沪宁线轨道不平顺谱的分析

对国外不平顺标准谱和我国轨道不平顺统计谱进行对比,根据沪宁线的线路不平顺检测数据进行谱分析,得出沪宁线的轨道不平顺谱与美国5级铁路的不平顺谱相接近,但方向不平顺谱值较大.利用相干函数分析轨道不平顺与车体垂向和水平振动之间的关系,得出垂向振动有两个主要振动频率,其中一个频率的振动与轨道不平顺相干度较高,车体水平振动加速度有一个振动主频,也与轨道的水平不平顺具有较高的相干性.最后,建议将轨道不平顺谱作为控制轨道质量的指标之一.     

地铁轨道不平顺状态的监测与预警

在客流量和客运量高速化的背景下,轨道线路作为地铁运营的基本设施,其不平顺状态直接影响到行车的安全性和舒适性。以北京地铁9号线为例,采用光纤光栅传感器对典型区段的轨道不平顺状态进行监测,运用数理统计的方法对监测数据进行权重统计和超限分析,结合数据特征提出一种将灰色模型和粒子群算法优化Elman神经网络的组合预测方法,并利用监测的轨道不平顺七项参数对模型的效果进行验证。结果表明该模型的预测效果均优于单一灰色模型,在平均相对误差、均方根误差、决定系数和相关系数上具有较高的预测精度,可以实现对各单项指标的超限预警,更好地监控轨道质量的发展状况。     

基于轨检车历史数据的轨道不平顺预测研究

由轨检车检查得到的大量轨道几何尺寸的历史数据,可以挖掘出轨道不平顺发展背后的潜在规律。从已有的历史数据的角度出发,以数据驱动的方式为出发点,得出轨道不平顺的发展趋势,可以做到对轨道质量指数的合理预测;若单纯从某一理论方法出发进行研究,实际观测数据不一定都能符合其结果。基于已有的历史数据出发,寻找最为匹配的规律,为轨道恶化趋势的预测提供新思路。研究结论如下:(1)提供了对轨道质量预测的新思路,预测结果的置信度可达到约92%;(2)基于已有的原始数据,匹配得出的分布函数中的系数根据实际情况的变化而变化,可包容被测轨道的不同个性;(3)轨道质量指数的增长与时间的关系是一种理论上循环的非线性关系。     

轨道不平顺功率谱拟合分析方法

对国内外轨道不平顺谱作了简要的对比，并对实测轨道不平顺谱及其拟合谱的分析方法作了较为详细的介绍．首先说明了功率谱分析的必要性；然后就国内外不同的标准谱进行比较，再次，介绍了数据处理软件对功率谱的基本算法，并重点介绍了拟合谱的计算方法；最后，结合沪杭线的实例，利用该软件将实测数据拟合成功率谱，并与国内外现有的功率谱进行对比分析．     

客运专线轨道不平顺功率谱分析

轨道不平顺是车辆振动的主要激扰源,也是限制列车最高运行速度的主要因素之一,直接关系到列车运行的平稳性、安全性和舒适性。文章以秦沈客运专线轨检车实测轨道不平顺数据为统计样本,基于样本平稳性检验,采用FFT方法进行样本空间的谱估计,并由MATLAB编程得到轨道不平顺谱密度。基于轨道不平顺样本的总体平均,得出了谱密度频率平滑曲线和谱密度曲线拟合表达式,并与我国重载提速干线的谱密度曲线进行了对比分析。在此基础上,对秦沈客运专线的轨道状态进行了评估。     

基于Fast-MCD的自适应建模探索轨道不平顺劣化

掌握轨道不平顺劣化模式是实现预测性维修的基础,根据维修作业日期划分轨道不平顺劣化过程是探索其劣化模式的前提.作者之前提出了一套算法实现轨道不平顺劣化自适应分段建模,为提高该算法的效率和准确度,该文基于Mahalanobis距离提出了双层快速最小协方差行列式(fast minimum covariance determi...     

铁路轨道高低不平顺的预测方法

轨道变形是有碴轨道结构无法避免的 .通过轨道不平顺的描述 ,预测轨道不平顺的变化规律是近代轨道力学的基本课题 ,也是制定养护维修计划的关键 .据此在介绍轨道不平顺的分类和分析国外有关轨道高低不平顺预测模型的基础上 ,提出一个利用特性矩阵描述轨道变形并进行预测的方法 .这一方法利用动态实测数据 ,全面反映不平顺的影响因素 ,适合于不同的线路条件     

影响轨道不平顺质量指数因素解析

本论文对轨道不平顺质量指数TQI(Track Quality Index,简称TQI)的定义和计算方法进行叙述,并列举影响TQI几种常见因素,分析其对TQI的影响,最终建议管理者理性看待TQI,合理的做出对线路的整体评价。     

基于GM(1,1)与AR模型的轨道不平顺状态预测

反映轨道几何状态变化的轨道几何检测数据是一个随时间变化的时间序列,具有随机性特点.本文将经过普遍适应性改进的灰色GM(1,1)与随机线性AR模型相结合,研究轨道水平不平顺状态在点、单元区段范围随时间变化趋势,并对GM(1,1)预测的残差进行修正,从轨道水平的几何状态变化的随机数据序列中找寻变化规律.用得到的几何状态变化模型分别对轨道的短期、中长期状态进行预测分析,预测结果表明模型是有效的,满足预定精度的要求.     

基于深度学习的轨道不平顺估计车体横向加速度研究

针对轨道不平顺影响行车安全和乘坐舒适性的问题,开展轨道不平顺和车体振动响应之间关联关系的研究.根据轨道不平顺与车体横向加速度数据之间的时空传递特性,基于卷积神经网络（Convolutional Neural Network, CNN）与长短期记忆网络（Long Short-Term Memory, LSTM）,建立一种CNN-LSTM组合模型.首先,对轨道不平顺与车体横向加速度之间的相干性进行分析,同时探究列车运行速度对车体横向加速度的影响,进而确定模型的输入数据;然后,对模型进行优化,确定CNN-LSTM组合模型参数细节;最后,利用CNN-LSTM组合模型、LSTM模型和多体动力学仿真模型对车体横向加速度进行估计,并与实测的车体横向加速度进行对比分析.研究结果表明：CNN-LSTM组合模型预测的平均均方根误差值为0.046,相比于LSTM模型、多体动力学仿真模型的平均均方根误差值分别减少了0.006和0.026,说明了CNN-LSTM组合模型能够对车体横向加速度进行有效估计.     

基于增量余弦RBF网络的惯性导航初始对准

针对传统高斯RBF网络应用于惯性导航初始对准建模时，对处于两基函数中心点之间的值拟合效果不太理想的情况，提出了一种将增量余弦RBF网络用于惯性导航初始对准建模的方法。该方法采用增量余弦函数作为RBF网络的基函数，对多变量非线性系统有很好的拟合能力。相对于传统高斯RBF网络，增量余弦RBF网络的基函数具有更强的局域性，解算时同时参与运算的基函数数量更少，有效地降低了网络的解算时间。仿真结果表明，增量余弦RBF网络用于惯性导航的初始对准，既可获得较高的对准精度，又有效地降低了系统的解算时间，提高了系统的实时性。     

基于PCA的RBF神经网络预测方法研究

主成分分析(PCA)法可以提取样本集的主成分,实现样本的最优压缩,从而降低样本的维数。针对用RBF神经网络进行多因素时间序列预测时样本特征指标过多的问题,提出用统计理论的PCA方法对数据进行预处理,再选出几个主成分作为神经网络的输入节点.仿真实验表明,基于PCA的RBF神经网络模型在拟合预测中与一般的RBF神经网络模型相比有较好效果,简化了网络结构,改善了预测精度.     

短波随机不平顺对列车-板式无砟轨道-路基系统振动特性的影响

运用弹性系统动力学总势能不变原理及形成矩阵的"对号入座"法则,建立列车-板式无砟轨道-路基竖向振动方程组,分析列车高速运行时,短波随机不平顺对列车-板式无砟轨道-路系统振动特性的影响,并对不同种类随机不平顺对列车-板式无砟轨道-路基系统动力特性的影响进行对比研究.研究结果表明:短波随机不平顺对车体垂向加速度、路基竖向压应力影响很小,对扣件竖向压应力、轨道板及底座板弯曲应力有一定的影响,对轮轨垂向力、钢轨振动加速度、轨道板振动加速度、底座板振动加速度和CA砂浆压应力则有显著的影响,影响超过中长波随机不平顺.研究车体及路基动力特性时可以不考虑短波随机不平顺,研究无砟轨道各部件动力特性时,则应考虑短波随机不平顺.     

基于RBF神经网络的预测控制

运用神经网络解决系统的非线性问题,用预测控制解决系统时滞问题．针对制冷系统膨胀阀控制回路具有时滞、非线性的特点,提出了将基于RBF神经网络的预测控制用于蒸发器过热度的控制．仿真与应用均表明该算法具有良好的动态响应和较强的鲁棒性,能够对蒸发器过热度进行有效的控制．     

基于RBF神经网络的粮食生产预测研究

提高中国粮食生产量的预测精度与效率是人们关注的一个重要问题.对RBF神经网络的结构、特性和训练算法作了简要的概述.根据粮食产量与其影响因素之间存在的映射关系,应用RBF神经网络建立了多因素非线性时间序列预测模型,并进行了仿真试验.结果表明,用RBF神经网络进行粮食生产预测得到了十分满意的结果.     

基于RBF网络的金融时间序列预测

RBF网络是一种新颖有效的前向型神经网络,它通过非线性基函数的线性组合实现从输入空间RN到输出空间RM的非线性转换,特别适合于非线性时间序列如股票市场等金融系统的预测.本文以中集集团的实际收盘价作为预测对象,提出基于RBF网络的个股价格预测模型,仿真实验表明,该模型对于个股价格的短期预测是可行有效的.     

基于RBF神经网络的PID控制在锅炉温度系统中的应用研究

目的提高电厂锅炉温度系统控制的可靠性和安全性,达到精确控制。方法提出一种基于RBF(Radial Basis Function)神经网络的PID控制器,建立3层神经网络模型。结果在RBF-PID控制过程中,由神经网络RBF在线辨识得到梯度信息,然后根据梯度信息对PID的3个参数进行在线调整,从而改善系统的控制品质。结论仿真结果表明,基于RBF神经网络的PID控制较传统PID控制有较强的鲁棒性,提高了实时性能,获得了更好的控制效果。     

基于RBF神经网络的碳含量建模

以副枪检测信息为基础,应用RBF神经网络,建立了转炉炼铁合金终点碳含量的控制模型。     

基于信息融合的浮体轨迹测量

为研究浮体轨迹的测量方法,对轨迹测量中的误差积累进行说明和分析,并用实验验证了误差积累在轨迹测量中的影响,在此基础上提出了解决的方法.采用TI公司的TMS320F28335作为核心,加速度计和倾角仪作为测量传感器来设计轨迹测量系统.能够快速获得浮体轨迹高精度数据,并在特定时刻对轨迹进行矫正,该方法具有反应周期短且可靠性高等特点.     

基于递阶进化规划的RBF网络设计新方法

针对RBF神经网络的特点 ,提出一种递阶进化规划算法 ,利用此方法同时对网络的拓扑结构和网络参数 (权值、隐节点中心和形状参数 )进行优化 ,克服梯度算法需要求导且易陷入局部极小的弱点 ,分别对单入单出和多入单出非线性函数的建模问题进行了仿真 ,验证了该算法的有效性