期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于GAHP的铁路大雪灾害风险模糊综合评估 被引量:6
1
作者 王夫歌 秦勇 +2 位作者 程晓卿 高旭东 邢宗义 《铁道标准设计》 北大核心 2015年第7期55-60,共6页
为了准确评估铁路大雪灾害风险,提出一种基于群决策层次分析法的铁路大雪灾害风险模糊综合评估模型。首先,详细分析铁路大雪灾害风险因子,建立铁路大雪灾害风险评估量化指标体系,采用改进的群决策层次分析法获得各指标权重;其次,引入和... 为了准确评估铁路大雪灾害风险,提出一种基于群决策层次分析法的铁路大雪灾害风险模糊综合评估模型。首先,详细分析铁路大雪灾害风险因子,建立铁路大雪灾害风险评估量化指标体系,采用改进的群决策层次分析法获得各指标权重;其次,引入和改进模糊综合评价模型,通过计算最大隶属度原则的有效度,综合采用级别特征值公式和置信度准则确定铁路大雪灾害风险评估级别;最后以某铁路区段为例进行风险评估。结果表明,模型合理可靠,能更准确地判定风险级别。 展开更多
关键词 铁路雪害 风险评估 风险指标体系 模糊综合评价 群决策层次分析法
下载PDF
基于WLSM和FWGM的地铁车门故障危害性评估研究 被引量:2
2
作者 王夫歌 邢宗义 +1 位作者 秦勇 任金宝 《组合机床与自动化加工技术》 北大核心 2015年第6期36-38,48,共4页
车门系统作为乘客上下地铁列车的通道,其可靠性直接关系到乘客的人身安全。为评估车门故障的危害,提出一种基于加权最小二乘法WLSM和模糊加权几何平均值FWGM的危害性评估方法。首先,利用WLSM将故障模式风险因子的所有个人决策整合,得出... 车门系统作为乘客上下地铁列车的通道,其可靠性直接关系到乘客的人身安全。为评估车门故障的危害,提出一种基于加权最小二乘法WLSM和模糊加权几何平均值FWGM的危害性评估方法。首先,利用WLSM将故障模式风险因子的所有个人决策整合,得出团队评价决策。然后,通过FWGM定义模糊风险优先数FRPN并应用线性规划模型计算其α水平集。最后,利用质心法去模糊化得出FRPN的明确值,并通过FRPN明确值的排序找出车门危害性较大的故障模式,为车门系统可靠性的提高提供技术支持。 展开更多
关键词 地铁车门 危害性评估 加权最小二乘法 模糊加权几何平均值 质心法
下载PDF
基于小波能量谱的轨道表面凹陷检测 被引量:1
3
作者 黄文 高旭东 +1 位作者 王夫歌 邢宗义 《广西大学学报(自然科学版)》 CAS 北大核心 2016年第6期1890-1898,共9页
为了弥补现有轨道表面凹陷检测不及时、检测成本高等缺陷,提出一种基于小波能量谱的轨道表面凹陷检测方法。首先,在运营车辆上加装轴箱振动传感器,获取轴箱垂向和横向振动信号;其次对振动信号进行滤波处理,降低车轮扁疤等外界因素对检... 为了弥补现有轨道表面凹陷检测不及时、检测成本高等缺陷,提出一种基于小波能量谱的轨道表面凹陷检测方法。首先,在运营车辆上加装轴箱振动传感器,获取轴箱垂向和横向振动信号;其次对振动信号进行滤波处理,降低车轮扁疤等外界因素对检测精度的影响;然后对滤波后的信号进行小波尺度分析,并定位信号的故障特征频率范围;最后,依据故障特征频率范围计算信号的小波能量谱,根据其最大值是否超出阈值检测轨道表面凹陷情况。仿真结果验证了本方法在轨道表面凹陷检测中具有良好的应用效果。 展开更多
关键词 运营车辆 轨道表面凹陷 振动信号 小波能量谱
下载PDF
基于自适应形态滤波和FSWT的轨道表面凹陷长度检测 被引量:1
4
作者 蒋杰 高旭东 +1 位作者 王夫歌 邢宗义 《铁道标准设计》 北大核心 2016年第12期17-21,共5页
为了对轨道表面凹陷长度进行检测,提出一种基于自适应形态滤波(Adaptive Morphological Filtering,AMF)和频率切片小波变换(Frequency Slice Wavelet Transform,FSWT)的轨道表面凹陷长度检测方法。首先,建立轮轨动力学模型,研究轴箱加... 为了对轨道表面凹陷长度进行检测,提出一种基于自适应形态滤波(Adaptive Morphological Filtering,AMF)和频率切片小波变换(Frequency Slice Wavelet Transform,FSWT)的轨道表面凹陷长度检测方法。首先,建立轮轨动力学模型,研究轴箱加速度频率与轨道不平顺频率之间的关系;其次,研究AMF和FSWT的基本原理,并对FSWT中切片函数进行改进,提高FSWT对不同信号的适应性;最后,对某地铁列车的轴箱实测信号进行分析,估算轨道表面凹陷长度。结果表明该方法具有工程可行性。 展开更多
关键词 轨道不平顺 轨道凹陷 轴箱加速度 自适应形态滤波 FSWT
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部