电力机车司机室侧窗玻璃隔声性能的仿真研究

通过噪声仿真软件VA one建立了电力机车司机室侧窗玻璃的统计能量仿真模型,对比分析了不同厚度的单层玻璃、不同中间空气层厚度的双层中空玻璃以及夹层玻璃的隔声量,并与试验结果相对比。仿真结果表明:夹层玻璃的隔声效果较好。     

双向变流器在城轨牵引供电系统中应用研究

将大功率双向变流器（又称PWM整流器）应用到城轨牵引供电系统,可实现列车再生制动能量回馈、牵引供电、稳定直流网压,以及对交流系统无功补偿的功能,受到业界广泛关注。本文对双向变流器的功能特点、系统构成及工作原理进行了介绍,并给出了在北京地铁10号线的现场试验数据,证明了其显著的节能效果。     

单向非贯通节理岩体滚刀破岩 特性离散元模拟

相较于贯通节理,岩桥的存在使非贯通节理岩体受力破坏过程更加复杂。为探明其对破岩影响,通过采 用 PFC2D建立单向非贯通节理岩体滚刀破岩离散元模型,研究岩桥长度和倾角对岩体破碎模式、法向力、裂纹数 量及比能耗等参数的影响,揭示非贯通节理岩体滚刀破岩特性。研究发现：岩体以张拉破坏为主,节理对裂 纹扩展的“导向作用”明显,裂纹扩展方向总是趋向于和其距离最近的节理;竖向应力水平随节理倾角增加呈现 先增大后减小的趋势,在 45°倾角下达到最大值,应力区形状受到节理位置影响,两者具有一致性;完整岩体法 向力均值和峰值均大于节理岩体,节理对于破岩过程具有明显的促进作用;0°、60°、90°节理倾角下的比能耗值 明显低于其他节理组合,60°倾角下呈减小趋势,在岩桥长度为 25 mm 时取得最小值;0°、90°倾角下呈先减小后 增大趋势,在岩桥长度为 15 mm 时取得最小值。     

现代有轨电车牵引供电方式选择

分析了现代有轨电车牵引供电方式的现状及发展趋势.介绍了各种无架空接触网牵引供电系统解决方案,并对其工程适用性和经济技术性进行分析比较.对于现代有轨电车系统而言,采用无架空接触网供电是牵引供电系统的发展方向.储能式牵引供电系统是实现无架空接触网的重要手段,能够满足现代城市对节能环保及改善城市景观的需求.而减轻现代有轨电车的自重以及延长车载储能装置的使用寿命是现代储能式有轨电车进一步研究的重点和难点.     

地铁车辆交流牵引电机负载试验装置的研制

对于架修阶段的地铁车辆交流牵引电机维修后,为了评价检修质量和牵引电机性能,需要对牵引电机进行负载试验,因此研制了地铁车辆交流牵引电机负载试验装置。该设备主要由安装基座、连接装置、电源柜、变频柜、发电柜、计算机检测控制系统等组成,试验装置的负载采用发电机,产生的能量反馈给变频器,形成闭路循环,节能环保。     

水源热泵与城市供水系统相结合的水、冷、暖三联产可行性研究

为探讨将城市供水作为水源热泵系统的水源,实现建筑供水、供冷、供暖三联供的可行性,调查了城市供水与地表水水源热泵系统在水源取水口、水温、水质、水量要求上的一致性,并提出了水源热泵与城市供水系统相结合的系统形式。以日供水量为20万t的城市供水厂为例,理论分析了系统在夏季和冬季的节能潜力,对系统可能存在的风险进行了探讨。研究结果表明:系统在夏季和冬季的一次能源节约率分别为40.8%和18.3%。通过将水源热泵与城市供水系统相结合,实现城市供水、供冷、供暖三联产,在夏热冬冷和夏热冬暖地区是可行的,具有较大的节能潜力。     

纯电动汽车故障诊断案例分析

纯电动汽车作为市场上最普遍的新能源汽车,厂家大量生产,深受消费者的喜爱,要推动纯电动汽车的持续发展,必须要提高纯电动汽车的售后维修服务质量。维修人员要掌握纯电动汽车好的结构原理、检测维修技术,从而提升售后服务质量。本文从纯电动汽车故障诊断案例入手,分析纯电动汽车的维修检测方法,以供纯电动汽车维修人员参考。     

新能源汽车维修中电子诊断技术的应用

新能源汽车属于新型汽车,近几年开始进入到我国汽车行业中并不断发展。为此,本文首先分析了电子诊断技术在新能源汽车维修中的应用优势,其次分析了电子诊断技术在新能源汽车维修中的应用类型及方式,旨在为电子诊断技术在新能源汽车维修中的应用提供参考,以此来提高新能源汽车维修质量和效率。     

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。     

排阵式交叉口几何设计与信号控制协同鲁棒优化

针对排阵式交叉口在实际交通波动环境中存在车辆滞留排序区,运行效率稳定性难以保障的问题,提出了鲁棒优化方法,平衡交叉口运行的效率和稳定性。在分析排阵式交叉口运行特性的基础上,指出了其运行效率波动性与交叉口几何设计、信号控制、交通需求、饱和流率和运行车速这5个因素有关。确定了将交通需求、饱和流率和运行车速这3个客观波动因素作为模型的输入参数,将几何设计和信号控制这2个可受设计人员控制的要素作为模型的优化控制变量进行协同优化的模型框架。在此基础上,以交叉口车均延误条件风险值最小为目标,考虑了各流向车道数、信号相位相序、排序区车辆清空等方面的约束条件,构建了基于情景的鲁棒优化模型,并建立了遗传算法对模型进行求解。通过案例分析,对鲁棒优化模型的置信水平取值和算法准确性进行了分析,证明了算法可以使目标函数收敛到最小值,并基于蒙特卡洛模拟对优化效益进行了检验。研究发现,所建立的几何设计与信号控制协同鲁棒优化模型可实现在交通需求和供给的波动下,对排阵式交叉口的车道功能、排序区长度以及主、预信号控制进行协同优化。相较于确定性的设计方法,在平均延误层面基本维持原有水平,但对延误标准差和最大值有着较为明显的改善,案例中分别减少了48%和23%。