基于MOEA/D-DAE的轨道车辆扇形压电元件结构优化方法

在轨道交通向低碳化、智能化方向发展的需求驱动下,用于实现轨道车辆在线状态智能监测的小型车载传感设备的无源无线化日趋广泛。压电响应元件可以将轨道车辆振动能量用于供电,从而避免采用传统的电池和外部接线方式,减少车辆改造及维护成本、增强系统的抗干扰能力。但是由于压电元件在工程应用中普遍存在着工作频率与振源频率匹配偏差问题,其俘获振动能量的能力难以得到有效的开发。针对这一问题,提出一种对扇形压电悬臂梁元件进行频率匹配最优化设计的方法：为了大幅减少有限元仿真精确计算的次数、节约设计时间,使用拉丁超立方采样法从参数化的ANSYS有限元模型中获取用于训练模型的样本点集,建立精确度较高的Kriging代理模型;通过实际测试采集、分析轴箱处固有的频域振动特性;以压电梁的工作频率点与轴箱振动频率集中点的距离、结构自重最小构建多目标优化模型,采用基于分解和检测-逃逸策略的多目标进化优化算法(MOEA/D-DAE)求解,获得相对较优的解的集合——Pareto前沿;最后采用聚合树方法筛选出最优解。研究结果表明：所采用的方法相比于NSGA-II降低了计算复杂度、设计准确性高,输出电压最高提升至初始设计的219%,...     

基于图像处理和双BP神经网络的电气化铁路接触网立柱标识牌识别算法研究

故障位置点定位是实现轨道维护及保养的前提,利用接触网立柱标识牌实现定位是一种常用的轨道定位方法,但常规的识别方法存在识别率低且速度慢的缺点。针对该问题,提出一种基于图像处理和双神经网络的接触网立柱标识牌识别算法。首先利用Hough变换提取出接触网支柱区域,减小识别区域,其次通过形态学方法实现标识牌的定位与裁剪,再采用水平投影方法对字符进行分割,最后对字符中的字母和数字分别进行特征提取,利用两路并行的反向传播神经网络进行识别。通过实验验证了该算法的有效性,结果表明:该方法精度可达98.3%,相较于传统识别方法速度提高了17%。因此该识别算法能够实现轨道故障位置的快速精确定位,可用于轨道智能巡检系统。