和谐型电力机车整车试验库通风系统设计及噪声控制研究

在整车试验库内进行机车试验时会产生大量的热量及高强噪声,如何处理成为整车试验库设计的难点,针对上述问题进行了详细的论述及分析,提出了具体的解决方案。     

旅客列车真空集便器系统污物箱设计与试验技术研究

污物箱作为真空集便器重要部件,主要作用是在列车运行期间收集和暂存粪便污水.因安装条件和使用环境对其有特殊要求,因此对污物箱的设计与试验检验十分重要,包括容积计算、结构设计、强度校核、模态分析、加热保温设计等各个环节.     

地耦管换热量测试设备的现场应用

研制了一套地耦管换热量测试设备,结合实际工程进行了现场应用.通过测试,准确获得了实际工程地质条件及回填工艺条件下的垂直地埋管换热器的换热能力、地下土壤的热物理参数等,为地埋管换热系统设计提供了可靠依据.     

高水压隧道修建过程中渗流场变化规律试验研究

以圆梁山隧道毛坝向斜高水压地段为工程背景,自行研制高水压隧道渗流场试验装置系统,通过室内模型试验,分析隧道修建过程中渗流场的变化规律及作用在二衬背后的水压力作用系数。结果表明:围岩边界不透水时,初始渗流场为静水场,围岩边界透水时,初始渗流场为非静水场;隧道开挖后,水压力等值线是以隧道为中心的圆环形状,无注浆圈时在围岩内的分布较均匀,有5m注浆圈时,等值线在注浆圈内密度较大,在注浆圈外较稀疏;注浆的施作,明显减小了隧道内的排水量,增加了注浆圈外表面的水压力作用系数,注浆圈承担了较大的地下水压力;衬砌施作后,有注浆圈时,衬砌背后的水压力有明显的折减现象,在排水孔断面上的分布呈"葫芦"状,衬砌背后水压力作用系数最小,围岩内和注浆圈外表面的水压力作用系数几乎相同,衬砌背后的水压力在排水系统与水沟连通的位置处最小,在仰拱处较大,在其他位置分布较均匀;隧道排水比越大,衬砌背后的水压力作用系数越小。     

铁路客车联络线纵断面技术标准的研究

目前我国的铁路线从运输性质上基本可分为客运专线、客货共线和货运专线铁路。适应于客运专线的技术标准是以运行动车组来确定其基本设计参数的,适应于客货共线的技术标准是以运行机车牵引车组来确定其基本设计参数的,货运专线铁路设计参照了客货共线铁路的技术标准,对于机车牵引客车车列的联络线技术标准没有做出相应的规定。结合现行《铁路线路设计规范》(GB50090—2006)和西宁站改造及相关工程的实践对客车联络线纵断面技术标准进行探讨。     

重载铁路路基斜向注浆挤密桩加强效果研究

在重载铁路既有线扩能改造及重载铁路路基加强的背景下,以重载铁路路基为研究对象,针对路基经斜向注浆挤密桩加强前后的静动力效果变化,运用有限元模拟软件Plaxis中的塑性分析计算模块和动力分析模块对其进行数值分析研究。研究结果表明经斜向注浆挤密桩加强后的重载铁路路基静力变形减少20%,动力响应值降低30%,表明斜向注浆挤密桩对重载铁路路基的加强效果明显,具有可行性。     

重型汽车市场分析及预测

通过近几年我国重型汽车市场总体需求、需求结构及用户的分析，展望了重型车未来市场的发展。未来几年，重型车市场总体需求仍将呈增长态；需求结构仍将以8－10t产品为主；15t及15t以上产品将有较大的发展；品种结构将向专用化和多元化方向发展。     

武汉市江汉三桥钢管混凝土拱桥施工工艺

武汉市江汉三桥主桥系单孔净跨为280.0m下承式钢管混凝土桁架系杆无铰拱桥，桥型新颖、结构复杂、技术含量高、施工难度大、施工中采用了一系列新工艺、新方法。简要介绍江汉三桥主跨钢管混凝土拱桥的钢管拱桁架节段吊装与混凝土泵送顶升施工工艺。该工艺取得了圆满成功和较好经济效益，值得在类似工程施工中推广与借鉴。     

面向HIL应用的大功率柴油机半物理建模方法

为实现控制器硬件在环(Hardware-in-the-loop,HIL)测试,根据半物理建模方法,基于Matlab/Simulink建立了大功率高压共轨柴油机实时仿真模型。介绍了柴油机关键部件的建模原理,并进行了起动、怠速工况和测功机工况下的仿真试验,通过对比分析发现,仿真结果与试验数据误差小于6%,表明所建柴油机模型能够完成控制器控制功能的验证,可以应用于发动机控制策略的前期开发和控制器的HIL测试,模型具有较高的可靠性和通用性。     

基于机器学习的地铁轨道几何劣化规律个性化建模研究

较高的轨道平顺性是保障地铁列车安全舒适运行的基础,准确掌握地铁轨道的劣化规律对保障轨道质量具有重要意义。根据地铁线路特点,选择影响地铁轨道质量劣化的7类异质性因素,给出赋值模型,并基于机器学习方法建立轨道质量指数(track quality index,TQI)短时预测前馈神经网络模型。为了验证模型,采集了北京地铁1号线的线路设备数据及2016年8月15日至2019年2月18日间的17次TQI检测数据,形成训练数据集和测试数据集,并采取深度学习技术,利用训练数据集对该模型进行训练。基于测试数据集的模型预测值的可决系数为0.938,平均绝对百分比误差为4.80%,结果表明该模型是有效的且具有较高的预测精度。