基于加速退化数据的动车组电连接器寿命预测研究

电连接器对于动车组安全可靠稳定地运行至关重要。为提高电连接器产品寿命预测的效率与准确度,通过设计实施连接器加速试验,获取产品性能退化数据,采用寿命预测物理模型与数据处理算法,基于退化量分布的加速退化数据建模流程,实现动车组电连接器可靠度与寿命的评估。据此设计了基于退化数据的寿命预测软件,实现了退化数据预处理、数据分布拟合、模型参数计算、模型曲线绘制与寿命值的预测。     

基于智能手环的动车司机疲劳驾驶检测系统

基于智能手环的动车司机疲劳驾驶检测系统可对疲劳驾驶行为进行报警,对高速铁路行车安全至关重要。本文阐述系统的整体设计和各模块功能,分析智能手环的工作原理和手部加速度信息的采集过程。在分析动车司精神状态与手部运动关系的基础上,给出手部运动系数的概念,并运用K-means聚类算法进行分析处理,提出一种动车司机疲劳驾驶检测模型。在动车组驾驶室搭建原型系统,阐述系统的实现过程,并在高速铁路试验段进行试验,试验结果表明,该系统对司机疲劳驾驶检测的准确率达到93.6%。     

高速动车组电空制动系统的建模和参数分析

高速动车组电空制动系统是由气动元件、电子元件和基础制动装置组成的复杂系统。基于现代流体力学的仿真分析软件AMESim建立制动系统中关键气动元件的仿真模型,通过试验数据对仿真模型进行验证和参数修正;将封装的气动元件模型与电子元件模型和基础制动装置进行系统集成,建立单车以及列车级电空制动系统仿真模型。基于列车级电空制动系统仿真模型,对高速动车组电空制动系统参数进行配置和分析,设计高速动车组电空制动系统。在最大常用制动和紧急制动2种工况下对基于仿真模型设计的高速动车组电空制动系统进行验证。结果表明:最大常用制动时减速度仿真值与减速度设计值相符;紧急制动时制动距离试验值为5 670m,仿真计算值为5 795m,相对误差为2.2%,仿真计算值与试验值吻合程度高。     

基于模拟仿真的动车组驾驶培训系统

随着我国高速铁路的快速发展,急需大批理论知识丰富、操作技能精湛、紧急情况下应变能力强、综合素质高的动车组司机。目前,世界各国广泛使用的以计算机网络系统为平台、采用软件方式实现的基于模拟仿真的动车组驾驶培训系统,有利于安全、节能、快速、高效地培训动车组司机,特别是在培养动车组司机非正常情况的操纵技能和应急故障处理能力上具有无可比拟的作用。     

动车组司机对驾驶环境的可达性探讨

从对动车组的主动安全保护出发探讨了司机对动车组驾驶环境的可达性,包括司机对轨道信号的可见性、挡风玻璃的光学性能、雨刷器的刮刷范围、司机侧窗对动车组停车标志的可见性以及动车组远光灯的指标要求等。     

基于主动表观模型及PERCLOS的疲劳检测研究

针对城市轨道交通电客车司机长时间驾驶产生的疲劳问题，目前主要是通过规章制度及警惕按钮来解决，这样既增加司机的劳动强度，也对司机疲劳驾驶检测效果有限。文章针对电客车司机现场工作环境，提出了一种主动在线实时检测方法，该方法通过视频序列分析人脸信息，采用主动表观模型完成对人眼的识别及定位，采用PERCLOS算法完成对司机疲劳检测。实验证明，该模型和算法能够很好地完成对司机的疲劳检测。     

基于梯度提升决策树级联分类方法的城市轨道交通列车突发事件延误时间预测

为了精确预测城市轨道交通设备故障等突发事件致使的列车延误时间,提升应急处置效率和乘客引导服务水平,对地铁突发事件互联网发布数据和现场事故数据进行了关联融合,对面向不平衡的地铁事故数据随机欠采样,提出了一种基于GBDT (梯度提升决策树)的级联分类预测方法,对地铁突发事件的延误时间进行预测。结果表明,GBDT级联分类方法在延误时间容许偏差为0～5 min时的预测延误时间准确率,比现场发布的预测延误时间准确率高20%～25%,比GBDT多分类预测方法准确率高5%。     

基于OpenGL的高速列车司机室三维建模

提出一种VC++下基于OpenGL的动车组司机室三维建模方法.将SolidEdge中的司机室模型通过IGS接口转换至3 dsmax中渲染,借助于OpenGL这一开放的图形接口直接读取3ds司机室渲染模型进行显示.泣染模型可用于动车组司乘人员的教学与培训,取得较好效果.     

高速动车组牵引制动仿真系统的自动控制状态转换图

状态转换图是为了在动车组仿真系统中实现全自动模拟驾驶功能。本转换图以中国铁道科学研究院集团有限公司机车车辆研究所(简称:铁科院机辆所)开发的高速动车组仿真系统软件为基础,基于高速动车组仿真系统配置参数,并结合动牵引计算规程,来实现动车组自动驾驶的功能。在自动驾驶过程中,程序根据状态转换图中的状态,决定控制动车组运行的手柄位置,实现全自动的模拟司机驾驶动车组。通过软件仿真,证明该算法切实可靠,能够保证动车组按照预定的加减速方式,实现全程自动驾驶,能够精准停站,并防止超速。     

基于司机驾驶风格的混合动力有轨电车能量管理策略

以锂离子电池、超级电容为混合动力的有轨电车，其能量管理策略难以适应不同类型司机的驾驶风格。为进一步提高有轨电车的系统能量效率，提出了基于司机驾驶风格的混合动力有轨电车能量管理策略，并构建了混合动力有轨电车功率损耗模型。将司机的驾驶风格分为激进型、标准型和迟钝型三类，利用模糊逻辑算法对三类司机驾驶风格进行识别，引入基于司机驾驶风格的牵引/制动补偿因子，以对有轨电车的牵引/制动功率进行补偿，得到最优的功率分配。最后对基于司机驾驶风格的能量管理策略进行仿真分析，评估其节能效果。仿真结果表明：相较于常规的逻辑门限控制能量管理策略，基于司机驾驶风格的能量管理策略可使系统能量损耗降低4.81%。     

高速铁路既有ATP实现自动驾驶的技术方案研究

随着我国经济的快速发展,高速铁路的运输能力要求不断提高。为解决目前我国高速铁路装备CTCS-2/3级列控系统的动车组列车运行仍由司机人工驾驶操作,存在司机工作强度大、准点运行和停车定位对司机的驾驶经验要求高以及未考虑列车节能降耗需求等问题;基于高速铁路CTCS-2/3级列控系统和ATO方案的基础,利用计算机仿真技术和智能控制方法,提出高速铁路既有ATP实现自动驾驶的技术方案,并对高速铁路车载ATO系统扩展单元的关键技术进行重点设计。系统仿真测试和现场试验结果表明,该方案可满足高速铁路列控系统的自动驾驶功能需求,可为我国高速铁路自动驾驶的实现提供参考。     

基于无模型自适应控制的高速列车ATO控制器

针对高速列车在多变复杂环境运行时,传统控制器出现的动力学模型不匹配和司机操作存在安全隐患的问题,提出一种基于无模型自适应控制(Model-Free Adaptive Control, MFAC)的高速列车自动驾驶控制器设计方案。首先,构建全格式动态数据列车模型,将列车的非线性特性转移到伪梯度中;其次,根据全格式动态数据列车模型设计无模型自适应控制律和列车控车原理,通过列车运行数据估计伪梯度,构建ATO控制器;最后,使用"兰州西—西宁"的动车组运行数据进行仿真,得到MFAC控制器作用下的速度追踪误差为0.254km/h,列车加速度冲击率区间主要分布于[0,0.1)中,约占总步长的83.8%,并与模糊自适应PID(ProportionIntegral-Derivative)在速度追踪、位移追踪和舒适度方面做了对比,结果表明该控制器的性能更优。     

高速动车组司机乘务交路优化编制方法

高速动车组司机乘务交路编制是动车组运用工作的重要组成部分,其编制过程分为日乘务交路编制和乘务排班两个阶段。我国铁路部门目前仍然以传统的"先到先走"方法为基础,靠人工凭经验来编制。针对此不足,本文以所需要的高速动车组司机数和司机的冗余休息时间最少建立了编制日乘务交路的0-1整数规划模型,该模型可以描述每个乘务交路由1个或多个乘务片段组成的类型。针对问题模型属于NP-难问题的特点,设计了一个求解的禁忌搜索算法。以多个机务段值乘的高速动车组实际数据为例,对模型和算法进行测试,求解结果验证了所提出的方法能快速求出较优的高速动车组司机乘务交路方案。     

基于自适应LSSVM模型的动车组运行速度控制

针对动车组运行环境多变、运行过程具有不确定和强非线性特性,提出了一种动车组运行过程自适应最小二乘支持向量机LSSVM(Least Squares Support Vector Machine)建模及其速度控制方法。首先基于动车组牵引特性和运行过程数据建立其LSSVM模型,并采用粒子群优化算法确定模型参数;其次,依据模型校正策略,通过动车组运行的新数据采用自适应迭代算法来校正LSSVM模型参数,以改善模型的适应性;最后给出了基于LSSVM模型的动车组速度预测控制方法。基于CRH380AL型动车组运行数据的对比仿真结果验证了本文方法的有效性。     

动车组控制界面色彩匹配对识别效率的影响

针对动车组控制界面设计中,不同前景-背景色匹配对动车组司机视觉识别效率影响性问题进行实验研究。以动车组司机简单反应时间为识别效率指标,在红、橙、黄、绿、青、蓝、紫、灰、白、黑10种基本色的90种色彩组合下,分别进行识别效率实验研究。根据测试数据,结合参数统计方法,给出90种色彩匹配下的反应时间分布函数,通过单因子方差分析对90种色彩组合按识别效率差异性予以分组,并按识别效率对分组予以优劣性排序。研究表明:控制界面中不同色彩组合对识别效率具有影响性。研究结果可为动车组控制界面的前景-背景色选配设计提供依据。     

CRH2型动车组

CRH2型动车组通过引进设计制造技术,由四方股份公司在国内生产。动车组的基本结构如下:一．编组结构CRH2型动车组由8辆车组成,其中4辆动车,4辆拖车。动车组首尾车辆设有司机室,可双向驾驶。车辆动力配置为4M 4T。     

基于混合系统模型预测控制的列车自动驾驶策略

本文研究多优化目标和多约束条件下的动车组列车自动驾驶ATO控制问题。通过分段线性化列车运行阻力,引入列车运行状态整数变量,建立了动车组混合整数列车运行模型。提出基于混合系统模型预测控制HMPC的列车自动驾驶策略,并应用输入分块化技术和显式模型预测控制,降低算法的计算量,以提高硬件实现的可行性。前者通过固定一定时间段内的控制量,对输入序列进行分块化,降低控制器的自由度;后者通过离线设计和在线综合的方法减少算法的在线计算时间。最后利用Matlab仿真软件环境下的MPT 3.0扩展工具箱对所提控制策略进行数值仿真。结果表明:该控制器能在列车运行安全约束下,合理分配动车组各车厢的牵引力和制动力,保障列车准时及节能高效地运行,同时所提出的改进算法能有效降低计算量。     

动车组司机操控信息分析系统(EOAS)设计与实现

基于铁路机务部门对动车组司机操控信息的定向实时跟踪、全程记录存储和数据综合分析等需求,全面介绍采用总线通信、数据快速安全存储、数据融合分析等技术研制的动车组司机操控信息分析系统(EOAS)设计与实现方案,包括整体架构设计、工作原理设计和各组成部分的功能设计实现及关键技术。     

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。     

基于数据驱动的高速铁路动车组列车头尾车车轮踏面缺陷预测方法

[目的]踏面缺陷是高速铁路动车组列车车轮失效的主要表现形式之一,严重影响了动车组运行的安全性及乘客的乘坐舒适性。车轮踏面缺陷主要集中在头尾车,可能是多种因素共同作用的结果,需要寻找一种能综合多种影响因素的预测方法。[方法]基于某铁路局动车组列车的车轮镟修数据,每个数据样本包括10个特征(4个名义特征和6个连续特征),对数据进行预处理。通过合成少数类样本过采样技术对不平衡数据集进行处理,构建了标准化数据集。建立了DNN(深度神经网络)模型,对底层特征进行组合,形成了特征的高层抽象表示。通过网络结构调整和超参数优化得到了模型的最优学习效果。对模型进行训练并测试,验证了该模型的预测效果。[结果及结论]基于数据驱动的头尾车车轮踏面缺陷预测方法具有较高的预测精度和较优的综合性能,其预测精确率达92.5%,可有效预测头尾车车轮踏面损伤的发生概率。