基于监督学习的轨道车辆车轴裂纹扩展预测方法研究

传统裂纹扩展分析需要精确的数学模型以及校准参数,但现实中的复杂形状裂纹扩展过程难以进行精准建模,而通过有限元软件对裂纹扩展过程进行分析需大量的运算时间。因此,文章提出了基于监督学习的轨道车辆车轴裂纹扩展方法,该方法无需进行数学建模,可通过结构健康监测数据以及初始裂纹数据直接预测裂纹的扩展趋势。经验证,该方法预测准确率较高,能够较好地拟合裂纹扩展趋势。     

基于GA-SLSTM模型的城市轨道交通短时客流预测

城市轨道交通短时客流预测可为相关运营部门实时调整行车调度、提高运营效率提供重要的决策依据,为乘客提供合理出行建议。因此,针对具有非线性和随机性等特性的地铁进出站短时客流预测问题,文章在堆叠式长短时记忆（SLSTM,Stacked Long Short Term Memory）模型的基础上,引入遗传算法（GA,Genetic Algorithm）,构建了GA-SLSTM预测模型。以10 min为预测粒度对地铁历史运营数据进行整理,分析了客流变化特征,并将其与GA-循环神经网络（RNN,Recurrent Neural Network）模型和LSTM模型的预测效果进行对比。GA-SLSTM预测模型对普通站点和换乘站点预测值的决定系数R2的平均值分别达到0.95和0.90,预测值对真实值的拟合效果较好,预测误差低于其他2种模型,证明该方法可提高地铁短时客流预测的准确性。     

基于模型预测方法的高速动车组空簧压力低故障预测研究

高速动车组发生空气弹簧压力低故障后,车辆自动限速运行,需要停车检查或车辆入库后根据故障信息来推断故障原因。为了能在故障发生前进行预判,文章提出了基于模型的预测方法。模型以车载无线传输装置记录的历史故障数据和健康管理系统报表数据为故障预测的数据来源,通过分析静态和动态数据确认模型关联参数,从阈值、差值、空簧压力下降速率3个维度搭建预测模型,并通过实车跟踪,成功验证了模型的有效性。     

基于 VMD-GRU 的城市轨道交通短时客流预测

精准的客流预测是轨道交通运输计划编制的基础和依据,为提高城市轨道交通短时客流的预测精准度, 基于城市轨道交通短时客流的动态性、非线性、不确定性、周期性、非平稳性及时序性等特点,提出一种组合 模型预测方法,即 VMD-GRU 神经网络预测模型,由变分模态分解和门控循环单元组合而成。变分模态分解的 作用是分解短时客流,降低数据中的噪声,减少数据波动;门控循环单元的作用是基于分解的短时客流,进行 客流预测。经南京地铁的数据验证,该模型在地铁短时客流预测方面效果良好。与 GRU 相比,VMD-GRU 在 15、30 和 60 min 的时间粒度下,预测准确度分别提升 7.57%,16.93%,18.47%。该模型可为地铁运营管理部 门对车站客流管理、日常行车计划制定等提供有效的数据支撑,从而提升线网总体运营效率以及轨道交通系统 的服务水平。     

铁路客流总量预测方法研究

客流预测是铁路运输进行运力布局,产品调整的重要基础。预测的科学性、精确度将直接影响运输生产,因此努力提高客流预测的精度与可用性,是目前运输学科的一个热门研究领域。本文提出基于历史与预售的时间序列（HAP）预测方法对铁路客运中、短期客运总量进行预测分析,以预测铁路客流总量,控制预测误差。经过实际应用,验证了该方法的科学性和合理性。     

高架轨道轮轨噪声预测分析

随着我国城市轨道交通的快速发展,高架轨道作为一种经济、实用、安全、快速的交通模式,在城市轨道交通建设中得到越来越广泛的运用,但由此带来的振动噪声对周围环境的影响也变得十分突出。通过建立轮轨噪声预测模型,运用有限元法分析箱型梁、U型梁阻抗,对高架轨道轮轨噪声进行预测分析。讨论了桥梁截面型式、行车速度、轨道扣件刚度、桥梁结构阻尼、桥梁支座刚度对高架轨道轮轨噪声的影响。分析结果表明,行车速度和扣件刚度对轮轨噪声有较大影响,在200 Hz以下,轮轨噪声总体上随着扣件刚度的增大而增大;在200~800 Hz范围内,轮轨噪声随着扣件刚度的增大反而减小;在800 Hz以上,扣件刚度对轮轨噪声无明显影响。桥梁截面型式仅在低频部分对轮轨噪声有较大影响,而桥梁结构阻尼、桥梁支座刚度则对高架轨道轮轨噪声影响甚微。     

软土地区基坑开挖引起的邻近隧道变形预测

结合地层补偿原理和宁波软土地区深基坑工程实践经验,提出坑外土体水平和竖向位移的修正系数,形成了适用于宁波软土地区深基坑工程的坑外土体位移场预测方法。通过三个典型基坑工程的计算对比(理论计算结果、数值模拟结果及实测值的对比),验证了该方法的可行性。将该方法应用于紧邻基坑的隧道变形预测,结果表明,计算值同实测值和有限元模拟值接近。本方法可为有较高环境保护要求的基坑工程设计提供参考。     

基于随机需求的单列车票额分配方法

根据时间序列原理将单列车的客运需求划分为具有趋势规律的确定需求和具有分布规律的随机需求两部分,通过差分自回归移动平均模型得到确定性需求的表达式和随机性需求的分布函数,进而构成单列车的客流量预测模型;将该预测模型嵌入随机票额分配模型中,通过求解客流量的期望值而将随机票额分配问题转化为确定票额分配问题,实现随机需求与随机票额分配有效结合的单列车票额分配,从而避免由于客运需求预测结果误差较大而使票额分配结果不能满足实际客运需求。通过算例验证了方法的可行性。     

基于坐姿假人的地铁乘员二次碰撞损伤影响分析

针对地铁车厢中坐姿乘员的二次碰撞损伤问题,以乘员不同约束状态、坐姿、乘员人数为变量建立坐姿假人碰撞仿真场景。以AV/ST9001标准中加速度测试载荷为边界条件实现仿真计算,获得假人的姿态响应历程数据。建立假人响应物理参数与损伤等级对应关系的评估条件,包括头部HIC值、胸部3ms加速度与AIS损伤等级关系以及胫骨指数。仿真结果分析与损伤预估表明:坐姿乘员在碰撞事故中可能受到头部脑震荡,颅骨骨折,胸部肋骨骨折,腿部挫伤,骨折等不同程度伤害。座椅侧挡板对假人的姿态响应幅度有显著的影响,座椅及其附件的形状、材料等可作为可变设计参数以期降低乘员损伤;乘员人数会显著增加二次碰撞复杂度及损伤程度,是乘员损伤不利因素之一。     

基于混沌理论的铁路客货运量预测研究

应用混沌理论的相空间重构方法,分析与铁路运量相关的12组时间序列,分别计算它们的嵌入延迟时间、嵌入维数、关联维数、最大Lyapunov指数等混沌统计量,并以此为依据判断12组时间序列的混沌特性。结果显示:铁路客货运量及周转量不具有混沌特性,对应的4组时间序列不是混沌的;铁路客货运量、周转量的增量及增长率都具有明显的混沌特性,它们对应的8组时间序列是混沌的。在识别是否混沌的基础上,应用基于最大Lyapunov指数预测方法,对铁路客货运量、周转量进行预测检验及预测结果分析。