【摘 要】
：
随着通信技术发展,城市轨道交通信号系统已经全面进入移动闭塞控制时代,对应的系统架构早已脱离传统地面轨道电路的束缚.但是,为保证通信设备故障时不影响全线正常运营,大部分城市的轨道交通仍然采用计轴器作为次级轨道检测系统,负责检测列车占用轨道区段的情况.对于我国城市轨道交通来说,采用交流27.5 kV高压供电属于个例,由于目前各城轨线路普遍采用脉冲式计轴轨道电路,而供电接触网特性的改变造成交流牵引回流在钢轨传导,势必会对计轴磁头产生干扰,特别是在牵引回流瞬间产生变化时,计轴设备会出现受扰故障,轨道区段显示占用,
【机 构】
：
河北雄安轨道快线有限责任公司,河北071700;交控科技股份有限公司,北京100070
论文部分内容阅读
随着通信技术发展,城市轨道交通信号系统已经全面进入移动闭塞控制时代,对应的系统架构早已脱离传统地面轨道电路的束缚.但是,为保证通信设备故障时不影响全线正常运营,大部分城市的轨道交通仍然采用计轴器作为次级轨道检测系统,负责检测列车占用轨道区段的情况.对于我国城市轨道交通来说,采用交流27.5 kV高压供电属于个例,由于目前各城轨线路普遍采用脉冲式计轴轨道电路,而供电接触网特性的改变造成交流牵引回流在钢轨传导,势必会对计轴磁头产生干扰,特别是在牵引回流瞬间产生变化时,计轴设备会出现受扰故障,轨道区段显示占用,从而影响行车.该文针对大兴机场线正线与库内停送电过程中,出现计轴受扰的问题展开研究,为后续市域高速轨道交通项目的 发展打好基础.
其他文献
设计了一种基于折扣广义值迭代的智能算法,用于解决一类复杂非线性系统的最优跟踪控制问题.通过选取合适的初始值,值迭代过程中的代价函数将以单调递减的形式收敛到最优代价函数.基于单调递减的值迭代算法,在不同折扣因子的作用下,讨论了迭代跟踪控制律的可容许性和误差系统的渐近稳定性.为了促进算法的实现,建立一个数据驱动的模型网络用于学习系统动态信息,同时构造评判网络和执行网络用于近似迭代代价函数和计算迭代跟踪控制律.值得注意的是,我们提出了新颖的停止准则来保证迭代跟踪控制律的有效性.这种停止准则包含两个条件,一个条件
高炉铁水硅含量是铁水品质与炉况的重要表征,冶炼过程关键参数频繁波动及大时滞特性给高炉铁水硅含量预测带来了巨大挑战.提出一种基于最优工况迁移的高炉铁水硅含量预测方法.首先,针对过程变量频繁波动问题,提出基于邦费罗尼指数的自适应密度峰值聚类算法,实现对高炉冶炼过程变量的工况划分,并建立不同工况硅含量预测子模型.其次,针对冶炼过程的大时滞特性,定义相邻时间节点间的硅含量工况迁移代价函数,并提出多源路径寻优算法,实现冶炼过程中硅含量最优工况迁移路径及当前时刻硅含量最优预测值的求解.最后,基于工业现场数据验证了所提
本文针对因多重不确定执行器故障而引起系统动态突变的非线性系统,设计了一种基于多模型切换的自适应执行器故障补偿控制策略,以提高系统应对动态突变的能力,同时实现不确定执行器故障的快速精确补偿.针对执行器故障模式的不确定性问题,采用基于多模型的参数估计方法,设计了自适应控制器组;基于最优性能指标函数,提出了一种控制切换机制,以选择最佳的自适应控制器作为当前的控制器,从而实现期望的故障补偿控制.所设计的多模型自适应控制策略,可以保证所有闭环系统信号有界,且在出现有限数量的不确定性执行器故障情况下,系统输出渐近跟踪
现有基于随机退化过程建模的寿命预测研究中,通常用退化过程的首达时间(First passage time,FPT)来定义寿命.但是,这种寿命定义较为保守,可能会导致其明显小于设备实际寿命.鉴于此,基于最后逃逸时间(Last exit time,LET)的概念,给出一种新的寿命与剩余寿命(Remaining useful life,RUL)定义方式.在该新框架下,提出一种基于最后逃逸时间的寿命预测方法,推导得到最后逃逸时间下基于Wiener退化过程模型的寿命与剩余寿命表达形式,讨论了该方法与传统首达时间下寿
子空间聚类(Subspace clustering)是一种当前较为流行的基于谱聚类的高维数据聚类框架.近年来,由于深度神经网络能够有效地挖掘出数据深层特征,其研究倍受各国学者的关注.深度子空间聚类旨在通过深度网络学习原始数据的低维特征表示,计算出数据集的相似度矩阵,然后利用谱聚类获得数据的最终聚类结果.然而,现实数据存在维度过高、数据结构复杂等问题,如何获得更鲁棒的数据表示,改善聚类性能,仍是一个挑战.因此,本文提出基于自注意力对抗的深度子空间聚类算法(SAADSC).利用自注意力对抗网络在自动编码器的特
研究了在无向拓扑下,由多个子群组成的二阶多智能体系统的固定时间比例一致性问题,采用反推法设计了一种基于事件触发的固定时间非线性比例一致控制策略,该策略包含分段式事件触发函数:当智能体在追踪虚拟速度时,给出了基于速度信息的触发条件;当智能体速度与虚拟速度达到一致时,切换至基于位置信息的触发条件,可有效减少系统能量耗散及控制器更新频次.通过在位置和速度状态上设置比例参数,在固定时间内可实现不同子群智能体之间的比例一致.利用代数图论、线性矩阵不等式以及Lyapunov稳定性理论,证明在该控制策略下,二阶多智能体
电熔镁砂熔炼过程通过电极电流熔化物料,采用埋弧方式,边熔化边加料,其被控对象是以转动方向与频率为输入,以电极电流为输出的三相电机.本文通过引入中间变量并转化控制目标,将电熔镁砂熔炼过程三相电极电流的复杂非线性控制问题简化为线性控制问题,提出了一种简化的电极电流饱和约束一步最优控制方法,并通过引入拉格朗日乘子向量和松弛向量验证了该方法的最优性.理论分析和仿真对比实验结果表明本文所提简化控制方法的有效性和优越性.此外,当考虑电熔镁砂熔炼过程中存在的不可测外部干扰时,在上述简化的电极电流饱和约束算法的基础上设计
针对动态主元分析方法中残差自相关性降低过程故障检测率问题,提出基于动态主元分析残差互异度的故障检测与诊断方法.首先,应用动态主元分析(Dynamic principal component analysis,DPCA)计算动态过程数据的残差得分;接下来,应用滑动窗口技术并结合互异度指标(Dissimilarity)来监控过程残差得分状态;最后,利用基于变量贡献图的方法进行过程故障诊断分析.本文方法通过DPCA捕获过程的动态特征,同时互异度指标区别于传统的平方预测误差(Square prediction e
高压断路器的机械特性为评价其动作性能提供有效的依据,故该文提出了一种利用断路器分合闸过程中动触头的位移信号来检测断路器机械特性的方法.根据断路器动作过程中动作机构的工作原理,该方法选择合适的位移传感器,通过FPGA对位移信号进行采集;然后对采集的存在噪声干扰位移信号进行小波去噪;最后通过辅助触点的状态变化来实现刚分(刚合)时间点的提取并实现断路器分合闸行程和速度的确定.
近年来,深度学习技术已在滚动轴承故障检测和诊断领域取得了成功应用,但面对不停机情况下的早期故障在线检测问题,仍存在着早期故障特征表示不充分、误报警率高等不足.为解决上述问题,本文从时序异常检测的角度出发,提出了一种基于深度迁移学习的早期故障在线检测方法.首先,提出一种面向多域迁移的深度自编码网络,通过构建具有改进的最大均值差异正则项和Laplace正则项的损失函数,在自适应提取不同域数据的公共特征表示同时,提高正常状态和早期故障状态之间特征的差异性;基于该特征表示,提出一种基于时序异常模式的在线检测模型,