接触网刚性悬挂拉出值布置方式比较

介绍了城市轨道交通牵引网架空刚性悬挂的两种布置方式.分析了采用传统正弦波拉出值布置方式时产生受电弓磨耗不均匀的原因,以及新的“八”字形拉出值布置方式及其解决受电弓磨耗不均匀问题的方法.“八”字拉出值布置方式是一种可靠的刚性悬挂拉出值平面布置形式,能够保证受电弓两侧的两个半弓磨耗一致,实现增加受电弓使用寿命、提高授流质量的目的.     

基于PWBS的FPSO建造精细化作业分解

针对深水型浮式生产储卸油装置(Floating Production Storage and Offloading, FPSO)建造面临的问题,以产品导向型作业分解结构(Product-oriented Work Breakdown Structure, PWBS)理论为基础,提出面向任务包(Work Package, WP)和派工单(Work Order, WO)的精细化作业分解方法,并建立以中间产品为对象按作业类型和工种划分的分解结构。以某深水型FPSO为例,以作业阶段为主线对其建造作业进行分解,形成面向FPSO的通用性作业分解系统,为实现FPSO的精益建造提供可行性。     

基于经验模态分解的舰船运动姿态预测模型研究

运动姿态准确性预测对提高舰船水上作业安全性具有重要的现实意义,为此,基于经验模态分解算法,构建一种新的舰船运动姿态预测模型。该模型首先利用EMD分解舰船运动时间序列,然后采用游程判别法来判定IMF和r_n (t)的波动程度,划分高频、中频和低频3个分量,最后利用基于支持向量机算法构建的预测模型预测舰船运动姿态。实验结果表明:与卡尔曼滤波法、谱估计法、艏前波法3种运动姿态预测方法得到的结果相比,本模型的纵摇角预测误差更小,精度更高。     

港口机械烟度超标原因分析及维护保养方案改进

以非道路国三柴油发动机的工作原理为切入点,分析集装箱空箱堆高机排气烟度值超标的原因,介绍对应的处理方法,提出对设备发动机的维保建议;根据新国标环保要求,提出工程机械要从传统的性能为主的维护保养工作,升级为兼顾环保要求的维护保养工作。     

基于LSTM的滚动轴承寿命预测

针对滚动轴承剩余使用寿命预测难、一般的神经网络预测精度差的问题,提出了一种基于振动信号时域特征,结合滚动轴承理论寿命值和具有处理时序特征功能的LSTM(Long Short-Term Memory,长短期记忆网络)剩余使用寿命预测方法。首先按照时间顺序提取振动信号的均方根值、峰度、偏斜等15个时域特征作为判断滚动轴承退化的特征值;然后将其输入到LSTM中,将网络输出的轴承退化值设定为[0,1],0表示轴承完好,1为完全退化;最后采用滚动轴承理论寿命计算公式,根据滚动轴承的转速和载荷计算滚动轴承的基本额定寿命,结合其理论寿命和退化值得到定量的剩余寿命。试验结果表明,LSTM与理论寿命结合的滚动轴承寿命预测方法相比于一般的神经网络具有较高的预测精度。     

深埋双线铁路隧道衬砌高水压分界值研究

为研究深埋双线铁路隧道衬砌高水压分界值以及高水压作用下的衬砌受力状态,基于双线铁路隧道设计标准,利用有限元软件计算和分析双线铁路隧道衬砌在不同水压作用下隧道衬砌安全系数的变化规律,确定双线铁路隧道衬砌的高水压分界值。研究结果表明:Ⅱ、Ⅲ级围岩条件下水压力在0~0.05 MPa(约等于隧道净高一半)和Ⅳ、Ⅴ级围岩条件下水压力在0~0.1 MPa(约等于隧道净高)范围内变化时,隧道断面安全系数基本不变。在Ⅱ、Ⅲ级围岩条件下,双线隧道的高水压第一分界值为0.08~0.20 MPa;高水压第二分界值可取为0.40MPa。在Ⅳ、Ⅴ级围岩条件下,双线隧道的高水压第一分界值为0.12~0.35 MPa;高水压第二分界值为0.50 MPa。双线铁路隧道采用标准设计图进行设计时,能够承受的最大静水头为50 m,超过50 m的静水头,则需要优化断面。     

曲线超高调整对接触线拉出值影响及调整探讨

分析了曲线超高调整对接触线拉出值的影响,得出了定位点处拉出值的大小是直接影响跨中接触线偏移大小的最重要因素的结论,并给出了不同半径的曲线如何选择不同拉出值的计算方法。     

臂式地铁接触轨几何状态参数检测小车研究

为解决地铁接触轨几何状态参数人工检测精度低、效率低、工人劳动强度大等问题,在调研国内外相关技术现状的基础上,充分考虑测量精度和效率要求、测量空间对测量机构体积和质量的限制等内外部因素,研发一种基于平行四边形机构的臂式地铁接触轨几何状态参数连续检测小车。小车基于接触式测量原理,对小车进行机械机构设计和参数设计,建立数学模型,然后对采集的数据进行计算分析,验证接触式测量的有效性。试验证明,该检测小车拉出值的综合检测精度达到0. 1 mm,导高综合检测精度达0. 17 mm,其测量效率和精度能很好地满足地铁接触轨几何状态参数检测的要求。