基于SARIMA时间序列模型的高速铁路桥梁段轨道高低不平顺劣化预测

高速铁路在长期运营下需要高平顺性以保证列车安全、平稳运行,然而简支梁桥作为高铁线路设计中一种重要结构,其服役过程中受环境影响出现不同程度的挠曲变形,从而降低轨道平顺性,影响列车运营安全。本文通过结合轨道动检车数据及线路信息,将某线路简支梁桥区段的轨道高低不平顺作为分析对象,从时域和频域的角度分析并提取桥梁段轨道高低不平顺劣化指标。采用SARIMA模型对连续40个月的劣化指标时间序列分析,实现高速铁路桥梁段轨道高低不平顺的劣化预测。研究结果表明,轨道高低不平顺劣化指标时间序列具有近似线性的趋势项以及和气温强相关的季节项。SARIMA模型预测结果较为理想,该预测方法可以为高速铁路桥梁的轨道养护维修工作提供一定的指导意义。     

基于模糊多准则优选的高速兼顾普速线路超高设计

合理设置曲线超高对提高列车运行舒适性、减少轮轨磨耗、节省铁路工务作业成本具有重要意义。为进一步提高我国当前的路网运输效率,对高速铁路兼顾普速客车上线的曲线超高设置问题展开研究。基于车辆—轨道耦合动力学理论计算高速及普速列车的动力响应,采用模糊多准则优选算法对高速列车和普速列车的运行舒适性Sperling指标进行优化。以通过相应曲线半径的过超高和欠超高允许值作为约束条件,建立基于模糊层次分析法的高速(250 km/h)兼顾普速(160 km/h)线路曲线超高的多准则优选模型。研究结果表明：本文采用的模型能够同时满足高速与普速铁路的舒适性需求,可为高速兼顾普速线路的超高设计提供参考依据。     

基于改进型D3QN深度强化学习的铁路智能选线方法

传统的人工选线方法劳动强度大,设计效率低,随着我国铁路建设重心向西部复杂艰险山区转移,人工选线面临的困难日趋凸显。为缩减铁路选线的人力物力成本,提高设计效率,亟需发展结合了人工智能和信息技术的现代选线技术。为此,提出一种基于深度强化学习理论的铁路智能选线方法。以带有空间属性信息的数字高程模型为选线环境,以相邻空间点间的建造费用为即时奖励,以工程建造费用最小为优化目标,设置离散化的备选动作,考虑多种约束条件,构建面向铁路选线的深度强化学习模型。结合深度学习的感知能力和强化学习的决策能力,利用双竞争深度Q学习网络(Dueling-Double-Deep Q Network,D3QN)对模型进行训练,既克服强化学习问题对复杂状态和动作空间难以收敛的缺点,同时解决了传统DQN算法易于出现过估计、训练不稳定的问题,实现自动对选线环境进行感知、搜索、判断、决策,最终寻得目标函数最优的线路方案。以某山区铁路对本方法进行验证,实验结果表明：该方法能搜索到多样化的线路备选方案,可以为设计人员提供新的设计思路;有效降低了铁路建设的经济费用,较人工选线方案节约最多达17.5%。智能选线方法可以帮助节省选线工作成本,不遗漏有价值的方案,提高工作效率。     

高速铁路动检车轴箱加速度与轮轨力数据里程对齐研究

高速铁路动检数据对轨道养护维修具有重要意义,其中轴箱加速度和轮轨力是两种能够反映轨道短波不平顺信息且相互关联的高频采样数据。然而,这两种数据之间存在里程误差,以至于在评价轨道平顺性时无法建立参考基准。现有的动检数据里程修正方法大多需要结合线路台账信息,主要针对轨道几何不平顺数据的里程对齐,鲜有适用于无线路超高信息且高频采样下的轴箱加速度和轮轨力里程对齐方法。提出一种二阶段窗长收敛的里程误差修正模型,结合线性插值方法调整全局波形。根据某高速铁路实测轴箱加速度、轮轨力数据修正结果表明：该线路区间的里程误差在第一阶段修正后从1 km左右减小至42 m以内,经第二阶段精确修正后误差在99.7%的置信度下可控制在1.55 m以内。数据能量趋势结果表明,修正后轴箱加速度、轮轨力数据趋势线性相关性在全区段显著提升。     

基于对数线性模型的酒后驾驶人的人口特征研究

研究酒后驾驶人的人口社会学特征,有助于提高酒后驾驶交通安全宣传的针对性.搜集某地某年查获的1 072位酒后驾驶人的年龄、性别、户籍和文化程度4个人口学变量的数据,运用线性模型,分析酒后驾驶人在上述4个变量上的分布及其交互关系.结果表明:①酒后驾驶人在年龄、性别、户籍和文化程度4个变量上存在显著差异,男性较之女性、中年较之青年、外地较之本地、高学历较之低学历更多地涉及酒后驾驶;外地较之本地更多涉及酒后驾驶,与既有研究和直觉判断差异较大,反映了当地酒后驾驶安全意识较之外地更好.②4个变量之间均存在显著的二阶交互效应(p<0.01),其中,性别-年龄、性别-户籍等2个二阶效应为正,性别-文化程度、年龄-文化程度、户籍-文化程度与年龄-户籍4个二阶效应为负;表明文化程度调节了性别、年龄、户籍等3个因素对酒后驾驶的影响,年龄调节了户籍对酒后驾驶的影响.调节效应一定程度上解释了酒后驾驶的原因.基于上述结论,提出了改进对酒后驾驶交通安全宣传的策略.     

考虑摇头角的非赫兹滚动接触算法对比研究

为研究轮对摇头角对轮轨接触行为的影响以及评估简化非赫兹轮轨接触算法的精度,选取EKP、MKP与MSHM共3种考虑摇头角的轮轨非赫兹简化算法分析轮轨法向与切向接触行为。以S1002CN车轮踏面和CHN60钢轨为研究对象,以精确理论CONTACT算法的结果为参考,对比各简化接触算法得到的接触斑形状、接触应力、切应力等微观接触结果的准确性。利用UM软件建立车辆-轨道耦合动力学模型进行仿真分析得到轮轨运动参数,然后输入到接触算法计算轮轨接触解,基于统计学累积误差方法评估不同接触算法在实际车辆运行工况下的计算精度与稳定性。计算结果表明：摇头角使轮轨接触斑与接触应力呈三维非对称分布;对于法向接触,在大部分工况下,MKP算法相比EKP、MSHM算法精度较高,但接触斑内轮轨曲率变化较大时,如横移量为6 mm, MKP算法所得到的最大接触应力误差为47.2%,此时更适合采用MSHM算法,其误差为27%;对于切向问题,采用EKP+FaStrip、MKP+FaStrip算法比MSHM+FASTSIM算法得到的结果更准确;对于动力学结果,MKP+FaStrip算法比EKP+FaStrip、MSHM+FASTSIM算法得到的接触结果更加精确和稳定。     

基于IPSO-LSTM的高速铁路无砟轨道不平顺预测

为准确预测高速铁路无砟轨道不平顺发展趋势,结合改进粒子群优化算法(IPSO)和长短期记忆网络(LSTM)搭建轨道质量指数(TQI)预测模型(IPSO-LSTM),将轨检车获取的各项轨道不平顺检测数据经过异常值剔除和降噪等预处理,形成TQI时间序列数据,利用标准化处理后的TQI样本开展模型训练和不平顺预测分析,并与其他常用预测方法进行对比。研究结果表明：长短期记忆网络具有记忆历史信息的功能,能较好地预测非线性时间序列的发展趋势。采用IPSO可解决LSTM中隐含层神经元个数和学习速率等超参数难以选取的问题,增强了模型预测性能。针对某高速铁路K5+000～K7+000区段长达4年的轨道不平顺检测数据,IPSO-LSTM模型对TQI的预测精度最高,自回归积分滑动平均模型(ARIMA)次之,BP神经网络和灰色模型相差不大。IPSO-LSTM的平均相对误差和均方根误差分别为0.035和0.135,与ARIMA,BP神经网络和灰色模型相比,其平均相对误差降低22%～45%,均方根误差降低26%～45%,验证了IPSO-LSTM模型用于无砟轨道不平顺预测的有效性。IPSO-LSTM预测模型有望为了解和掌握高铁无砟轨道质量发展提供一种新的技术支撑。     

制动失灵,紧急避险是关键

事故回放 2012年夏日的一天,一辆满载50余吨水泥的大货车,在连霍高速河南境内,由于严重超载和连续下坡,驾驶员长时间使用脚制动,导致制动片与制动毂之间间隙过大,制动完全失效,疾速向下冲去,货车先将前方一辆满载乘客的大客车撞出70多米后,仍然没有停住,又将一辆面包车撞翻,最后致使挂车与机车分离后倾翻,造成多人死伤的惨剧.     

采用直翼推进器的舰船动力装置仿真

直翼推进器可在360°范围内快速改变推力方向及大小,具有优良的操纵性和机动性,因此,被广泛应用在对动力系统有特殊要求的船舶中,如拖船、扫雷艇和海洋工程船等。本文以采用直翼推进器的船舶为研究对象,通过分析船体、柴油机以及直翼推进器之间的能量转化,采用MMG操纵运动非线性数学模型,建立Matlab/Simulink模型,进一步研究基于直翼推进器的船机桨匹配特性,为进一步提高直翼推进器实船应用提供参考。