用结构优化法设计车体

为满足铁道车辆更安全、更舒适的需求,采用了拓扑优化与形状优化相结合的结构优化法,以减轻铁道车辆车体结构的质量,提高车体结构刚度。     

城市轨道交通列车牵引节能策略优化

对国内外列车牵引节能策略的研究成果进行综合梳理,总结近年来在牵引节能领域普遍认可的3种策略,并对其中2个应用效果显著的策略进行展开分析。通过利用列车制动再生能量转换为牵引能量供同一供电分区的其他列车使用,是较为普遍的节能措施,但由于各条城市轨道交通运营线路的基建设施情况复杂、列车运行图多为固定版本,故在实际应用中,节能效果有局限性。未来可以考虑基于智能感知技术对客流需求进行短时预测,根据客流预测计算生成满足需求的最优节能列车运行图,通过实时感知客流、动态调整运行图的运营模式,最大程度减少牵引能耗。     

基于隐式参数化模型的跨坐式单轨车辆车体多学科轻量化优化

在某跨坐式单轨车辆头车车体前期开发中,引入"分析驱动设计"理念,建立了隐式全参数化车体模型,并根据车体空间布置情况,设定了车体骨架5个厚度变量和4个形状变量的变化范围;通过试验设计建立了近似模型,得到了输入变量与性能指标之间的关系;最后进行轻量化优化,获得了满足一阶扭转模态、一阶弯曲模态及弯曲刚度多学科性能要求的前期全参数化车体模型。     

铁路电力、牵引供电相关标准及文件优化建议

为进一步优化铁路电力、牵引供电工程设计,梳理现行铁路电力、电力牵引供电工程主要采用的设计标准及文件,主要包括《铁路电力设计规范》(TB10008—2015)、《铁路电力牵引供电设计规范》(TB10009—2016)、《高速铁路设计规范》(TB10621—2014)、《铁路技术管理规程》(TG/01—2014)等,结合工程实践及调研情况,本着保证工程质量安全、提高技术性和经济性的原则,对其中有关条文给出优化合理建议。     

基于磨耗数据统计模型的镟轮决策优化

针对目前地铁车辆车轮等级镟修而导致的镟修不合理问题,提出一种基于磨耗数据统计模型镟轮决策优化方法。基于广州地铁8号线的轮对磨耗数据,首先利用SPSS分析轮径磨耗和轮缘磨耗与轮缘厚相关性;其次建立基于状态转移过程的轮缘磨耗模型和基于数理统计模型的轮径磨耗模型;然后研究单个车轮的单级和多级镟修控制限策略,并通过蒙特卡罗仿真分析比较两种控制限策略的优劣。结果表明,多级镟修控制限策略大大提高车轮使用寿命,节约列车运营成本。     

基于GA-GM(1,N,α)幂模型的铁路客运量预测

针对在铁路客运量预测领域传统的灰色预测模型不能反映真实系统的非线性结构特点及其背景值的赋值不合理的问题,提出使用对系统相关因素引入幂指数且经过背景值优化的GM(1,N,)幂模型进行客运量预测。背景值优化时设置待定参数,利用线性组合结构重新计算背景值。对此模型产生的较多的待定参数,采用能够并行运算、全局寻优的遗传算法进行一次性求解。最后使用此模型对甘肃省铁路客运量进行建模预测,并与传统GM(1,N)模型、GM(1,N)幂模型进行对比分析。结果证明,GM(1,N,)幂模型具有更高的预测精度,对铁路客运量预测有一定的应用和研究价值。     

高速铁路牵引变压器容量优化

基于既有高速铁路牵引变电所的实测数据对典型负荷曲线进行研究,搭建基于指数方程的变压器温升模型,计算典型负荷曲线下牵引变压器绕组热点温度和寿命损失,并依据计算结果对牵引变压器容量进行优化,为新建高速铁路牵引变压器容量等级选取提供参考。     

技术站广义配流问题模型与算法

根据列车解编顺序是否确定,将阶段计划中的广义配流问题分为广义静态配流问题和广义动态配流问题。以阶段内发出配流车数最多和车辆在站平均停留时间最短为目标函数,以列车解体开始时刻、车流分配、车流接续和列车编组开始时刻为约束条件,建立广义动态配流问题的多目标非线性混合整数规划模型。综合考虑优先排空、优先发送较近编组去向车流,模拟车站调度员编制阶段计划时的思维过程,设计搜索算法,解决广义静态配流问题(给定列车解编顺序的广义动态配流问题)。以有7个编组去向的某技术站为例,运用该算法可以在较短时间内得到列车解编方案和配流方案,表明了该算法的实用性和可行性。     

铁路调度区域内货物列车出发计划动态全局优化

为实现调度区域内货物列车出发计划的全局最优,提出1种基于车流不确定性的动态优化方法。影响货物列车出发计划的不确定性因素主要有事故、晚点、扣修等,将其中不确定性因素进行量化处理,并当作随机变量。以调度区域内货车中转停留时间最小为目标函数,以网络车流平衡、节点车流守恒、满轴限制、运到期限作为基本约束条件,以计划兑现率要求作为动态约束条件,建立制定列车出发计划的动态优化模型。利用确定性等价类将模型转化为确定性线性规划模型,采用编制的线性规划软件求解。通过算例证明该方法可以得到优化结果。分析计算结果可知:车流的不确定性会导致中时增大;计划兑现率要求越高,计划最后的执行指标就越差;考虑运到期限要求,会导致中时增大。