基于图像识别的弓网接触点检测方法

针对现有受电弓-接触网(弓网)接触点检测方法无法兼顾实时性与准确性的问题,提出两阶段快速检测方法.在第1阶段提出基于改进BiSeNet v2的弓网区域分割算法.采用浅层特征共享机制将细节分支提取的浅层特征送入语义分支中获取高层语义信息,减少冗余参数;将压缩激励注意力模块嵌入网络中,增强重要通道信息;加入金字塔池化模块提取多尺度特征,提高模型精度.在第2阶段,基于分割结果,使用直线拟合和位置校正实现接触点的检测.实验结果表明,所提分割算法精度为87.50%,浮点运算数为6.73 G,在CPU(Intel Core I9-12900)和JETSON TX2上推理速度分别为49.80、12.60帧/s.所提检测方法在弓网仿真平台和双源智能重卡的弓网系统中进行实验,实验结果表明,该方法能够有效检测弓网接触点.

电气化公路车辆弓网系统横向偏移智能识别技术

针对当前电气化公路受电弓-接触网系统的弓网接触点检测方法无法适用于电气化公路重型卡车的问题,本文提出了一种基于计算机视觉的检测方法,用于实现对弓网相对位置的智能识别。该方法首先使用BiSeNet v2轻量级语义分割算法,对受电弓和接触网进行分割,通过筛选滤波得到弓网接触点的位置坐标,推算出弓网横向位移、速度值,提取受电弓-接触网系统的横向摆动的空间信息,为横向智能跟踪控制提供闭环输入支持。

列车轴箱轴承在途鲁棒可视化故障诊断方法

为使列车轴箱轴承在非平稳工况下的故障识别更加有效,本文提出基于融合相关熵特征的鲁棒可视化滚动轴承故障诊断方法。通过快速集成经验模态分解FEEMD对轴承振动信号进行时频分解,提取本征模函数IMF矩阵;计算IMF与原始信号的线性相关系LCC作为相关熵的调幅系数,进而通过相关统计计算获得样本集的多维相关熵矩阵CM;利用主元分析PCA对CM进行数据空间变换,通过提取变换后的融合相关熵矩阵ICM,实现相关熵矩阵的可视化。通过实验分别提取匀加速、匀速及匀减速3种运行工况下的滚动轴承ICM特征,通过对比EMD、EEMD和FEEMD 3种信号分解方法,发现FEEMD的信号分解效率更高,且ICM比传统特征对非平稳工况下轴承故障辨识的鲁棒性更好。FEEMD-ICM为轴箱轴承快速、客观且稳定的故障诊断实现提供了可靠的理论依据和技术支持。

基于LMD-CM-PCA的滚动轴承故障诊断方法

为提高在非平稳工况下对滚动轴承故障的直观辨识能力,笔者提出基于LMD-CM-PCA的故障诊断方法。首先,对滚动轴承振动信号进行局部均值分解(local mean decomposition,简称LMD),提取乘积函数(product function,简称PF)矩阵;然后,计算PF矩阵与原振动信号的皮氏相关系数(pearson product-moment correlation coefficient,简称PPCC),将PFs对应的PPCC代入相关熵模型得到PF的相关熵矩阵(correntropy matrix,简称CM),CM经主成分分析(principal component analysis,简称PCA)进行特征变换得到融合相关熵矩阵(integrated correntropy matrix,简称ICM)。分别在轻微和严重故障时,对滚动轴承不同工况下的振动样本进行交叉混合,并计算其ICM。结果证明,ICM在可视维度比传统特征(如:能量矩和谱峭度)的融合特征更能隔离工况对故障可分性的干扰。LMD-CM-PCA方法为滚动轴承故障的直观辨识提供了技术支持,在故障诊断方面具有良好的应用前景。

电力牵引货运列车节能运行研究(二):速度跟踪组合控制方法

本文在目标速度优化曲线给定的基础上,针对货运列车运行过程的非线性、大滞后、多目标、多约束的特点,围绕速度跟踪控制问题展开研究。在对现役列车普遍采用的PI控制进行简要分析的基础上,针对被控对象的特点,提出多模态模糊PID控制算法(MMFPID)。为应对货运列车的大滞后特性,采用牵引力前馈的方法,较好地提升了控制器的动态性能。针对车速超调在低限速区段引起的撞线制动问题,采用局部输出限幅的策略,在无需增加限速安全裕量的同时,收到了满意的效果。借助于自行开发的软件仿真平台,将本文提出的组合控制方法与经典的PID和模糊控制进行了对比仿真。结果表明,MMFPID不仅具有满意的控制效果,且其多模态结构使得MMFPID具有对各种应用场景的良好适应性。

基于多维振动特征的滚动轴承故障诊断方法

单独提取滚动轴承振动信号的时域或频域特征进行故障诊断,是目前常用的轴承诊断方法,诊断精度有待提高。以时域和频域的多维振动特征参量为指标,以历史诊断正确率作为特征参量权值,分别对滚动轴承的无故障和经常出现的滚珠故障、内环故障和外环故障工况进行特征提取和故障识别。多维时频域振动特征是单维特征依据诊断精度权重的集合。运用BP神经网络分别对信号的时域特征(TDF)、IMF能量矩(IEM)、小波包能量矩(WPEM),以及多维时频域特征进行智能故障判别。实验验证用多维时频域振动特征参量综合诊断的方法进行滚动轴承故障诊断,比单维特征的诊断结果精确且效率较高,该方法可以在滚动轴承故障诊断领域展开应用。

斜极式开关磁阻电机振动特性研究

采用斜极结构的开关磁阻电机同时具有较好的减振效果和较优的综合性能,且这种结构并未过多地增加制造成本和工艺复杂度,也未出现影响电机的机械强度等问题,是一种比较理想的本体结构优化选择。同时,已有的研究也表明定、转子斜极的倾斜角度选择对减振效果具有至关重要的作用。本文将以六组不同倾斜角度的斜极式开关磁阻电机为研究对象,采用多物理场耦合仿真的方式对斜极结构电机的振动特性展开研究,为开关磁阻电机结构的进一步优化打下基础。

基于乘积函数相关熵的滚动轴承故障辨识方法

为了提高多工况下对滚动轴承的故障辨识能力,本文提出以乘积函数相关熵为故障特征的滚动轴承故障辨识方法,并利用最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)实现自动辨识.首先对预处理的轴承振动信号进行局部均值分解,提取乘积函数(Product Function,PF),然后计算PF与原始信号的皮尔逊积矩相关系数熵,进而根据离散变量相关熵的估计模型得到乘积函数相关熵(Product Function Correntropy,PFC).以PFC为故障特征,结合LSSVM实现滚动轴承的故障识别.多组工况下的滚动轴承状态辨识实验证实了PFC比经典故障特征具有更高的故障辨识效率;另外改变工况参数提取轴承振动数据,验证了PFC-LSSVM方法具有更好的鲁棒辨识能力.综上所述,本文验证了LMD-PFC-LSSVM方法的高效性和实用性,为提高复杂工况下在线故障诊断能力提供了可靠的技术支持,具有广阔的应用前景.