西门子信号系统的列车自动调整功能简介

从应用角度介绍西门子ATS系统中的列车自动调整(ATR)功能,包括在不同运营场景下系统的使用。由于列车自动调整功能和时刻表有着密切的关系,因此介绍了西门子运行图编辑软件FALKO和与之相关的一些内容。     

关于京沪高铁42号道岔的维护

京沪高铁是我国目前建设里程最长、投资最大、标准最高的高速铁路。在京沪高速铁路上,大量采用了新型的42号道岔。通过一段时间对这类道岔的检修、维护实践,积累了一定的经验,现总结如下。1 42号道岔外部几何尺寸的测量及标准     

列车运行状态信息系统(LAIS)研究与设计

列车运行状态信息系统作为铁路调度生产和辅助决策的重要支撑手段,是提高机车运用效率、保障列车运行安全、充分发挥运用与检修一体化管理模式的优势、提高铁路运营管理能力的必不可少的重要环节。建立符合我国国情和安全装置现状要求并具有高度扩展性的"车对地"、"地对车"、"地对地"的机车运行安全监控闭环系统,全面实现列车实时状态追踪,为运输组织和机车管理提供及时、可靠的指挥依据,为维修、救援等提供决策支持,充分利用现代化的技术手段实现对列车运行状态的监控。收稿日期     

智能汽车自动紧急转向避撞的跟踪控制方法对比研究

为了提高智能汽车的主动安全性,提出3种不同的自动紧急转向避撞跟踪控制方法。首先建立汽车避撞简化模型,对制动、转向及两者相结合的3种不同避撞方式进行对比分析。其次,为深入研究汽车避撞过程中的实际响应,建立包含转向、制动及悬架3个子系统耦合特性的底盘18自由度统一动力学模型,并进行相关试验验证。随后构建智能汽车自动紧急转向避撞控制框架,对五次多项式参考路径和七次多项式参考路径的横摆角速度和横摆角加速度进行对比分析。接着以线性2自由度转向动力学模型为参考对象,对最优控制四轮转向、最优控制前轮转向、前馈与反馈控制相结合的前轮转向3种不同的跟踪控制系统分别进行设计。最后,以汽车底盘18自由度统一动力学模型为研究对象,对上述3种避撞控制系统进行仿真试验对比分析。研究结果表明：与制动避撞相比而言,转向避撞所需的纵向距离有较大降低,随着车速的增加和路面附着系数的越低,效果越明显;七次多项式参考路径比五次多项式参考路径的避撞过渡过程更为平缓,当实际车速与控制器所用车速不一致时,前者避撞性能表现更优;最优四轮转向控制系统在高、低2种不同附着路面都具有较好的避撞效果,最优前轮转向控制系统次之,而前馈与反馈相结合的前轮转向控制系统在低附着路面上则表现出严重的失稳。     

干散货码头自动化火车装车系统改造

为解决大宗干散货码头装车楼装车过程中牵引车效率低、火车车厢清扫难度大等问题,对自动化火车装车系统进行改造。借助信息化手段对火车牵引系统进行改造,提高牵引车牵引效率;研发火车清扫系统,由火车清扫装置代替人力进行火车清扫作业,降低工人劳动强度;对装车楼进行自动化改造,提高火车装车精度。经过改造后,自动化火车装车系统可实现火车入港后的牵引、清扫、装车全流程自动化作业,从而提高火车的装车效率和质量。     

AUV自主收放装置结构及控制系统设计

AUV技术对于提高海洋资源环境的勘测和开采效率具有重要意义。在AUV收放过程中,传统的回收方式是在母船上起吊回收,人为参与完成挂钩任务,这种方式受风浪的影响较大。为了提高AUV的使用保障能力,需要针对AUV的自主收放技术展开研究。基于AUV良好的实时性、连续性及可移动性的特点,本文设计一套AUV自主收放装置,可用于AUV的自动布放及回收。该装置由固定架、控制台、吊机装置、绞车、定滑轮、钢丝绳、收放架等组成。设计各部分的机械结构,并通过系统校核验证结构设计的合理性。同时,设计AUV收放存储装置控制系统,实现对机械液压执行器的精密控制、传感器的数据采集、系统状态参数显示、试验参数调整、工作状态监控和安全报警等功能,能够对控制系统的控制流程进行辅助判断和安全保障。解决了传统AUV收放技术的难题,提高了AUV收放的智能化水平。     

自动驾驶公司与卡车OEM如何合作实现AD卡车商业化运营?

文章分析了目前自动驾驶公司创立的自动驾驶卡车商业化运营模式,看看其中传统重卡OEM怎么定位。本文也欲弄清卡车自动驾驶公司的商业模式现在发展到哪一步了,看看什么时候自动驾驶卡车落地商业化,为重卡OEM布局自动驾驶提供参考。     

全面解读宇通客车展出的5款明星客车——面向当下和未来热点细分市场

2021年7月7—9日举办的"2021道路运输车辆展"上,宇通客车再次展现"硬核风采",展出了面向当下和未来热点细分市场的最新产品和科技成果,包括6 m电动微循环小型公交客车ES6(全国首发)、L4级自动驾驶微型电动公交客车-小宇2.0、T7自动挡汽油版高端商务车、宇威U10智能网联公交客车、F12燃料电池城市客车等"全明星"阵容,期间为ES6举行了全国首发仪式。此次没有展出公路/旅游客车,也没有展出大型传统能源客车。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。