机车及大部件大修质量分析与控制建议

根据典型故障案例,结合机车及部件大修生产和质量控制特点,分析了造成产品质量缺陷的主要原因,通过机车配件源头质量、工艺变更、新产品应用、维修质量等方面,提出了机车及部件大修质量控制建议。     

广州地铁8号线车辆空调大修工艺分析及优化

广州地铁8号线车辆列车完成大修,列车空调采用顶置单元式空调,空调故障对地铁的运营服务影响很大,文章对空调大修内容及难点进行分析,并就如何缩短大修时间,从使用工装设备、周转件以及优化工艺流程等方面提出优化措施。     

延长地铁车辆空调压缩机更换周期的探讨

以地铁车辆架大修期更换空调压缩机为切入点,从压缩机的设计寿命、结构原理、检测检查、运用故障分析、故障模式及影响分析等角度,探讨了在大修期更换车辆空调压缩机的合理性。研究结果表明：在车辆大修期更换的空调压缩机仍能满足使用要求,其更换周期延长至15年更为合理。这样既能保证车辆的运营可靠性,也能降低车辆全寿命周期成本。     

基于人工智能的高铁动车组智能运维数据分析系统的构建

针对高速铁路（简称：高铁）动车组部件故障诊断和预测的业务需求,依托动车组故障预测与健康管理（PHM,Prognostic and Health Management）系统,在基于人工智能的高铁动车组智能运营维护（简称：运维）算法研究平台中构建高铁动车组智能运维数据分析系统。介绍了高铁动车组智能运维算法研究平台的架构,以及高铁动车组智能运维数据分析系统的数据处理流程和关键算法。并以高铁动车组客室空调为例,选取客室空调相关传感器数据进行数据分析,得到影响客室空调健康状况的特征,并对聚类结果进行健康度数据标注,作为客室空调健康评估模型开发的基础。     

A型地铁车辆转向架大修工艺分析

南京地铁1号线列车采用中外联合研制的标准A型地铁车辆转向架,该类型转向架大修主要采用自修与委外相结合的模式,工艺流程分为分解-部件检修-组装-试验4步,大修重点按模块化可分为构架检修、轮对轴承轴箱检修、驱动系统检修、悬挂系统检修、制动系统检修、中心牵引装置检修以及转向架组装后的静载称重试验。该类型转向架的关键部件及重要零配件均采用进口部件,其委外检修质量控制、进度控制及备件的供应是制约大修周期的重要因素。除此之外,人员熟练程度、检修能力等也会影响大修的整体进度。可以通过进口部件的国产化、委外部件的质量检查、提高人员操作技能等多种措施,提高转向架大修的质量及效率。     

基于主成分分析法的动车组空调故障检测技术研究

针对动车组空调系统难以建立准确的模型进行故障检测的问题,采用主成分分析法对空调系统采集的大量运行数据进行特征提取,建立动车组空调系统主元模型,通过平方预测误差统计量指标进行故障检测。并使用运用中采集的蒸发器脏堵、制冷剂泄漏、传感器异常等故障数据进行了检测测试,取得了良好的效果。     

城市轨道交通车辆智慧空调技术

智慧空调技术作为城市轨道交通车辆智能化运营的重要技术手段，主要根据车辆运行环境数据来调整空调运行模式，进而改善车内舒适度，对空调机组运行状态进行实时监测及关键零部件故障预警，实现空调机组的智能化健康管理，提升空调运营维护效率。智慧空调系统由车辆空调、车载网络及PHM(故障预测与健康管理)地面支持系统结合搭建而成，通过传感器来监控车辆空调使用环境数据，并自适应性调节空调运行状态以改善车内空气质量。在故障预测及健康管理方面，智慧空调技术通过搭建诊断模型，采集并传输空调机组运行状态数据，实现对空调机组多发性故障的及时预警，对关键零部件使用寿命进行老化预测并采取相应的健康管理措施，进而保障空调机组的安全运行。在车辆的维修维护中，智慧空调技术结合不同的诊断及预警模型数据，合理制定空调机组修程，将空调机组故障修与定时修为主的传统维修模式发展为基于安全监控和健康管理的智能化“状态修”模式。     

基于多体动力学仿真的城市轨道交通车辆二系悬挂故障特征分析

对国内某型城市轨道交通车辆的故障统计发现,二系悬挂故障已成为影响转向架乃至车辆安全运行的主要原因之一。基于多体动力学的方法建立该型国产城市轨道交通车辆动力学模型,并通过实车振动数据验证了模型的正确性。利用验证后的模型模拟二系悬挂故障下列车的运行状态,并采用功率谱对车体振动加速度进行分析。仿真结果表明,在考虑速度、载荷及故障个数等因素的情况下,车体垂向、横向振动频率分别在0~3.5 Hz和0~2.0Hz频段时对于二系悬挂故障最为敏感;均方根值和方差更适合作为频谱变化的量化指标;当故障造成列车部件布置不对称时,车体振动变化尤其明显。     

采用差压式保压装置检测列车空调机组密封性能

1 需求和分析 随着铁路运输事业的不断发展,旅客对乘车舒适度要求的提高、空调客车的用车紧张,这就要求我们在空调检修中既要提高检修质量又要缩短停修时分,在空调机组大修过程中制约机组检修质量及停修时分的重要瓶颈是制冷系统(压缩机、冷凝器、毛细管、蒸发器)封闭管路密封性能的检测.     

空调发电车柴油机常见故障分析

为了改善乘客的旅途环境，提高旅途的舒适度，铁道部大力发展空调客车。在我国，大部分的空调发电车采用康明斯KTA—19G2柴油机，其中有美国原装发动机，还有重庆康明斯发动机厂的发动机。康明斯(Cummins)KTA—19G2柴油机为四冲程高速柴油机。1954年，美国康明斯公司研制了独特的PT燃油系统，大大的改进了柴油机的动力性能，经济性能，提高了机组功率，并降低了单位油耗率。每年夏季和冬季是机组负荷最重的时段，在长时间、高负荷的运转情况下，机组会出现各种各样的故障。本文通过对昆山列车大修段所维修的空调发电车康明斯KTA—19G2柴油机，对频繁出现的四种故障进行分析研究，并就如何在实际修理过程中进行处理解决故障作一阐述。     

广州地铁一号线车辆空调机组飞水故障原因分析及处理

通过收集、分析广州地铁一号线车辆空调机组运营数据,结合空调机组二次架修作业,从技术角度找出了首批空调机组频繁出现飞水故障的原因,并提出了相应的整改措施和处理对策。     

旅客列车空调装置运用故障分析及建议

通过时旅客列车空调装置运用中发生的制冷故障进行统计和分析，提出了提高客车空调装置运用质量的几如龟议。     

基于最小二乘参数估计的和谐型机车故障数据统计模型建立方法

对和谐型机车一个高级修周期内的运用故障数据进行初步分析,提出威布尔分布假设,采用基于最小二乘法进行参数估计,并采用K-S检验对假设进行检验.结果表明,在一个高级修周期内的和谐型机车故障数据符合假设,据此建立机车故障分布的统计模型.该方法对于科学分析运用故障数据,进一步深入研究整车、系统、部件的质量规律有重要的指导意义,...     

提升SS4型机车分体轮对装配质量的改进措施

本文以郑州机务段为例,为提升SS4型机车分体轮对大修装配质量,对近年来SS4大修轮对的装配情况进行了分析,找出了故障原因,制定了相应的质量控制措施,有效保证了轮对大修质量,节约了生产成本。     

钢轨扣件中橡胶部件动态特性模型的建立与研究

在不同工况下,对扣件的橡胶部件进行动态特性试验,得到简谐位移激励下扣件的力-位移曲线。通过试验曲线计算橡胶部件相应的动刚度、阻尼等动态特性参数。试验结果表明,在钢轨扣件工作的振幅和频率范围内,振幅对扣件橡胶部件的动态特性影响较为显著,频率次之。为了预测钢轨扣件橡胶部件复杂的力学特性,建立了适用于扣件系统的三力叠加模型,并采用最小二乘法对该模型的参数进行了识别。在此基础上,比较了特定工况下钢轨扣件橡胶部件的力-位移关系和理论模型。研究结果表明:该模型能够较好地吻合试验数据,并能反映扣件橡胶部件的幅值相关性和频率相关性。     

铁路机车车辆的维修技术标准

日本国土交通省于2001年12月颁布了“铁路技术标准省令”。该省令指出，为了确保铁路设施和机车车辆的安全，防患于未然，对其进行定期检查和检修十分重要。为此，作为国家标准的继续，公布了“设施与机车车辆定期检修告示”。告示中规定了各级检修的周期(二次检修的间隔时间)。机车车辆检修分三级，即状态与功能检查，重要部件检修，大修。本文列出了不同车种三级检修的周期。为了便于执行，还制定了解释标准，规定了在重要部件检修和大修时要直接进行轮重测定，左右静态轮重差不得超过10％等事项。     

自动扶梯驱动链条故障预测装置

驱动链条是自动扶梯的主要部件,其故障会导致扶梯出现突然停止的事故。为此,日本开发出提高自动扶梯安全性的链条故障预测装置,同时可提高维修作业效率。研发内容包括：①确定检测装置的规格和要求;     

基于动态PSO优化HSMM的转辙机PHM模型研究

针对转辙机故障发生的随机性与不确定性,提出设备故障预测与健康管理的方法,对其传统维修策略进行改进。该模型将转辙机的机械部件的退化过程按照全生命周期进行划分,利用动态粒子群算法优化隐半马尔科夫模型,实现转辙机状态的故障预测。首先,建立转辙机退化状态的隐半马尔科夫模型;其次,选择动态粒子群算法对转辙机预测模型动态优化,再结合前向-后向算法对优化后的模型进行参数估计;最后,通过实例分析验证该优化模型的有效性。     

基于BP神经网络的动车组客室空调故障识别与预警研究

动车组客室空调良好的制冷效果是旅客舒适度和动车组稳定有序运行的重要保证,但客室空调故障的发生具有突发性和隐蔽性特点,给空调系统的日常检修维护带来极大困难。采用BP神经网络算法建立客室室温预测模型,并运用Matlab编程计算实现客室室温理论预测。根据预测模型在CRH380B(L)型动车组客室空调系统中的实际验证情况,制定客室空调故障识别与预警的阈值、规则和等级,为后期客室空调系统故障自动识别与预警系统的开发奠定基础,完善动车组客室空调故障识别和预警机制,对动车组客室空调故障的在线实时识别与潜在故障的预警具有重要意义。     

基于数据驱动的地下车站 能耗预测模型对比研究

对比了最小二乘多元线性回归、岭回归、Lasso 回归、随机森林、XGBoost 在地下车站通风空调、垂直 交通能耗预测领域的应用效果。研究发现,对于地下车站通风空调和垂直交通能耗预测,各算法的均方根误差 的变异系数(CV-RMSE)均在 10%以下,可达到工程应用要求的精度。其中,XGBoost 算法在通风空调能耗预测 中的 CV-RMSE 为 5.1%,在垂直交通能耗预测中的 CV-RMSE 为 5.4%,预测效果明显优于其他算法。从计算 成本来看,最小二乘回归、岭回归、Lasso 回归算法计算成本较低,随机森林和 XGBoost 模型调参复杂、计算 成本较高。对比常用的数据驱动算法在地下车站能耗预测中的预测精度和计算成本,为地下车站模型的搭建提 供算法参考。