基于遗传算法和神经网络的润扬长江大桥深基坑变形预测

针对深基坑变形问题,用遗传算法优化BP神经网络的初始权重,建立了GA-BP神经网络深基坑变形预测模型,克服了BP神经网络收敛速度慢、易陷入局部极小点的缺点。利用模型对润扬长江公路大桥南锚碇深基坑变形进行分析,并对模型拟合结果进行了检验,结果表明深基坑变形和支撑轴力具有一致响应趋势,预测模型性能良好,预测精度较高,简便易行。     

接触网刚性悬挂拉出值布置方式比较

介绍了城市轨道交通牵引网架空刚性悬挂的两种布置方式.分析了采用传统正弦波拉出值布置方式时产生受电弓磨耗不均匀的原因,以及新的“八”字形拉出值布置方式及其解决受电弓磨耗不均匀问题的方法.“八”字拉出值布置方式是一种可靠的刚性悬挂拉出值平面布置形式,能够保证受电弓两侧的两个半弓磨耗一致,实现增加受电弓使用寿命、提高授流质量的目的.     

基于载波移相控制的脉冲整流器直流侧支撑电容电压谐波抑制研究

以电力牵引交流传动系统中两重化脉冲整流器拓扑为研究对象,以实现其直流侧支撑电容电压谐波抑制为目标,首先从理论上分析了直流侧支撑电容容量的设计方法;然后分析了稳态运行时直流侧电压高次谐波的产生机理,并重点分析了两重化脉冲整流器载波移相控制方法对直流侧脉动的影响.理论分析表明直流侧电压高次纹波主要分布在2倍开关频率附近,载波移相控制技术可以有效地抑制直流侧2倍开关频率附近的纹波电压,从而减小直流侧电压纹波系数.因此在传统直流侧支撑电容容量设计方法的基础上,加入载波移相控制可以进一步减小所设计的支撑电容大小.最后对未添加载波移相控制和添加载波移相控制的方法分别进行了计算机仿真和半实物试验测试.Matlab仿真和dSPACE半实物测试结果都验证了理论分析的正确性和有效性.     

基于LSTM的滚动轴承寿命预测

针对滚动轴承剩余使用寿命预测难、一般的神经网络预测精度差的问题,提出了一种基于振动信号时域特征,结合滚动轴承理论寿命值和具有处理时序特征功能的LSTM(Long Short-Term Memory,长短期记忆网络)剩余使用寿命预测方法。首先按照时间顺序提取振动信号的均方根值、峰度、偏斜等15个时域特征作为判断滚动轴承退化的特征值;然后将其输入到LSTM中,将网络输出的轴承退化值设定为[0,1],0表示轴承完好,1为完全退化;最后采用滚动轴承理论寿命计算公式,根据滚动轴承的转速和载荷计算滚动轴承的基本额定寿命,结合其理论寿命和退化值得到定量的剩余寿命。试验结果表明,LSTM与理论寿命结合的滚动轴承寿命预测方法相比于一般的神经网络具有较高的预测精度。     

城市轨道交通车载超级电容的优化配置方法

从功率、容量及最优的放电深度等方面研究了满足车辆制动能量回收的城市轨道交通车载超级电容理论及优化配置。通过超级电容能量存储配置方法的理论分析,得出电容装置最小的电容总数及电容最优的放电深度的算法。在满足能量存储的条件下应使电容总数最小。算例分析表明,超级电容储能装置的电容设备不仅要考虑功率和容量的要求,还要考虑电容的配置和放电深度。     

混合动力有轨电车列车控制和管理系统软件测试平台设计

针对燃料电池和超级电容混合动力有轨电车的列车控制和管理系统(TCMS)软件测试需求,运用Control Build仿真软件搭建了适用于燃料电池和超级电容混合动力列车的TCMS软件测试平台。该平台在具有列车电路和常用子系统仿真功能上,采用拟合方法搭建了燃料电池模型、超级电容模型、动力电池模型和列车能量流动模型,为TCMS软件进行混合动力能量管理和整车能量管理提供测试环境,提高了燃料电池超级电容有轨电车TCMS软件测试的范围和效率。     

曲线超高调整对接触线拉出值影响及调整探讨

分析了曲线超高调整对接触线拉出值的影响,得出了定位点处拉出值的大小是直接影响跨中接触线偏移大小的最重要因素的结论,并给出了不同半径的曲线如何选择不同拉出值的计算方法。     

臂式地铁接触轨几何状态参数检测小车研究

为解决地铁接触轨几何状态参数人工检测精度低、效率低、工人劳动强度大等问题,在调研国内外相关技术现状的基础上,充分考虑测量精度和效率要求、测量空间对测量机构体积和质量的限制等内外部因素,研发一种基于平行四边形机构的臂式地铁接触轨几何状态参数连续检测小车。小车基于接触式测量原理,对小车进行机械机构设计和参数设计,建立数学模型,然后对采集的数据进行计算分析,验证接触式测量的有效性。试验证明,该检测小车拉出值的综合检测精度达到0. 1 mm,导高综合检测精度达0. 17 mm,其测量效率和精度能很好地满足地铁接触轨几何状态参数检测的要求。     

基于GA-GM(1,N,α)幂模型的铁路客运量预测

针对在铁路客运量预测领域传统的灰色预测模型不能反映真实系统的非线性结构特点及其背景值的赋值不合理的问题,提出使用对系统相关因素引入幂指数且经过背景值优化的GM(1,N,)幂模型进行客运量预测。背景值优化时设置待定参数,利用线性组合结构重新计算背景值。对此模型产生的较多的待定参数,采用能够并行运算、全局寻优的遗传算法进行一次性求解。最后使用此模型对甘肃省铁路客运量进行建模预测,并与传统GM(1,N)模型、GM(1,N)幂模型进行对比分析。结果证明,GM(1,N,)幂模型具有更高的预测精度,对铁路客运量预测有一定的应用和研究价值。