基于主元分析-概率神经网络的车辆受电弓故障诊断

在城市轨道交通车辆受电弓日常检修过程中,大量检修及故障数据未得到合理利用.针对计划检修已不能满足目前受电弓检修要求的问题,提出了一种基于主元分析和概率神经网络结合的故障诊断方法.该方法运用主元分析法对受电弓日常检修中的初始特征参数进行降维,将降维后特征参数输入到概率神经网络模型中进行故障诊断,判定受电弓故障模式.仿真结...     

基于铁路货运能力的集港集装箱班列组织优化

基于大数据挖掘的方法估算了铁路车站间OD客流,调查分析了铁路乘客对高铁和普铁的选择偏好,确定了高铁开通后普铁线路客运的供需关系与均衡,把普铁线路上的客流转换成相应的旅客列车列数,以此计量客运占用的普铁的通过能力;评估了各普铁路段的总通过能力,基于扣除系数法计算普铁各路段剩余的货运能力,并进一步在普铁线网上根据集装箱进港量确定集装箱班列枢纽站的候选集;将候选枢纽站的班列发车频率作为离散的内生变量,基于现实中的干线公路网络和普铁网络构建枢纽站选址和发班频率优化模型,求解模型,确定集装箱铁路集港服务网络的经济技术指标;以上海港和宁波港及其腹地为案例进行数值分析。计算结果表明：在案例的空间范围内的普铁运输线上,日均通过能力最小为79列,最大为137列;基于普铁各路段剩余的货运能力,计算得出各集装箱班列枢纽站的日均发班频率最小为6列,最大为19列;由计算得到的普铁路段上的流量可以看出,铁路运送到上海港和宁波港的日均集装箱量分别为13 677、12 094 TEU,分别占2个港口日均到达总量的25%和33%,相比目前占比5%~7%有大幅度增加。     

基于SVM-LSTM的车辆跟驰行为识别与信息可信甄别

为利用智能车路协同系统内实时交互信息有效提升交通系统的安全性,提出了基于交通业务特征的交通信息可信甄别方法;重点构建了基于支持向量机(SVM)-长短时记忆(LSTM)神经网络的车辆跟驰行为识别与信息可信甄别模型,包括基于SVM的车辆跟驰行为识别模型和基于LSTM神经网络的车辆跟驰速度预测模型;设定了表征车辆行驶状态的特征向量,基于SVM的车辆跟驰行为识别模型将车辆行驶状态分为跟驰与非跟驰;对于跟驰车辆,基于LSTM神经网络的车辆跟驰速度预测模型根据其历史数据进行速度预测;SVM-LSTM信息可信甄别模型通过检验跟驰车辆的预测速度与其实际速度的差是否在合理范围来判断车辆数据的可信性,实现信息的可信甄别;采用公开数据集对提出的模型进行了训练与测试,并构建了不同异常类型和异常幅度的多个异常测试数据集,对基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型进行了验证。研究结果表明：基于SVM的车辆跟驰行为识别模型对车辆行驶行为识别的准确率达到了99%,基于LSTM神经网络的车辆跟驰速度预测模型的跟驰速度预测精度达到了cm·s^-1数量级;基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型在正常数据测试集与多个异常数据测试集上的甄别正确率达到了97%。由此可见,提出的方法可用于路侧设备(RSUs)对车载单元(OBUs)实时信息和车载单元间实时信息的可信甄别。     

含输入时延与通信时延的车辆队列PID控制系统稳定性

针对含输入时延与通信时延的车辆队列PID控制系统,分析了其内部稳定性和队列稳定性,研究了内部稳定的充要条件,求解了完整、精确的时延边界;在内部稳定性分析中,考虑输入时延与通信时延影响下车辆队列PID控制系统为中立型双时延系统的特点,结合Rekasius代换和劳斯表,提出了关于中立算子的系统强稳定充要条件;在此基础上,为了便于PID参数的快速选取,推导了一种形式更为简练的系统强稳定充分条件;在强稳定条件下,基于特征根聚类法求解了系统完整、精确的时延边界;针对具有奇数辆跟随车的车辆队列,推导了无关车辆队列规模的输入时延上界;在队列稳定性分析中,为了保证干扰和误差沿车辆队列向后传播不发散,分析了车间误差传递函数,给出了双时延影响下队列稳定的充分条件。仿真结果表明：在含输入时延与通信时延的分布式PID控制器作用下,车辆队列控制系统可同时保证内部稳定和队列稳定;车间状态误差可在15 s内快速减小并趋近于零;在所有车辆恒速行驶时,车间保持50 m期望安全距离;在领航车以0.5 m·s^-2加速和0.8 m·s^-2减速时,跟随车的速度和加速度随领航车变化,并在领航车速度稳定时一致;车辆队列在不同行驶工况下,由领航车加、减速引起的车间位置误差小于0.2 m,且沿车辆队列向后传播不发散。     

铁路货运量组合预测方法

为了对铁路货运量进行科学预测,在指数平滑、模糊移动、线性回归、灰色预测4种单一模型的基础上建立组合预测模型.结果表明:组合预测模型能有效综合各模型的有用信息,并能提高其预测精度,预测结果可靠.与单一模型相比,该法具有较好的实用价值.     

升力翼对高速列车列车风与尾流特性的影响

为探究在高速列车车顶安装升力翼后引起的列车周围流场剧变,以三车编组1∶10缩尺比某型CRH高速列车模型为研究对象,采用基于两方程湍流模型的改进型延迟分离涡模拟(IDDES)方法,对比分析了有无升力翼的2种高速列车时均和瞬时列车风的发展规律;利用涡旋识别方法探讨了尾迹区瞬时涡结构分布特征,通过比较尾迹区不同流向位置的列车风分布特征与尾流涡旋移动规律,验证了列车风速度峰值与尾涡非定常特性的相关性,采用频谱分析方法获得了尾迹区速度功率谱密度曲线。研究结果表明：升力翼的几何外形结构加剧了车身表面边界层分离,令列车顶部和侧表面边界层厚度增大;升力翼使列车风速度峰值增大,其中在轨侧和站台位置最大时均列车风速度分别增大了1.556和1.327倍,且相较原型列车第2个峰值位置延后;由于翼尖涡不断向下游发展和累积,升力翼列车尾流结构表现为大尺度涡对中夹杂着一对更为破碎的细小涡旋,相较原型列车,涡旋与地面之间的剪切作用更强,升力翼列车尾流时均列车风速度在展向分布上有所增大,但垂直分布上有所降低,并在水平面上出现更明显的剪切分离;升力翼列车尾迹中包含较多破碎的小尺度涡,进而影响了尾迹涡脱落频率,使之比原型列车具有更高的能量,且涡旋耗散速度更慢。     

城市轨道车轮结构振动-声辐射一体化优化方法

为了降低城市轨道车辆的车轮结构噪声,以服役的双S型辐板车轮为研究对象,建立了考虑振动与声辐射融合的城市轨道车轮结构噪声优化模型,获得了一种自上而下呈不等厚特征辐板的新型降噪车轮廓形,提出了以轨道车轮辐板区域为设计域的车轮结构振动-声辐射一体化优化方法;将整个辐板区域确定为设计域,分别设定编码规则、选择规则、交叉规则和变异规则,使振动-声辐射优化目标函数逐渐收敛,从而进化为较优的降噪车轮廓形,实现轨道车轮振动-声辐射结构优化设计;利用成熟有限元工具获得优化车轮的静强度、疲劳强度和振动声辐射性能,进一步验证双S型辐板车轮新型结构噪声优化结果的有效性和可靠性。研究结果表明：车轮结构振动-声辐射一体化优化方法适用于降噪车轮的结构廓形优化,优化后车轮峰值声功率级较原双S型辐板车轮降低了4.26 dB(A),在0~5 000 Hz频段范围内声功率级峰值处降噪效果明显;从辐板结构特征上看,双S型辐板车轮的辐板由优化前的基本等厚辐板进化为不等厚辐板,车轮辐板的不等厚特征有利于降低车轮的声辐射水平,从车轮的经济和降噪性能兼顾的角度,建议采用不等厚辐板车轮廓形作为轨道车轮降噪模型。     

混合交通环境下网联自动驾驶车辆跟驰模型与优化策略

为进一步提高混合交通环境下车辆的行车效率与交通流的稳定性,在考虑后视效应的基础上,融合多辆前车速度与加速度等状态信息,以指数平滑方式构建了网联自动驾驶车辆(CAV)跟驰模型;在此基础上,研究了前后方车辆数和状态信息完整度对模型稳定性的影响,结合Lyapunov第一方法和线性谐波微扰法进行了线性稳定性分析,并确定了模型最优参数;利用混合交通环境特性,在考虑通信信息丢失的情况下提出了CAV在不同位置和状态下的跟驰策略,并在该策略支撑下进行了不同CAV渗透率的车辆启动、车辆刹车停止、环形道路3个典型场景下的数值仿真。研究结果表明：在刹车停止场景中,全部车辆的停止波速最大提高了26.1%;在车辆启动场景中,启动波速最大提高了15.5%,车辆加速度和速度变化更为平缓;在环形道路场景中,当混合交通流中CAV渗透率由40%提高至100%时,在较大扰动条件下车辆的平均速度波动时间相较于低CAV渗透率场景下降了44.8%,波峰下降了5.7%,波谷上升了19.4%,而CAV渗透率较低时提出的优化策略对混合交通流的改善并不明显。由此可见,在当前构建实际混合交通环境与开展CAV实车试验比较困难的情况下,该跟驰模型和策略可用于车辆跟驰仿真与特定场景下的测试验证,能够有效保障混合交通环境中的交通流扰动吸收和车队稳定行驶。     

基于车辆排序的异质性货车队列低能耗配置方法

考虑了燃油车和电动车动力系统差异以及货车车型对队列运营节能效果的影响,基于货车物理能耗模型和车形节能关系矩阵,建立了不同类型货车队列的能耗表征模型;为了不损失队列运营效率,构建了货车队列运营节能模型;以队列运营节能效益最大为目标,以不同类型货车数量、队列长度、队列排序位置要求为约束,建立了异质性货车队列低能耗配置优化模型,优化了队列规模和各个队列内部的车辆排序;基于数值试验,量化分析了异质性队列节能情况,解析了队列行驶工况、节能系数、不同车型比例对能耗的影响规律。研究结果表明：相较于独立行驶,12、18辆车试验的异质性货车队列运营节能率分别为6.5%、6.6%;相较于同质性队列,12、18辆车试验的异质性队列节能率分别增大了4.6%和4.8%;异质性货车队列配置情况不随行驶工况的变化而变化,但相较于匀速行驶状态,加速状态下节能率相对较低,约为3.6%;就车型排列规律而言,首先应依据“钟形”规律排布燃油车,其次应按照“钟形”规律插入电动车,使电动车帮助燃油车减少能耗,最后应优先配置队列前方位置;队列运营节能率随着速度的提升而增大,弹性系数为0.05,表明了队列技术在高速公路场景下可带来较为可观的效益;随着电动车比例的不断增大,队列节能率略有增加;节能系数对队列节能率影响最大,弹性系数为1.2。     

网联自动驾驶车辆道路交通安全研究综述

为全面了解网联自动驾驶交通安全领域的研究进展,利用文献计量方法通过Web of Science核心数据库对Connected and Automated (Autonomous) Vehicles、Connected (Autonomous) Vehicles、Traffic Safety (Accident, Crash, Collision, Conflict)等关键词进行检索,共获取2010至2021年2 130篇相关文献,涵盖5 474位作者和7 017个关键词;利用科学知识图谱对网联自动驾驶道路交通安全研究发展历程、研究归属地、研究主题与内容、研究热点等进行分析总结和可视化解析;通过研究主题和热点的分析指出未来研究方向。研究结果表明：网联自动驾驶道路交通安全研究经历了起步阶段、缓慢增长阶段和快速发展阶段;美国和中国是当今世界对网联自动驾驶道路交通安全领域贡献最大的2个研究主体;研究主题主要围绕宏微观交通流、交通系统影响(交通出行、交通环境、交通安全)、车辆安全避障与路径规划、交通安全评价等展开,研究热点重点围绕网联自动驾驶交通控制与系统优化、新型混合交通流交通安全分析、微观行为建模与仿真安全评估等;未来研究需重视由单车安全转向交通流事故风险传播研究,突破智能网联车队群体决策与编队控制技术,构建虚拟现实下智能网联数据化仿真环境与深度测试平台,挖掘网联自动驾驶人机共驾情境下驾驶人接管绩效评价体系,从而进行精细化的事故风险致因分析、交通安全建模与评估以及事故风险防控策略与算法研究。