基于模糊神经网络的单交叉口变相序控制

针对城市交通流时变的特点，提出了一种可变相序自适应单交叉口控制算法，该算法根据通行权转移度来决定放行相位及通行时间，并综合考虑了所有相位车辆排队长度以及绿灯相位通行时间。通过多层BP神经网络实现单交叉口多相位模糊控制。结果表明，该控制器具有学习和泛化能力，可以有效的提高绿灯时间利用率并减少车辆平均延误。     

地铁换乘客流实时监测模型研究

针对地铁换乘客流随机性强及短时冲击性等特点,在分析地铁线网结构的基础上,提出基于时序倒推的地铁换乘客流实时监测模型,并采用BP神经网络算法进行模型求解。选取南京地铁典型换乘站对所述方法进行分析验证,进一步说明模型的合理性和可行性。     

基于空间自相关模型的铁路货流空间效应分析

为探究铁路货流影响因素和空间效应,从空间角度把握货流的产生和变化规律,以全国各省域铁路货运往来数据为基础构建网络空间权重矩阵,对货流的空间自相关性进行探索,并建立空间自相关模型分析其边际效应。研究结果表明:铁路货流呈现出显著的空间自相关性;其中发送地GDP、距离与铁路货流呈负相关,到达地GDP、工业产品产量、铁路营业里程、发送地资源产量与铁路货流呈正相关;发送地空间自相关、到达地空间自相关和流的空间自相关都对铁路货流有重要的影响,因此在进行货流分析时需要考虑其空间效应。     

基于WPA优化神经网络的扼流适配变压器故障诊断研究

针对传统铁路扼流适配变压器故障诊断模型结构复杂和精度不高的问题,运用狼群算法(WPA)、粗糙集(RS)理论和神经网络(NN)相融合的方法对其进行故障诊断研究。用粗糙集理论对故障样本数据进行约简处理,减少样本数据的监测及关键特征量的输入个数;利用约简后的数据对神经网络训练。利用狼群算法优化BP神经网络参数,提出WPA-BPNN故障诊断模型,以侯马电务段扼流适配变压器故障数据为例进行验证。研究结果表明:WPA-BPNN故障诊断模型相比传统方法,简化了网络结构,缩短了训练所需时间,提高了故障诊断精度,保证了列车行车安全及线路的高效运行。     

牵引电流对桥梁区段信号电缆的电磁串扰研究

随着高速铁路的快速发展,铁路现场信号电缆受干扰的问题愈发突出,特别是在贯通地线和信号电缆同槽铺设的桥梁区段,对铁路运输的安全造成不良影响。在考虑桥梁区段特点的基础上,针对信号电缆双端接地的情况建立加入信号电缆外皮的牵引供电系统链式网络模型,利用潮流算法进行仿真计算,通过实测数据验证模型的有效性。分析信号电缆串扰的主要来源,在所建立模型的基础上计算信号电缆受串扰产生的感应电动势,考虑贯通地线和信号电缆间距对其影响,并给出故障条件下信号电缆的适宜长度,为减少铁路信号电缆的串扰影响和其铺设方法的研究提供参考依据。     

市域铁路电力供电方案及可靠性分析

现有的地铁设计规范、原铁道部颁布的铁路设计规范等不能完全适应市域铁路的设计需要。为便于指导市域铁路电力设计,结合市域铁路负荷分布特点、负荷性质,分析了市域铁路电力分散就地供电、集中供电,以及组合供电方式的优缺点,并针对集中供电方案中的贯通线和环网供电模式进行了定量可靠性分析和灵敏度分析。提出了市域铁路电力各种供电方案的适用场合,以供参考。     

高速铁路CP0基线解算中起算点坐标精度研究

在高速铁路CP0基线解算过程中,需要将IGS参考站作为起算点,当起算点坐标出现误差或兼容性较差时,将导致整个框架控制网基线向量解产生系统性旋转和尺度变化,因此必须对起算点坐标的允许精度进行研究。介绍起算点误差传播与影响模型,从理论上分析起算点误差对基线解算的影响程度,通过设计不同解算方案采用工程测量数据对起算点坐标的允许精度进行研究。结果表明,使用GAMIT软件进行CP0框架控制网解算时必须严格控制起算点坐标的误差,起算点点位坐标精度最好控制在10 cm之内;当起算点坐标误差达到20 cm时,各基线分量的解算结果的精度在毫米级的量级;当起算点坐标误差达到2 m时,基线解算结果不可靠,不满足高精度解算要求。     

网络清分模型的验证与修正方法

由于客流调查的局限性、网络乘客出行行为的差异性等因素的影响,需要进一步研究清分模型及客流分布计算结果的准确性及模型中的相关参数.介绍了城市轨道交通现有客票收入清分模型.依托上海轨道交通AFC(自动售检票)系统提供的基础数据,对清分模型参数进行灵敏度分析,提出了提高现有清分准确度的方法和手段.     

智能化变电所技术在牵引供电系统中的应用

分析了传统牵引变电所自动化系统的一些不足;根据国内牵引供电系统的技术发展需求,提出了新建智能牵引变电所的架构与配置、IEC61850GOOSE协议,以及既有牵引变电所的改造思路。     

基于小波分析的光伏并网逆变器故障诊断

针对光伏并网逆变器的故障检测与智能在线诊断问题,提出了一种C3C3逆变器故障特征提取方法。该方法以逆变器输出三相电流的小波分析结果作为判断依据,将故障信号的近似分量和细节分量相结合作为故障特征向量,利用神经网络的分类功能,实现对光伏并网逆变器的故障诊断。该方法无需电压信号和人工参与,硬件实现简单,且抗干扰性强。仿真实验结果证明了该方法的有效性。