基于特征的高速列车铝合金车体断面参数化建模

针对高速列车铝合金车体断面结构复杂、设计周期长和建模效率低等特点,提出了一种基于特征的高速列车铝合金车体断面参数的建模方法.引入特征概念,定义车体断面型材的特征及其拓扑关系,采用CATIA系统中CAA二次开发技术,对车体断面的轮廓和车体断面型材的特征进行参数化建模,建立车体断面型材的特征库,通过车体断面的骨架进行自动装配设计;最后以某型车铝合金车体断面参数化建模为例验证该方法的正确性和有效性.     

一种多通道信息融合的横向减振器性能退化阶段辨别方法

对于转向架这样复杂的系统,分布在系统不同位置的传感器可以实时检测大量数据。这些数据能够反映高速列车运行过程中转向架关键部件的性能退化状态,但单一通道的振动信号存在着信息缺失、信噪比低等缺陷,无法据此实现转向架关键部件性能退化阶段的精确辨识。因此,本文以横向减振器为研究对象,通过对转向架振动数据相关性分析,提出了车体和转向架上多个通道的振动信号共同用于横向减振器性能退化阶段辨识的方法。并通过构建基于CNN的多通道信息融合模型,将多个通道信息进行融合,实现了横向减振器性能退化特征的自适应提取与阶段辨识。将该方法与基于单个通道的方法进行比较,结果表明,该方法能够精确实现横向减振器间隔10%的性能退化阶段辨识。     

PSO优化的高速列车轴温灰色预测模型

轴承温度预测是保障高速列车安全运行的重要手段。考虑到GM(1,1)模型建模机理存在着一定的缺陷,以及对建模数据有一定的单调性要求,对呈现较大波动的数据序列预测结果不太理想的问题。在GM(1,1)预测模型的基础上,提出了一种粒子群算法(PSO)优化的灰色预测方法。利用多项式对GM(1,1)模型进行修正,重构灰色模型的时间响应序列,再利用粒子群算法对重构模型进行求解,并据此构建了一种高速列车轴温预测模型。以高速列车实际轴温数据对模型进行验证,验证结果表明:模型相较于GM(1,1)模型的预测精度有明显的提高,其中5min预测的平均绝对误差由6℃降低到5℃,降幅为16.7%。平均相对误差由9.1%降到了7.8%,降幅为14.3%;最大绝对误差由20℃降低到18.6℃,降幅为7%。预测误差的方差由24.6降低到了20.6,降幅为16.3%,表明误差分布更加集中。     

基于Kriging代理模型的高速列车悬挂参数的区间优化

针对高速列车悬挂设计参数难以选定的问题,提出一种基于Kriging代理模型的高速列车悬挂参数区间优化的方法.采用拉丁超立方试验设计方法确定仿真数据样本得到动力学仿真数据,利用偏最小二乘方法确定影响脱轨系数的主要悬挂参数,进而建立基于设计参数与仿真数据Kriging代理模型,以此模型实现悬挂参数区间优化.最后以CRH某型动车组悬挂参数为例进行了验证性优化分析,结果表明该方法正确可行.     

我国高速列车数字化研发的进展及挑战

高速列车数字化研发是高速列车设计的重要方法,是突破其关键理论及技术的重要手段,也是适应个性化、多样化需求的快速定制手段,以数字化为基础的网络化、信息化和智能化是高速列车未来的发展方向.从高速列车引进到全面自主创新,其研发手段经历了从单个学科的仿真向耦合大系统仿真方向发展,由仅仅关注设计到全生命周期的建模与仿真等逐渐形成了目前的基于数字化平台的集成与优化设计等过程.高速列车研发主要实现了基于计算机仿真、虚拟样机、设计自动化和面向需求的设计等技术的综合运用,但同时也存在着研发成本的不确定性、与网络化等结合程度不高和以人为中心的考虑不足等问题.未来高速列车的研发将在数字化研发平台的基础上综合虚拟试验、全寿命周期的数据挖掘、成本控制、人机工效、知识的管理与重用等技术,并与移动终端等网络化技术结合来实现开放式的研发设计.      

铁道车辆转向架构架可拓变型设计方法研究

在传统的铁道车辆转向架构架设计领域,构架变型设计时的变化不仅体现在结构尺寸上,其拓扑结构也随之发生变化.基于可拓思想,建立构架的可拓模型,提出一种基于可拓模型的构架变型设计方法.首先描述构架的物元和关系元模型,建立其可拓模型,并以有序三元组形式表达构架模块数据,通过可拓变换方法对构架进行变型设计.以某型车转向架构架的变型设计为例验证了方法的可行性.     

基于产品族的铁道车辆轴箱弹簧快速设计方法研究

引入产品族的概念,针对铁道车辆轴箱弹簧产品的快速设计,提出了一种基于产品族的铁道车辆轴箱弹簧快速设计方法.在铁道车辆轴箱弹簧的产品族设计的基础上,建立产品族数据库,采用基于相似实例惩罚函数优化设计方法实现轴箱弹簧的快速设计,并据此开发了一套基于产品族的铁道车辆轴箱弹簧快速设计系统,以某型车双卷轴箱弹簧快速设计为实例,验证了快速设计方法的正确性和有效性.     

基于多任务学习的轨道车辆轴承异常检测方法

轨道车辆轴承温度现有异常检测方法的阈值判别指标受到路况、环境等多项外因干扰,并且基于异常检测目的的预测方法需要对轴承进行逐一建模,模型训练耗时且多模型维护困难.针对上述问题,提出一种基于多任务学习的轨道车辆轴承异常检测方法.首先考虑到数据分布在正常与异常时存在差异,把正常工况下的关联轴承温度作为模型输入构建轴承温度预测模型,当实际温度异常时预测值与实际值关联性呈现异常变化,因此该模型具有异常检测功能.其次,考虑到循环神经网络建模时进行递归运算消耗大量时间,引入多头自注意力机制,所构建的模型能够同时对一轴上的轴箱、齿轮箱、电机3类共9个轴承温度进行同时检测.最后,采用极大似然估计方法,将点预测转换为置信区间预测,解释了预测结果的意义.在正常和故障数据上分别对模型进行验证,结果证明本文所提方法具有准确的9个轴承和异常检测能力,并与单任务模型相比能大幅度减少建模时间.     

基于虚拟样机的产品设计进程反馈模型

为了加快产品设计进程朝设计目标收敛,提出了产品设计进程反馈模型,包括产品描述语义模型、分析视图语义模型和性能仿真语义模型,并将其融合在设计中．整个反馈模型是基于建立在CAD环境下的数字化样机模型,因此保证了产品设计目标的整体性和设计进程的一致性．以多体系统意义下机车车辆虚拟样机为例,给出了产品描述语义模型、分析视图语义模型和性能仿真语义模型的具体形式,以验证该反馈模型的正确性．     

机车车辆虚拟样机开发调度平台设计

为了管理机车车辆虚拟样机开发中的团队成员、任务及各种数据等,设计并开发了机车车辆虚拟样机调度平台.系统中有系统和工程项目两级保护及基于角色的访问控制,以确保系统安全.根据产品数据管理原理实现数据管理,使数据存储结构合理,数据流向清晰准确.设计了消息引擎,以实现多任务间的协同.调度平台的开发实例验证了设计是可行的.