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.     

考虑土拱效应的锚杆加固桩间土机理研究

研究目的:桩板墙是一种常见的铁路边坡防护工程,桩间板在施工前需要先开挖桩前土。因此为保障桩间土的稳定性,桩间常常逆作法施工锚杆,但由于该支护方法的机理尚不明确,尤其是当悬臂高度较大时桩间土极易发生垮塌,给后期施工带来安全隐患,并增加桩板墙背侧土方回填的费用。因此,论文重点围绕桩间土拱效应与锚杆加固的机理进行研究,以期为类似工程的设计及施工提供帮助。研究结论:(1)通过在桩间施工一定数量的锚杆,可有效降低桩间土发生局部垮塌的风险,使得锚杆能够紧密地连接桩间欠稳定土体、土拱压密土体及后方的稳定土体,土拱拱圈附近的密实土体发挥了锚杆锚固段的作用;(2)数值分析结果表明,受桩间土拱效应分布的几何形态的影响,锚杆布置宜在相邻两根悬臂桩跨中位置适当加密,采取该类布置方式相比均匀布置能够起到更好的加固效果;(3)桩间锚杆的设计钻进深度可以采用上部较短,中下部适当加长的方案进行设计,且锚杆设计钻进深度不应超过1.5倍桩间净距。若中下部桩间土体较密实,可以考虑适当减小锚杆的钻进深度;(4)采用锚杆加固桩间土大多是应用于临时防护,为了进一步提高桩桩间土的稳定性,降低道路运营期间因桩间土局部滑塌或掉块带来的风险,或出于美化道路周边环境等因素考虑。     

SVG在地铁工程中的应用

介绍了国内首例在地铁工程中应用的SVG装置的设计过程和试运行情况,从装置的原理和设备组成的特点等方面分析了SVG装置在地铁工程中应用的优势。以大量的实测数据客观反映了SVG装置的运行特性和对地铁供电系统的无功补偿效果。     

铁道车辆侧风倾覆安全性研究

通过理论分析,提出了基于风速、风向角、线路服役条件,车速、车辆参数的车辆侧风倾覆安全性计算方法,为车辆侧风倾覆安全性的计算提供参考。     

CRH2-300动车组制动摩擦系数优化试验研究

对CRH2-300型动车组制动减速度试验情况和摩擦系数利用优化方案作了介绍。对武广客运专线进行的摩擦系数利用方案试验结果进行了分析和总结,并与原方案试验结果进行了对比。试验结果表明,摩擦系数优化方案可行。     

高速铁路精密测量技术在城市轨道交通中的应用研究

开展将高速铁路精密测量技术中的轨道基础控制网(CPⅢ)测量与无砟轨道精调等相关技术引入至城市轨道交通中的应用试验,融合、改进了传统的铺轨测量方法与施工工艺。阐述了轨道精密测量技术在城市轨道交通中应用的可实施性。     

高速试验动车组牵引系统设计研究

试验动车组牵引系统采用满足欧标要求基于异步交流电机的牵引系统进行性能测试和高速试验,从牵引系统的系统结构组成及关键部件技术参数的设计进行分析、验证.试验动车组牵引系统部件系统性能良好,满足顶层指标的要求.     

城市轨道交通网络化列车开行方案优化方法

通过引入备选集,建立双层规划模型,将网络化列车开行方案这一复杂的混合交通网络设计问题简化成0-1规划问题;采用混合遗传模拟退火算法对城市轨道交通网络化列车开行方案优化问题进行求解。上层模型以城市轨道交通网络化列车开行方案涉及的运营单位和乘客综合费用最小化为目标,以交路必须覆盖整个运营网络、限制区间交路数、满足发车间隔时间限制和区间客流量小于列车运力为约束条件;下层模型为用于城市轨道交通网络客流分配的随机用户均衡问题优化模型,它充分考虑了乘客选择出行时路径感知费用与实际费用之间的差异。算例结果表明,采用基于备选集的双层规划模型和混合遗传模拟退火算法对城市轨道交通网络化列车开行方案进行优化是可行和有效的,而且求解效率高。     

基于Faster R-CNN与形态法的路面病害识别

为提高基于图像处理的路面表观病害检测识别效率及精度,引入目标检测中的快速区域卷积神经网络（Faster Region Convolutional Neural Network,Faster R-CNN）算法以快速识别病害种类、位置与面积;针对已提取的带边框裂缝病害区域,采用基于VGG16迁移学习与模型微调的CNN与50%重叠率的滑动窗口定位裂缝骨架,进而利用形态法操作提取裂缝形态,计算其长度与宽度;针对Faster R-CNN算法在病害种类识别时漏检率低但误检率偏高的问题,引入精确率、召回率和F₁分数指标对算法进行评估,并根据F₁分数最大值确定相应的病害框像素面积及置信度阈值来降低误检率,以适应路面表观病害多样化的应用场景。运用开发的病害识别算法对广东一高速公路路面进行表观检测。结果表明：所提方法对典型裂缝图片的识别效率及精度均高于单独应用CNN滑动窗口和传统形态法的全局图像处理方法;对分段的裂缝边界框进行合并,且病害框像素面积及置信度阈值取优化值后,横向裂缝精确率由合并前的0.861提升至合并后的0.918,横向及纵向裂缝误检率则分别由调整前的20.4%和23.8%下降至调整后的8.2%和6.9%,漏检率则稍有提高。基于Faster R-CNN、CNN及形态法的路面病害识别方法具有工作高效、漏检率低的优点,在引入评估指标、最优病害框像素面积与置信度阈值后,病害误检率也大幅降低,具有潜在工程应用价值。     

基于RBF神经网络补偿的动力定位PD控制

动力定位控制系统在实际工况中会受到外部风、浪、流等环境力的扰动,本文主要研究PD+RBF控制算法以提高动力定位系统的抗干扰性和稳定性.RBF神经网络用来补偿外界环境扰动,其权值自适应律通过Lyapunov稳定性证明得到,通过稳定性的分析能够保证整个系统全局渐进稳定.在一艘平台供应船的仿真结果对比中显示了所提出控制器的有效性.