公路平曲线超高／反超高对车辆操纵的影响

为得到超高率对车辆方向控制的影响,以“道路-驾驶人-车辆”仿真系统为手段,以超高率／反超高率和行驶速度为试验变量,以小客车为仿真车型,以一条设计速度为30km／h的三级公路为试验对象,进行了三维路面上行车动力学的仿真试验．试验结果表明：①超高会减轻侧向力作用下轮胎的侧偏角,从而减低对方向盘角输入的需求;②超高会减小弯道上的轮胎拖距,并减弱前轮转动对车体的抬升作用,明显降低曲线行驶时的操舵矩,从而使操纵变得容易;③超高也会增加车辆的侧倾摆动（朝曲线内侧）,对于低速车辆,其摆动会更明显;④小半径曲线上的双向路拱或者反超高会增加转向需求,当车速较高时,其方向将难以控制．     

暗挖隧道密贴下穿既有线车站施工关键技术

新建隧道近接下穿既有地铁结构施工已经成为城市地铁工程建设中的一种常见情况,由于既有结构沉降控制要求严格,如何有效控制沉降已经成为目前研究的热点问题。以北京地铁6号线东四站-朝阳门站区间下穿既有5号线东四站为例,介绍了超前注浆加固及止水技术、CRD+千斤顶支护法、辅助深孔注浆及背后回填和补偿注浆技术等暗挖隧道下穿既有车站施工技术,通过对既有5号线东四站结构沉降监测可知,采用上述方法有效地控制了既有结构的变形,确保了隧道施工安全和既有地铁的正常运营。     

基于组合预测模型的轮轨力连续测试

为了精确判断车辆的运行状态,提出了一种轮轨力连续测试方法.根据轮轨相互作用的特点,采用阈值判断法从测试数据中提取轮轨力的有效信息.针对轮轨力测试系统的时变性和不确定性,将动态测试序列作为灰色过程处理,提出用灰色理论对轮轨力进行连续测试.为了提高预测精度,结合遗传算法和神经网络对传统的GM(1,1)模型进行改进.建立了10个预测模型分别进行预测,然后将精度较高的预测值输入串联灰色神经网络进行二次预测,以提高预测精度与稳定性.将这10个预测模型应用到轮轨力连续测试中,结果表明:灰色系统、遗传算法与神经网络三者的组合模型具有较高的精度,平均相对误差不超过2%,满足轮轨力连续测试的要求,并且能够降低传感器失效对测试结果的影响.     

超声波在轮轨材料中传播的数值模拟

为进一步研究超声波的声场分布特性,增强超声波在高速铁路中轮轨探伤、列车安全监测等方面的应用,设计了轮轨有限元模型,模拟了不同声源尺寸下不同频率超声波在轮轨材料中传播时的声场分布,绘制了声源轴线上的声压分布曲线,在此基础上,分析了超声波近场长度、指向性、超声波频率及声源大小之间的关系.研究结果表明:在相同声源直径的模型中,频率为1.0 MHz的超声波近场长度最长,指向性最好;相同超声频率的模型中,声源直径为40 mm的超声波近场长度最长,指向性最好.      

基于轮轴动应力测试的轮轨力识别与分析

以300 km/h高速动车组动力车轮轴动应力测试为基础,经过数据处理和分析,识别出切向轮轨力和横向轮轨力.针对轮轴结构受力及应力分布特点,通过Ansys软件进行有限元模型分析,找到车轮作用载荷与应变之间的关系,计算得到切向蠕滑率,并运用最小二乘法进行参数识别,初步分析得到切向轮轨力与切向蠕滑率之间的关系及切向蠕滑率与速度之间的关系.     

磁悬浮列车跨系统运行Petri网模型

根据磁悬浮列车跨系统运行需求,研究了其运行控制系统的总体框架,明确了需要增加的功能子系统。基于系统理论,采用Petri网对系统关键属性、列车运行过程及各子系统的功能进行了层次化的建模。最高层模型描述系统整体关键属性,低层模型描述列车运行过程及可靠性。此模型可用来定量分析磁悬浮列车系统层面上跨系统运行时,失败率与各子系统部件可靠性之间的关系。如每年磁悬浮列车跨系统运行失败次数不超过1次,则连接相邻列控系统的2个通信网,其失效率都需低于10-6次.h-1。当列车跨系统运行触发时间分别为0.2、2.0min,步进时间分别为4、16min时,则跨线运行失败率分别为1.95×10-5、1.65×10-5次.h-1。仿真结果表明:列车跨系统失败率随a网和b网可靠性的提高而降低,同时随着跨系统触发时间和步进时间的增加而降低。层次化建模分析方法可以根据系统层面的关键属性要求,定量确定各子系统部件的可靠性需求。     

轮轨粘着机理的研究

介绍了轮轨间的粘着机理,以及影响粘着系数的主要因素。     

JWLZ动车组轮重检测装置在动车检修基地的应用

针对动车组同轴左右车轮载荷需平衡在一定阈值之内这种需求,本文提出一种简捷有效的机车车辆轮重检测方法,并逐步对其应用背景、结构组成、使用方法和关键技术进行一一阐述,同时介绍了其目前的应用情况及效果,并对其进行功能扩展和应用展望.     

Real-time implementation of a traction control algorithm on a scaled roller rig

Traction control is a very important aspect in railway vehicle dynamics. Its optimisation allows improvement of the performance of a locomotive by working close to the limit of adhesion. On the other hand, in case the adhesion limit is surpassed, the wheels are subjected to heavy wear and there is also a big risk that vibrations in the traction occur. Similar considerations can be made in the case of braking. The development and optimisation of a traction/braking control algorithm is a complex activity, because it is usually performed on a real vehicle on the track, where many uncertainties are present due to environmental conditions and vehicle characteristics. This work shows the use of a scaled roller rig to develop and optimise a traction control algorithm on a single wheelset. Measurements performed on the wheelset are used to estimate the optimal adhesion forces by means of a wheel/rail contact algorithm executed in real time. This allows application of the optimal adhesion force.     

基于遗传神经网络的高速公路纵坡运行速度预测方法研究

车辆运行速度预测取决于多因素、非线性函数关系的建立,预测模型建立的准确与否取决于各个影响因素之间的相互作用的特性。将遗传算法与神经网络有机结合起来,以高速公路上的实测运行速度为基础,建立遗传神经网络训练和检验样本集,利用Matlab7.04的神经网络工具箱和遗传算法工具箱的函数,完成程序的编写,建立基于遗传算法的高速公路纵坡路段运行速度(V85)的神经网络预测模型,并将预测结果与实测数据进行比较。结果表明:所用遗传神经网络模型可靠,预测精度高,对我国采用运行速度的路线设计方法和线形质量评价有较高的参考价值。