基于改进GRU的海上风电机组齿轮箱故障诊断

为提高风电机组中齿轮箱故障诊断的准确性,提出一种在门控循环单元（GRU）神经网络中引入注意力机制进行风电机组齿轮箱油温预测的方法,充分挖掘数据参量中的关联关系,以提高模型预测的准确性。针对模型预测的残差,采用一种基于粒子群算法的自适应阈值方案进一步实现对风电机组齿轮箱油温异常的诊断,引入自适应阈值能提高模型诊断的灵敏度。针对江苏某海上风电场实际运行的SCADA数据进行仿真分析和验证,结果证明采用该方法能较早地判断出风电机组齿轮箱的异常状态。     

铁路货场联锁控制系统的设计与应用

为了兼顾货场的安全和效率,提出一种铁路货场的联锁控制方案,在货场入口处增设自.动悬浮门。结合工程实例,对悬浮门自动控制系统的需求进行深入分析,提出了货场悬浮门与车站计算机联锁系统结合的方案、接口技术条件及电路,实现悬浮门的安全自动控制。这一研究对.保障铁路货场安全有积极作用,对铁路信号系统的特殊设计也提供了重要参考。     

TM2型机车门控系统分析及功能试验

阐述了TM2型机车重联试验前门控功能试验的必要性,对TM2型机车部分的列车门控系统原理进行了分析,提出了门控系统的试验方法,并给出功能试验流程图。     

基于DTECS网络控制平台的城轨车辆门控软件设计

文章以深圳地铁5号线国产化车辆为例,阐述了车辆控制程序门部分的设计,重点分析了软件接口文件和软件代码的编写思路.     

融合时空特征的端到端自动驾驶车辆转向角预测

端到端自动驾驶系统可完成从感知输入到车辆控制输出的直接映射,已成为当前无人驾驶研究的一个重要方向.显然,在动态环境中自主驾驶车辆需要具有处理时空信息的能力,以实现精确平滑的车辆运动控制.为此,提出一种新的时空信息融合模型,在双流卷积网络(Two-stream CNN)的基础上引入门控循环单元(GRU)网络来实现端到端自...     

基于小波优化GRU-ARMA模型的空中交通流量短时预测方法

空中交通流量短时预测是空中交通管理的基础,是有效缓解交通拥堵问题的前提。为提高空中交通流量短时预测的精度,减小空中交通管制员的工作压力,提出了基于小波优化GRU-ARMA的空中交通流量短时预测方法。在传统预测方法的基础上,通过小波变换对原始流量数据进行多尺度分解,提取不同频率交通流量的细节特征,对原始流量数据进行预处理。同时,根据小波变换,在低频处将频率细分作为趋势项,高频处将时间细分作为噪声项。其中,趋势项反映了空中交通流量随时间演化的整体趋势性,噪声项反映了随机因素对空中交通流量的综合影响。使用门控循环单元（GRU）神经网络模型预测趋势项,自回归滑动平均模型（ARMA）模型预测噪声项;将趋势项和噪声项的预测值叠加,得到最终的短时流量预测值。误差分析表明,该方法在每个预测点上的误差保持在2%左右,预测效果稳定;而直接采用原始流量数据进行预测的GRU、BiLSTM、CNN-LSTM神经网络模型及单一的ARMA模型,每个点的预测误差在5%~37.14%之间。与GRU、BiLSTM、CNN-LSTM神经网络模型相比,该模型的预测精度分别提高了3.02%,5.39%,5.05%。     

工程结构裂纹损伤振动诊断的发展现状和展望

  目的  随着智能船舶的发展,传统裂纹损伤检测方法已难以满足检测需求,为此,提出一种基于门控循环单元（GRU）神经网络的箱型梁结构裂纹损伤实时检测方法。  方法  通过基于Python语言的ABAQUS二次开发技术,建立箱型梁裂纹损伤模型,计算其在动态高斯白噪声激励下的加速度响应。通过数据裁剪技术扩充原始数据之后生成数据集,并考虑噪声的影响。建立基于GRU的箱型梁裂纹损伤检测模型,直接将加速度响应数据集作为输入,以最小损失函数值为目标来训练模型,并与基于小波包变换的多层感知机神经网络（WPT-MLP）进行对比。  结果  结果显示,所提出的GRU模型在损伤位置和损伤长度的检测上相比WPT-MLP检测精度更高,对噪声的敏感程度更低,且在对损伤位置的近似预测方面精度也较高。  结论  研究证明了GRU神经网络在包含多个板的箱型梁结构裂纹损伤检测中的适用性。     

基于PLC的城市轨道交通门控单元测试平台的开发

针对一款应用于广州地铁列车的常用门控单元,以S7-200系列PLC为核心部件,运用Win CC进行了上位机测试软件的编写,构建了基于PLC的城市轨道交通门控单元功能测试平台。该测试平台提供检测和故障显示功能,可准确检测出门控单元故障,提高检修维护效率。