基于神经网络的感应电动机特性辨识新方法

提出并论证了一种基于神经网络的感应电动机特性辨识新方法,只需测得电机两相电流数值便可以辨识出电动机转矩和转速,用改进的Levenberg-Marquardt算法对神经网络进行学习和训练,构建了适合电动机转矩转速观测的BP神经网络。由于RBF神经网络无论是在逼近能力、函数拟合和学习速度方面都优于BP网络,也利用RBF网络进行了辨识。该方法较已经提出的方法相比,需要的检测量少,辨识方法简单。仿真研究表明,RBF神经网络辨识效果优于BP神经网络。     

无速度传感器电励磁同步电机的转速和转子位置估计

研究了一种基于模型参考自适应的电励磁同步电机无速度传感器控制方案。分别给出了基于电压和电流模型的磁链观测方法,利用基于电压和电流的气隙磁链观测结果之差作为误差,经过PI自适应率进行调节之后得到估计转速。对所研究的电励磁同步电机无速度传感器矢量控制系统进行了仿真试验,仿真结果表明该控制系统能够快速、准确地辨识电机转速。     

L1平差的数学模型

基于独立观测值的一次范范围最小平差（Ｌ１平差）原理，导出了不同约束条件的相关观测值Ｌ１平差，对实例进行了试算，客观地分析了Ｌ１平差的良好抗粗差能力。     

用于NARMAX参数辨识的一种神经网络方法

本文提出一种适合于ＮＡＲＭＡＸ参数辨识的神经网络模型和相应的训练算法，该模型能直接辨识ＮＡＲＭＡＸ参数，结构简单，辨识率高。为非线性系统的参数辨识和模态分析提供了一种有效的方法，仿真结果表明，文中所提出的神经网络方法和相应的算法是有效的。     

基于滑模观测器的LSLSM位置辨识研究

基于长定子直线同步电机(LSLSM)的磁浮列车在中高速运行时,传统的车载位置传感器无法准确获取电机位置信息,并且位置信息易受到干扰,为此提出基于滑模观测器的位置辨识方法。在分析滑模观测器对定子电阻、d轴电感和q轴电感参数敏感性基础上,采用一种基于q轴电感校正的LSLSM位置辨识方法,可提高位置观测精度和系统可靠性。通过数字仿真和磁浮试验线验证了所提方法的正确性。     

基于神经网络的轨道车辆横向振动模型辨识

论述了车辆横向振动系统的神经网络辨识建模方法。根据横向振动系统的运动方程建立了描述其特性的神经网络模型，并运用递归预测误差算法识别了多变量离散模型的模型参数，进一步辨识了其结构参数。该方法参数估计过程直观，收敛速度快。计算表明，离散模型是可靠的，辨识结果正确。     

乘务员动视力及相关指标判别

对２１４名乘务员的动态视觉感知能力进行测试，结果表明：动视力不仅反映静视力基础视觉感知能力，而且综合地表达出其辨识能力，提出动视力的安全阈值为０．５。依据动视力和静视力阈值进行分区：安全区、迟钝区、危险区、敏锐区，并研制出动态视觉测试评价系统。     

基于GASF-CNN的高速列车转向架关键部件劣化状态识别研究

为研究高速列车转向架关键部件劣化状态的识别方法，通过统计抗蛇行减振器服役性能参数的分布特征，同时考虑阻尼和节点刚度变化组合形成5种劣化抗蛇行减振器试验工况，选取新踏面廓形和旋修后运行15万km、25万km的磨耗踏面廓形，进行了劣化状态下车辆动力学响应线路测试。基于实测数据，设计并构建基于GASF-CNN的转向架关键部件劣化状态分类辨识模型，以实测车体和构架横向加速度数据作为模型的训练集和测试集进行分类辨识模型训练，并对模型的泛化能力和识别准确度影响因素进行分析。通过优选数据构造方式、数据滤波、滑动窗口长度和数据通道数量，模型达到了较高的分类准确度，且对列车不同运行方向、不同速度级、不同运行环境等也达到了较好的泛化能力。     

基于Hopfield神经网络的磁浮列车悬浮系统本征非线性特性辨识

磁浮列车的悬浮系统具有本征非线性特性,在轨道不平顺以及非线性负载的作用下,非线性项的辨识和处理能力对于列车的悬浮稳定性具有重要影响。尤其是在轨道刚度较小时,在微小形变的作用下更易影响悬浮稳定性,而发生掉点、砸轨现象。从磁浮列车悬浮系统的非线性动力学建模出发,重点分析非线性项的系统参数辨识,基于Hopfield神经网络来构建误差函数和网络辨识方案。结合参数辨识误差函数和Hopfield网络的标准能量函数,得到相应的网络权值矩阵,并进一步给出相应辨识结果。通过数值仿真分析可以发现,基于本辨识方法所得到的结果与非线性项输出结果误差较小,可较好地拟合状态方程的含参非线性项,验证了辨识模型的可靠性。     

基于双向权值调整算法的神经网络非线性系统辨识

使用神经网络建模是非线性系统辨识的一个重要方法。为克服传统BP算法训练多层前向神经网络进行系统辨识中存在的一些问题,本文提出一种使用双向权值调整学习算法训练单隐层前向神经网络进行非线性系统辨识的方法。此辨识方法使用结构简单的单隐层前向神经网络,在正向阶段由Moore-Penrose广义逆确定输出权值,反向阶段则按误差梯度下降原则对隐层权值进行调整。算法能在正向和反向两个过程对网络的权值做出调整,具有较快的学习速度,并且能在一定程度上保证神经网络的泛化能力。通过基准辨识仿真实验验证,基于此方法的非线性系统辨识具有建模结构简单、训练速度快且辨识精度高的特点。     

考虑铁耗的异步电机状态观测器设计及关键参数辨识研究

基于损耗模型的效率优化控制方法因其物理意义明确、寻优速度快等优点而得到广泛应用,然而该方法对损耗模型中的电机参数较为敏感,要提高优化效果,需要准确实时获取损耗模型中相关参数。对基于损耗模型的效率优化算法中关键参数辨识进行研究,设计考虑铁耗的牵引电机状态观测器,为了提高观测速度和系统的鲁棒性,进行基于反馈矩阵的极点配置,设计基于稳定性定律的关键参数自适应辨识算法,并进行实验验证。     

论风险辨识

风险辨识是对风险的定性分析，文中介绍了目前风险辨识分析方法的分解原则和故障树等；还介绍了专家调查方法的智暴或集思广益以及特尔斐方法；此外介绍了幕景分析的原理及其在筛选、监测诊断的应用。最后提出了目前风险辨识的理论和存在的问题。     

基于工作危害分析法的铁路作业风险控制研究

为提升铁路运输企业应对事故预防、预控能力，推进安全风险深化应用，结合铁路运输生产作业过程的特征，提出基于工作危害分析法的铁路运输作业安全风险控制方法，通过铁路运输作业分析和活动分解、危害辨识与风险评价、制定控制措施与风险定期评价，实现对铁路运输生产作业过程风险的有效管控。利用该方法对某编组站调车作业过程实施风险控制的实践取得了良好的应用效果。     

基于全维观测器的无速度传感器异步电机控制

提出了一种模型参考自适应观测器，用于异步电机无速度传感器矢量控制系统的转速辨识。该方法将电机矢量控制与模型参考自适应系统（MRAS）相整合，异步电机作为参考模型，而全阶观测器为可调模型，利用两模型输出的误差构造了一个自适应律。理论分析和仿真结果表明，该转速辨识方法具有较强的鲁棒性和令人满意的动静态性能。     

灰箱辨识在二系悬挂参数估计中的应用

介绍了灰箱辨识在铁道车辆二系悬挂参数估计中的应用,运用灰箱辨识方法估计二系悬挂的质量、阻尼和刚度参数,并比较了两种灰箱辨识软件工具MoCaVa和CTSM的辨识结果。分析辨识结果发现MoCaVa在测量噪声存在时比较精确的估计出线性模型的结构参数,且辨识结果对参数初值具有鲁棒性。该方法对监测车辆的运行状态,诊断车辆故障具有重要意义。     

城市轨道交通运营风险辨识方法与应用

风险辨识是风险评价和风险管控的基础,为更加科学准确地做好轨道交通运营风险辨识,结合南京地铁风险辨识过程、全体员工参与辨识的现状,综合国内外辨识方法,整理出3种易于理解和操作的方法:事故倒推法、事件树分析法、工作流程分析法。详细介绍各方法原理和操作步骤,并用层次分析法对辨识方法进行选择,然后各职能部门按照选择的最优辨识方法进行风险辨识。最后以站务为例,分析得出事故倒推法具有最大的权重,运用该方法进行风险辨识取得了较满意的结果。     

永磁同步电机离线参数辨识方法研究

通过采用直流伏安法辨识电机定子电阻参数,采用高频注入法和脉冲电压法辨识电机定子电感参数,并对电感参数的2种辨识方法进行了分析和比较,分析永磁同步电机的数学模型,推导出了离线辨识永磁体磁链方法。仿真和试验结果验证了离线辨识定子电阻、定子电感和永磁体磁链方法的有效性。     

异步电机无速度传感器控制在地铁车辆上的应用

在介绍异步电机速度辨识原理的基础上,分析了辨识算法的稳定性、模型电压误差和模型定子电阻值偏差,以及在极低速工况下对速度辨识在地铁牵引应用中的影响;采用定子电阻在线修正和基于逆变器模型的电压误差在线补偿,减小了转速辨识误差,提高了极低速工况下的转速辨识精度,仿真和试验验证了方案能满足地铁车辆运行需求。     

南开大学科技大厦沉降观测及成果分析

介绍南开大学科技大厦主楼沉降观测的点位布设和观测流程，对测得的观测数据进行了沉降量、沉降速率及其趋势分析，“时间-荷载-沉降”关系分析，等沉降曲线与累计沉降量分析，并对沉降观测提出了几点建议。     

房屋纠偏加固工程中监测工作略谈

本文介绍了南昌铁路局，宜春车务段，七层砖混结构，砖基础住宅楼的纠偏加固工程中采取的沉降观测，倾斜观测，变形和裂缝观测等主要监测方法。