几种诱发车辆故障原因及排除故障思路

诱发故障的原因 (1)车辆自身因素.①汽车设计制造的因素.一些汽车制造企业在对车辆的设计装配上对市场不注重调研,忽略用户需求,技术上缺乏精益求精,使本来非常成热的技术成果在一些车辆上故障频现.例如,气压制动系中四回路保护阀,在安装时教训告诉我们:四回路保护阀调整螺阀丝朝上安装,一些水和赃物容易侵入,使四回路保护阀内的弹簧锈蚀,密封垫破损,气压泄露,经常出现制动系统气压上升缓慢,压力不足.     

地铁运行荷载引起的隧道地基土动力响应分析

利用轮轨耦合模型,计算某城市地铁列车运行时产生的轮轨力。利用有限单元法分析该轮轨力引起的地基土动应力比值的变化规律、影响范围及动应力比值与列车运行次数的关系。分析结果表明,列车振动引起的拱腰附近及拱底轨枕正下方土层的动剪应力较大;列车运行的水平向影响范围大约为15 m,垂直向影响范围大约为3 m;列车运行初期,动剪应力随列车通过次数的增加而增大,运营后期,增加幅度趋于平缓;在现行的高低偏差管理容许值范围内,线路局部地段的高低不平顺对地基土动剪应力比的影响不大。     

铁路工程车轮对跑合试验台设计

针对目前铁路工程车轮对跑合试验台安装测试困难,部分转速达不到工艺测试要求,需要人工进行数据采集等多方面问题,提出一种铁路工程车轮对跑合试验台新设计方案。详细论述轮对跑合试验台的设计要求、机械系统及支撑方式、电气系统等。新设计的轮对跑合试验台能够满足当前宝鸡中车时代工程机械有限公司所有铁路工程车轮对跑合试验,测试轮对在不同转速时产生的噪音,记录轴箱及齿轮箱表面温度,实现数据自动采集。     

浅谈编组站SAM系统应急处置的探讨

SAM系统基于EAI企业应用集成思路,整合和发展成熟的信息系统和控制系统,提高了编组站运输生产指挥体系的信息化。随着该系统的运用,编组站日常运输生产对SAM系统的依赖性越来越强。基于此,本文立足于保证日常作业组织安全高效,提出必须明晰应急处置流程,形成正确的应急处置机制和方法,以提高SAM系统运用保障能力。     

一种砼二轴应力状态下的简化强度准则

在砼结构分析中,常用到砼二轴应力状态下的强度准则.针对已有的一些砼强度准则取值不尽一致,且表达式相对繁琐,在分析文献[1]试验结果的基础上,笔者结合《混凝土结构设计规范》(GB50010 2002),按照曲线拟合的方法,拟合成一条单侧贝努利双纽线,经与其他砼二轴应力状态下的强度准则进行了比较,本文提出的砼二轴应力状态下的简化强度准则既能满足实际要求,又具有确定参数少、表达式简单、在不同的受力区具有统一的表达式的特点.     

海洋声学环境对声纳的影响评估

主要分析影响声纳性能的海洋声学环境因素,给出影响声纳作用距离的声传播损失、海洋环境噪声和海洋混响的声学模型.这些模型的使用,对声纳性能预测和分析具有重要的工程价值.     

铝型材弯曲成形截面畸变缺陷控制方法研究

针对某车用封闭截面铝型材弯曲成形时截面畸变严重的问题,提出一种铝型材弯曲成形截面畸变的控制方法,即通过在封闭截面内充填柔性芯轴,并调节芯轴与型材内表面的间隙,以控制铝型材弯曲成形时封闭截面的截面畸变。通过Pam-stamp 2G有限元软件对铝型材的弯曲成形过程进行模拟分析,并与试验件对比,验证了该方法的合理性。     

大跨度斜拉桥刚度对结构动力特性的影响研究

为确定大跨度斜拉桥刚度对结构动力特性的影响,以泸州市长江六桥为工程背景,基于VBWD(Vehicle-BridgeWind Dynamics)程序,开展不同的主梁刚度、拉索刚度、主梁-拉索刚度以及桥塔刚度对结构动力特性的影响研究。结果表明:大跨度斜拉桥的竖向刚度主要由主梁竖向刚度和拉索刚度提供,其中,拉索刚度所占比重较大;横向刚度主要由桥塔横弯刚度和主梁横弯刚度提供,其中,主梁横弯刚度所占比重较大。     

Decision Model for Market of Performing Arts with Factorization Machine

Performing arts and movies have become commercial products with high profit and great market potential. Previous research works have developed comprehensive models to forecast the demand for movies. However, they did not pay enough attention to the decision support for performing arts which is a special category unlike movies. For performing arts with high-dimensional categorical attributes and limit samples, determining ticket prices in different levels is still a challenge job faced by the producers and distributors. In terms of these difficulties, factorization machine (FM), which can handle huge sparse categorical attributes, is used in this work first. Adaptive stochastic gradient descent (ASGD) and Markov chain Monte Carlo (MCMC) are both explored to estimate the model parameters of FM. FM with ASGD (FM-ASGD) and FM with MCMC (FM-MCMC) both can achieve a better prediction accuracy, compared with a traditional algorithm. In addition, the multi-output model is proposed to determine the price in multiple price levels simultaneously, which avoids the trouble of the models’ repeating training. The results also confirm the prediction accuracy of the multi-output model, compared with those from the general single-output model.