轨道与接触网几何检测融合技术研究北大核心

为解决现有轨道和接触网几何参数检测系统相对独立、同步误差大的问题,对二者进行融合。改变检测系统硬件架构,统一两系统编码器脉冲及数据接口,提升系统硬件集成度及数据对齐精度;依据QNX系统开发融合系统软件,保证系统实时性及执行效率;制作L形工装,依据特征波形验证数据对齐精度;在实验室模拟车体振动的测试环境,分别采集静态及动态数据进行补偿算法验证。结果表明:融合后系统结构耦合度提高,避免了由定位信息密度低及网络延时原因造成的数据对齐误差;对激光摄像组件的测量数据进行复用,实现了接触网几何参数的补偿计算。经验证,融合系统运行稳定,可用于轨道与接触网几何参数检测数据的综合分析及超限判断。     

中职汽车维修专业教学体系革新策略研究——基于产教融合背景

本文提出了中职汽车维修专业教学体系革新策略,首先分析了产教相融合的元素及对提升学生专业技能的效果,其次对产教融合背景下汽车维修专业教学体系革新建设路径予以了细化探析,分别从教学体系思路框架革新、专业教学体系革新及明确建设目标等三大方面深入论述。最后对教学体系革新策略开展后产生的预期结果予以了分项明确。旨在为社会与汽车行业培养出高技能的复合型人才。     

大型三维地质力学模型试验系统研制及其应用研究

为研究泥灰岩隧道开挖诱发突涌水灾害机制及信息演化规律，以兰州至海口国家高速公路秦峪隧道为工程依托，研制泥灰岩隧道围岩相似材料，研发大型隧道突涌水三维地质力学模型试验系统。该系统可实现低频周期循环加卸载、数据自动化采集，可提供稳定水压加载，基于Python编程语言开发了隧道突涌水灾害预警系统，在此基础上开展泥灰岩隧道突涌水灾害演化过程模型试验。研究结果表明： 1）隧道开挖扰动会破坏围岩压力与渗透水压力之间的平衡，致使隔水围岩内产生微裂隙并扩展贯通，进而发生突涌水现象； 2）当发生突涌水现象时，隔水围岩压力、渗透水压力及位移均会发生明显的突变现象，围岩压力及渗透水压力最大释放率分别为18.6%、73.35%，最大位移量为0.18 mm； 3）泥灰岩相似材料能够较好地满足试验需求，证明了隧道突涌水三维地质力学模型试验系统的稳定性及可靠性。     

泰国三机场高铁列控系统方案研究

对泰国三机场高铁项目的列控系统选择要求进行分析,提出列控系统方案并进行综合比选,最后提出泰国三机场高铁项目的列控系统推荐方案,研究成果可以为海外项目列控系统方案选择提供一定的参考。     

基于PSO算法的地铁智能调线调坡系统开发与研究

为解决人工调线调坡费时费力、效率低下，且无有效评价指标评判方案优劣的现状问题，从分析线路平纵断面设计变量入手，依据规范相关规定制定约束条件，创新性地建立带有侵限容忍值惩罚项和合规性惩罚项的目标函数，提出一套基于粒子群优化算法，适用于矩形、马蹄形、圆形等多种隧道断面类型的地铁调线调坡数学分析模型，并以此开发地铁智能调线调坡系统。以长沙地铁4号线某区间右线隧道为例，对比人工设计和智能系统的调线调坡结果。由对比结果可知，智能系统在线路参数选择的合理性和改善侵限情况等方面均明显优于人工调线调坡，且具有可靠性和高效性。     

电子信息技术在智能交通信号控制系统中的运用研究

当前电子信息技术的发展水平已经达到了一定的高度,并且在智能交通信号的控制系统之中应用的频率非常高,对于系统的稳定运行起到了保障作用。本文主要针对智能交通信号控制系统与信息技术之间的关系进行研究,希望能够推动智能交通信号控制系统运行水平的提升,从而为广大群众的日常出行提供便利。     

面向“一带一路”的昆明东编组站作业措施优化

“一带一路”倡议的提出,给中国铁路提出了要求,铁路运输要求确保运输效率和服务质量。昆明东站作为中国铁路昆明局集团有限公司办理编组作业的主要车站,车站编组能力较为紧张,无法保证货物的运输效率。在智慧管控系统(SAM系统)的基础上,提出构建站间协同互保框架和车流预警机制的作业优化措施,可进一步提高运输效率,保证服务质量,提升昆明东站的编组生产效能。     

12306互联网售票系统测试关键技术的研究与应用

为保障铁路12306互联网售票系统(简称:12306)的质量,需要采用必要的测试方法和测试技术。文章分析软件测试各阶段的测试方法,介绍自动化测试、测试模拟器、云测试、手机App兼容性测试等4种关键技术在12306测试中的应用。实践证明,使用合理有效的测试技术对保证12306的平稳运行至关重要。     

大型邮轮安全管理系统设计

为满足安全返港理念下安全管理系统的设计要求,以安全管理系统设计过程中适用的法规及相关设计要求为基础,分析所有与邮轮安全相关联的接入业务,结合安全管理系统处理流程,提出安全管理系统架构设计方案。设计冗余的配电及通信网络方案,并分析安全返港场景下设计方案潜在的损失情况。     

New method for predicting full-scale power performance of pumpjet propulsion system based on statistical learning北大核心CSCD

[目的]针对“适配于螺旋桨的船尾线型+泵喷推进器”构成的船舶泵喷推进系统,提出一种基于统计学习的实船快速性预报新方法。[方法]以某大型水面船舶泵喷推进系统为对象,通过神经网络学习典型推进泵的推力系数图谱曲线,综合运用船-桨配合时的K_(T)-J曲线和船体-喷泵配合时的推力特性曲线,建立“仅需船舶阻力曲线就能实现船舶泵喷推进系统实船快速性预报”的新方法,并基于船模阻力试验、泵喷模型敞水试验及船体-泵喷自航试验的测量换算结果对实船推进性能的预报结果开展精度校验。[结果]校验结果表明:在航速18~30 kn范围内,船舶泵喷推进系统的自航转速、推力和功率的预报误差可控制在5.4%以内,其中设计航速附近的误差甚至小于2%;船体-泵喷的相互作用程度介于船-桨与船体-喷泵之间且幅值相对较小,推力减额系数为趋向于0的极小值,故船舶泵喷推进系统是介于桨轴推进系统和喷水推进系统之间的产物。[结论]该预报方法有利于提升船舶泵喷推进系统实船快速性预报的能力,可为新型舰艇泵类推进系统总体设计/研究提供参考。