基于全数字仿真的车网高频谐振分析与抑制技术研究

文章基于Matlab-Simulink仿真平台,结合交流牵引供电网链式模型和高速动车组牵引系统模型,搭建全数字车网综合仿真模型。通过模型中预留的可调节牵引供电网、动车组控制参数接口和可变运行工况等功能,复现实车运行中出现的高频车网谐振现象,并研究牵引供电网参数、牵引控制器参数和动车组数量对车网高频谐振的影响。在此基础上,提出改变牵引系统四象限整流器控制参数以抑制车网高频谐振的优化方案,并通过全数字仿真和正线运行测试,验证该方案的可行性和有效性。     

AT牵引网导线截面选择问题

AT牵引网与直供牵引网在电路构成上有很大不同:前者由2×25 kV T-F馈电回路和25 kV T-R牵引供电回路共同组成;而后者则为单一的25 kV T-R供电回路.这一差异对牵引网载流条件有重大影响,充分考虑AT牵引网的上述特点是正确选择其导线截面的基础.     

一种汽车前照灯自动变光系统设计与仿真

针对驾驶员夜间会车时,不能及时将远光灯转换为近光灯,从而引起对方驾驶员眩目、视线不清晰,易发生交通事故的情况,为此,设计一种以AT89C51单片机为核心部件的汽车智能自动变光系统,并采用Proteus软件进行仿真试验。该系统在汽车夜间行驶开启远光灯时自动开启,会车时通过光敏二极管向单片机输入高电平,启动调光输出模块工作,切换前照灯为近光灯,实现远近光自动切换的功能,这样可降低因远近光灯不能及时切换发生交通事故的概率。     

基于TCNN-MADLSTM的全并联AT牵引网多元信号融合故障定位

全并联AT牵引供电系统上下行线路并入自耦变压器，致使故障信号多路径传播，且牵引网导线阻抗不连续，传统方法很难实现牵引网故障准确定位。基于AT牵引网结构，推导牵引网上下行导线故障电流幅值与故障距离的非线性关系；基于改进的卷积神经网络(Transformer-based CNN,TCNN)和记忆注意力解耦长短期记忆神经网络(Memory Attended Decoupled LSTM,MADLSTM)，通过增加注意力机制和残差连接，增强多导线电流幅值与故障距离的非线性函数关系，从而提高牵引网故障定位的精度；将前述方法与传统的卷积神经网络(CNN)和长短期记忆神经网络(LSTM)进行不同噪声条件下的对比验证。结果表明：基于TCNN+MADLSTM算法进行故障定位时，可自适应构建故障距离与多导线电流幅值的非线性函数关系，以及自适应计算故障距离，无须考虑波速影响；相较于传统的CNN+LSTM算法，TCNN+MADLSTM算法故障定位精度更高，故障区段识别精度可达100%，故障定位精度达72.100 m，均方误差为0.016 km²。     

CTC系统残留光带监控方案研究

信号调度集中系统是依靠动、静态数据监控站场轨道区段状态，完成阶段计划兑现工作的，是铁路运输组织的指挥中枢。在信号设备和轨道电路故障、人为操作错误及施工维修等场景下，调度集中系统显示终端会偶发残留锁闭白光带和占用红光带，造成计划自动触发操作中联锁条件检查失败，增加人工劳动强度的同时，还影响行车效率和安全。为此，利用系统中车站自律机的动态进路指令和排路命令，以及静态联锁进路和进路对象的关联关系，构建站场轨道区段状态与计划触发和排路操作的完整业务链路，依靠轨道区段的状态预置和对象状态迁移监控技术，实现残留光带持续安全可靠监控功能。仿真试验表明：该方案在调度集中系统正常工作状态下，满足设计需求，提升了阶段计划兑现效率，保障运营安全。