同步磁阻电机交叉饱和特性参数辨识与建模

同步磁阻电机(Synchronous reluctance motor,SynRM)由于其独特的磁路结构,在运行过程中存在显著的交叉饱和效应,这给电机的精确控制和性能优化带来了挑战。本文针对由磁路自饱和及交叉饱和引起的同步磁阻电机参数非线性变化问题,提出了电机静止状态下的交叉饱和特性参数辨识方法和改进的数学模型建模方法。首先,通过离线静止辨识,获取电机在不同饱和状态下的特性数据;然后,利用神经网络及数值优化技术对数据进行拟合,得到SynRM在不同工作状态下的交叉饱和参数;最后,建立了考虑交叉饱和效应的改进数学模型,并通过与有限元仿真结果对比及仿真验证了该模型的准确性和有效性。

基于深度学习的动车组制动装置异物检测算法研究

动车组作为高速铁路的重要组成部分,其制动装置的正常运行对保障列车安全和乘客出行具有重要意义。然而,长时间运行和外界环境等因素可能导致制动装置的异物产生,给列车运行带来潜在风险。本文建立了一个基于归一化流的双向映射异常检测网络,并将其用作概率分布估计器,通过学习正常样本的概率分布,将输入的图像特征转化为可处理的分布,并在推理阶段获得异常识别的似然分数。为验证本文所提出方法的性能,我们收集了3个场景的动车组制动装置数据集,实验表明,本文所提出的方法的检出效果较高,推理效率更高。