数控实践教学及其实训故障辨析

阐述了数控实践教学对培养数控专业学生的实践操作技能和加深数控知识的掌握起着重要的作用;通过两年的数控实践教学,结合广州航海高等专科学校的教学安排,提出实践教学要重视内容和突出技能培养;总结了在数控实践教学过程中实训出现的各种问题、突发性故障和人为造成的故障,并提出相应的解决办法,为以后的实践教学提供借鉴,避免类似的问题发生．     

深水浮式生产设施一体化海洋监测系统国产化分析

针对深水浮式生产设施的全方位监测,开展海洋平台监测系统发展和应用现状的国内外调研,阐述一体化海洋监测系统（Integrated Marine Monitoring System,IMMS）关键技术。引入深海一号能源站监测系统实例进行海洋监测系统国产化探索,分析海洋监测系统国产化的发展方向,为今后深水浮式生产设施的安全完整性管理提供借鉴。     

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。     

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。     

平整冰推挤抗冰结构物的数值模拟和作用规律研究

冰海结构物通常装备抗冰锥等倾斜面的抗冰结构物,用来减小平整冰移动产生的推挤载荷。平整冰推挤载荷是冰海结构物的重要设计技术指标,准确模拟平整冰推挤结构物的载荷特征和破碎冰堆积形态等规律具有重要意义。本文采用FEM-SPH耦合方法和有限元法分别模拟了平整冰推挤抗冰锥结构的过程和现象,分析了抗冰锥水线面直径对碎冰堆积形态及推挤载荷的影响规律。研究表明,与有限元法相比,FEM-SPH耦合方法不仅可以准确预报平整冰推挤结构的动态载荷,还可以直观再现破碎冰的堆积现象,有助于理解和分析平整冰与结构物的相互作用规律。本文的FEM-SPH耦合算法模型和分析结论可为研究和设计冰海结构物提供参考。     

铁路微观路网基础数据的组织方法研究

主要研究了应用于运行图编制、调度及相关研究等工作的铁路微观路网的数据组织方法,提出了采用数据分层模型进行数据组织的思想,据此将基础数据分为图形显示层、拓朴层、电气层、逻辑层四个层次,各层次具有相对独立性并相互关联以利于数据的组织,在此基础上对各个层次中的主要数据的属性进行了详细的分析,并针对不同的数据特点提出了相应的数据组织方法,最后介绍了基础数据的录入方法及其实现．     

基于时间阈值的旅客登机模型及动态登机策略

减少登机时间有利于提高旅客体验和航空公司运行效率,故优化基于旅客行为的登机策略尤为重要. 基于旅客登机过程中两个阶段的延时,建立考虑时间阈值的新登机模型;在干扰时间阈值分布的基础上,通过优化算法分配行李,从而使登机时间最小,进一步得到基于不同行李构成的动态旅客登机策略. 通过元胞自动机仿真和现场模拟实验比较动态登机策略的效率. 结果显示：新登机模型能准确反映登机过程,Steffen 次序具有最大的干扰时间阈值和优化空间;本文提出的动态登机策略可以缩短登机时间,使登机效率显著提高.     

基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况,提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数,利用列车运行过程中的状态偏差,推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数,通过迭代域的差分,证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证,结果表明,所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度,能够在较短的迭代次数实现对期望曲线的精确跟踪.     

考虑辅路缓冲的快速路紧急疏散最优控制

针对紧急疏散中单向需求激增的情况,提出利用地面辅路缓冲容纳部分疏散车流,从而降低快速路疏散的整体时空风险.基于宏观交通流模型建立了快速路疏散车流演化方程,明确了上匝道车速对主线车速的影响,从而实现经典宏观交通流模型对路网状态演变处理的一致性.针对由下匝道、地面并行道路和上匝道构成的地面辅路行程时间的二分特征,建立了相应的离散时间的流量演化方程.辅路系统方程不仅可以刻画地面辅路疏散车流的主要特征,而且能与已有快速路的状态演化系统实现无缝结合.数值分析表明,利用匝道控制和辅路分流两种手段可以实现系统整体时空疏散风险的最小化控制.