现代有轨电车交叉口信号配时方案研究

结合沈阳市浑南新区现代有轨电车系统的建设,介绍国内外关于有轨电车信号控制现状,分析适用于我国不同相交等级交叉口的信号配时方案.根据有轨电车车辆运行特性,建立最小绿灯时间、绿灯延长时间等配时要素的计算公式,并选取典型交叉口进行实例分析.提出配时方案,将有轨电车融入到城市交通系统中,为今后有轨电车的信号控制相关研究奠定基础     

TerraSAR-X影像在1:10000地形图测绘中的应用

简要介绍了在VirTuoSAR中利用TerraSAR影像建立立体模型并进行1∶10 000地形图试生产的技术路线和基本方法,并对试生产成果进行分析及精度评估。得出的结论是在西部受云雾影响的高山地区可以使用TerraSAR进行1∶100 000地形图的生产。     

列车运行图稳定性研究综述

以时间要素为研究对象采用概率统计理论、极大代数、计算机模拟等理论与技术手段,计算分析晚点时间、晚点率、缓冲时间、时间偏差与偏离差等指标,衡量调度区段运行图的稳定性;以路网能力及其利用率为对象的研究采用极大代数、进化算法等手段分析运行图的稳定性。基于路网的列车流复杂网络与铁路地理网络的作用机制、列车在铁路地理网络上的协同竞争关系、列车运行图稳定性与路网能力利用率、区间缓冲时分、停站缓冲时分的相互关系是运行图稳定性研究的趋势。     

整列地坑式架车机在我国高速列车检修中的运用

对CRH型动车组地坑式架车机结构组成、技术参数、技术特点、工作原理等进行了简要介绍,指出动车检修基地通过整列弯臂地坑式架车机的创新运用,极大地提高了动车组的检修作业效率.     

求解一类线性规划问题的原始贪婪算法和对偶贪婪算法及其相互关系

给出了求解一类线性规划问题的一种贪婪算法和求解其对偶问题的一种贪婪算法,并讨论了这两种算法的若干性质及其相互关系.     

混合动力技术对城市公交车的适应性

城市公交车所特有的行驶工况使得传统公交车显露出不少弊端,本文通过对城市公交车运行工况的分析,结合试验阐述了混合动力技术应用在城市公交车上的技术优势.     

多年道路养护策略的优化模型及应用

道路养护策略优化的目的是在有限资源约束条件下,使养护后的路面性能最大化.基于Markov链模拟路面在不同养护方式下的状态转移关系以及相应的费用关系,提出的有关整数规划模型优化路网养护策略,及对路面养护费用与路面性能关系的敏感性分析方法,具有较强的工程应用性,并有助于管理者在资金预算时的科学决策.     

风、列车作用下大跨度斜拉桥索-梁相关振动研究

为了研究大跨度铁路斜拉桥在随机风、列车动力作用下索-梁相关振动导致的拉索振动状态,开发三维空间非线性有限元动力计算程序、列车动力学模型、风场模拟算法,以实际斜拉桥为研究对象,建立全桥三维有限元计算模型进行详细的计算分析。首先,分别使用拉索不分段与分段的全桥模型进行模态计算,讨论拉索局部振动特性与全桥振动特性之间的关系。然后,计算在简谐外激励作用下斜拉桥全桥的非线性振动时程,对比单根拉索在端部位移激励下的非线性振动特性与全桥结构中拉索发生大幅索-梁相关振动之间的差别,依据非线性振动理论,讨论实际斜拉桥中拉索发生索-梁相关振动的共振条件。最后,使用拉索分段的斜拉桥全桥模型,研究在三维空间中,风场动力作用、列车动力作用、风-列车-桥梁耦合动力作用在各个工况下对斜拉桥全桥索-梁相关振动的影响。研究结果表明：对于大跨度铁路斜拉桥,在实际日常运营状态下,风和列车的作用不会使结构进入非线性振动状态;单独的风或列车动力作用不会使拉索达到索-梁相关振动的共振条件;风-列车-桥梁耦合动力作用下拉索振动相对单独的风、列车作用更为明显,但也不会使拉索达到索-梁相关振动的共振条件。     

油气弹簧试验台测控系统设计与仿真

油气弹簧试验台是测试油气弹簧性能的必要设备,传统的机械式试验台输出信号误差大,难以满足试验需求,因此需要设计一套性能良好、精准度高的试验台来对油气弹簧进行试验。本文分析了电液伺服试验台的基本组成,并对控制系统进行了设计与仿真,通过利用Amesim和Simulink联合仿真的方法对测控系统进行研究,建立电液伺服系统的数学模型。采用模糊PID控制对系统的动态特性进行控制,并与常规PID的控制方法进行对比。结果表明,模糊PID控制方法快速平稳,其达到稳态的时间为常规PID的40%,并且系统具有较好的鲁棒性和抗干扰能力。     

基于PSO-ELM算法实现船舶发电机组故障识别

针对船舶发电机组的不同故障类型,通过传感器采集不同故障下柴油机缸盖处的振动信号,构成大量数据集,选取部分数据集作为样本数据。通过EEMD算法对样本数据进行分解降噪,把一维数据分解成能反映柴油机工况信息的多维数据,对分解形成的多维数据使用KICA算法进行特征提取,并对提取后的数据进行训练集、验证集分组。使用PSO-ELM算法搭建故障识别模型,并使用训练集训练模型,使用验证集验证模型,根据验证结果评价模型是否满足故障识别的精确度。