模态分解的 作用是分解短时客流,降低数据中的噪声,减少数据波动;门控循环单元的作用是基于分解的短时客流,进行 客流预测。经南京地铁的数据验证,该模型在地铁短时客流预测方面效果良好。与 GRU 相比,VMD-GRU 在 15、30 和 60 min 的时间粒度下,预测准确度分别提升 7.57%,16.93%,18.47%。该模型可为地铁运营管理部 门对车站客流管理、日常行车计划制定等提供有效的数据支撑,从而提升线网总体运营效率以及轨道交通系统 的服务水平。     

HXD1C机车粘着利用控制的研究与优化改进

针对HXD1C机车在兰州铁路局实际运营过程中遇到的几个问题,对机车粘着利用控制软件做出相应的改进.同时介绍了基于加速度微分的控制策略,提供相关的试验波形.结果表明粘着利用控制软件的改进切实提高了HXD1C机车在长大坡道和小曲线半径线路条件下的牵引性能.     

车轮磨耗仿真中踏面更新策略研究

基于车辆系统动力学仿真和Braghin踏面磨耗模型计算车轮踏面上的磨耗深度分布,并采用小波滤波、滑动平均和傅里叶变换平滑3种方法对踏面磨耗深度曲线进行平滑。结果表明,小波滤波的平滑效果优于滑动平均和傅里叶变换平滑方法;更新磨耗深度越大,对磨耗行为和轮轨几何接触关系影响越大。因此,建议在最大磨耗深度达到0.1 mm时对仿真计算用的车轮型面进行更新。     

基于比值的小波域数字音频盲水印算法

针对一些水印算法存在的不足提出一种基于离散小波变换的适于版权保护的数字音频盲水印算法。算法对能量的概念作了新的定义,对其设计原理和过程作了理论分析和实验验证。算法实现时先分帧音频并对各帧作n级离散小波变换,然后计算n级小波系数近似分量前后两部分的能量比值,并放大;再将放大后的比值修改为奇数或者偶数以嵌入水印,最后按与嵌入时相同的比例缩小第n级小波系数近似分量的前半部分并作小波逆变换,得到水印音频。算法根据n级小波系数近似分量前后两部分能量放大后比值的奇偶性提取水印,实现水印的盲检测,提取水印不需原始音频。采用混沌加密水印信号,缩放因子也是密钥,算法安全性得到双重保护。仿真结果证明了算法的鲁棒性和不可感知性。