双机牵引重联机车安全控制装置

分析了早年生产的电力机车双机牵引时重联机车容易发生动轮热抱、打伤钢轨等问题的原因,提出了加装重联机车安全控制装置的方案,阐述了该方案的工作原理、结构组成和主要技术参数。该装置现已批量装车。     

列车控制网络专用双绞线传输特性的研究

根据传输线理论,给出双绞线的分布参数信道模型。通过分析普通双绞线的参数,采用数值拟合的方法推导出MVB物理层介质的数值模型参数,建立RLCG数值模型,并对R、L、C和G的频率特性进行仿真分析,得出传输线的频谱特性、特征阻抗、系统可靠运行情况下的衰减特性、可用带宽、信道容量等,最终实验验证了模型的正确性,为进一步研究列车专用双绞线的信号传输特性提供了支持。     

基于列车实时数据协议的以太网高速通信技术

为了满足列车通信网络中过程数据与消息数据传输的需要,在可扩展处理平台上,设计了一种基于列车实时数据协议(TRDP)的以太网网卡,并在此基础上提出一种片间总线接口方法,实现了对过程数据和消息数据的实时交互,解决了传统片间总线速率低的问题;同时利用串并联端接电阻,从硬件上改善了高速片间总线的信号完整性,保证了高速模式下过程数据与消息数据的实时交互;在所搭建的研究测试平台上,实现了TRDP对过程数据的高速传输。     

ARCNET网络系统实时性能分析与研究

列车控制网络在列车控制系统中起着非常重要的作用,其实时性能直接影响到列车的安全可靠运行。对其实时性能进行分析评价可以优化设计列车控制网络的应用层,合理配置网络,优化网络性能,从而保证列车的安全可靠运行。本文介绍ARCNET列车控制网络的数据帧类型,数据通信机制和自动重构过程等,并对ARCNET网络通信延迟时间参数进行分析,建立ARCNET网络数据通信延迟时间模型、分析其网络实时性,并提出改进网络实时性的方法。最后在搭建的网络控制系统中,对实验测试结果和模型计算结果进行比较,验证模型的正确性。并利用分析结果以及建立的通信延迟时间数学模型,计算开发基于ARCNET轻轨列车网络控制系统的轮询周期,为系统应用层设计提供依据。     

基于深度图像的列车乘客目标识别技术研究

针对轨道交通中高密度客流的特点,提出了一种基于深度图像的局部法向量特征提取方法,利用球面坐标系参数(,)表示物体表面切平面法向量的特征信息,通过提取检测区域的局部法向量作为目标特征,以实现目标识别及头部轮廓提取。采用深度图像能有效地解决轨道车辆高度及光照等环境因素的局限性,并通过试验验证该方法的实时性和准确性。     

WTB初运行的算法优化及实现

在研究WTB通信协议的基础上提出一种WTB初运行的优化算法,搭建了基于SOPC的硬件实现平台。通过与国外标准WTB设备的重联编组调试,基本上实现了WTB初运行的功能,从而验证了该算法的有效性,为高速动车组的网络编组技术的自主化研究提供了支持。     

基于旋转变压器的牵引电机转速与转角测量技术研究

牵引电机的转速和转子角度对列车的运行控制至关重要,但恶劣环境下光电编码器存在测量不准确问题。针对这一问题,提出一种基于旋转变压器的电机转速与转角测量技术,为提高该测量技术的准确性,文中构建并实现以双广义二阶积分器和TypeⅡ锁相环为核心的新型解码方案,引入对称分量法抑制旋转变压器解码误差,采用双广义二阶积分器提取旋转变压器输出信号的正序分量,利用TypeⅡ锁相环进行跟踪计算,获得准确的转速和转角信息。仿真和实验结果表明该测量技术能够在极端恶劣环境下准确解码牵引电机转速与转角信息,证实本方案应用于列车牵引电机转速与转角测量的可行性。     

基于ARM_9的车载智能显示终端设计与应用

针对传统电力机车的改造项目,设计了一种基于ARM9处理器S3C2440、Windows CE嵌入式操作系统和机车故障诊断显示技术的全新机车智能显示终端(IDT)。该显示终端具有机车当前运行状态和实时故障数据的采集、显示、存储和发送等功能。设计了显示终端的硬件结构,进行了操作系统的定制、SPI流接口驱动程序的编写和应用程序以及嵌入式数据库的设计。该系统已成功应用于SS3电力机车,且系统扩展性能良好,稍加改善便可应用于汽车客货运输等其他领域。具有广阔的应用前景。     

基于系统调用序列的车载主机设备入侵检测方法研究

列车内部的主机设备搭载Linux嵌入式操作系统，外部应用需要执行系统调用来访问系统内核。随着列车通信网络的兼容性和开放性不断提升，车载主机设备存在遭受网络攻击的风险。当网络攻击发生时，恶意程序同样会通过系统调用与内核产生交互并留下相应痕迹，因此可基于系统调用序列实现车载主机设备的入侵检测。文章分析了Linux系统结构和系统调用序列的原理，设计了包含特征提取、特征词袋处理、特征逆频率处理和特征降维的原始数据特征处理方法，构建了基于网格搜索-K近邻（Grid Search-K-Nearest Neighbor, GS-KNN）的入侵检测模型。试验证明，文章提出的方法准确率达到了96.62%，相较于其他轻量级算法存在优势，能够实现网络入侵的有效检测。