基于不平顺谱的轨道不平顺状态评价与识别探讨

线路不同区段轨道质量参差不齐,但其幅频差异能很好地在各区段轨道不平顺功率谱密度（PSD）曲线上得到表征。基于此,结合沪宁客运专线轨检数据,从识别和评价两个方面对轨道平顺状态进行了研究。基于不同区段轨道谱存在幅频特性差异,提出以200m为一研究单元,通过分频段离散各单元轨道谱幅频信息,以三维图的形式进行不平顺的时频域识别分析。借鉴轨道谱分级管理的方法,同时综合波段整体不平顺和波段内各波长幅值波动程度两项指标,研究并给出了评价各里程单元平顺性的方法,将综合评价后各区段所属不平顺状态等级划分为优秀、良好、合格、失格。     

矮塔斜拉桥施工状态下结构损伤识别研究

以广东省江肇高速公路西江特大桥为工程背景,选取最大双悬臂施工状态,采用MIDAS软件获取损伤状态下的各阶模态,将模态信号导入MATLAB中进行了Hilbert-Huang变换和小波变换,对结构损伤状况进行了识别判断,并对比了两种识别方法的识别效果.研究结果表明:Hilbert-Huang变换方法损伤识别效果良好,抗噪性强,但存在端点效应问题;小波变换方法损伤识别效果与所选小波基有关,不利于基准的选取,且小波识别需要消噪,消噪可能会导致损伤漏检.     

高职教师履行育人职责的实证研究

为了解学生的真实思想状态,笔者进行了一次匿名调查,涉及不同高职院校及不同专业,调查人数为254人。在调查结果的基础上,分析论述教师如何更好地履行育人职责,对提高教育质量具有一定的参考意义。     

驾驶员不良情绪状态监测及舒缓系统开发

本系统集监测与舒缓功能于一身实现驾驶员不良情绪状态实时、非接触式地监测及舒缓.该系统首先使用肤色模型算法迅速定位人脸,然后利用累积差分帧和 Hough 变换等实时图像处理技术进行检测、跟踪眼睛和嘴巴的状态并提取相对特征参数,进而与表情模板匹配,以相似度衡量相似程度并最终判定驾驶员的实时情绪状态.如果判定的结果为不良情绪状态,系统将自动播放与之相对应的舒缓曲目,最终达到舒缓驾驶员情绪、保证安全行车的目的.     

基于S-BOM的汽车配件状态数据管理系统研究与实现

开发了基于S-BOM的汽车配件状态数据管理系统,实现了对BOM项目数据与配件数据的精确区分和对S-BOM中的配件状态管理、结构化数据管理、配件数据查询等功能,从而满足了东风汽车公司集中采购的要求。     

动力电池管理系统及其应用分析

1动力电池管理系统概述 动力电池管理系统通过对无轨电车电池组中串联单体电池电压、电流等数据的采集、分析、决策,接口与充电器、PC机、指示仪表等外部设备实现功能联动,实时对电池组工作状态检测,无论车辆在运行过程中还是在充电过程中都能够可靠的完成电池状态的实时监控和故障诊断,并通过CAN总线告知车辆主控制器,以便采用更加合理的控制策略．从而安全高效地使用电池并延长电池组使用寿命。     

悬挂式单轨交通智能巡检车车地无线通信方案研究

由于悬挂式单轨结构特殊,对轨道梁健康状态的巡检需借助于智能巡检车,因此智能巡检车的运行状态和巡检数据的可靠、实时、稳定回传是实际工程实施中面临的难题.通过采用边缘计算和数据压缩技术降低数据传输带宽,对比自建、租用和共享3种车地无线通信方案,提出结合LTE-M和WLAN的车地无线通信方案.即在非运营时段,利用正线上的LT...     

基于FCE-AHP模型的地铁电源系统健康状态评估

地铁电源系统是地铁高效、安全、稳定运营的重要保障,针对电源设备的健康状态评估,提出一种基于模糊综合评价法的评估方法。首先根据设备运行实际情况、外部环境因素影响、设备运行时的自身特性,构建电源设备评估指标体系;其次采用层次分析法确定指标层、元件层权重;接着通过对指标监测数据隶属度值的计算,构建第1层模糊评判矩阵,采用加权平均算子将指标层权重与隶属度矩阵结合,并以此构建第2层模糊评判矩阵;最后结合元件层权重与第2层模糊评判矩阵,构建整体模糊评判矩阵,对整体电源系统进行健康评估,基于隶属度最大原则,根据划分的4个健康等级,建立电源系统整体健康状态评估模型。经在宁波地铁某号线实际监测数据的验证表明：该评估方法符合设备实际运行情况,证实了其合理性,同时也为设备进行状态修提供了科学依据。     

基于相似性优化模型样本的实车锂电池健康状态分析

为更好地解决电动汽车动力电池健康状态（SOH）在线估计问题,减少实车采集数据中的冗余样本,改善运行工况不稳定导致的特征丢失,提升实车电池SOH估计的精度,提出一种基于增量容量分析方法（ICA）提取特征和动态时间规整（DTW）优化特征样本的SOH估计方法。首先对实车电池充电循环数据应用增量容量分析提取电池IC曲线,以曲线峰高度等形状特征作为健康因子。采用动态时间规整作相似性判据,基于IC曲线形状计算电池充电循环样本的相似度,保留与基准充电循环相似的充电循环数据,优化训练样本,最后采用全连接神经网络（MLP）模型进行SOH估计。以实车运行电池数据进行对比实验,结果表明该方法可明显改善训练样本质量,提升电池SOH估计精度。