基于灰色神经网络模型的动车组检修测量设备量值状态预测研究

为了分析动车组检修测量设备量值溯源历史数据,提出一种动车组检修测量设备量值状态预测模型.分析动车组检修测量设备量值溯源历史数据,结合运用灰色理论模型与BP神经网络模型,形成综合的灰色神经网络模型,预测动车组检修测量设备量值状态,指导设备使用.     

基于SOM-BP混合神经网络的道岔设备退化状态研究

针对道岔设备故障频繁、维修成本高,且现有基于故障数据的诊断方法无法描述道岔退化过程,难以实现故障超前预判的问题,进行基于SOM-BP混合神经网络的道岔设备退化状态研究。依据采集的道岔非故障功率数据按区段提取峰值、方差、峭度等特征参数,基于平均影响值进行特征参数选择,并确定输入维数;使用自组织特征映射(SOM)神经网络对输入特征参数进行多次聚类学习,分析学习结果得到6种退化状态样本数据;构建15-13-6型BP神经网络结构模型,实现对道岔设备退化状态的识别。结果表明,采用SOM-BP混合神经网络进行道岔设备退化状态识别的准确率达到95.56%。     

基于灰色系统模型的接触网设备状态预测

灰色系统作为行之有效的设备状态预测工具之一,具有所需数据样本少且数据训练时间短等特点。针对当前接触网设备的运行检修以周期性平推检查为主的特点,本文使用MATLAB语言编制预测模型,对实际线路接触网检测数据进行分析预测。预测结果表明,该方法预测精度可满足实际工程需要,能够有效地应用于接触网设备状态的在线预测,给接触网运营检修工作提供参考。     

基于小波神经网络模型的高铁沉降预测方法研究

小波神经网络具有自主学习能力强、结果稳定等特点,可用来解决高铁线路沉降预测模型单一、预测不稳定等问题。对大西线侯马西站轨道变形监测CPⅢ观测点实测数据的对比分析表明,小波神经网络预测结果的相对误差范围较卡尔曼滤波结果缩小50%以上,均方误差缩小50%,相关系数和平均相对误差指标比较稳定,较当前应用最为广泛的卡尔曼滤波模型具有更好的容错能力和逼近能力。研究结果不仅扩充了当前预测模型的可选范围,还在预测结果的稳定性上提供了更好的参考对象。     

基于混合神经网络的铁路材料消耗的预测方法研究

为精确地预测铁路材料的消耗,采用了混合神经网络的方法进行建模。根据ABC分类法对所有物资进行分类,明确了材料消耗中的重点,在综合分析以往材料消耗数据的基础上,确定了混合神经网络的结构,最终建立了一个用于材料消耗预测的混合神经网络模型。     

基于大语言模型的铁路客流预测优化方法研究

为解决铁路客流预测结果准确度受外部客观环境变化因素影响较大、传统客流预测模型结果准确度难以进一步有效提升的问题,提出基于大语言模型的铁路客流预测优化方法,借助DeepSeek-R1模型高效的文字阅读、内容检索和信息整合能力,定时筛选天气、特殊事件等影响客流的重点外部事件,并将其作为建模要素加入到客流预测模型当中,有效提升模型预测准确率。经北京—上海实际铁路客流数据验证,引入大语言模型的客流预测模型相较于传统时序预测模型的平均百分比绝对误差减少了5.5%,且能够有效避免临时性外部事件所导致的预测异常,在客流预测工作中有良好的应用效果。     

铁路通信设备技术状态大数据平台的研究

铁路通信设备状态的良好与否直接影响到铁路运输安全和效率,为实现对铁路通信设备的状态监控与管理,满足通信系统的信息共享和挖掘分析的业务需求,提出铁路通信设备技术状态大数据平台的技术方案,包括平台总体架构、功能结构、网络架构、技术架构、数据接口方案等,平台的建设与应用,将实现通信设备全寿命周期管理,并提供故障预测和状态评价等大数据应用服务。     

随机森林算法在地铁车辆门系统润滑退化状态预测中的应用

为了更准确地对地铁车辆门系统的润滑退化状态进行诊断,提出了一种基于随机森林(RF)算法的车门润滑退化预测方法。首先,从车门驱动电机的电流、转速和转矩输出信号中提取时域特征指标作为表征车门运行状态的特征向量;然后,将特征向量作为RF算法的输入,对系统的润滑退化状态进行离线建模,得到不同的润滑退化状态的训练模型;最后,将在线分析结果与离线建立的模型库进行对比,预测当前系统所处的润滑状态。仿真结果表明,与传统的单分类器K-Means的诊断结果相比,RF算法在车门的润滑退化预测中具有更高的精度,可以及时预测系统的润滑退化征兆,对提高车门系统的安全性、可靠性,以及降低故障率具有重要意义。     

基于HPSO-WNN的牵引变压器故障诊断算法研究

为全面有效地诊断电力机车牵引变压器故障,提出一种基于混合粒子群算法的正交小波神经网络(HP-SO-WNN)方法,对牵引变压器进行综合测试和诊断。将色谱数据和电气试验数据作为正交小波神经网络的输入量,网络隐藏层采用具有正交性的小波函数db4作为基函数,利用混合粒子群算法获得正交小波神经网络的初始值并优化网络参数。试验结果证明,本文提出的HPSO-WNN确实可有效提高牵引变压器故障诊断速度和准确度。     

基于混合方法的风速预测模型研究

为实现铁路沿线风速的高精度预报,建立若干基于混合方法的预测模型并进行性能比较.采用小波分解(WD)和经验模态分解(EMD)将原始风速序列平稳化,采用神经网络方法(BP,ANFIS和NAR)进行预测,形成6种混合模型:WD-BP,WD-ANFIS,WD-NAR,EMD-BP,EMD-ANFIS和EMD-NAR.引入基于单...     

屏蔽门与列车门开关同步性测量方法探讨

介绍地铁屏蔽门与列车门的开关时序,阐述了屏蔽门与列车门同步性测量方法,通过模拟示例图分析,最终得出两种测试方法的优缺点,为进行现场实际测试提供了理论依据。     

基于深度残差神经网络的地铁站台门与列车门间异物自动检测方法研究

针对地铁站台门与列车门间现有异物检测方法的精度差、误报率高的问题,提出基于深度残差神经网络图像识别原理,利用地铁站台发车指示器图像数据实现站台门与列车门间异物实时检测.首先,搭建基于深度残差神经网络ResNet50模型的自动异物检测系统;然后,采集站台发车指示器视频帧信息建立数据集并完成系统训练;最后,分析自动异物检测...     

地铁站台土建结构板上设置站台门绝缘的原理及方法

通过综合理论分析,得出一种在地铁站台土建结构板上设置地铁站台安全门绝缘的原理及方法.由于空气湿度与物体表面电阻是负相关,而表面电阻与站台门绝缘电阻是正相关,因此要提高站台门绝缘性能必须提高物体的表面电阻.进而提出一个颠覆传统站台门绝缘结构的方法,即在站台土建结构上设置绝缘,全面增大站台门体积电阻及表面电阻,使站台门绝缘...     

基于FTA的站台门门机系统可靠性分析

采用故障树分析法(FTA)对地铁站台门的门机系统进行可靠性分析,以郑州地铁1号线一期故障数据为基础,结合门机系统结构特点建立门机系统故障树,通过定性定量分析得出顶事件故障概率,根据重要度计算结果找出门机系统典型故障原因和薄弱环节,提出站台门门机系统故障优化方案,确保门机系统工作安全可靠。     

地铁站台屏蔽门继电器微电流检测装置设计

采用Nextkit NANO A数据采集卡,结合漏电流互感器和计算机技术,借助LabVIEW软件的开发环境,设计和组建了一套用于测量地铁站台屏蔽门专用继电器的检测装置。该装置具有测量实时电压值和微电流值,查看实时采集数据、输出波形图,设置数据采集频率、数据采集数量,设定数据采集通道等功能。     

基于模型预测方法的高速动车组空簧压力低故障预测研究

高速动车组发生空气弹簧压力低故障后,车辆自动限速运行,需要停车检查或车辆入库后根据故障信息来推断故障原因。为了能在故障发生前进行预判,文章提出了基于模型的预测方法。模型以车载无线传输装置记录的历史故障数据和健康管理系统报表数据为故障预测的数据来源,通过分析静态和动态数据确认模型关联参数,从阈值、差值、空簧压力下降速率3个维度搭建预测模型,并通过实车跟踪,成功验证了模型的有效性。     

基于SOA的城轨信息共享平台模型的研究

目前,城轨信息化建设中存在的问题是信息系统没有构成有机整体,各系统间连通性和互操作性不强,信息资源难以共享。在分析面向服务架构(SOA)特点的基础上,提出一种基于SOA的城轨信息共享平台模型。采用层次分析法深入探讨信息共享平台模型各层的工作原理和模型实现的关键技术,并以一个服务组合实例说明信息共享平台模型的可用性、有效性、安全性。     

基于混合算法的机车二系弹簧载荷调整优化方法

针对电力机车二系悬挂调簧分析数学模型算法的优化问题,提出一种遗传算法(GA)与蚂蚁算法(AA)相结合的混合优化算法。其基本思想是:首先采用遗传算法以较少的进化代数进行全局快速随机搜索,获得若干可能的(近似)优化解,以此生成蚂蚁算法初始信息素分布,再用后者求得全局优化精确解。对国产SS3B和SS9型机车的应用结果表明,对同一车体进行多次优化计算试验,混合优化算法的搜索寻优过程均能稳健一致地收敛到全局优化解,可明显缩短二系支承载荷调整调簧计算所需时间,使调簧试验的实时性大为提高。对于二系为高圆簧的SS9型机车,混合算法平均用时比迭代算法和单一遗传算法分别减少约74%和29%。     

基于XGBoost模型的地铁列车运行状态仿真方法

基于物理模型及列车性能参数的地铁列车运行状态仿真方法存在着列车适配性差、参数调整成本高等问题.为了给ATC(列车自动控制)系统的研究提供更为准确、高效的模拟试验平台,提出一种基于XGBoost(极端梯度提升)算法的列车运行状态仿真模型构建方法.该方法可从实际运行数据中学习列车的控制与运行特性,可针对不同的线路环境、不同...