城市轨道交通车辆关键系统可靠性研究

研究城市轨道交通车辆的可靠性对保证其安全运营有着重要意义。介绍可靠性分析的相关理论;以广州地铁一号线车辆为对象进行故障统计分析,选择车门系统、信号接口系统和牵引/电制动系统为车辆关键系统,确定关键系统的故障分布模型,计算得出关键系统的可靠性指标函数,为城市轨道交通车辆可靠性评价与维修提供决策参考。     

城市轨道交通车辆空气悬挂系统仿真分析

空压机流量、总风缸容积和高度阀流量特性的匹配不合理,很容易出现总风缸压力急剧下降等现象,最终导致车辆紧急制动等严重后果.现基于AMESim气动系统仿真平台建立了高度阀模型和空气悬挂及储风系统模型,并结合广州地铁3号线技术条件,对车辆载荷由AW0变成AW3的过程进行了仿真分析.仿真分析结果符合车辆的实际运行情况,为空压机选型和风缸容积的设计提供了理论依据.     

基于层次分析法和熵值法的城市轨道交通车站安全评价

为预防城市轨道交通事故,提高城市轨道交通安全水平,采用层次分析法和熵值法对城市轨道交通车站进行安全态势评价。首先,根据城市轨道交通车站安全态势影响因素构建评价指标体系;然后,综合利用熵值法和层次分析法给出指标权重;最后,计算车站的安全态势值并进行安全态势等级评价。分析结果表明,基于层次分析法和熵值法的城市轨道交通车站安全态势评价具有一定的实用性和有效性。     

轮对等级镟修对车辆平稳性的影响分析

通过在线试验,测试了不同等级镟修后轮对、构架、车体的振动加速度,采用sperling公式将车体加速度换算成车辆横向、垂向平稳性指标。统计数据表明:按轮缘厚度的不同进行车轮等级镟修,改变了轮缘顶部与轨头侧面接触时的轮轨接触位置和轮轨关系,但对车辆平稳性影响不大,对车辆乘坐振动舒适性基本没有影响。     

基于NARX神经网络的轮重减载率预测

以轨检车测出的左轨和右轨轨向不平顺、左轨和右轨高低不平顺为输入,以轨检车测出的轮重减载率为输出,采用贝叶斯正则化算法构建了NARX神经网络。仿真试验结果及与BP神经网络输出结果的对比表明,采用NARX神经网络实现轮重减载率预测是可行的,NARX神经网络比BP神经网络更适用于减载率预测。     

基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断

针对轨道车辆的滚动轴承故障诊断问题,提出了一种小波包与RBF神经网络相结合的故障诊断方法.首先对采集到的振动数据进行小波消噪,然后利用小波包分解提取故障信号的能量特征向量,最后利用提取的能量特征训练RBF神经网络,进行故障诊断.诊断结果表明,基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断方法能够较好的诊断出轨道车辆的轴承故障类型,具有一定的实际应用价值.     

基于NARX神经网络的轮重减载率预测方法

介绍了一种基于神经网络的轮重减载率预测方法。以左轨轨向不平顺、右轨轨向不平顺、左轨高低不平顺、右轨高低不平顺为输入,以轮重减载率为输出,采用贝叶斯正则化算法构建了NARX(外部输入非线性自回归神经网络)。仿真试验结果及与BP神经网络的比较表明,采用NARX实现轮重减载率预测是可行而有效的。NARX比BP神经网络更适用于减载率预测。