镉镍蓄电池寿命预测的PF-LSTM建模方法研究

对动车组用蓄电池进行寿命预测,能够评估电池状态,降低故障的危害性和运用维护成本,指导修订修程。相较于在线预测模型,离线预测模型无法适应影响因素的不断变化,提出一种基于粒子滤波(PF)与长短期记忆网络(LSTM)融合的在线预测方法。传统的PF方法依赖经验方程作为状态转移方程,而精确的经验方程难以得到,利用已有数据训练LSTM模型,模型得到的退化方程作为PF的状态转移方程,解决了PF依赖经验方程的问题,同时PF能给出不确定性表达。研究结果表明,该方法模型更新简单有效,预测精度好,弥补了镉镍蓄电池寿命模型研究的缺失,对蓄电池剩余寿命研究的发展有着重要意义。     

基于LSTM(长短期记忆)网络的城市轨道交通列车停站精度预测

城市轨道交通列车进站自动停车过程中常会出现冲标和欠标问题,结合行车日志大数据分析和LSTM(长短期记忆)网络算法,提出了有效的解决方案。首先针对行车日志中大量的列车停车精度历史信息进行大数据分析,按1 d为一个统计周期对数据进行分期,并对数据进行预处理和多类拟合,对比后获得最佳拟合参数的时间序列。然后通过LSTM网络算法构建深度学习模型,对列车进站自动停车精度的分布进行预测。最后基于成都某地铁线列车停车精度的历史数据,对该LSTM预测模型进行训练与验证。结果表明：该预测模型可满足统计学上对相似度大于0.9的要求,从而验证了该模型的有效性和准确性。     

干式车载牵引变压器绕组区域动态温度计算模型

干式车载牵引变压器质量轻、安全系数高,但其内部热场随运行环境及负荷状态频繁波动。为实现干式车载牵引变压器绕组动态温度的快速计算,基于热电类比原理搭建分布式动态热网络拓扑结构,并借助CFD模型开展仿真试验,探究运行参数和风道尺寸对散热性能的影响,提出风道出口温度计算方法;基于干式车载牵引变压器绕组温升试验平台,验证动态温度计算模型的有效性。结果表明：针对不同结构参数和时变运行场景,所建绕组动态温度计算模型均能准确获取绕组区域温度分布及动态变化情况,相比CFD数值仿真节省99%以上的时间成本,有助于干式车载牵引变压器热容量的合理规划和设计效率的进一步提高。     

城市轨道交通进出站短时客流预测模型研究

针对城市轨道交通短时进出站客流的强随机性、周期性及非线性的特征,提出了一种基于小波变换与Adam算法优化的长短时记忆网络(LSTM)短时客流组合预测模型(即WT-LSTM组合模型),同时基于非饱和激活函数ReLU函数实现了LSTM的学习与训练.采用LSTM模型与WT-LSTM组合模型对广州地铁广州塔站的客流量进行预测,并对预测结果的误差进行对比分析.结果 表明,WT-LSTM组合模型能够较好地预测短时客流,预测结果优于单一LSTM模型.     

基于LSTM的高铁大风预测模型及算法研究

通过对风速数据进行时间序列分析,建立风速预测模型,实现大风灾害的预警,对提升高铁运营安全保障能力具有重要意义.通过分析某高铁客运专线防灾系统的历史风速数据,建立了一种基于LSTM神经网络的大风预测模型,使用TensorFlow平台进行模型参数训练,并结合实际监测数据进行了模型验证.结果表明,该方法预测未来20 min的...     

地铁区间隧道环境温度影响因素分析和预测模型研究

利用地铁区间隧道环境温度的实测数据,分析了大气温度、大气相对湿度、列车数量、客流量、运行年限对地铁区间隧道环境温度的影响,并利用回归分析得到了区间隧道环境温度的预测模型.分析结果显示:外界大气温度直接影响区间环境温度的变化趋势;区间隧道环境温度与外界大气相对湿度、列车数量和客流量具有相似的波动规律;运行年限的增加导致区间隧道热堆积加剧,使区间隧道环境温度逐年升高;利用回归模型的T检验结果可以得到各因素对区间隧道环境温度的影响程度,而回归模型可以较准确地预测隧道环境温度.     

基于CNN-LSTM融合神经网络的CRTSⅡ型轨道板温度预测方法

准确预测CRTSⅡ型轨道板温度可对轨道板内高温的出现及时进行预警，减小高温时期涨板对列车运营带来的威胁。同时考虑外界环境温度对轨道板温度影响的时滞效应与轨道板自身在时间上的温度变化规律，提出基于卷积神经网络(CNN)与长短期记忆网络(LSTM)融合模型的板温预测方法。先通过CNN在时间轴上对气温与轨温进行卷积提取出过去一段时间内外界气象条件对当前时刻板温的影响，再将CNN在各个时间点上的输出作为LSTM的输入特征利用轨道板自身的传热规律对板温进行预测。结果表明：过去12 h内的外界气象条件对当前时刻的板温有较大影响，利用训练好的CNN-LSTM在测试集上对未来40 min的板温进行预测，其预测误差绝对值的数学期望为0.925℃。     

基于数据驱动的机车车轮剩余寿命预测技术

为优化机车车轮运维管理，提高机车车轮剩余寿命的预测精度和稳定性，提出基于数据驱动的机车车轮剩余寿命预测模型。依托机车车轮全寿命周期的造修和运维数据，分析影响车轮服役寿命的主要因素，包括轮径、历史和环境影响因素。构建基于数据驱动的机车车轮剩余寿命预测模型，模型以轮径区间作为寿命计算单元，并引入轮径历史和环境损失率，综合考虑3类因素对寿命预测的影响。现场测试中，因某轮径区间的数据不符合计算要求，导致轮径环境损失率存在数据缺失问题，于是采用多层感知机算法对缺失项进行预测和补充。基于测试集中的车轮旋修数据，对比数据驱动预测算法和传统预测算法的预测效果。由结果可知，数据驱动预测算法的预测精度和稳定性均优于传统预测算法。     

基于机器学习的地铁盾构掘进参数智能预测与控制方法研究

盾构掘进的精细化和智能化控制是现代隧道施工技术的发展趋势，为更好地预测和控制盾构掘进状态，提出一种预测和控制盾构掘进参数的智能模型。该模型考虑了多个影响盾构掘进参数的非线性因素，建立了6种基于机器学习与海鸥算法相结合的混合算法(SOA-ML)盾构掘进参数智能预测模型，并提出基于层次分析法的最佳预测模型判别方法；进一步利用最佳预测模型提出了基于PSO算法的掘进参数控制方法。以金华至义乌至东阳市域轨道交通工程为例，验证了模型的有效性。运用结果表明：SOA算法可有效地对机器学习算法的超参数调优，且SOA种群数量越大，搜索的范围越广，最佳适应度收敛性越快；6种算法模型均具有较好的预测性能，根据层次分析法对预测模型进行性能排序为BP>ELM>CNN>RF>SVM>LSTM;基于BP-PSO的盾构掘进参数预测和控制过程具有消耗时间小、预测与优化性好的特点。     

基于GA-BP和小波-SVM算法的风电场短期功率预测

风力发电过程中的功率预测问题是制约风力发电发展的重要因素。针对单一传统神经网络易陷入局部最优的问题,提出了利用信息熵原理把遗传算法优化的BP网络和小波-支持向量机2种算法进行组合预测,结合华北某风电场提供的历史功率数据和数值天气预报数据对未来48 h功率进行预测,仿真结果表明,该组合预测方法的预测精度比单一预测模型的预测精度高,效率高,具有一定实用价值。     

基于GA-SLSTM模型的城市轨道交通短时客流预测

城市轨道交通短时客流预测可为相关运营部门实时调整行车调度、提高运营效率提供重要的决策依据,为乘客提供合理出行建议。因此,针对具有非线性和随机性等特性的地铁进出站短时客流预测问题,文章在堆叠式长短时记忆（SLSTM,Stacked Long Short Term Memory）模型的基础上,引入遗传算法（GA,Genetic Algorithm）,构建了GA-SLSTM预测模型。以10 min为预测粒度对地铁历史运营数据进行整理,分析了客流变化特征,并将其与GA-循环神经网络（RNN,Recurrent Neural Network）模型和LSTM模型的预测效果进行对比。GA-SLSTM预测模型对普通站点和换乘站点预测值的决定系数R2的平均值分别达到0.95和0.90,预测值对真实值的拟合效果较好,预测误差低于其他2种模型,证明该方法可提高地铁短时客流预测的准确性。     

兰州地铁地温分布特性及其演化规律

以兰州地铁所在地区为研究对象,实测地铁隧道开挖前的地温(简称为初始地温),根据实测数据,提出地铁初始地温预测模型公式。采用非稳态传热的数值模型,分析运营条件下地铁隧道围岩温度的演化规律。结果表明:兰州地铁初始地温随环境气温和埋深的变化而变化;年变温层位于自地表至埋深12m处;年恒温层位于埋深12m及其以下,温度为15℃左右;年变温层中,1年内初始地温变化规律与环境气温变化规律相似,近似呈正弦曲线状分布,但存在相位滞后的现象;1年中初始地温的振幅随埋深的增大呈指数下降趋势。在隧道内空气与围岩之间热交换中,兰州地铁隧道围岩的温度及其梯度、热透厚度(未达到极限时)均与隧道内环境温度、热交换时间成正相关关系,但与距隧道内壁的距离成负相关关系。     

基于机器学习的地铁轨道几何劣化规律个性化建模研究

较高的轨道平顺性是保障地铁列车安全舒适运行的基础,准确掌握地铁轨道的劣化规律对保障轨道质量具有重要意义。根据地铁线路特点,选择影响地铁轨道质量劣化的7类异质性因素,给出赋值模型,并基于机器学习方法建立轨道质量指数(track quality index,TQI)短时预测前馈神经网络模型。为了验证模型,采集了北京地铁1号线的线路设备数据及2016年8月15日至2019年2月18日间的17次TQI检测数据,形成训练数据集和测试数据集,并采取深度学习技术,利用训练数据集对该模型进行训练。基于测试数据集的模型预测值的可决系数为0.938,平均绝对百分比误差为4.80%,结果表明该模型是有效的且具有较高的预测精度。     

考虑绕组间全电容参数的牵引变压器频率响应建模

短路故障是牵引供电系统最易遭受的故障之一,短路电流冲击极易导致牵引变压器绕组变形。频率响应分析法是目前诊断变压器绕组变形非常有效的方法之一,基于牵引变压器建立精准频率响应模型对绕组的故障诊断具有重大的参考意义。为此以一台QYS-R-(31500+25000)/220牵引变压器为研究对象,提出一种基于集总参数电路的考虑绕组间全电容参数的改进型频率响应模型,结合数值公式法和有限元法,计算得到模型相关参数,最后通过状态空间方程,仿真得到变压器频响曲线。通过与实测曲线的对比,验证了考虑绕组间全电容参数的改进型频率响应模型较传统模型准确度更高。     

基于K-means聚类算法的城市轨道交通车站配电变压器容量计算新方法

目前城市轨道交通车站配电变压器容量的传统计算方法是需要系数法,但此方法的计算结果与实际运行需求相差较大。应用K-means聚类算法,通过对已运营车站历史数据进行分析,形成标准负荷曲线,结合新建车站设备的设计功率,最终确定新建车站的变压器容量。应用此新方法,能显著提高变压器计算结果与实际运行的负载率匹配性,大幅降低配电变压器的计算容量,从而明显减少配电系统一次性投资和后期运营成本。     

三相变四相电力变压器模型与实验研究

建立了三相变四相四心柱电力变压器的数学模型,提出并证明了设计该变压器绕组阻抗所须满足的中性点接地条件与平衡条件;设计制作了该变压器实验模型,实验验证了理论分析的正确性;理论分析与实验研究表明,在设计该变压器必须满足的阻抗约束关系中,应优先满足中性点接地条件的要求.     

地铁车站环境热舒适与通风空调系统节能策略研究进展

我国城市轨道交通方兴未艾,改善候车环境的舒适性、降低地铁的运营能耗是保证地铁事业健康发展的必由之路。通风空调系统对地铁车站环境的舒适状况影响显著,但其能耗占地铁运营总能耗的比例大,有较大的节能潜力可以挖掘。因此,针对国内外关于地铁车站环境舒适性所开展的调查研究进行汇总,指出车站所在地的气象参数、车站结构和新旧程度以及沿进出站路线的环境参数变化幅度都是影响车站舒适性的主要因素。分析总结地铁通风空调系统的设计运营现状及节能研究进展,提出应通过物理过程分析合理建立空调负荷预测模型等,结合历史运行数据进行地铁通风空调系统运行方案的改进优化。     

用全寿命周期成本法选择地铁变压器

本文根据地铁负荷的实际情况,通过对在运营的广州地铁一号线中的实际负荷统计,提出应用设备全寿命周期方法选择地铁系统主变压器、牵引变压器和动力变压器,以达到减少地铁变压器安装容量,降低变压器运行损耗,从而节省建设和运营费用的目的。对地铁供电系统的设计和运营具有一定的参考价值。     

地铁区间隧道温度的预测模型研究

夏季过高的隧道温度会导致列车空调高压保护停机,因此地铁隧道的最高温度是关乎列车运行安全的重要因素。采用模拟方法,着重研究与隧道内部发热量相关的3个因素:乘客人数、车厢质量和列车制动回收系数;以及与土壤导热相关的2个因素:土壤导热系数和热容。通过多组正交实验,建立了基于以上5个因素的响应面曲线模型。此模型可提供对隧道最热月日最高温度均值的快速预测方法,从而在研究或设计中避免复杂费时的模拟工作。     

基于Matlab的三相变压器故障的仿真模型

以单相双绕组变压器数学模型为基础,用3个独立的单相变压器表征三相变压器的每一相,推导出了三相之间的连接关系方程;建立一种以磁链作为状态变量的三相变压器内部故障暂态仿真模型;充分考虑了二次侧终端条件、铁心磁路饱和等因素,选择磁链作为状态变量.在该模型基础上,对三相变压器的励磁涌流,短路试验电流、绕组匝地匝间短路故障时一次侧电流进行仿真计算及特性分析,验证了模型的正确性和有效性.