编组站驼峰场车辆减速器的设备选型

本文对气动型和电动型车辆减速器的主要参数、优缺点等方面进行了较为详细的比较分析，并结合工程实践，提出了编组站驼峰场车辆减速器的设备选型。     

驼峰车辆减速器设备的设计选型

作为驼峰场的主要基础设备,车辆减速器设计选型对驼峰控制系统的运行效果和安全性至关重要。在分析驼峰计算机控制系统对车辆减速器的性能要求的基础上,根据国内在用的各种车辆减速器的实际使用情况,提出了车辆减速器设计选型中应注意的一些问题。     

驼峰减速器控制电路改进

武威南编组站半自动化驼峰三部位车辆减速器前后2台制动轨由同一个控制电路控制，通过接收计算机控制命令，使制动轨缓解和制动，控制溜放车辆出口速度，达到自动控制车辆溜放的目的。但在实际运用过程中发现，驼峰减速器控制电路还存在一些不足，影响车辆解体和编组效率，制约运输效率的提高，甚至危及安全生产。     

驼峰重载车辆减速器的研制

在不改变驼峰调车场控制和传动方式的条件下,以现有重力式减速器为基础,研制重载车辆减速器。根据曲拐偏心距与传动压力关系的计算与分析,确定曲拐偏心距的选择范围,保证减速器性能的安全性;通过应力分析和计算,结合疲劳试验和有限元分析,确定关键零件的结构,满足减速器在重载条件下的机械强度要求;采用人性化设计,便于现场维护和维修。解决在低压传动条件下,实现减速器对重载货车的制动锁闭和缓解解锁的关键技术。满足轴重25 t重载车辆的运输需求,将重力式间隔制动减速器的使用寿命由原来轴重21 t时的2×106次,提高到轴重25 t时的3×106次。自2006年4月开始实地安装使用,其工作状态良好。     

基于FNN的驼峰车辆减速器出口速度的计算

减速器出口速度的合理性直接影响着驼峰溜放作业的效率和安全。目前，国内外常用的驼峰车辆溜放速度控制模型主要是基于车辆走行阻力的统计特性。但车辆走行阻力是随机、离散的复杂变量，难以准确测定；而且，基于这个统计模型的出口速度计算法比较机械，没有自适应能力，使得某些溜放环境变化后，溜放作业的安全连桂率有所下降，安全善恶化。为此，本文基于模糊神经网络（FNN）理论，提出了一种新的计算车辆减速器出口速度的智能控制模型。该模型采用五层的前向神经网络来构造模糊系统，以模拟熟练的调速作业员给定出口速度的模糊和自适应策略，并在相关的先验知识的基础上，使用了改进的误差反向传播学习算法，具有自学习和自适应能力。在驼峰溜放环境变化时，控制系统能通过自学习，自动校正减速器计算出口速度模型，改善控制品质，使系统保持设计的安全连挂率。计算机模拟结果表明这种模型是很有效的。     

驼峰场减速器动作时间的监测

拥有性能优良的减速器和先进控制系统的自动化驼峰场，通常具有较高的车辆解编作业效率。由于减速器是机械设备，长期连续工作必然形成磨损，性能指标下降，容易造成动作缓慢、动作时间延长，直接影响车辆速度控制精度。因此及时发现减速器的故障并进行维修，对减速器的动作时间进行实时动态监测，是非常必要的。     

缩短T．JK型车辆减速器缓解时间的探讨

本文通过对T．JK型车辆减速器工作原理及其在实际自动化驼峰编组使用中存在问题的分析，提出了减少T．JK型车辆减速器缓解时间离散度的方法，以提高自动化系统的控制精度。     

基于BP神经网络的200 km/h牵引变流器故障诊断技术的研究

在对200 km/h牵引变流器建立仿真模型的基础上,利用小波分析的手段提取故障特征,继而通过BP神经网络进行故障模式识别,得出变流器故障智能诊断系统。最后对网络测试能准确的做出故障诊断。     

车辆减速器轨枕板绝缘问题的改进措施

通过对影响重力式车辆减速器轨枕板绝缘的因素分析,提出解决重力式车辆减速器轨枕板绝缘性能的方法,提高减速器轨枕板应用的可靠性。     

基于Mamdani模糊神经网络的相敏轨道电路故障诊断方法研究

针对25 Hz相敏轨道电路故障的不确定性与模糊性,提出一种基于Mamdani模糊神经网络的轨道电路故障智能诊断改进方法。采用自适应-动量BP学习调整法对模型参数进行训练优化,给出推导过程,并讨论系统参数初始值的设定。仿真实验表明,在相同实验条件下改进方法降低了训练误差,并有效地提高了诊断学习过程的稳定性与收敛速度,对25 Hz轨道电路故障进行智能模糊诊断是可行的。     

基于BP神经网络的动车组客室空调故障识别与预警研究

动车组客室空调良好的制冷效果是旅客舒适度和动车组稳定有序运行的重要保证,但客室空调故障的发生具有突发性和隐蔽性特点,给空调系统的日常检修维护带来极大困难。采用BP神经网络算法建立客室室温预测模型,并运用Matlab编程计算实现客室室温理论预测。根据预测模型在CRH380B(L)型动车组客室空调系统中的实际验证情况,制定客室空调故障识别与预警的阈值、规则和等级,为后期客室空调系统故障自动识别与预警系统的开发奠定基础,完善动车组客室空调故障识别和预警机制,对动车组客室空调故障的在线实时识别与潜在故障的预警具有重要意义。     

基于BP神经网络修正的自适应灰色模型的隧道变形预测研究

隧道围岩具有高度的非线性变形特征,通过变形预测能有效判断隧道变形的发展趋势。首先以自适应GM(1,1)模型对隧道变形进行初步预测,且为保证自适应模型的参数为全局最优参数,提出以粒子群算法对模型参数进行优化;其次,以BP神经网络为基础,建立误差修正模型,旨在进一步提高预测精度。在此基础上,将该预测模型应用于2个工程实例中,结果表明:该预测模型在横向和纵向上的预测效果均较好,自适应能力和递推能力均较强,预测结果与实测值较为吻合,预测精度较高,能较好地反映隧道围岩的变形规律。该预测模型能较为有效地实现隧道围岩的动态预测,可以进行推广应用及研究,为隧道变形预测提供一种新的思路。     

超声波钢轨探伤车B显数据伤损模式分类技术研究

既有钢轨探伤车超声检测系统均为国外引进。中国铁道科学研究院自主化钢轨探伤系统目前已经通过试验验证,所采用的伤损模式分类技术是其中的一项关键技术。根据自主化钢轨探伤系统的探轮设置,规定伤损的类别设置,并将伤损类别划分为四大类:核伤类、螺孔裂纹类、轨底裂纹类、水平裂纹类。归属于不同大类的伤损采用不同神经网络进行识别。以螺孔裂纹类为例进行说明,采用标定线数据进行测试,验证算法的有效性。     

基于FTA与改进神经网络的轨道电路红光带诊断方法

以ZPW-2000无绝缘移频轨道电路红光带故障为研究对象,针对其故障的多样性与复杂性,提出一种基于故障树分析(FTA)与改进BP神经网络相结合的轨道电路智能故障诊断方法。根据轨道电路组成与故障关系建立故障树进行FTA定性分析,分析故障成因并提取故障诊断规则,确定诊断模型的输入输出,构建两个BP神经子网以并联方式联接组成诊断模型,采用LM算法和遗传算法对模型参数进行调整。通过仿真分析,表明该方法可行有效,为轨道电路智能故障诊断提供一种新思路。     

基于BP神经网络的瓦斯隧道突出预测系统开发研究

瓦斯隧道突出影响因素多,难以为其建立合适的多指标非线性预测模型。为了提高突出预测的准确性和增强预测方法的可操作性,采用BP神经网络建立瓦斯隧道突出预测数学模型。借助ASP.NET技术、C#语言和SQL Server 2008数据库,在C#.NET环境下利用Matlab引擎技术调用神经网络工具箱,成功构建了突出预测系统。以肖家梁隧道为例对该系统进行实际检验,预测结果与隧道实际状况达到了较好的一致性,可实现瓦斯隧道突出的准确预测。