ZDJ9-K型转辙机表示电路分析与故障判断

ZDJ9-K型转辙机运用于客运专线和高速铁路,通过对其表示电路原理分析,结合郑西高铁运用实际情况,阐述各种表示电路故障的判断方法,为现场工作人员判断处理故障提供参考借鉴。     

利用混沌优化实现基于MP的信号稀疏分解

信号的稀疏表示在信号处理的许多方面都有重要的应用,但稀疏分解计算量十分巨大,难以被推广而实现产业化.混沌是一种普遍的非线性现象,具有随机性、遍历性和内在规律性的特点,混沌运动能在一定范围内按其自身的规律不重复地遍历所有状态.因此,如果利用混沌变量进行优化搜索,无疑会比随机搜索更具优越性.本文利用变尺度混沌优化方法在优化搜索过程中不断缩小搜索空间,快速寻找匹配追踪(MP)过程中每一步的近似最佳原子,提高信号稀疏分解的速度,算法的有效性为实验结果所证实.     

Broer—Kaup系统高阶约束流与Lagrangina—Hamilton系统

讨论了与Ｂｒｏｅｒ－Ｋａｕｐ方程相联系的高阶约束流,利用高阶主,得到方程族Ｌａｘ表示的时间部分与空间部分都具有一种伴随形式表示,并由此得到了高阶约束流与Ｌａｇｒａｎｇｉｎａ－Ｈａｍｉｌｔｏｎ系统之间的联系。     

道岔控制电路分布电容探讨

分布式电容随道岔控制距离变长而增加,电容堆积对道岔表示继电器正常工作造成极大影响,通过对分布式电容形成原因的理论探讨,得出影响分布式电容容值的因素,并提出工程应用中降低和解决分布式电容方法,对于提高交流道岔控制电路表示可靠性有积极意义.     

中国区域速度场多面函数拟合稀疏建模方法研究

分析多面函数建模中核函数结点选择存在的问题,探讨LASSO等变量选择及空间降维方法,在此基础上,提出多面函数拟合的稀疏建模方法和惩罚参数选取指标。该方法通过最小化正则化损失函数,实现模型参数估计与核函数结点筛选,所构建模型易于解释且具有较强的泛化能力。中国区域速度场建模结果显示,多种方案下的模型变量参数筛选保留率在19.42%～51.17%之间,外符合精度提升率达到3.29%～16.50%,表明该方法可有效降低模型结构复杂度并提高建模精度。     

复杂路网条件下轨道交通列车性质表示方法研究

随着城市轨道交通、市域铁路、城际铁路网络不断融合,列车开行方式逐渐丰富,同一车站或站台可能存在大量不同开行模式的列车,国内外既有的列车性质表示方法不利于乘客对不同性质的列车快速进行区分,影响乘客乘车体验。站在乘客视角,结合国内外经验和国内实际应用场景,提出一种全新的区段编码法并设计相应的标识导向系统,有效解决复杂路网条件下列车性质表示问题,提升同站台不同列车的辨识度,便于乘客快速获取信息。方案相对完善且普遍适用,可为今后城市轨道交通及城际铁路成网运行后列车性质表示提供有效借鉴,对促进行业发展具有重要意义。     

一种新型多核判别分析方法

为了给模式分类和维度约简提供有效的手段,在综合L1-MKDA和L2-MKDA两种多核KDA优点的基础上,提出一种以预定内核函数的线性组合,并结合混合范数正则化函数实现核权重的稀疏性和非稀疏性平衡的新型弹性多核判别分析方法(semi-infinite-programming-based flexible multi-kernel discriminant analysis, S-FMKDA).该方法用半无限规划方法求解弹性多核判别分析算法,并通过混合正则化实现核的自学习.在不同数据集上的实验结果表明:S-FMKDA比目前常见的KDA、KDAP、KDAG、L1-MKDA、L2-MKDA、UMKDA核判别分析方法的精度提高5%.      

大号码道岔S700K型转辙机表示杆缺口大的改进探讨

针对S700K型转辙机牵引国产钩型外锁闭大号码道岔时,存在表示杆缺口变化大的问题,提出改进转辙机表示杆连接的接头铁结构,减少表示杆的水平弯尺寸等措施,并实际应用于青荣城际莱西东线路所2#道岔,验证了表示杆缺口变化在标准范围内,减少了道岔因缺口变化超标导致故障的发生.     

自适应冗余字典学习的高光谱混合像元解混

针对线性稀疏解混模型无法准确识别真实端元造成丰度估计误差较大的问题,本文提出一种基于自适应冗余字典的高光谱混合像元解混算法.该算法根据地物在空间上的连续性,以及高光谱数据中信号成分与光谱库中物质光谱的强相关性,首先保留每个像元在光谱库上投影系数大于设定阈值所对应的光谱,将其作为与每个像元信号成分最匹配的光谱集合;然后合并该集合以构建高光谱数据的自适应冗余字典;最后利用ADMM算法求解高光谱数据在该字典上的丰度矩阵.仿真和实际高光谱数据实验结果表明,本文所提出的算法可减小丰度估计误差,在信噪比为15~35 dB时,其丰度估计准确性高于性能较优的SUnSAL算法约1~2 dB.      

用于稀疏系统辨识的改进惩罚LMS算法研究

基于加权零吸引因子最小均方算法（RZA-LMS）,提出了一种应用于系统辨识的新型自适应滤波算法（ARZA-LMS）。RZA-LMS通过在标准LMS算法迭代过程中添加零吸引因子,促进了滤波器小权系数的收敛,从而在辨识稀疏系统时,加快了算法的整体收敛速度。但是RZA-LMS算法中的零吸引因子,选择了固定的e,过于武断,降低了算法的鲁棒性。通过在参数e与误差信号e之间建立非线性关系,使零吸引因子在最小化MSE更具有灵活性,提出了一种改进的RZA-LMS,提高了对系统辨识的收敛速度和稳定性。最后,计算机仿真验证了新算法的性能明显优于原算法和若干现有稀疏系统辨识的方法。