桂红消白汤热溻联合梅花针叩刺治疗稳定期白癜风的临床效果观察

目的:探究桂红消白汤热溻联合梅花针叩刺在稳定期白癜风中的临床治疗效果。方法:将2019年12月-2020年11月成都博润白癜风医院收治的192例稳定期白癜风患者编号后按照随机数字表法分为三组,各64例,治疗组予以桂红消白汤热溻联合梅花针叩刺,对照1组仅予以梅花针叩刺,对照2组仅予以桂红消白汤热溻,14 d为1个疗程,疗程结束后观察三组临床疗效,每月随访1次,共随访6个月。结果:随访第6个月,治疗组总有效率为84.38%,对照1组为62.50%,对照2组为57.81%,治疗组总有效率高于对照1组(χ^(2)=7.85,P<0.05)与对照2组(χ^(2)=10.99,P<0.05);且治疗组面颈部总有效率均高于躯干部及四肢,但差异均无统计学意义(P>0.05);治疗过程中治疗组与对照1组各出现1例不良反应。结论:桂红消白汤热溻联合梅花针叩刺治疗稳定期白癜风的效果优于单独使用桂红消白汤热溻及梅花针叩刺,不良反应少且疗效稳定,值得临床推广使用。

动车组轴箱弹簧多响应稳健优化设计方法

为使质量、刚度、自然频率等弹簧的质量特性不受簧条直径、弹簧中径、工作圈数、剪切模量及密度等弹簧自身参数变化的影响,研究基于信噪比和物理规划法的动车组轴箱弹簧多响应稳健优化设计方法。采用正交试验设计的方法计算弹簧各质量特性的值及对应的信噪比值,并用最小二乘法拟合得到多响应质量特性的信噪比函数;根据设计者对弹簧各质量特性的偏好,采用物理规划法建立满足设计要求且对应信噪比函数的偏好函数,再以此为设计目标,并以弹簧的自身参数为边界条件,强度、静挠度等为约束条件,构建动车组轴箱弹簧的多响应稳健优化模型;运用拉丁超立方抽样试验设计与多岛遗传算法结合的组合优化算法对优化模型进行求解,得到优化模型全局稳健性的最优解。以某动车组的轴箱弹簧为例,采用给出的方法计算弹簧各质量特性的稳健优化解,并与传统方法对比。结果表明:给出的方法能够实现轴箱弹簧多响应质量特性的稳健设计,并可为动车组其他零部件的稳健优化设计提供参考。

基于随机模型的抗侧滚扭杆多响应稳健优化

在动车组抗侧滚扭杆的稳健优化设计中,针对其具有随机因素的多响应问题,提出基于随机模型的多响应稳健优化方法。以抗侧滚扭杆的各质量损失函数作为优化设计目标,以各截面直径作为优化设计变量,考虑载荷等随机因素,建立抗侧滚扭杆的多响应稳健优化模型。最后,应用ISIGHT平台中的蒙特卡洛抽样法与第二代非劣遗传算法对该模型进行稳健优化求解。研究结果表明:优化后的抗侧滚扭杆重量降低、刚度与疲劳强度提高,使质量特性得到了改善,方差波动得到了降低,从而提高抗侧滚扭杆的抗干扰能力。

车用旋钮的轨道设计、仿真分析与试验研究

旋钮轨道是影响旋钮手感的主要因素,精确的旋钮轨道设计能充分体现出旋转手感的效能。针对某车型后视镜旋钮,基于旋钮结构建立旋钮转矩数学模型,利用牛顿插值法将目标转矩进行离散求解瞬时角度的旋钮轨道半径;采用MATLAB对旋钮轨道半径求解过程进行编程,通过建立MATLAB与CATIA接口将运算结果输出至CATIA,实现轨道体的三维建模及旋钮装配;利用ADAMS对旋钮装配体进行动力学仿真分析获得转矩最大值和转矩挡位角及误差,完成对轨道体的转矩校核;开展旋钮实物的转矩测试试验并获取多组旋钮转矩实测曲线,实测结果验证了仿真分析及MATLAB程序设计的可行性与准确性。该方法极大地提高了车用旋钮轨道设计与造型的精度和效率。

铁道车辆动力学云平台架构设计及原型验证

现阶段铁道车辆动力学领域的基础仿真软件多为单机模式,基于单机模式开发追赶国外先进仿真软件短时间难以达到,鉴于此,提出一套基于云平台的自主可控的车辆系统动力学软件架构。依据车辆系统动力学理论,依托云服务,搭建拥有自动化流程建模、云计算、后处理分析等功能的平台。在此基础上建立拖车仿真模型,并与SIMPACK仿真计算结果进行对比研究车辆动力学性能,验证平台的可用性和可靠性。平台的实现在一定程度上可以替代常用的铁道车辆动力学软件,可为同类型软件的开发提供参考。

人工智能算法在铁道车辆动力学仿真中的应用进展

梳理了人工智能算法在铁道车辆系统动力学仿真中的应用实例和国内外相关文献,概述了铁道车辆动力学仿真中常用的机器学习和深度学习算法,归纳和评述了2种学习算法在铁道车辆系统动力学建模与仿真中的应用分类;从铁道车辆系统动力学建模、动力学性能预测与动力学性能优化等方面入手,详细讨论了人工智能算法应用在力元建模和仿真、轨道不平顺预测、运行平稳性预测、噪声预测、侧风安全性预测、运行安全性预测、悬挂优化、轮轨匹配优化、结构优化以及主动与半主动控制等领域的优势和局限性,指出了现阶段人工智能算法在动力学仿真应用中主要面临的训练样本缺乏、泛化能力不够、可解释性欠缺等问题;展望了今后人工智能算法和车辆系统动力学交叉研究的发展方向和重点研究内容。研究结果表明:融合经典力学和人工智能算法结合的混合建模理论可作为之后的重点研究方向;人工智能算法对解决随机动力学中的随机不确定性,提高随机动力学的性能具有较大的应用潜力;通过人工智能算法与优化算法相结合来实现动力学性能优化,可充分发挥人工智能算法的优势。

数字孪生在列车曲线通过性能预测中的应用研究

提出一种基于数字孪生技术的列车曲线通过性实时预测方法,解决传统动力学仿真方法在列车曲线通过性能分析时,面临的多自由度耦合模型构建复杂、不确定性因素分析困难等问题,提高仿真结果的实时性与精确度。构建面向列车曲线通过安全性的数字孪生体,可视化呈现列车曲线通过时安全性指标的动态变化过程。利用MQRNN深度学习算法稳健高效的特点,对列车曲线通过时的构架横向加速度、轮轴横向力、轮轨垂向力、脱轨系数等安全性指标进行特征提取,动态仿真以及实时预测,并将结果与LSTM计算结果进行比较。结果表明,相对LSTM方法,提出的MQRNN方法将最大误差,最大绝对误差分别降低至0.017, 0.09,同时具有更好的抗干扰能力,可以给出置信区间为90%的预测结果。所研究为列车曲线通过数字孪生体的构建及安全性预警奠定了基础。