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。     

一种基于C#语言的地铁客室车门系统检修软件设计

针对应用于青岛地铁列车的客室车门系统,采用Visual Studio C#语言,设计了一款地铁客室车门系统检修软件,可用于车辆年检及其他修程中.该软件可用于客室车门系统的故障分析,年检检修中的车门功能和车门信号状态的检测,并将检测过程生成报告,实现车门检修的标准化、无纸化,提高车辆检修的效率和技术水平.     

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.     

高速动车组智能气动门控系统研究

CRH2型和CRH380A型动车组气动侧拉门有着结构简单、故障率低的优点,但存在车门功能比较单一,硬件升级困难,越来越不能满足列车智能化的需求。文章基于原CRH2型动车组侧拉门的关键技术,重新设计了气动门的车门控制系统,并在原气动控制系统的基础上,增加了电子门控器等电气部件,通过电子门控器控制气动门的开关门动作;优化了车门的设计结构和控制逻辑,增加了网络通信、故障诊断和下载等功能,消除了既有气动门在运营过程中存在的安全问题和功能单一问题。通过台架试验表明,车门达到了设计要求,保证了列车高速运行时的安全与稳定性。     

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。     

客车塞拉门元件综合试验台的研制

介绍了塞拉门元件综合试验台的用途及系统组成，阐述了塞拉门零部件的测试原理。     

基于注意力机制的双向门控循环单元网络齿轮故障识别系统

提出一种基于注意力机制 （Attention Mechanism,AM） 的双向门控循环神经网络模型的齿轮故障识别系统。使用基于 STM32 的嵌入式主控制器分别采集正常齿轮、断齿齿轮、轮齿剥落齿轮等 3 种故障齿轮工作时的振动传感器数据,使用基于注意力机制的双向门控循环单元网络模型进行齿轮故障识别。双向门控循环神经网络模型添加了注意力机制,保留输入特征的重要信息,不随步长增加而消失。将采集到的原始数据集按7∶2∶1的比例划分为训练集、验证集和测试集。测试集模型的齿轮故障识别准确率达到了99.67%,与GRU和Bi-GRU等模型的结果对比证明该模型的正确率更高。本系统可用于汽车变速器的监测与故障诊断。     

基于门控循环残差网络的滚动轴承故障诊断研究

滚动轴承的运行状态对整体机构的工作状态影响很大,防止因滚动轴承失效而产生的安全事故极为重要。而一维信号只利用卷积神经网络CNN(Convolutional Neural Networks)输出结果时无法充分利用数据间的时序信息的问题,因此,文中结合门控循环单元GRU(Gated Recurrent Unit)在处理时序数据所具有的优势,提出了一种门控循环残差网络结构,将CNN在强大的特征提取的优点与GRU处理时序数据的优点有机结合起来。为了验证算法的有效性,采用凯斯西储大学轴承数据集与齿轮箱轴承台架试验进行轴承故障诊断分析,同时引入常见神经网络作为对比,检验不同模型的分类性能。结果表明,在相同试验条件下相较于卷积神经网络等深度学习网络,文中算法具有更高的故障识别准确度和稳定性。