【摘 要】
：
为了降低地铁机电系统的维修成本、提高地铁站台门设备状态的预测精度，该文提出了一种基于蚁狮算法优化支持向量机的站台门设备状态预测方法。该方法采用ALO算法对SVM进行优化，建立ALOSVM站台门设备状态预测模型，采用站台门实际故障数据进行仿真分析，并与BP神经网络、SVM和ELM的预测效果进行对比，该文提出的方法预测结果的正确率为96.25%，预测精度比其他3种方法高，验证了该文提出的方法的正确性和
论文部分内容阅读
为了降低地铁机电系统的维修成本、提高地铁站台门设备状态的预测精度，该文提出了一种基于蚁狮算法优化支持向量机的站台门设备状态预测方法。该方法采用ALO算法对SVM进行优化，建立ALOSVM站台门设备状态预测模型，采用站台门实际故障数据进行仿真分析，并与BP神经网络、SVM和ELM的预测效果进行对比，该文提出的方法预测结果的正确率为96.25%，预测精度比其他3种方法高，验证了该文提出的方法的正确性和实用性。
其他文献
城市轨道交通站台门作为乘客安全乘降及节能降噪的一套机电设备,对其内部结构构造的理解与掌握、对日常运营及故障情况下的设备检修都有着积极意义。基于此,本文从系统结构角度出发,围绕站台门机械和电气两方面对站台门的内部组成及电气原理进行介绍,并结合站台门控制级别阐述站台门的控制操作,为相关领域的从业者和研究者提供参考方向。
在轨道交通站台门领域，导向机构是核心部件之一，其可靠性的高低直接决定了站台门的运行效率。而半高站台门的导向机构一般使用滚珠导轨、滚轮导轨和尼龙轮型材导轨3种形式，其可靠性和维修保养的难易程度各不相同。本文对比分析3种导轨的结构形式、材料特性、日常保养和运行噪声，得出滚轮导轨和尼龙轮型材导轨更适用于半高站台门。在导轨与滚轮配型方面，使用接触理论，在半高站台门的受力条件下对V形尼龙轮配合V形导轨、V形
介绍站台门系统的系统组成、工作原理，以及国内外城市轨道交通站台门行业两种主流的现场总线控制系统：以CAN-BUS或Modbus为代表的第一代现场总线为核心的站台门控制系统；和以Profinet工业以太网为代表的第二代现场总线为核心的站台门控制系统。详述它们的网络构成、拓扑结构以及系统优缺点。针对现有系统中通信网络复杂、节点数量多等问题，提出通过整合增强DCU功能和采用双主站冗余等措施的改进方案。该
随着轨道交通运行速度的不断提高以及隧道内多车追踪的出现，屏蔽门上的压力荷载对线路运营安全具有重要意义。以成都轨道交通18号线为研究对象，采用实车测试的方法对过站站台屏蔽门的气动压力进行了研究，分析了列车运行速度、行车间隔、风井风阀开闭情况对站台屏蔽门气动压力的影响。结果表明：屏蔽门的峰值正压出现在列车车头到达屏蔽门时，而屏蔽门的峰值负压出现在列车车尾到达屏蔽门时，且屏蔽门的峰值压力随着列车过站速度
文章从目前轨道交通站台安全门系统与信号系统接口电路的传统设计出发，优化设计了一种基于双机冗余的站台门系统与信号系统接口电路。从模块构成、控制原理、软件逻辑以及优缺点对比等方面详细介绍和阐述了该设计方案，该方案在一定程度上提高了整个系统的安全性和可靠性。
针对城轨交通领域列车驶离站台时，因突发紧急情况，乘客拉下车厢内紧急制动阀运营场景，对信号系统施加紧急制动的有效范围进行讨论。通过紧急制动停车后车体留存在站台有效区域的长度，推导出信号施加紧急制动的有效范围；对比至少有一扇车门在站台有效区域、至少有一扇车门在站台门有效区域和至少有一节车厢在站台门有效区域等3种方案的优缺点，以此作为运营管理重要的参考依据。
站台门作为重要的轨旁设备，是乘客上下车的必要通道；而自动驾驶技术的应用，对站台门的安全性与可靠性提出了更高的要求。现以广州地铁18号线站台门RAMS为实践，首次总结出站台门系统RAMS指标及工作要求的全阶段实施流程，对站台门系统设计过程中的可靠性、可用性、可维修性、安全性（RAMS）进行研究，以提高站台门的服役性能，保证列车运营与乘客安全。
为了提高地铁站台门异物检测结果的检测精度，该文提出了一种基于BP神经网络的的站台门异物检测方法。采用BP神经网络对地铁列车站台门与列车门之间的异物识别进行检测，建立了基于BP神经网络的列车站台门异物检测系统，利用模拟试验对BP神经网络模型进行训练，确定了BP神经网络的网络结构。将BP神经网络的检测结果与SVM和K-means算法进行对比，BP神经网络的检测精度为98.5%，检测效果好于其他方法。将
该文针对站台门系统和信号系统在滑动门开关过程中出现的问题，提出一种基于STM32的接口电压在线采集装置。以STM32F103VCT6为主控芯片设计了各电路模块，各模块相互配合，实现双方接口电压的数据采集，并通过隔离、放大、处理后传输给上位机。在样机测试过程中，该装置能够准确无误地对双方接口电压实时监测，从而对问题进行跟踪溯源，具有很强的实用价值。