基于小滚轮高频激励的高速列车齿轮箱箱体振动试验

为探究高速列车齿轮箱箱体振动特性和疲劳损伤, 应用小滚轮高频激励台架试验, 将滚轮表面加工成径跳量幅值为0.05 mm的13阶多边形, 可等效成20阶车轮多边形, 研究了某型齿轮箱箱体在不同垂向载荷与速度工况下的振动特性; 通过雨流计数法及Miner线性损伤法则, 分析了齿轮箱箱体单位时间应力累计损伤。研究结果表明: 受齿轮箱箱体共振影响, 不同垂向载荷与速度工况下, 高速列车运行速度为200 km·h-1时, 齿轮箱箱体各测点的垂、横向加速度均方根值均为最小; 当垂向载荷为23 t时, 大部分测点的垂、横向加速度均方根值均为最大; 齿轮箱箱体存在573 Hz的局部固有频率被激发共振, 其原因是试验速度为100 km·h-1时试验台发生共振, 以及试验速度为300 km·h-1时, 受到20阶多边形车轮转频约580 Hz的主频激扰; 车轮初始速度从0加速到200 km·h-1及从300 km·h-1减速至0的速度等级之间时, 齿轮箱箱体各测点的单位时间应力累计损伤波动较大, 其余速度等级段各测点的单位时间应力累计损伤波动很小; 单位时间应力损伤最大值出现在大齿轮箱齿面观察孔, 为3.72×10-10, 损伤最小值位于小齿轮箱轴承正上方, 仅为8.29×10-18。可见, 箱体共振、试验台减速运行、速度等级对齿轮箱箱体振动加速度影响较大; 非共振、试验台不减速运行、相同速度等级下, 垂向载荷对单位时间应力累计损伤影响甚微。      

Sensorimotor self-learning model based on operant conditioning for two-wheeled robot

Traditional control methods of two-wheeled robot are usually model-based and require the robot’s precise mathematic model which is hard to get. A sensorimotor self-learning model named SMM TWR is presented in this paper to handle these problems. The model consists of seven elements: the discrete learning time set, the sensory state set, the motion set, the sensorimotor mapping, the state orientation unit, the learning mechanism and the model’s entropy. The learning mechanism for SMM TWR is designed based on the theory of operant conditioning (OC), and it adjusts the sensorimotor mapping at every learning step. This helps the robot to choose motions. The leaning direction of the mechanism is decided by the state orientation unit. Simulation results show that with the sensorimotor model designed, the robot is endowed the abilities of self-learning and self-organizing, and it can learn the skills to keep itself balance through interacting with the environment.     

地铁车站站台火灾影响分析与人员疏散研究

掌握地铁车站站台火灾对人员的危害性及其发展规律是确保安全运营和人员高效疏散的前提.本文在计算流体动力学的基础上,结合Pyrosim仿真软件构建地铁车站站台火灾仿真模型.分析了站台内火灾烟气的扩散规律,并在此基础上根据热释放速率、火源数量及位置,以及排烟速率的不同设计火灾场景,探索这些因素变化对火灾发展的影响,并结合通风策略对人员疏散时间和速度进行比较分析.所得研究结论为站台火灾发生时的应急措施和人员疏散提供依据.     

基于混合选择模型的汽车共享选择行为研究

为了深入分析出行者的汽车共享选择行为,首先以技术接受模型和计划行为理论为框架,将对汽车共享选择行为具有影响的心理因素整合到传统的离散选择模型之中,形成混合选择模型.然后,基于南京市的实证调查数据,运用混合选择模型对出行者的汽车共享选择行为进行研究.结果表明,出行者对于汽车共享的感知有用性、感知易用性、行为态度、知觉行为控制等心理态度潜变量对其选择行为产生显著的正向影响,混合选择模型比传统不带潜变量MNL模型对实证数据具有更高的拟合度.     

新能源公交车辆大数据决策支持平台的研究

新能源汽车具有能源利用效率高、环境污染小、适用清洁能源种类多、噪声低、方便保养、安全性高等优点,成为未来公共交通发展的重点方向。为了实现更高的信息化程度,为国内大型城市的新能源公交车辆的规模化应用提供便利,相关的信息化系统平台的建设非常重要。大数据技术为新能源公交车辆决策支持平台建立了数据分析与应用基础,该大数据决策支持平台能够存储、处理来自不同数据源的多维数据,利用联机分析处理实现多维度数据分析,运用数据挖掘技术利用新能源公交车辆信息,提供新能源车辆充电决策、充电场地建设决策、电池容量及衰退分析等功能。     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

地铁与市郊铁路过轨运营下列车开行方案研究

在分析地铁与市郊铁路过轨运营特点的基础上,以乘客节省的总旅行时间最大化和地铁运营企业增加的总费用最小化为目标函数,建立了过轨运营下列车开行方案双目标规划模型,并设计了基于模糊数学规划的求解算法.以某两条轨道交通线路为算例,研究过轨运营开行方案并对相关参数进行灵敏度分析.研究结果表明,地铁与市郊铁路过轨运营既可节省乘客总旅行时间又可增加运营企业收益,且过轨客流需求越大、过轨站换乘时间越长、过轨方缴纳的过轨费用越少、过轨列车运营组织方案越合理,过轨运营效果越显著.     

基于改进云模型的地铁站行人拥挤辨识方法

为降低城市地铁站内行人拥挤识别时多指标和多等级带来的不确定性和模糊性,采用改进云模型构建行人拥挤状态辨识模型。基于AHP-熵权法标定指标权重和行人拥挤状态等级,以标定的指标权重和各指标等级阈值作为输入,计算云数字特征值,采用正向正态云发生器,建立模板云和待识别云模型,计算两者之间的隶属度,根据最大隶属度原则辨识车站内各服务设施的行人拥挤状态,最后输出各服务设施的拥挤等级辨识结果。以宁波市鼓楼站为实证对象,对辨识结果进行实证分析。结果表明:采用四级行人拥挤状态划分方法合理可行。     

HX_D1型机车制动空气管路冲脱分析及改进方案

根据橡胶密封式管接头的作用原理和使用要求,对HXD1型机车制动空气管路冲脱故障产生的原因进行分析。从结构上对橡胶密封式管接头进行改进,并提出采用卡套式管接头代替橡胶密封式管接头的建议。     

高桩码头完好状态的模糊综合评估

根据高桩码头结构特点和功能特征,建立了包括指标层、准则层和目标层的多层评估模型。利用模糊综合评估将影响高桩码头安全运行的各个因素有机地结合起来,再根据经验所得到的判断矩阵,利用matlab软件编制出的层次分析法计算程序确定各个部分的权重,经过模糊运算得出高桩码头的状态评估结果。以天津港高桩码头为研究背景进行实用分析,结果表明这种方法具有一定的实际应用价值。