CRH5型动车组轴温检测系统改进方案探讨

对CRH5型动车组轴温报警系统传感器和轴温报警主机这两个主要环节进行了详细分析.传感器的电气连接接触不良,防护性能差是导致传感器上传数据不稳定的主要因素,进而导致轴温报警系统误报热轴.在列车的运行的恶劣环境中,传感器必然由于这样或那样的原因上传错误的信号,此时轴温报警主机的判断逻辑就需要具有纠错功能,否则同样会引起误报现象.通过对传感器和轴温报警主机控制逻辑的改进,应该可以大幅降低当前运行的CRH5型动车组轴温报警系统误报热轴的故障.     

新型轴温监测系统在高速动车组上的应用

结合以往铁路客车和动车组的轴温监测系统的总体构成、原理和运营中发生的故障情况,深入分析轴温监测系统的故障原因,研制出新型轴温监测系统.该系统具有测温精度高、工作稳定可靠的特点,对保证高速动车组的安全运行起到非常重要的作用.     

面向热轴故障的高速列车轴温阈值预测模型

针对现有基于车轴温度固定阈值的故障检测系统适应性差且误报率、漏报率高的问题, 综合考虑列车速度、环境温度与运行工况等因素对轴温的影响以及各因素之间的关系, 建立了高速列车轴温动态阈值预测模型; 考虑高速列车在不同运行工况下轴温变化的差异特征, 将列车运行状态分为加速、匀速和减速3个阶段, 并针对每个阶段运用皮尔逊相关系数法分析列车速度、环境温度、荷载等原始监测数据以及各阶段运行时间、初始轴温等衍生数据与轴温的相关程度; 提取与轴温变化密切相关的因素, 基于多元回归分析方法, 针对列车的3个运行阶段, 分别建立基于原始监测数据的轴温动态阈值预测模型和基于原始监测数据与衍生数据的改进轴温动态阈值预测模型, 并采用F检验方法对模型的有效性进行检验, 基于中国高速列车实测轴温数据对模型的正确性进行了验证。研究结果表明: 列车在加速、匀速与减速3个阶段中, 轴温真实值与改进轴温动态阈值预测模型预测值的平均相对误差分别为2.0%、4.1%和3.3%;相对于基于原始监测数据的轴温动态阈值预测模型, 3个阶段中改进轴温动态阈值预测模型的预测精确度分别提高了79.8%、64.3%和65.6%;改进预测模型的决定系数大于0.99, 显著性概率小于0.05, 表明模型有效。      

高速动车组远程数据传输及应用

介绍了将CRH3型高速动车组运行动态数据自动搜集,远程传输到地面中心数据库,进而分发到各主机厂进行动态分析并辅助故障维修、制定检修策略的高速动车组远程数据传输系统,介绍了该系统的技术架构以及数据的应用分析,对该系统数据与SAP-ERP系统的集成以及通过BI系统对数据进行深度分析提出了设想.     

带有碳粉收集功能的新型转向架接地轴端研究

为解决既有动车组接地轴端运用中碳粉污染轴端、导致轴温升高的问题,研究出一种带有碳粉收集功能的新型动车组转向架接地轴端结构,同时对该接地轴端结构的联接紧固件进行重新选型,提高螺栓联接可靠性.通过有限元仿真分析技术对新接地轴端结构进行计算,对载荷组合工况进行静强度和疲劳强度评估,本接地轴端结构设计合理,在动车组上批量应用,取得了良好效果.     

动车组故障知识管理系统技术的研究

动车组作为一种铁路客运货运设备,具有快速、安全和高标准的服务功能.如何保障动车组安全高效运行是工作重点,动车组故障数据对动车检修及制造具有极大的参考作用.此外,合理的知识管理能够增强综合竞争实力,利于做出更为合理的决策,能够将最需要的知识及时传送给最需要的人,实现组织和个人之间的信息共享,并以不同的方式加以实践,最终达到提高业绩的目的.正是基于对上述知识管理优点的考虑,本文将知识管理引入到对动车组故障数据的分析中,以实现动车组故障知识的共享、交流和转换.论文在分析动车组故障知识管理系统业务需求的基础上设计了系统总体架构及其内部功能模块.     

提高红外线轴温探测系统热轴兑现率的技术改进方法

我国铁路运用现场应用的红外线轴温探测系统存在兑现率低等问题，对列车的正点运行造成了较大的影响。本文从我国采用的红外线轴温探测系统的基本原理出发，分析它误报率高的原因，提出通过改进红外线轴温探测系统探头的工作原理，由原有的探头采集每次一点改为每次进行多点采集，热轴判别方式由线到面的技术改进方法，来提高红外线轴温探测系统热轴兑现率，并提出将红外线照相技术引入到红外线轴温探测系统构想。     

基于YOLO算法的动车组裙板故障检测

针对目前动车组运行故障图像检测中人工分析方式误报警数量多、实际故障检出率低等问题,提出一种基于YOLO算法的动车组裙板故障检测方法。首先通过k-means聚类算法对检测目标进行聚类分析,其次选择合适的YOLO算法模型并分析网络结构,最后使用人工标注的多组尺度特征的裙板故障缺陷位置和类别数据集训练网络。在取自多条线路的动车组裙板故障图像数据制作成的测试集上,对YOLO模型进行试验。结果表明,模型能够快速、准确地识别故障,为高速铁路运行安全提供保障。     

基于高斯过程回归的动车组气动性能预测研究

动车组外形设计后需要进行气动性能分析,以验证模型是否符合气动性能要求.针对传统试车实验和CFD方法成本高、用时长的缺点,提出了一种基于高斯过程回归的动车组气动性能预测模型.选取不同动车组的实体模型,利用STAM-CCM+仿真软件分别得到各模型的气动阻力模拟值,以此作为训练样本集合,然后采用高斯过程回归对训练样本进行学习,探寻动车外形与气动阻力关系,并预测明线动车组气动阻力,最后通过预测残差拟合验证了高斯过程回归预测模型的合理性和准确性.     

列车轴温监测数据软测量方法

为解决监测数据缺失导致的轴温监测系统误诊和漏诊率较高的问题, 提出了一种基于数据特征分析的轴温监测数据软测量方法; 通过轴温监测点的布局与相关性分析, 确定了监测数据软测量的源数据范围; 采用自组织特征映射算法, 通过对源数据归一化、优胜区域定义与隶属度优化, 实现了轴温数据本征维数确定与数据聚类; 引入多维尺度分析方法, 通过数据间距的相似性量化与距离矩阵特征值分解, 实现了轴温数据的类内降维; 采用多维尺度分析方法对类间降维数据再次降维, 提出了一种分步式降维方法, 构建了信息量最大化与计算量最小化的平衡策略; 采用深度学习栈式自编码器方法提取类间降维数据的内部特征, 构建了缺失轴温数据的软测量模型。研究结果表明: 基于降维数据的软测量方法的时间效率比基于原始数据的软测量方法高14.25%;2种方法的精度相当, 当一维数据缺失时, 数据软测量的平均精度可达99.83%;当二维数据缺失时, 平均精度可达99.75%;当三或四维数据缺失时, 平均精度均可达99.16%;在满足最大允许误差2.5%、误差容忍度1.0%条件的情况下, 针对任意缺失维度不高于四维的情况, 提出的方法可有效地实现高精度与高效率的缺失数据恢复。