地铁转向架称重调簧分析及加垫计算

文章以南京A型地铁车辆转向架为例,介绍了转向架称重调簧工艺及影响转向架重量分配的主要因素;通过建立转向架静力学模型,对转向架加垫进行理论计算,得出转向架重量分配与加垫量的关系,对所采用的加垫方法进行了验证;分析了转向架及车体的轮重差及轴重差计算方法,并论述了两种称重试验的相互关系。     

机车车体调簧试验台的研制

为解决车体二系弹簧支撑受力均衡分配问题,开发研究了车体调簧试验台。试验台通过计算机控制,对各个二系弹簧支撑力、各个弹性支点的综合刚度、弹簧压缩量等进行自动检测,并按照调簧程序,对各个二系弹簧座进行模拟加垫操作,最后给出各个二系弹簧座处的实际加垫量、各点的综合刚度、各个二系弹簧的实际承载量等。     

广州地铁四号线车辆称重调簧计算分析

针对在广州地铁四号线车辆整车称重时出现的称重结果超标,无法准确确定加垫厚度的现场作业问题,建立以轮重为目标的调簧计算模型,根据GB/T14894-2005关于轮重偏差的技术规定推导得出加垫量公式,并进行验证,为之后的整车称重调簧提供较为精确的算法和依据,避免了实际作业中反复加垫称重的工作。     

城轨车辆车体柔性称重试验台误差分析

基于柔性称重理论研制的城轨车辆车体柔性称重试验台存在制造误差,分析试验台制造误差对称重结果的影响,提出借助调整工艺簧高度来消除试验台制造误差对称重结果影响的方法,在ADAMS中建立称重模型验证该方法的正确性。     

基于“边际轮重”的铁道机车轮重调整算法研究

针对铁道机车的称重调簧计算方法的研究,文章提出了"边际轮重"的概念,建立了铁道机车用于轮重分析的模型和通用方程组,演绎了轴箱弹簧加垫对机车各车轮轮重分布影响(即边际轮重)的计算过程,并以某三轴转向架为例给出了具体的边际轮重计算结果。文章还介绍了基于整车称重试验台实际测到的轮重称重数据和二系悬挂的结构特点,计算理想轮重和理想加垫量的方法,以及对理想加垫量计算结果进行规格化处理的原则。最后给出了所介绍的计算方法的适用范围。     

动车组静态称重调平指导参数研究

为提高动车组静态称重效率,降低称重调平的盲目性,建立了动车组静态称重理论模型,分析了称重调平规律,确立了3个调平指导参数以及高度调整法调平条件,以此来指导称重调平。应用此称重调平规律和3个调平指导参数以及高度调整法调平条件来指导车辆现场称重,可显著提高称重效率。为开发称重调平软件、编写称重算法,以及引导称重调平走向数字化和智能化提供了指导方向。     

HX_D2-1000系电力机车车体称重工艺改进

针对HX_D2-1000系和谐型电力机车在车体称重时,多次出现车体称重超差现象,分别从机车车体称重的工艺要求,车体在边梁、枕梁等组对过程中出现的尺寸误差及应对改进措施进行详尽分析,并验证了改进措施的有效性及推广价值。     

动车组转向架称重调簧理论分析与加垫算法设计

首先对动车组转向架称重调簧原理进行分析,重点分析了一系加垫是怎样改变轮重和一系间隔尺寸的。并且得出加垫时轮重呈现对角同增同减的变化规律,对角平分加垫对一系间隔尺寸的改变最能满足相关要求。为了实现加垫不只依靠人工经验,设计了科学的加垫算法,可以实现加垫的准确定位和定量。最后通过仿真分析验证理论的正确性。     

提高车体刚度与舒适度的扶手杆的开发

介绍了利用非结构件提高车体刚度的方法,并给出了基于车辆试验台激振试验及线路运行试验进行效果验证的相关结果。     

基于数据匹配原则的城轨车辆称重调平工艺研究

介绍了城市轨道交通车辆常用的称重调平方法,对其优缺点进行了分析。在此基础上提出了以数据匹配为核心的称重调平方法。阐述了该称重调平方法的原理及工艺流程,并以上海轨道交通车辆的实际数据为例进行了仿真验证。研究表明,采用基于数据匹配原则的城市轨道交通车辆称重调平工艺可提高称重调平工艺的效率,提升车辆的运行安全系数。     

列车运行调整微粒群算法研究

列车运行调整问题是铁路行车调度指挥工作的重要内容,决定着区段内行车秩序的优劣。这一问题的计算机自动求解算法是我国铁路信息化建设的一个核心技术和难点问题。本文依据我国铁路行车组织体制的特点,建立了相应的模型。在模型的求解过程中,先运用大系统理论将列车进行分层分级,从而将待解的原始问题分解成若干个子问题,在对分解后的问题进行求解时,设计了微粒群算法,运用该算法可快速得到各子问题的近似最优解。然后,应用系统原理对问题进行还原,即可快速得到一个满意度高、可用性强的列车运行调整方案。最后,采用现场数据,应用该算法对列车运行调整问题进行求解,并与遗传算法进行比较,结果表明微粒群算法解决列车运行调整问题高效、实用。     

基于多代理机制的列车运行调整模型及算法动态集成研究

分析列车运行调整问题研究的现状与进展,主要集中在模型研究和算法研究两个方面。分析传统求解模型及算法研究的局限性,提出对现有模型及算法进行动态集成的研究思路。采用基于多代理机制的动态集成方法,将模型对象和算法对象转化成多个代理,定义多代理之间的交互策略,实现调整方法的动态集成。提出基于多代理机制的列车运行调整问题模型及算法的动态集成系统。     

基于多目标遗传算法的机车二系支承载荷调整优化方法

为提高电力机车二系支承栽荷调整优化算法的实用性,解决单一目标遗传算法调整计算产生二系支承点加垫数和加垫总量过多的问题,提出了一种基于多目标遗传算法的寻优方法.针对机车二系调箦问题的偏好结构特点,建立了多目标优化模型,并设计了基于多目标遗传算法的调簧目标函数,进一步引入了适应性权重方法来确定目标函数值,并确立了相应的适应...     

基于机器学习的地铁盾构隧道长期沉降预测

采用机器学习方法,建立一个基于先期区域地质信息及隧道沉降学习资料的盾构隧道长期沉降预测模型, 并以南京地铁 2 号线盾构隧道为例进行算例分析。结果表明：该沉降预测模型能够筛选主要影响因素,并且能够 寻找最佳监督学习算法和最优参数;在不同监督学习算法中,核支持向量机算法与人工神经网络算法都能使模型 达到较高的精度,然而对其参数的依赖性很高,需要细致的调参才能提高预测精度;以人工神经网络算法作为监 督学习算法,经调参后,沉降预测模型的最终预测准确度可达 0.86,10 倍交叉验证平均准确度为 0.82。     

高速铁路CPⅢ水准网平差通用模型研究

CPⅢ水准网为高速铁路的施工、运营提供高精度的高程基准。现有的CPⅢ水准网数据采集方式主要有中视法、矩形法两大类,为提高现场实测效率,在矩形法基础上又衍生出X形法、Z形法等。目前,以高差为观测值的传统CPⅢ水准网平差模型主要适用于矩形法及其衍生型,而中视法由于高差为非独立观测值,使得传统模型使用理论上受到限制。为此,提出一种CPⅢ水准网平差通用模型,该模型以水准尺读数为观测值。平差时每测站引入一个参数合并一系列未知量和固定的系统误差,最后由高程平差值计算高差。通过现场实测数据的验证表明,该模型具有算法简单,数据利用率高等特点,且精度不低于传统CPⅢ水准网平差模型。由于该模型观测值不存在相关性,故可适用于现有各种CPⅢ水准网形。     

基于最小列车秩序熵的列车运行调整算法研究

单线区段上的列车运行调整需要考虑列车运行秩序的优化,使用列车秩序熵来描述列车在调整计划与基本图中运行秩序的差别程度,在此基础上建立基于最小列车秩序熵的列车运行调整模型,并给出具体求解计算过程。基于此算法编制程序对具体实例进行计算,并将其计算结果与用提高旅速调整算法的结果比较,检验了算法的有效性。     

采用蚁群算法求解铁路空车调整问题

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,针对空车产生总数和空车需求总数相等的平衡运输问题,建立以空车走行公里数最小为目标的空车调整数学模型,应用蚁群算法求解铁路空车调整问题。对有3个空车产生地点、4个空车需求地点的240辆空车平衡运输的算例,采用蚁群算法求解,得到2种目标结果最优的调整方案,可见该算法结果具有多重性,可以适应不同的调整需求。将其计算结果与分别采用最小元素法、西北角法、神经网络法及遗传算法所得结果进行比较,表明采用蚁群算法精度高、参数少、运算过程简单、模型易于理解和维护。采用蚁群算法求解空车调整模型可以用于全路、路局等的空车调整问题求解。     

高速铁路无砟轨道精调算法软件探讨

目前高铁无砟轨道的调轨方案是借助轨道几何状态测量仪随机调轨软件,通过人工操作得出。这样费工费时,给工程实际应用带来诸多不便。为了能够快速计算出符合工程实际需要的调整结果,依据人工调轨的思路,编程实现自动化调轨算法。对比某专业长轨精调软件与新研发的无砟轨道精调软件,对同一段无砟轨道实测数据进行轨道精调,分别统计两种方法获得的调轨方案各项平顺性指标合格率、调整量和计算时间,结果表明:(1)两种方案均能满足工程实际要求,且新研发的精调软件得到的调整量要小于某专业长轨精调软件得到的调整量;(2)对于不同方法得到的调轨方案的效率,某专业长轨精调软件调整需要几个小时,而新研发的软件调整只需要几分钟,新算法显著地缩短了精调方案的获取时间,提高了工效。     

一种大功率工业整流系统管、变协同控制方法

通常大功率整流系统的调压装置和整流器均采取各自单独调节的控制方案,基本不考虑二者的协调控制,从而导致整流系统输出调整发生振荡,稳定性差。文章从晶闸管和调压变压器协同控制的角度,建立了管(晶闸管)、变(调压变压器)解耦模型,提出了结合专家仲裁的模糊自适应协同混合算法,系统动态调整过程对管、变实施分时控制,能较好地兼顾调整效率和电能质量指标;以新型的感应滤波工业整流系统为测试对象,给出了所述协同控制的设计过程和用于有效性验证的仿真及实验结果。     

强化学习算法在高速铁路运营调度中的应用

随着我国高速铁路（简称：高铁）通达范围和行车密度的不断提高,运行计划调整日趋复杂,利用计算机和人工智能等技术手段辅助调度员制定阶段调整计划是高铁智能调度的发展趋势。高铁运行计划调整问题是一个多阶段决策问题,具有决策链长、规模大、约束多等特点,导致传统的强化学习方法 Q学习算法的学习效率低、收敛缓慢。文章提出一种基于Q(λ)学习的高铁运行计划智能调整算法,采用累积式资格迹设计多步奖励更新机制,有效解决稀疏奖励下收敛慢的问题,目标函数设计中充分考虑了股道运用计划,更适合反应行车密度增大时到发线的使用情况。仿真实验表明,Q(λ)学习算法在学习效率、收敛速度和收敛结果上均优于传统的Q学习算法。