检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于S变换的高速列车小幅蛇行识别方法

中国机械工程 2019年第9期30卷 1097-1102,1110页

作者：宁静冉伟种传杰陈春俊西南交通大学机械工程学院成都610036

针对现有的高速列车监测方法没有考虑高速列车振动信号的非平稳特性,从而使得列车出现蛇形失稳现象的问题,提出一种采用S变换的方法对高速列车转向架信号进行处理,进而提取高速列车运行特征。采用最小二乘支持向量机(LS-SVM)对特征进行... 详细信息

针对现有的高速列车监测方法没有考虑高速列车振动信号的非平稳特性,从而使得列车出现蛇形失稳现象的问题,提出一种采用S变换的方法对高速列车转向架信号进行处理,进而提取高速列车运行特征。采用最小二乘支持向量机(LS-SVM)对特征进行训练和识别,结果证明,基于S变换的特征提取方法的识别准确率达到了100%,优于基于小波变换的特征提取方法,从而可以及时预测高速列车的运行状态,保障列车的运行安全。

关键词：高速列车小幅蛇行 S变换小波变换最小二乘支持向量机

在线全文

学校读者我要写书评

暂无评论

道岔对高速列车小幅蛇行极限环演变的影响

中国测试 2022年第2期48卷 27-33页

作者：杨宜坤宁静李艳萍陈春俊张兵西南交通大学机械工程学院四川成都610031 轨道交通运维技术与装备四川省重点实验室四川成都610031 西南交通大学牵引动力国家重点实验室四川成都610031

国内某线路高速列车因二系横向减振器故障在普通线路上产生小幅蛇行运动,并在过岔时演变为蛇行失稳。基于该线路列车参数建立SIMPACK动力学仿真模型与可动心轨道岔截面模型,分析减振器故障车辆过岔后的小幅蛇行极限环的演变趋势。首先... 详细信息

国内某线路高速列车因二系横向减振器故障在普通线路上产生小幅蛇行运动,并在过岔时演变为蛇行失稳。基于该线路列车参数建立SIMPACK动力学仿真模型与可动心轨道岔截面模型,分析减振器故障车辆过岔后的小幅蛇行极限环的演变趋势。首先计算普通轨道、转辙区、辙叉区、完整道岔4种激扰的分别作用下,故障车辆产生稳定极限环的临界速度。随后计算车辆在入岔前不同轮对蛇行横移量幅值对车辆临界速度的影响。最后通过相轨迹图分析上述因素对故障车辆的轮对蛇行不稳定极限环的演变的影响。研究结果表明,直向通过可动心轨道岔时的激扰增加的蛇行能量会使车辆产生极限环的速度降低,不稳定极限环演变得更快。车辆进入岔区前蛇行幅值增加,失稳临界速度降低,会进一步加快不稳定极限环的演变。因此在监测车辆进岔时需要对轮对小幅蛇行幅值进行分析,合理降速以防蛇行失稳的演变。

关键词：高速列车小幅蛇行高速道岔 SIMPACK 临界速度

基于数据不平衡下的高速列车小幅蛇行预测方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

电子测量技术 2022年第6期45卷 149-154页

作者：宁云志宁静李艳萍陈春俊西南交通大学机械工程学院成都610031

高速列车行驶中所产生的蛇行运动会严重影响到列车的行驶安全,所以对蛇行运动进行预测可以做到提前预警。目前对于蛇行运动的研究主要为对蛇行失稳的预测,但列车运行过程中会出现正常到蛇行失稳的小幅蛇行中间状态,对小幅蛇行状态进行... 详细信息

高速列车行驶中所产生的蛇行运动会严重影响到列车的行驶安全,所以对蛇行运动进行预测可以做到提前预警。目前对于蛇行运动的研究主要为对蛇行失稳的预测,但列车运行过程中会出现正常到蛇行失稳的小幅蛇行中间状态,对小幅蛇行状态进行预测可以提前对蛇行失稳进行预警。为此,以高速列车转向架横向加速度信号为标准,针对高速列车蛇行运动数据的极端不平衡情形,提出了一种基于1D-CNN和CGAN的非平衡数据的预测方法。该方法首先利用CGAN的对抗性学习机制,通过生成器和鉴别器之间的博弈来优化更新参数。然后,将训练完备的CGAN模型用于生成样本,将增强后的数据送入1D-CNN分类器,并输出预测结果。在高速列车实际运行数据上进行实验,结果表明CGAN可以拟合高速列车蛇行故障运动的数据分布并增强数据集,且基于提出的方法预测精度为97.5%,大幅优于对比方法。因此基于CGAN-1DCNN的小幅蛇行预测方法可以在数据不平衡下对小幅蛇行的预测,实现对蛇行失稳的提前预警。

关键词：高速列车小幅蛇行生成式对抗网络卷积神经网络

EMD-ISOMAP高速列车小幅蛇行异常特征提取

在线全文

学校读者我要写书评

暂无评论

中国测试 2016年第12期42卷 105-110页

作者：崔万里宁静种传杰李艳萍陈春俊西南交通大学机械工程学院四川成都610031

小幅蛇行异常是剧烈蛇行失稳的征兆，它不仅影响乘坐舒适性，导致轮轨疲劳接触，而且随着轮轨磨损加剧、列车服役时间增长、运行速度提高，小幅蛇行会不断加剧，特别是在抗蛇行减震器失效的状况下，可能会引起列车脱轨，严重影响行车安... 详细信息

小幅蛇行异常是剧烈蛇行失稳的征兆，它不仅影响乘坐舒适性，导致轮轨疲劳接触，而且随着轮轨磨损加剧、列车服役时间增长、运行速度提高，小幅蛇行会不断加剧，特别是在抗蛇行减震器失效的状况下，可能会引起列车脱轨，严重影响行车安全。但现有的高速列车转向架峰值监测法不能监测小幅蛇行异常。针对该问题，提出一种基于经验模态分解和流形学习的特征提取方法。首先，利用EMD分解得到多个固有模态函数（IMF），计算每个IMF的样本熵，作为初步提取特征；然后利用流形学习方法对初步提取的特征进一步提取；最后利用最小二乘法支持向量机对特征提取方法进行评估，并将该方法应用于高速列车320～350km／h状态下小幅蛇行异常识别中，小幅蛇行异常的识别率达到100％。结果证明：EMD—ISOMAP方法能够有效识别小幅蛇行异常，识别效果优于基于小波变换特征提取方法；该方法降低特征数据复杂度的同时，还增强状态识别的分类性能。

关键词：高速列车小幅蛇行流形学习等距映射经验模态分解特征提取最小二乘法支持向量机

在线全文

学校读者我要写书评

暂无评论

轨道不平顺对高速列车小幅蛇行运动的影响

现代制造工程 2019年第7期 55-59页

作者：陈杨宁静王靖铭陈春俊西南交通大学机械工程学院

高速列车小幅蛇行运动存在2种演变形式,即小幅收敛或小幅发散,为分析小幅蛇行运动的演变趋势,从轨道不平顺角度出发探究其对小幅蛇行运动的影响。首先选取了德国轨道低干扰谱,分析了德国轨道低干扰谱中的4种轨道不平顺类型的功率谱密度... 详细信息

高速列车小幅蛇行运动存在2种演变形式,即小幅收敛或小幅发散,为分析小幅蛇行运动的演变趋势,从轨道不平顺角度出发探究其对小幅蛇行运动的影响。首先选取了德国轨道低干扰谱,分析了德国轨道低干扰谱中的4种轨道不平顺类型的功率谱密度,模拟得到了4种时域谱,借助于SIMPACK软件建立了国内某高速列车动力学计算模型,对不同轨道不平顺类型进行了仿真分析。研究结果表明:在小幅蛇行发散临界速度之前,系统所出现的小幅蛇行运动都会收敛,超过临界速度,小幅蛇行发散至形成不同振幅的稳定极限环。不同轨道不平顺激扰类型,小幅蛇行发散的临界速度不同,但均低于车辆系统的蛇行失稳临界速度。

关键词：高速列车小幅蛇行轨道不平顺 SIMPACK软件临界速度

在线全文

学校读者我要写书评

暂无评论

基于数据不平衡的高速列车小幅蛇行区间预测

基于数据不平衡的高速列车小幅蛇行区间预测

作者：宁云志西南交通大学

学位级别：硕士

高速列车行驶中所产生的蛇行运动会严重影响到列车的行驶安全。目前对于蛇行运动的研究主要为对蛇行失稳的分类识别,但列车运行过程中会出现正常到蛇行失稳的小幅蛇行中间状态,对小幅蛇行状态进行预测可以提前对蛇行失稳进行预警。所以... 详细信息

高速列车行驶中所产生的蛇行运动会严重影响到列车的行驶安全。目前对于蛇行运动的研究主要为对蛇行失稳的分类识别,但列车运行过程中会出现正常到蛇行失稳的小幅蛇行中间状态,对小幅蛇行状态进行预测可以提前对蛇行失稳进行预警。所以本文的研究针对高速列车小幅蛇行预测来展开。由于列车长时间处于正常行驶状态,很难采集到蛇行运动的故障样本,使得现有的数据具有不平衡的特点,导致利用机器学习方法进行预测时,会存在模型过拟合,缺少泛化性的问题,所以本文将首先开展数据不平衡的研究。另一方面,对高速列车时间序列预测属于非线性预测问题,传统点预测方法随机性强,不具备稳定性。因此本文将开展小幅蛇行的区间预测研究。针对以上问题,本文主要的研究内容如下:1.在解决数据不平衡问题上,本文采用深度学习的数据生成方法。本文在条件变分自编码器-生成式对抗网络的基础上,改进了原有的编码器结构,将自注意力编码层作为时间样本的第一输入层,构建了新的深度学习故障生成模型CTrans VAE-GAN,该自注意力层的加入使得原有模型可以学习到时间输入的前后依赖性,通过首先建立自注意力矩阵然后进行中间编码的特征提取,有效增强了模型的生成质量。经过实验生成对比发现,本文所提出的方法在最大均值差异和样本峰度值指标上均优于现有深度学习故障生成模型。原有的高速列车蛇行监测模型因为数据不平衡的原因导致训练不充分,本文将训练完备的CTrans VAE-GAN模型来增强原有数据集,使用增强后的数据进行分类。实验表明,利用所提出的CTrans VAE-GAN模型经过数据增强后的分类准确率达到97.5%,优于其他对比方法。2.基于小幅蛇行区间预测问题,本文对上下限区间估计LUBE模型的模型结构和优化方法进行了改进,提出了一种基于完全自注意力的区间预测模型结构,并在此基础上设计了一种结合预测评价指标的构造区间优化方法。经过对公共数据集和高速列车在线监测数据进行实验,证明了该方法在区间评价指标和训练时间上的综合表现优于其他方法。本文将Transformer模型应用于与时间序列的信号特征提取,基于注意力机制为输入的时间序列中任何时间点提供前后的时间信息,获取每个隐藏层与上下文隐藏层的关联,从而实现对时间序列信号的自动特征提取。该模型与循环神经网络相比,允许输入的样本进行更多的并行化,减少了训练时间的同时性能也获得了提升。改进构造区间的优化方法可通过每次迭代后统计区间覆盖率PICP和区间覆盖宽度PINAW这两项指标的变化,动态调整构造区间的宽度,从而建立对应的上下限预测标签,该方法可通过计算最小均方误差MSE损失函数,再经过梯度下降的反向回传方法进行参数更新。最后通过实验对比,验证了基于自注意力的区间预测模型相对于传统方法预测效果的提升。3.本文结合了所提出的分类和预测方法,构建了一种新的蛇行运动监测方案,并基于Py Qt5开发了一款监测软件,经过模拟实验,该软件可以首先对高速列车的运行状态完成实时分类,并在此基础上对识别到的小幅蛇行状态进行预测,具有一定的实际应用意义。

关键词：高速列车小幅蛇行蛇行失稳生成式对抗网络变分自编码器区间预测

基于SIMPACK的高速列车小幅蛇行运动仿真研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于SIMPACK的高速列车小幅蛇行运动仿真研究

作者：陈杨西南交通大学

学位级别：硕士

随着我国高速铁路的蓬勃发展,轨道线路与车流密度不断增加,车辆运行速度不断提升,导致由车辆自身结构与轨道线路激励所引起的列车运行稳定性问题日益增多并随时威胁着行车安全。因此,在列车不断提速的同时,我们也需要更加关注车辆的运... 详细信息

随着我国高速铁路的蓬勃发展,轨道线路与车流密度不断增加,车辆运行速度不断提升,导致由车辆自身结构与轨道线路激励所引起的列车运行稳定性问题日益增多并随时威胁着行车安全。因此,在列车不断提速的同时,我们也需要更加关注车辆的运行安全问题,对影响列车运行稳定性的影响因素进行探究,以此来保证列车高速、安全的运行。机车蛇行运动稳定性一直以来都是重点关注的问题,它是列车速度进一步提高的主要障碍。蛇行运动不仅破坏机车车辆运行平稳性,而且还会使轨道线路产生变形,运动剧烈时还会引起脱轨事故。现有的蛇行检测标准是在构架横向加速度达到较大的阈值时才会产生蛇行失稳报警,对于未达到标准阈值时的小幅蛇行失稳并不能做出任何反应,虽然此时并未达到标准蛇行失稳,但小幅蛇行失稳会影响乘坐舒适性、加剧轮轨磨耗,且随时可能会变为标准蛇行失稳。对于小幅蛇行运动的实时监测以及研究小幅蛇行运动会在何种因素的影响下演变为标准蛇行失稳可以较早的预警标准蛇行失稳,避免列车出现脱轨风险。对于小幅蛇行运动的实时监测已有大量学者做了相关的研究,本文旨在从车辆系统动力学方面来初步研究高速列车小幅蛇行运动。主要研究内容为:(1)根据国内某高速动车转向架结构和车辆详细参数,在多体系统动力学软件SIMPACK中建立了整车动力学仿真模型,并对车辆系统中的轮轨接触非线性和悬挂系统非线性在软件中做了相应的处理,最大限度的保证了系统的完整性。除了车辆系统动力学模型外,还建立了轨道随机不平顺激扰模型来仿真模拟实际轨道线路的状态。利用试验数据与仿真数据进行对比分析来验证模型的准确性和完整性。(2)初步研究了小幅蛇行运动初始条件对车辆非线性系统的影响。首先以初始轮对横移量大小来表征小幅蛇行初始振幅,并为系统设置小幅蛇行初始条件,然后利用整车动力学仿真模型与轨道随机不平顺激扰模型进行仿真计算。通过对小幅蛇行初始条件下系统极限环幅值的计算,分析了小幅蛇行初始振幅与蛇行失稳临界速度之间的关系,仿真实验表明小幅蛇行初始振幅不超过2mm时,系统蛇行失稳临界速度基本一致,此时小幅蛇行初始条件的改变对车辆系统几乎无影响,当小幅蛇行初始振幅在3-9mm时,随着振幅的增大,系统的蛇行失稳临界速度在降低,且均高于系统的非线性临界速度。通过对小幅初始条件下轮对横移量的计算,分析了小幅蛇行运动收敛与发散两种趋势的变化过程,仿真实验表明小幅蛇行初始振幅的大小会影响其自身收敛或发散的速度:即初始振幅越大,收敛速度越慢,发散的速度越快。(3)研究了高速列车小幅蛇行运动初始条件下轨道几何形态对车辆系统的影响。建立轨道随机不平顺激扰模型,模型中几何不平顺共有方向、水平、高低、轨距这四种不平顺激励,将这四种轨道不平顺分别施加到轨道线路上,并以此设置四种工况进行仿真计算。通过对不同轨道激励情况下系统极限环幅值的计算,分析了轨道几何形态对系统蛇行失稳临界速度的影响,仿真实验表明小幅初始条件下轨道几何不平顺会影响系统的蛇行失稳临界速度,且蛇行失稳临界速度要高于车辆系统的非线性临界速度;在四种轨道不平顺中,方向不平顺对蛇行失稳临界速度影响最大,高低不平顺对其影响最小。

关键词：高速列车蛇行运动稳定性小幅蛇行蛇行失稳轨道不平顺极限环

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

区间估计在高速列车小幅蛇行预测中的应用

区间估计在高速列车小幅蛇行预测中的应用

作者：方明宽西南交通大学

学位级别：硕士

高速列车在运行时出现横向蛇行失稳将会严重影响到列车的安全运行。而现有文献主要采用特征提取与特征识别方法,这些方法在特征提取过程需要较长的计算时间,且特征提取方法固定,泛化能力不强,难以适应高速列车复杂的运行状态。此外,现... 详细信息

高速列车在运行时出现横向蛇行失稳将会严重影响到列车的安全运行。而现有文献主要采用特征提取与特征识别方法,这些方法在特征提取过程需要较长的计算时间,且特征提取方法固定,泛化能力不强,难以适应高速列车复杂的运行状态。此外,现有监测方法主要是对正常状态和蛇行失稳状态的监测,鲜有对小幅蛇行的演变规律研究。而高速列车从正常到蛇行失稳的过程中,需要经过小幅的过渡阶段。小幅过渡阶段有两种演变情况;一为从小幅蛇行到蛇行失稳,即小幅蛇行发散。另一种为从小幅蛇行到正常状态,即小幅蛇行收敛。因此研究小幅蛇行的变化趋势,对于蛇行失稳的预测有重要的意义。高速列车结构复杂,属于非线性系统,且运行环境多变,从而导致其转向架上构架横向加速度信号具有一定的随机性,使用传统的点预测误差较大,且难以给出预测的置信度。因此本文采用区间估计的方法预测小幅蛇行的演变趋势。上下限估计（Lower Upper Bond Estimation,LUBE）方法为近年来常用区间估计方法,然而由于其采用启发式算法,导致模型参数较多时难以优化,因此改进其优化算法,对LUBE性能的提升有重要的意义。为解决以上问题,本文以高速列车为研究对象,对小幅蛇行状态的演变规律进行研究,主要的研究内容如下:（1）现有的监测方法主要监测高速列车正常和蛇行失稳的两种状态,而忽略小幅蛇行状态的变化这一种中间过程。因此本文研究小幅蛇行的变化规律,从而能够在列车处于小幅蛇行状态时就能够判断其是否会发生蛇行失稳,其监测速度更快。（2）高速列车转向架加速度信号具有一定随机性,使用点预测方法误差较大,难以量化信号的随机性。因此本文将区间估计应用于小幅蛇行的趋势预测,通过给出小幅蛇行的预测区间进而判断列车是否将会发生蛇行失稳。相对于传统的特征识别方法,该方法能够在列车处于小幅蛇行状态时就能够判断其是否会发生蛇行失稳,并且能够给出预测的置信度,因此其效率更高,且稳定性更好。（3）本文采用上下限区间估计方法预测小幅蛇行变化趋势,该方法基于神经网络结构,具有结构简单、泛化能力强的特点,因此在时间序列预测中得到广泛应用。然而,由于LUBE模型参数较多时,启发式算法难以优化模型参数,本文提出一种两级优化区间估计（Tow Level Trained LUBE,TL-LUBE）方法,改进LUBE模型的优化方式,将其分出初级模型和次级模型训练,从而提高参数的优化效率,使得模型加快收敛。并在公共数据中验证改算法的性能,结果表明;在公共数据中,其区间覆盖率为88.5%,平均区间宽度为0.138。在高速列车加速度数据集中,区间覆盖率为100%,平均区间宽度为0.187,其生成区间的质量优于另外两种比较方法,验证了TL-LUBE方法的有效性。（4）为了进一步实现TL-LUBE的实际应用,本文开发一款高速列车蛇行监测的界面,并进一步测试算法性能。测试结果表明,该界面实现了列车实现的监测功能,同时进一步验证了TL-LUBE具有应用于高速列车蛇行监测的实际意义。

关键词：高速列车小幅蛇行蛇行失稳 LUBE 区间预测神经网络

轮对蛇行状态识别及其在过岔前小幅蛇行预警的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

轮对蛇行状态识别及其在过岔前小幅蛇行预警的应用

作者：杨宜坤西南交通大学

学位级别：硕士

国内某型高速列车因二系横向减振器故障,在普通线路上轮对处于异常小幅蛇行振动,在过岔后演变为蛇行失稳。对此本文研究了道岔对小幅蛇行极限环演变的影响。针对现有监测标准以构架加速度信号作为监测量,可能存在其特征与轮对蛇行状态... 详细信息

国内某型高速列车因二系横向减振器故障,在普通线路上轮对处于异常小幅蛇行振动,在过岔后演变为蛇行失稳。对此本文研究了道岔对小幅蛇行极限环演变的影响。针对现有监测标准以构架加速度信号作为监测量,可能存在其特征与轮对蛇行状态不对等的问题,本文提出了一种基于轮对横移量仿真数据的轮对蛇行状态识别方法。首先使用仿真模型产生用于蛇行状态分类的轮对横移数据,需包含正常蛇行、异常小幅蛇行、蛇行失稳三种状态的轮对横移数据。对于遵循亚临界分岔类型的车辆系统,本文使用了无监督学习的方法,基于极限环分岔理论划分了仿真数据样本的蛇行分类标签。而该分类结果是基于仿真的轮对横移数据得到的,在线监测中尚无法经济准确地测量,因此本文搭建了一维卷积神经网络分类器,将本文的蛇行状态识别方法应用至在线监测工作中。最后基于实测数据与联合仿真证明本文的方法可以识别异常小幅蛇行并在进岔前预警。本文的主要研究内容如下:1.根据国内某型高速列车的异常蛇行故障案例,建立了车辆-道岔动力学仿真模型,研究了岔区激扰对车辆的异常小幅蛇行的影响。研究结果表明,直向通过可动心轨道岔时激扰会使车辆产生极限环的速度降低,不稳定极限环演变得更快。在车辆进入岔区前,轮对蛇行的横移幅值增加,会进一步加快不稳定极限环的演变。2.在产生轮对横移量数据时,服从亚临界分岔的车辆系统无法直接给出数据的蛇形分类标签。本文根据极限环理论,在轮对仿真横向振动位移信号样本中提取了时域类与频域类9种特征,经主成分分析后,使用K-均值聚类分析,将无法直接给出分类标签的仿真轮对横移信号划分了正常蛇行状态、蛇行失稳状态及异常小幅蛇行状态。基于极限环理论验证分类准确性,基于现有标准对比其可靠性,扩充样本后证明其推广价值。3.目前在线监测无法准确测量轮对横移,搭建了一维卷积神经网络,其输入经筛选采用轴箱振动加速度信号,输出为蛇行状态分类结果。该分类器可以根据传感器信号,自提取特征,找到轴箱部件间接信号与蛇行状态的隐含联系。使用仿真样本迭代训练50次后的神经网络测试准确率为96%,本文使用该网络设计轮对蛇行状态识别方法,对各部分功能及伪代码进行了介绍。4.使用国内某型高速列车的实际测量的轴箱振动加速度数据验证了本文的轮对蛇行识别方法,本文提出的识别方法能够提供预警信息,对车辆的蛇行失稳也不存在漏报。随后本文建立了SIMAT联合仿真模型。经验证,采用本文构建的轮对蛇行识别方法后,对异常小幅蛇行预警并采用制动控制,车辆在过岔后的脱轨系数、轮重减载率、倾覆系数、轮轴横向力、轮轨垂向力指标均有所改善。

关键词：高速列车小幅蛇行特征提取车辆过岔神经网络