共查询到10条相似文献,搜索用时 265 毫秒
1.
针对深圳地铁1号线列车紧急制动故障,从紧急制动发生时车辆系统和信号系统的故障记录、紧急制动故障统计和试车线模拟等方面,分析了信号代码140和140-3紧急制动两种不同的故障情况.通过改进紧急制动的控制电路,有效区分了代码140/140-3紧急制动故障车辆系统和信号系统之间的接口责任. 相似文献
2.
3.
随着动车组列车开行的增加,由动车组故障生成的海量故障代码人工无法迅速判断,需要借助计算机提供辅助信息。故障应急处理指导系统帮助故障代码在不同平台的实时查询与分析,为动车维修及随车机械师处理故障提供良好的辅助作用。系统服务器端采用DotNET框架下的B/S结构,通过java实现跨平台数据交换,并采用andriod系统开发移动终端。 相似文献
4.
对空调发电车燃油系统缺燃油、冷却系统缺冷却水、起动系统缺电等"致命"故障的原因进行了分析,为确保集中供电式空调列车的正常运用,保障旅客乘车的舒适度,针对不同的故障原因提出了相应的处理方法,以快速准确地排除故障,迅速恢复空调发电车供电。 相似文献
5.
以宁波地铁1号线为例分析了地铁自动售检票(AFC)系统车站终端设备的故障数据,并找出其规律。车站终端设备中自动售票机故障率最高,而且车站客流量与终端设备故障率之间存在明显相关性。详细阐述了AFC系统故障的特点,总结了影响车站终端备置故障的主要因素。针对不同阶段运行的设备故障类型,提出设备维护与维修策略,可提高AFC设备故障维修的效率。 相似文献
6.
铁路信号设备故障的快速判断、定位及排除是提高安全系数和铁路经济效益的重要途径。该系统采用知识库的方法,根据现场所发生的故障现象,对信号设备故障从不同的角度进行定性、定量的分析,找出故障点和对所发生的故障进行分析,对加快排除信号系统的故障有积极作用。 相似文献
7.
8.
9.
高速铁路车辆(简称:车辆)运行条件恶劣多变,车辆悬挂系统的可靠性关系到行车安全和乘坐舒适性。当车辆的悬挂系统发生故障时,振动信号呈现非线性、非平稳的特征。为此,提出了一种基于卷积神经网络(CNN,Convolutional Neural Network)-长短时记忆(LSTM,Long Short-Term Memory)模型的车辆悬挂系统故障识别方法。通过SIMPACK平台建立了包含悬挂系统的车辆-轨道耦合动力学模型,获得了车辆系统各部件在健康状态及各类故障状态下的振动信号;以与故障元件关联部件的振动加速度信号作为模型输入,通过构建的CNN-LSTM模型对时序信号进行特征提取和分类预测,进而实现对车辆悬挂系统的故障识别;通过构建不同工况的故障数据集对该方法进行评估。试验结果表明,该方法在速度等级相同的情况下,故障识别准确率可达98%;在速度等级不同的情况下,故障识别准确率可达99%,验证了该方法的有效性。 相似文献
10.
通过介绍双管供风列车供风系统主要设备及工作原理,就双管供风客车的供风系统典型故障及原因进行分析,并就不同故障现象提出应急处置措施,对车辆、机车设施提出相应改进探讨. 相似文献