基于Matlab和组态王的多步温度预测控制

介绍以PCT-III型过程控制设备为对象,以Matlab和组态王软件为平台,实现在线多步温度预测控制实验。用Matlab来完成复杂的算法的计算任务,用组态王工控软件实现友好的用户界面。二者通过DDE协议进行数据交换。把多步预测控制这种先进的控制算法方便地应用到工业控制当中去。     

转臂轴箱定位节点位置对机车动力学性能影响分析

利用SIMPACK建立某出口2B0机车动力学模型,分析了转臂轴箱定位节点的纵向位置对机车动力学性能的影响.研究表明节点纵向位置对机车横向稳定性有较显著影响,而对机车直线和曲线通过性能影响不大.得出了在动力学模型中,需要把转臂作为一个单独元件考虑,以减小计算误差的结论.     

牵引用3300V IGBT芯片均匀性及其对可靠性的影响

为满足轨道交通领域牵引用3300 V IGBT芯片应具有优良的栅极控制特性、较低的通态压降和较宽的安全工作区的要求,对3300 V IGBT芯片工艺进行了深入研究。在工艺控制和关键工艺改进方面采取措施,全面提升了牵引用3300 V IGBT芯片在栅极特性、电压阻断、导通特性和安全工作区等方面的表现,进而大幅度提高了芯片的可靠性。     

交直机车在低网压工况下的动力协调控制方法研究

针对电气化铁路的部分供电网随着运量的不断增长,其供电网压不断降低,严重时已影响机车的正常运行的情况,从优化机车牵引特性的角度提出了一种投资少、见效快的解决方案,并详细阐述其具体实现原理与实施策略。     

基于参考模型的ATO自适应控制算法研究

提高列车自动驾驶ATO(Automatic Train Operation)系统的控制精度是实现全程无人驾驶的关键.本文首先分析列车制动系统的动态性能,然后基于该制动系统的状态空间模型构建一种模型参考自适应控制系统,并在理论上证明该控制算法的渐近稳定性,同时指出该类控制算法存在引起控制器震荡的固有弊端.随后,通过在原自适应控制系统中引入合适的辅助系统,构建基于增广误差的自适应控制系统,该算法不仅克服了前一种方法的固有缺陷,而且具有更加严谨的理论结构.最后,数学仿真结果显示本文所提算法能有效补偿列车运行过程中存在的不确定性因素,使列车精确地追踪目标制动曲线,验证了本文所提方法的有效性.     

直供加回流方式的牵引供电系统电压损失分析

通过建立直供加回流牵引供电系统,双线牵引网末端并联供电的数学模型,分析了运行中SS4B电力机车在4种不同牵引重量情况下,机车通过供电臂时的电能损耗问题,并根据实际运输计划,分析了直供加回流的牵引供电系统的牵引网、牵引变电所等的电压损失问题,并且进行了理论计算。     

机车起动工况轮对纵向振动研究

轮对的纵向颤振会严重影响铁道机车车辆动力学性能,并且会引起轮轨非正常磨耗,导致发生轮对多边形化及踏面发生剥离。但是,机车车辆动力学研究中对轮对的纵向动力学特点的研究却往往被忽略,国内外少见对轮对纵向颤振问题的研究报道。首先描述了4个自由度的单轮对简化模型,并推导出其运动方程。在此基础上,对机车模型进行牵引工况下动力学数值仿真,研究其在此工况下的纵向振动现象,进而对影响轮对纵向振动明显的参数,诸如一系纵向定位刚度,轨道不平顺形式以及黏着系数等进行分析,对今后减小轮对纵向振动的方法研究提供理论依据。     

五悬浮架迫导向机构曲线通过研究

文章以中低速磁浮列车五悬浮架为例,以提高列车曲线通过时迫导向机构适应性、减小迫导向机构受力及空气弹簧水平偏移量为目的,研究列车静止悬浮或低速运行(小于5 km/h)时,悬浮电磁铁处于F轨最佳契合位置、空气弹簧水平偏移量最小所确定的理想平衡状态,滑台横向位移随曲线半径变化关系,得出通过不同曲线时滑台水平偏移量、迫导向机构结构尺寸及转臂转角的一般计算公式,并对典型案例进行计算分析,优化得出相对合理的迫导向机构结构尺寸以提高悬浮架曲线通过性能。     

抗蛇行减振器安装刚度对弹性构架车辆动力学性能影响

基于减振器简化等效模型分析了某动车组车辆系统动力学性能随抗蛇行减振器安装刚度不同的变化情况,并且比较了考虑构架结构弹性振动对这种变化的影响.结果表明,抗蛇行减振器安装刚度对车辆系统动力学性能具有一定影响,尤其是当车辆运行速度达到250 km/h时影响较大;此外,构架的弹性振动也影响着抗蛇行减振器安装刚度的选择.     

基于改进GAN的端到端自动驾驶图像生成方法

基于端到端数据系统的自动驾驶系统对驾驶图像存在巨大需求。为解决一般生成式对抗网络模型在扩充驾驶图像数据集时不稳定及生成图像特征缺乏多样性的问题,研究1种改进网络模型LS-InfoGAN。结合最小二乘对抗损失防止模型梯度消失,并缓解生成器优化矛盾,提升模型训练稳定性。通过最大化生成图像与真实图像间的互信息提升生成器特征学习能力,改善生成图像特征多样性。利用转置卷积层还原图像特征,提升生成图像特征清晰度。以自主构建的模拟驾驶场景中获取的带标签驾驶图像集对模型有效性及其数据集扩充应用效果进行验证。实验分析表明:相比改进前模型,LS-InfoGAN模型的图像生成过程稳定性平均提升35%;使用此模型扩充的数据集进行端到端自动驾驶系统中决策网络的训练能在不采集新图像的情况下将系统决策性能提升1%~2%;建议使用此模型扩充图像数据集时将生成图像数量设置为原始训练集图像数量的1~2倍。