400m级铁路CFST拱桥合理拱肋内倾角研究

《钢管混凝土拱桥技术规范》中拱肋内倾角的建议取值对特大跨径钢管混凝土(CFST)拱桥不再完全适用.以一座400 m级铁路CFST拱桥为例,研究其拱肋内倾角的合理取值范围.采用Midas/Civil2015建立空间有限元模型,分析计算不同拱肋内倾角取值下结构的自振特性、线弹性稳定安全系数以及静力荷载和强震作用下结构的内力、位移响应以及控制截面应力.研究结果表明:当拱肋内倾角控制在3.5°～4°时,结构第4和8阶自振频率获得大幅提升,可以改善拱肋横向抗弯和抗扭转性能,同时前2阶稳定安全系数也达到较优状态,还避免了横向最不利荷载作用下拱肋横向位移的大幅增长,并且在考虑罕遇地震作用情况时,位移、轴力峰值以及降低拱肋混凝土拉应力方面均达到较优状态.综合各项指标,建议此类400 m级铁路CFST拱桥拱肋内倾角取值范围宜为3.5°～4°.     

基于复杂网络的磁流变橡胶磁致压缩力学性能研究

基于磁流变橡胶在机车的主动减振及降噪领域中的重要作用,引入复杂网络理论和方法来研究磁流变橡胶的磁致压缩力学性能。通过建立磁流变橡胶的RVE模型,利用多物理场耦合有限元软件研究磁流变橡胶的静态磁致压缩力学性能;计算磁流变橡胶的磁性颗粒复杂网络特征参数;探索磁流变橡胶磁性颗粒复杂网络的特征参数与磁流变橡胶磁致压缩模量之间的关系;与实例研究结果进行对比,验证结论的准确性。研究结果表明:磁流变橡胶的磁致压缩模量与其磁性颗粒网络的特征参数有关,其磁致压缩模量的峰值是由磁性颗粒的复杂网络分形特征参数决定的。     

基于生态可持续理念的自给型建筑实验研究

基于未来城市实现可持续发展、减少外部需求的要求,设计建造生态自给单元实验装置,以实现建筑在资源上的自给自足。通过培养基配比、含水率、耗水量及种植实验,种植单元中蔬菜长势良好,免除灌溉施肥等日常管理,实验达到了设计预期。这种自给型生态单元与建筑可以通过多种方式组合,在改善生态环境的同时能部分满足人们的食物需求,减少对外界的依赖,降低能耗的同时节省了资源。这一技术将有助于大中城市的可持续发展、减少对周边区域和外部环境的生态压力。     

铁路工务安全生产管理分析系统

铁路工务安全生产管理分析系统面向不同等级线路的养修管理需求,实现了围绕设备状态的工务生产组织管理闭环系统,即"设备检测检查—状态分析和决策—检修方案制定—计划实施—验收和跟踪",建立了维修生产业务的全过程信息化工作平台。通过各类检测监测、维修数据及设备基础数据的整合管理和挖掘分析,诊断设备病害成因、评估线路质量状态、监控设备状态变化,为养护维修提供决策支持,提升维护管理水平。     

HXD1C型电力机车速度信号故障分析

介绍HXD1C型电力机车速度信号检测控制原理,将速度信号异常现象划分为速度信号丢失、突变、干扰和错位4大类,结合故障案例对4类现象导致的故障进行深入分析,归纳出故障数据波形和速度信号监控波形的特点,总结故障处理方法。该分析和方法也适用于同平台产品。     

全电子执行单元与多种轨道电路结合方案探讨

全电子执行单元由道岔模块、轨道模块、继电器驱动和采集模块、零散模块和电码化模块等构成。在实际应用中根据站场技术要求选择不同全电子执行单元模块与之配合,以达到控制和采集室外设备状态的目的,最终实现联锁控制。     

桥上CRTSⅡ型板式无砟轨道宽接缝开裂对纵连钢筋受力特性的影响

CRTSⅡ型板式无砟轨道结构作为一种纵连板式轨道结构,通常采用6根精轧螺纹钢筋实现轨道板的纵向连接;但因外部荷载作用易造成宽接缝新老混凝土连接处发生开裂,轨道板内部纵连钢筋应力重新分布,有可能会威胁到钢筋的正常工作。基于有限单元法,运用单元生死技术,建立不同宽接缝开裂状态(完全开裂或未开裂)下含预应力钢筋的桥上CRTSⅡ型板式轨道结构计算模型,研究不同外部荷载作用对纵连钢筋受力性能的影响。结果表明:宽接缝开裂会导致宽接缝位置处钢筋应力的突变;整体温降对钢筋应力的影响最大,降温幅值过大甚至会导致钢筋屈服破坏;正温度梯度对钢筋应力影响较大,会导致宽接缝开裂处钢筋应力的大幅降低;而负温度梯度和列车荷载作用下,宽接缝处钢筋应力变化均不明显。     

CRH2型动车组直流电气控制电路监测技术

针对现有CRH2型动车组在运行过程中直流电气控制电路存在偶发性故障且无法快速定位的现状,在不改变原有车辆电气线路的前提下提出了一种利用相位差磁调制技术的在线监测方案,通过仿真验证了方案的可行性,并在实际试验中完成验证。该方案实现了对电气屏柜直流电路的电流检测,为车辆的快速检修和可靠运行提供有力支持。     

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。