基于P-SR的事故致因理论模型及其在轨道交通的应用

为构建复杂系统事故致因模型,在基于扰动事故致因模型(P理论)的基础上,引入安全域(SR)对系统平衡态进行定量描述和深入分析,提出面向复杂系统事故致因分析的扰动-安全域模型(基于P-SR的事故致因理论模型)。该理论不但可以利用安全域状态空间统一描述多因素扰动在事故发展中的演变作用及动态过程,还可以用于定量评价系统安全状态及监控预警,显著提升了事故致因理论的科学性和可操作性。该理论应用到轨道交通中,有助于对轨道交通复杂系统事故致因进行全面、定量的分析,同时对事故预防提供科学精细的指导和操作依据。     

城市轨道交通应急预案分类方案评价研究

概述了城市轨道交通应急管理的工作模式和应急预案的编制原则,归纳总结得出应急预案的分类原则和具体分类方案.采用模糊物元分析方法,建立了应急预案分类方案的模糊物元模型,确定了应急预案分类方案的优化目标与权重,给出了相关的数学模型和具体实现步骤.通过关联度计算得出了最优的应急预案分类方案.     

基于NARX神经网络的轮重减载率预测

以轨检车测出的左轨和右轨轨向不平顺、左轨和右轨高低不平顺为输入,以轨检车测出的轮重减载率为输出,采用贝叶斯正则化算法构建了NARX神经网络。仿真试验结果及与BP神经网络输出结果的对比表明,采用NARX神经网络实现轮重减载率预测是可行的,NARX神经网络比BP神经网络更适用于减载率预测。     

铁路工务管理信息系统现状分析

对国内外铁路工务管理信息系统的应用现状进行了概述总结,分析了我国现有铁路工务管理信息系统与发达国家铁路工务管理信息系统之间的差距,并对我国铁路工务管理信息系统建设进行了展望.     

基于RGIS的铁路工务动态管理信息系统的研究

分析了我国现有铁路工务管理信息系统与发达国家铁路工务管理信息系统之间的差距基础上,提出了基于我国铁路地理信息系统(RGIS)的铁路工务动态管理信息系统总体方案,该方案充分利用RGIS的技术特点,可为现有工务管理信息系统提供强大的图形、图像直观表现能力和辅助决策功能,实现相关信息资源的共享,同时还具有动态管理功能.     

基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断

针对轨道车辆的滚动轴承故障诊断问题,提出了一种小波包与RBF神经网络相结合的故障诊断方法.首先对采集到的振动数据进行小波消噪,然后利用小波包分解提取故障信号的能量特征向量,最后利用提取的能量特征训练RBF神经网络,进行故障诊断.诊断结果表明,基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断方法能够较好的诊断出轨道车辆的轴承故障类型,具有一定的实际应用价值.     

基于RCM的动车牵引变压器的维修优化研究

本文研究基于RCM的动车牵引变压器的维修优化问题,为制定牵引变压器的预防性维修计划提供了决策支持.首先给出了RCM的维修逻辑决策图和维修策略评价指标,然后采用截尾试验法估计牵引变压器的故障率的威布尔分布参数,在满足设备可靠性的前提下根据故障率演化规则确定预防性维修间隔,优化预防性维修次数,使牵引变压器在其生命周期内维修成本率最小.试验结果及其分析,验证了本文提出方法的正确性与可推广性.     

基于改进NARX神经网络的接触线表面不平顺与弓网接触力关联分析方法

建立弓网耦合动力学模型,采用软件MATLAB的Simulink模块对该模型进行动态仿真,获取接触线表面不平顺和弓网接触力数据;对接触线表面不平顺和弓网接触力数据进行归—化处理后,分别作为非线性自回归(NARX)神经网络的输入和输出;对传统的贝叶斯正则化算法进行改进,并采用改进的贝叶斯正则化算法进行NARX神经网络权值修正,得到改进的NARX(NARX-IR)神经网络方法;利用NARX-IR神经网络方法进行接触线表面不平顺与弓网接触力的关联分析.采用根均方误差和相关系数,对基于LM算法的BP(BP-LM)神经网络方法、基于传统贝叶斯正则化算法的NARX(NARX-BR)神经网络方法和NARX-IR神经网络方法进行性能评价.结果表明:BP-LM神经网络方法难以描述接触线表面不平顺与弓网接触力的复杂关联关系;不论在训练还是预测中,NARXIR神经网络方法的根均方误差均小于NARX-BR神经网络方法,而相关系数则大于NARX-BR神经网络方法.由此可推断:NARX-IR神经网络方法更适合于分析接触线表面不平顺与弓网接触力的关联关系.     

基于NARX神经网络的轮重减载率预测方法

介绍了一种基于神经网络的轮重减载率预测方法。以左轨轨向不平顺、右轨轨向不平顺、左轨高低不平顺、右轨高低不平顺为输入,以轮重减载率为输出,采用贝叶斯正则化算法构建了NARX(外部输入非线性自回归神经网络)。仿真试验结果及与BP神经网络的比较表明,采用NARX实现轮重减载率预测是可行而有效的。NARX比BP神经网络更适用于减载率预测。