基于ZigBee-GPRS技术的城市轨道交通列车关键设备监测系统

在对关键设备的监测中,目前运营单位普遍采用串行通信技术(如RS 232、RS 485等)作为主要的数据传输手段。如果被监测设备离监测中心较远,则需要花费大量的人力物力铺设电缆、光缆及配套设施;并且由于通信距离长,一旦链路出现故障,难以在短时间内准确定位。国内一些科研院所及行业领军企业相继提出基于Zig Bee-GPRS(低功耗局域网协议-通用分组无线服务)模型的数据通信方式,并在农业微灌、油井监测、电力设备监测等系统得到成功应用。结合GPRS网络技术和Zig Bee传感器网络技术的优势,以嵌入式Linux系统为平台,提出一种适用于城市轨道交通列车关键设备监测的复合型Zig Bee-GPRS系统模型。与红外、蓝牙等技术相比,节约能耗,传输距离远;与传统有线传输方式相比铺设成本低。     

基于CNN-BiLSTM的高速公路交通流量时空特性预测

目前,高速公路交通管控部门对准确交通数据的掌握还存在局限性,预测值也不够精确,为给出行者提供更好的交通引导,必须采用新方法预估误差较小的交通流量数据.提出一种同时考虑时间与空间因素的卷积-双向长短期记忆(CNN-BiLSTM)模型,将具有空间局部特征提取能力的卷积神经网络(CNN)和具有能同时考虑前后方向长时间信息的双向长短期记忆(BiLSTM)相结合,将其用于预测更能体现随时空变化不断波动的交通流量.以一些简单的基准方法作为对比模型,采用均方误差(MSE)等5项评估指标,在美国加州高速公路数据集上进行训练和测试,结果表明:由CNN-BiLSTM得出的预测结果更符合实际交通流量的变化趋势,在高峰期和波动较大时间段均能较好地拟合真实值,灵敏度较高.     

基于统计数据分析的动车组牵引变压器状态检修

牵引变压器是动车组电力牵引系统的重要设备,牵引变压器工作状态是否正常直接关系到动车组的安全运行。随着动车组使用率的日益提高,牵引变压器的检查和维修也越来越引起关注。通常采用定期试验、定期维护的检修方法,但这些方法存在过维护或欠维护等问题。通过分析统计数据对变压器进行状态检修是解决此类问题的有效方法。针对统计数据的分析,数理统计学中u检验方法广泛应用于医药学、食品、体育测量等多个领域。提出利用数理统计中的u检验方法对动车组的变压器实施故障检测,并给出实验数据和计算结果,以期能够在实际应用中达到状态检修的目的。