一种基于人工神经元网络算法的 谐波多路同步快速检测装置

通过对高铁牵引供电系统中谐波传输特性进行分析,设计以人工神经元网络算法为核心的快速谐波检测算法,实现牵引供电系统多路谐波数据同步检测。试制装置现场测试表明,该装置可实现牵引供电系统多路馈线50次以内谐波的同步快速检测,并具有较高的精度及良好的实时性。     

地铁盾构隧道施工对邻近建筑物的安全风险分析方法

在进行地铁隧道施工对邻近建筑物影响后安全风险分析时,因统计数据缺乏或不可得等原因造成实际基本概率难以用确定值表示,存在一定的模糊性。综合模糊集理论适用于处理模糊信息,以及贝叶斯网络适用于不确定知识推理等方面的优势,提出了基于模糊贝叶斯网络的定量安全风险分析方法,建立了地铁盾构隧道施工环境下邻近建筑物安全风险决策模型,预测地铁盾构隧道施工诱发邻近建筑物破坏的可能性;根据模糊重要度计算结果进行安全致险因素敏感性分析;以辨识关键致险因素;并结合工程实例验证该方法的适用性。     

地铁车辆段环境与设备监控系统的网络设计方案比选

分析了宁波地铁1号线天童庄车辆段的环境与设备监控系统(BAS)的两种网络设计方案:总线方案和环网方案的优缺点,选择了更为实用、经济的光纤环网系统方案实现对车辆段所有机电设备的监控。但无论哪一种方案,在控制技术方面都较为成熟。就目前而言,总线方案在地铁设备监控系统中使用较多,环网方案尚未使用。环网方案在宁波地铁1号线车辆段中的成功应用对后续地铁车辆段的系统设计具有一定的参考价值。     

市域铁路电力供电方案及可靠性分析

现有的地铁设计规范、原铁道部颁布的铁路设计规范等不能完全适应市域铁路的设计需要。为便于指导市域铁路电力设计,结合市域铁路负荷分布特点、负荷性质,分析了市域铁路电力分散就地供电、集中供电,以及组合供电方式的优缺点,并针对集中供电方案中的贯通线和环网供电模式进行了定量可靠性分析和灵敏度分析。提出了市域铁路电力各种供电方案的适用场合,以供参考。     

高速铁路CP0基线解算中起算点坐标精度研究

在高速铁路CP0基线解算过程中,需要将IGS参考站作为起算点,当起算点坐标出现误差或兼容性较差时,将导致整个框架控制网基线向量解产生系统性旋转和尺度变化,因此必须对起算点坐标的允许精度进行研究。介绍起算点误差传播与影响模型,从理论上分析起算点误差对基线解算的影响程度,通过设计不同解算方案采用工程测量数据对起算点坐标的允许精度进行研究。结果表明,使用GAMIT软件进行CP0框架控制网解算时必须严格控制起算点坐标的误差,起算点点位坐标精度最好控制在10 cm之内;当起算点坐标误差达到20 cm时,各基线分量的解算结果的精度在毫米级的量级;当起算点坐标误差达到2 m时,基线解算结果不可靠,不满足高精度解算要求。     

异常事件下的城市轨道交通网络特征分析

网络结构是城市轨道交通网络的一个重要特征.异常事件下网络结构特征的变化往往决定了事件所产生的影响.以新加坡的轨道交通网络为对象,首先基于3类中心度指标分析网络的结构特征,对站点和线路进行了比较;然后分析了1个站点关闭这类异常事件下网络结构特征指标发生的变化,基于此能界定破坏网络连通性及明显改变网络结构均衡性的2类关键站点;最后阐述了分析结果在城市轨道交通系统运营管理方面的应用价值.     

城市轨道交通综合监控系统时钟同步方案研究

介绍了城市轨道交通综合监控系统对时钟同步的要求和网络时间协议(NTP).结合北京地铁5号线的实际应用案例,重点对中心级和车站级综合监控系统的时钟同步方案进行了分析和研究.实际应用表明:在中心级综合监控系统中,冗余时钟源对时方案优于单时钟源对时方案;在车站级综合监控系统中,相对于独立时钟源方案,共享时钟源方案具有明显的优势.基于NTP的时间同步方法为综合监控系统提供了统一、高效、精准的时钟,经北京地铁5号线多年运用,实证其为运营的可靠性提供了基础保障.     

网络清分模型的验证与修正方法

由于客流调查的局限性、网络乘客出行行为的差异性等因素的影响,需要进一步研究清分模型及客流分布计算结果的准确性及模型中的相关参数.介绍了城市轨道交通现有客票收入清分模型.依托上海轨道交通AFC(自动售检票)系统提供的基础数据,对清分模型参数进行灵敏度分析,提出了提高现有清分准确度的方法和手段.     

智能化变电所技术在牵引供电系统中的应用

分析了传统牵引变电所自动化系统的一些不足;根据国内牵引供电系统的技术发展需求,提出了新建智能牵引变电所的架构与配置、IEC61850GOOSE协议,以及既有牵引变电所的改造思路。     

基于小波分析的光伏并网逆变器故障诊断

针对光伏并网逆变器的故障检测与智能在线诊断问题,提出了一种C3C3逆变器故障特征提取方法。该方法以逆变器输出三相电流的小波分析结果作为判断依据,将故障信号的近似分量和细节分量相结合作为故障特征向量,利用神经网络的分类功能,实现对光伏并网逆变器的故障诊断。该方法无需电压信号和人工参与,硬件实现简单,且抗干扰性强。仿真实验结果证明了该方法的有效性。