货运动车组装载门凹陷对隧道内会车压力波的影响

随着我国技术经济水平的提高，电子商务产业快速发展，货运动车组应运而生。采用有限体积方法和重叠网格方法，以及SST k-ω高雷诺数湍流模型，数值模拟研究时速350 km的货运动车组在隧道内交会的压力波，探究货运动车组车体结构即装载门凹陷对隧道内交会压力波的影响。实车试验结果验证了本文数值模拟方法的准确性。研究结果表明，凹陷的装载门使平直车身处的最大正压值增大约20%~30%，且有无凹陷的装载门中心最大正压值的差异百分比维持在35%~80%，最大负压值差异百分比在20%~25%。     

燃料电池有轨电车声学优化*

基于线路噪声实验,系统测试分析了燃料电池有轨电车的噪声特性,研究了噪声分布以及空气传声、结构传声路径对噪声的贡献。结果表明改善车辆地板、空调、顶板和风挡的隔声性能,尤其是在500～1250 Hz的1/3倍频带范围内的隔声性能将有助于改善车辆内部声学环境。优化燃料电池系统控制,降低冷却单元转速将有助于改善车辆外部声学环境。在此基础上提出减震降噪建议措施,再次进行线路噪声实验,结果表明该措施有效。     

考虑非周期检测的视情维修与备件订购联合策略优化

针对单部件系统/关键部件提出视情维修与备件订购联合策略,其中系统退化服从两阶段延迟时间过程且采用非周期检测策略,退化初期以检测间隔T₁检查系统状态,而在第一次识别缺陷状态时,缩短检测周期为T₂、订购备件且进行不完美维修;若系统在随后的退化中被识别处于缺陷状态,执行不完美维修直至超过阈值次数N_max并采取预防性更换,但若在检测周期内发生故障则进行更换。根据系统状态和备件状态分析各种可能更新事件及相应的联合决策,利用更新报酬理论构建最小化单位时间内期望成本的目标函数,优化T₁,T₂, N_max。与对比模型策略相比,算例结果表明所提出的联合策略能有效降低单位时间内的期望成本。     

钢轨踏面的空气耦合超声检测方法*

该文针对钢轨踏面浅表面裂纹提出非接触空气耦合超声类瑞利波的检测方法。首先利用半有限元法求解了CHN60型钢轨的振动模式,抽出了钢轨轨头踏面的振动模态结构和频散曲线,并搭建实验系统,根据Snell法则和声源在空气中的声场分布确定了检测参数,最后从理论和实验两方面着手对钢轨踏面浅表面裂纹的有无及裂纹大小进行了实验分析和数值计算,其结果非常吻合,证明了空气耦合超声导波检测方法的可行性和可靠性。     

动静态气密性分析方法及其在动车组上的应用

随着运行速度的提升, 高速动车组受到的外部激扰愈发剧烈. 尤其是动车组通过隧道和在隧道内交会时, 车体外表面产生的剧烈瞬变压力传入车厢内, 会引起司乘人员耳感不适等问题. 为研究动车组运行过程中的气密性能对车内气压波动和乘客乘坐舒适度的影响关系, 本文采用动静态测试结合的分析方法, 结合时间常数模型和当量泄漏面积模型, 通过在不同车辆内外部布置气压波动监测传感器, 对四级修前后的高速动车组进行了线路运行气动载荷测试; 针对不同部位具体结构特征开发了不同型式的气体泄漏量测试工装, 并对不同车辆的静态气密性进行了测试研究. 搭建了动静态气密性能分析模型并获得了动静态气密指数, 总结了隧道条件、运行速度等因素对车内压力波动和动态气密性能的影响规律, 同时针对典型气密部件的泄漏量和泄漏面积进行了分析, 对气密敏感部件进行了影响度排序并提出了优化方案. 本文提出的方法和相关研究数据对于关键部件的设计方案和修程修制优化具有一定的参考意义.      

高速动车组气动噪声试验与仿真分析*

通过风洞试验对某高速动车组整车、受电弓及转向架远场气动噪声特性进行分析。试验结果表明,高速动车组远场气动噪声是一宽频噪声,总声能随速度的6.6次方增加;由受电弓引起的远场气动噪声主要集中在中高频,噪声峰值频率随速度变化线性增加;由转向架引起的远场气动噪声主要集中在中低频,噪声峰值频率与速度无关。在此基础上,通过大涡模拟和声扰动方程获得该高速动车组近场噪声。高速动车组远场噪声测点仿真结果与试验结果的最大差值2.2 dB(A),最大相对误差2.5%,表明仿真模型的准确性。仿真结果表明,车头近场噪声以车头鼻尖为界,底部气动噪声能量大于上部流线型气动噪声能量,其中转向架舱位置噪声能量最大,因此进行车内外降噪方案设计时,应重点关注车头转向架舱位置。     

利用卷积网络的高速列车主观声品质预测*

随着高速列车在中国的高速发展,乘客对舒适性的要求也在提高,因此高速列车内声学舒适性是一个需要研究和解决的问题。首先,本文基于声学人工头设备,获取了高速列车行驶在350 km/h速度下不同车厢不同区域的双耳噪声样本,并对其分别开展了主观声学评价和基于响度、尖锐度、粗糙度和抖动度等参数的客观声品质分析。结果表明,350 km/h速度下高速列车车内噪声能量集中在3000 Hz以内,风挡区域是舒适性评价较差的位置,而响度是影响主观评价最大的因素。其次,利用卷积神经网络算法将主观评价结果与高速列车噪声样本相关联,建立了车内噪声主观声品质预测模型,并与基于BP神经网络的预测模型进行了对比。结果表明,基于卷积神经网络的主观声品质预测模型具有更高的预测精度,可以用于指导高速列车车内声学舒适性的优化设计。