列车救援信息系统设计与开发

分析列车救援工作业务流程,提出列车救援信息系统建设总体目标.并就列车救援业务,提出列车救援信息系统的总体功能框架和系统实现逻辑结构.详细描述各子系统划分和功能分析,并给出系统建设的软、硬件平台,总结列车救援信息系统建设经验,在项目实施过程中提出"总体规划,分步实施,急用先行,滚动发展"开发策略.     

基于车辆身份感知数据的路段轨迹重构方法研究

车辆轨迹蕴含着大量丰富的交通流时空信息,对于全面解构城市交通路网运行具有至关重要的意义.传统车辆轨迹重构模型大多基于定点线圈检测数据或者浮动车轨迹数据作为输入数据,并且普遍未考虑过饱和交通状态.本文提出了一种基于车辆身份感知数据的车辆路段轨迹重构方法,通过构建一种绿灯相位回溯框架,基于交通流激波理论分段重构车辆行程轨迹,每次回溯过程包含两个主要步骤,即估计车辆状态和分状态重构车辆行程轨迹;然后在Paramics 微观交通仿真平台上对本方法模型的准确性进行了验证.结果表明,该方法在各种饱和状态下均能达到令人满意的应用效果.     

公路钢筋混凝土梁桥的长期挠度分析

用平均收缩应变综合考虑收缩与徐变的影响,从曲率k入手,对钢筋混凝土截面的受力进行全过程分析,导出M－k关系式,从而根据钢筋混凝土截面刚度的变化导出梁在不同受力阶段挠度计算公式,εsh和Ece为分析方法的两个方法主要控制参数。     

高承载双曲柄环板式针摆行星传动受力分析

在论述双曲柄环板式针摆行星传动原理的基础上,提出了受力分析方法,建立了准确的力分析模型,计算结果表明,在传递同样转矩条件下,与传统摆线针轮行星传动比较,本新型传动臂轴承的受力减小了近一半,可使轴承的寿命大大提高,显示出本新型传动的明显优越性,为我国研制双曲柄环板针摆行星减速器提供了理论依据。     

柔性交流输电系统与用户电力技术

介绍了柔性交流输电系统与用户电力技术的定义、内容,主要功能和产生背景,指出了它们对输电和配电系统的重大影响。     

环板式行星针摆传动啮合刚度的计算

采用修形齿廓有隙啮合分析方法,计算了环板式针摆行星传动的啮合刚度,运用Visual C 编程语言和SQL Server 2000数据库,实现了啮合刚度的参数化设计和计算,大大减轻了设计人员的工作量.计算结果表明啮合刚度是时变的,并且变化幅度较大,说明时变的啮合刚度是整机振动的一个主要因素.     

汽车ABS中的模糊神经网络模型参考自适应控制策略

针对汽车制动的特点以及汽车防抱死制动系统的性能要求,建立了汽车的数学模型,提出一种模糊神经网络的自适应控制方案,构建了基于模糊神经网络的控制器和辨识器的结构模型。通过对网络参数的离线训练得出其初值,在控制过程中对网络参数进行在线微调,实现对汽车制动过程的有效控制。仿真结果表明:在不同的路面,汽车均能保持在最佳滑移率附近进行制动,制动时间及距离比较理想,满足ABS的安全性能要求。     

基于小波包熵及双重优化神经网络的牵引逆变器开路故障诊断

功率模块器件作为高速动车组电力牵引传动系统的核心组成部分,大多应用于多场域耦合且承受主要的电热应力,故障率较高。通过提取其故障特征并准确定位故障点,实时在线诊断故障对于牵引传动系统的安全可靠运行具有重要意义。以CRH2型动车组牵引传动系统为例,三电平牵引逆变器存在12个功率管,故障发生频繁且种类繁多,故对于三电平牵引逆变器功率管的单管以及多管故障诊断不可忽视。以提升三电平牵引逆变器功率模块器件故障准确定位为目的,研究单个功率器件和多个功率器件开路故障诊断。通过分析该三电平牵引逆变器正常工作模式和多种功率管开路故障情况对比,将三电平牵引逆变器三相桥臂输出侧电流作为诊断电气量,对故障进行分类,提取每类故障特征电气量经小波包分解后各节点的熵值作为故障特征信息。以提取的小波包熵值作为故障特征向量建立BP神经网络,采用粒子群算法结合遗传算法对神经网络权值和阈值结构同时优化,2种算法优劣互补,实现不同故障分类的诊断,准确定位故障点。仿真结果表明,该方法能实现牵引逆变器单管以及多管故障类型的诊断和对不同故障点的准确定位,且诊断结果精度高,抗噪性能优异,实时性强。     

无砟道床板间相对位移测量中感兴趣区域自动提取方法

轨道结构作为高速列车行车的基础,必须保证其良好的在役服役性能,有效地实现无砟道床板间位移测量是实现铁路无砟轨道结构服役状态保持的重要措施。针对无砟道床板非接触式位移测量中感兴趣区域(Region of interest,ROI)自动提取问题展开研究,提出一种基于Faster R-CNN(Faster Regions with CNN)的ROI区域自动提取方法,阐明无砟道床板间位移机器视觉测量原理和实现方法的计算流程。基于Keras图像数据增强模型进行无砟道床板间位移目标库的增加,建立人工标靶数据集。通过CNN中卷积层对测量数据进行特征映射图提取,计算映射图中每个特征点的标靶概率,通过分类和边框回归,精确标记图像中的人工标靶。通过安装某250 km/h的双块式无砟轨道线路的典型测点进行Faster R-CNN算法的准确性和有效性验证。研究结果表明：道床板ROI自动提取算法的召回率为99.16%,准确率为98.91%,可以有效满足无砟道床板间位移测量中精度和准确率的要求;与其他的常用YOLO v3,SSD和Fast R-CNN等ROI算法相比,Faster R-CNN方法的计算效率较好、准...     

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(DuelingDouble-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...