高速列车转向架蛇行失稳的MEEMD-LSSVM预测模型

为预测列车转向架蛇行失稳异常运动状态,提出一种改进的集总平均经验模态分解-最小二乘法支持向量机(MEEMD-LSSVM)的预测模型。以转向架正常、过渡、蛇行失稳3种状态下振动信号为研究对象,通过MEEMD对信号进行分解,再用Hilbert变换(HT)分析其时频能量特征,最后采用固有模态函数(IMF)的能量特征作为LSSVM的输入,通过识别过渡状态,预测列车蛇行失稳。试验表明,列车处于330~350km/h之间时,预测准确率为93.33%,并且MEEMD-LSSVM方法准确率和计算耗时优于EEMD-SVM方法,证明该预测模型的有效性和快速性。     

基于LEC评价法的隧道防护门风险评价研究

列车在隧道内运行通过时,由于列车截面积与隧道面积之比较大,且隧道长度长,运行速度快,列车在隧道内会产生较大的侧向风压。防护门在侧向风压的作用下,容易出现连接件松动、面板脱落、门体倾倒等状况,易侵入限界,严重影响行车安全。由防护门造成的行车安全事故的危险源较多,不同危险源所导致的危害程度不同,开展隧道防护门的风险评价研究,并制定对应措施将极大地提高行车安全。因此,针对现有问题,提出一种针对防护门的风险评价及处理方案,指导隧道防护门的设计、生产、施工、监测、维护保养等全过程。