铁路货车蛇行失稳的实例分析

铁路货车直线运行的稳定性和曲线通过性能是决定动力学性能好坏的重要因素。文章以装配转K6型转向架的铁路货车为例,结合现场实测数据对线路动力学试验中出现数据超限的情况进行分析,使用能量集中率来评判蛇行失稳,从摩擦减振装置性能、回转阻力矩等方面分析原因。

铁路货车蛇行失稳评判限值的研究

分析国内外既有铁道车辆蛇行失稳评判方法和标准的差异,并结合现场实测数据的分析表明,从时域和频域看,即使构架(侧架)的横向加速度已显现出货车蛇行失稳的特征,可按照既有国内方法和标准进行评判得到的结果却是不超安全限值。对比实测的车轮磨耗踏面和标准的LM型车轮踏面与60kg·m^(-1)钢轨匹配下的轮轨接触关系和等效锥度,表明车轮踏面的运用状态会影响蛇行运动频率;对比滤波截止频率分别取3~9,10和15Hz时对应的构架(侧架)横向加速度时域曲线和频域曲线后,建议将铁路货车构架(侧架)横向加速度的滤波截止频率调整为0.5~15Hz;对比构架(侧架)横向加速度的实测值与国内外评判标准和方法规定的安全限值,建议将构架(侧架)横向加速度的安全限值由目前的8m·s^(-2)调整为6m·s^(-2)。另外,在评判货车蛇行失稳时还应考虑构架(侧架)横向加速度的幅值和对应频率的能量集中率。

160km/h快捷货车转向架蛇行失稳临界速度的确定方法

介绍了当前使用的车辆系统蛇行失稳临界速度的确定方法,包括根轨迹法、极限环法(4种)、UIC 515法、UIC 518法、TSI L84法、EN 14363法、中国暂规法、AS 7509法、AAR法,共计12种方法,并以某型160km/h快捷货车转向架为例进行了空车工况下的对比计算。计算结果表明,UIC 518法(或EN 14363法)、TSI L84法与极限环法中的降速法得出的临界速度最低,为190km/h;根轨迹法得出的临界速度最高,为360km/h。在线路动力学试验中,为保守起见,建议以TSI L84法判定快捷货车的临界速度。

驱动工况下高速动车组蛇行失稳非线性度

基于信号的波内调制现象定义信号的非线性指标,并研究高速动车组在驱动工况下(驱动系统在直接转矩控制下)蛇行失稳的非线性特征。首先建立包括高速动车组的车辆动力学Simpack子模型和牵引传动系统的直接转矩控制Matlab/Simulink子模型在内的机械电气耦合联合仿真模型,然后计算动力学响应,最后基于黄变换计算列车在蛇行失稳状态下动力响应的非线性指标变化。仿真结果表明:若列车出现蛇行失稳,转向架和车体横向振动非线性指标会急剧增大;完全失稳情况下,车体横向加速度非线性度大于0.1,转向架横向位移非线性度大于0.3。

高速列车转向架蛇行失稳的MEEMD-LSSVM预测模型

为预测列车转向架蛇行失稳异常运动状态,提出一种改进的集总平均经验模态分解-最小二乘法支持向量机(MEEMD-LSSVM)的预测模型。以转向架正常、过渡、蛇行失稳3种状态下振动信号为研究对象,通过MEEMD对信号进行分解,再用Hilbert变换(HT)分析其时频能量特征,最后采用固有模态函数(IMF)的能量特征作为LSSVM的输入,通过识别过渡状态,预测列车蛇行失稳。试验表明,列车处于330~350km/h之间时,预测准确率为93.33%,并且MEEMD-LSSVM方法准确率和计算耗时优于EEMD-SVM方法,证明该预测模型的有效性和快速性。

高速列车横向蛇行失稳的EEMD-CNN-LSTM预测方法

高速列车运行时出现横向蛇行失稳严重威胁到列车运行安全。目前大多数方法主要为蛇行失稳的在线识别,而忽略从正常到蛇行失稳过程中的小幅蛇行阶段。为此,提出一种EEMD-CNN-LSTM方法来预测小幅的演变趋势,进而分析是否会发生蛇行失稳。并且基于相关系数与能量特征提出一种新的指标来挑选EEMD的最优模态。该方法首先通过集合经验模态分解(ensemble empirical mode decomposition,EEMD)对原始信号分解得到n阶固有模态(intrinsic mode functions,IMF),然后挑选m阶最优的固有模态分量,最后将最优模态分量输入到构建的CNN-LSTM神经网络模型,并输出结果。根据在线实测数据实验结果:提出的方法能够准确预测小幅蛇行的变化趋势,预测准确率达到100%,且计算速度优于EEMD-LTSA方法,证明该方法的有效性。

基于MEEMD-HT的高速列车转向架蛇行失稳特征分析

为研究高速列车蛇行失稳时转向架横向、纵向和垂向的时频能特征，针对集合经验模态分解（EEMD）的模态分裂问题．提出一种改进的集合经验模态分解一Hilbert变换（MEEMD—HT）方法，首先对列车速度330～350km／h时转向架蛇行失稳状态下的横向、纵向和垂向振动信号进行MEEMD分解，再通过HT分析MEEMD—HT能量谱和边际谱，并将MEEMD—HT分析结果与集合经验模态分解-Hilbert变换（EEMD—HT）对比。结果表明：列车蛇行失稳时，横向失稳现象最为明显，频率、能量分布高度集中，振动最为剧烈，纵向、垂向相对次之，但失稳现象显著；同时，MEEMD—HT方法能够体现出信号的时频能细节分布特征，优于传统的EEMD—HT方法。

基于SIMPACK仿真分析的高速列车蛇行失稳识别方法

高速列车的横向运动稳定性不仅会影响列车的运行品质,还影响车辆的运行安全。现有的高速列车失稳在线监测方法大多是对高速列车大幅蛇行失稳状态进行识别,然而高速列车的小幅蛇行失稳状态很难被准确有效地识别出来。为此,提出了一种基于信号分析的蛇行失稳识别方法,不但可以识别出大幅蛇行失稳,而且可以识别出小幅蛇行失稳。首先通过SIMPACK软件建立高速列车动力学仿真模型,再现高速列车运行过程中出现的稳定、小幅蛇行失稳和大幅蛇行失稳状态;再对仿真结果的构架横向加速度进行分析,利用信号的周期性差异,计算其自相关系数并设定阈值,以此来识别小幅蛇行失稳状态和大幅蛇行失稳状态;最后通过实验数据验证了所提出的监测方法的有效性。

主动控制避免铁道车辆蛇行失稳

为了避免铁道车辆蛇行失稳,提高运行速度,开发了可控机电减振器。通过实验台试验和数值仿真计算,验证了机电减振器的性能。

高速动车组蛇行运动失稳诊断方法

本文提出一种实时失稳监测算法,用于判定高速动车组蛇行失稳现象的发生。该算法采用时域和频域分析方法,用于诊断列车的失稳情况,并评估列车车体运行的平稳性。此外,该算法还建立了蛇行失稳判定阈值的确定方法,能够在运行过程中实时监测安全状况,减少安全隐患的发生。

高速动车组蛇行失稳频率研究

以时速400 km以上的某型高速动车组作为分析对象,基于Simpack动力学软件建立两种高速动车组动力学模型,在不同的等效锥度、一系定位节点刚度、抗蛇行减振器阻尼下进行仿真计算,分析其对高速动车组蛇行失稳频率的影响规律。两种高速动车组模型的研究结果表明:随着等效锥度的增大,其蛇行失稳频率也增大;随着一系定位节点刚度的增大,其蛇行失稳频率降低;随着抗蛇行减振器阻尼的增大,其蛇行失稳频率升高;时速400 km以上的轴箱内置型高速动车组出现了10~11 Hz的高频蛇行。

风载对高速列车蛇行运动稳定性影响

采用空气动力学和车辆动力学2种分析方法,建立考虑横风作用的高速列车空气动力学模型,分析不同风速及车速条件下列车所受的气动载荷特性变化规律;建立车辆-轨道耦合动力学模型,对高速列车在不同风速横风和轨道不平顺组合作用下头车、尾车和中间车的蛇行失稳临界速度、蛇行振动极限环幅值、蛇行振动频率、蛇行失稳特征等进行对比分析。结果表明:高速列车通过横风区段时产生的气动载荷对其蛇行失稳临界速度有明显影响,头车的蛇行临界速度较无风时明显下降,尾车及中间车的降幅次之;无风与风载工况下车辆的蛇行失稳形式存在本质区别,无风工况下车辆易发生二次蛇行,风载作用下车辆易发生一次蛇行;风载作用下,车辆发生蛇行失稳的最不利工况为较大的等效气动横向力和较大的气动升力共同作用的组合工况;风载和轨道不平顺的持续时间对车辆蛇行运动极限环振动幅值会产生影响,因此在评估高速列车在大风工况下的运行安全性时,有必要考虑实际的风载和轨道不平顺激励的大小和持续时间。

基于EEMD能量熵的高速列车蛇行诊断研究

为解决列车高速运行时,出现的蛇行失稳故障难以被准确识别的问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)熵特征和最小二乘法支持向量机(least squares support vector machine,LSSVM)的高速列车蛇行异常运动状态的诊断方法。首先通过EEMD对高速列车蛇行故障振动信号进行分解,再提取固有模态函数(intrinsic mode function,IMF)分量的样本熵特征、香农熵特征和能量熵特征,最后分别用LSSVM进行训练和识别。试验结果表明:高速列车在330~350 km/h的运行速度下,EEMD熵特征-LSSVM方法能准确识别高速列车蛇行失稳状态,并且LSSVM的输入特征为能量熵特征时,识别效果优于样本熵特征和香农熵特征,识别率达到95%。

构架报警动车组运行稳定性的线路试验研究

服役动车组多次出现构架失稳报警。为评估报警时的运行安全,制定对应措施,组织了专项试验,采用轮轨力的试验方法研究构架报警时的运行稳定性和横向稳定性问题。通过将报警车轮制作成测力轮对,测试构架报警时的轮轨作用力和振动特性;通过建立仿真模型,开展计算分析,结合线路测试数据统计,综合分析构架横向失稳时的列车运行安全性。通过长期跟踪动车组车轮踏面磨耗状态,分析轮轨等效锥度与构架报警关系,提出了根据轮轨等效锥度实施动态旋修,减少构架报警的措施;结果显示:动车组构架报警时,列车有一定的安全裕量;在线路条件不变的情况下,轮轨等效锥度超过0.35mm后易出现构架报警,根据轮轨等效锥度可以评估服役动车组的横向稳定性,根据轮轨等效锥度实施动态旋修可有效减少构架报警。

高速转向架小幅蛇行运动状态下过道岔研究

针对高速列车系统在小幅蛇行失稳状态下通过道岔的问题,建立高速转向架横向运动模型,采用国内18号高速道岔结构参数建立道岔不平顺激励模型,计算了转向架在小幅蛇行失稳状态下以不同速度通过道岔的轮对横移量,并与平稳状态下进行对比分析;分析结果表明:小幅蛇行失稳状态下通过道岔与进岔时的蛇行振幅有关;振幅较小时,与平稳状态下过道岔基本一致,安全过岔速度为道岔允许速度;振幅较大时,会在道岔允许通过速度以内出现小幅蛇行发散至标准蛇行失稳的情况,安全过岔速度低于道岔允许时速;建议在过道岔前对小幅蛇行运动的进行在线监测,通过小幅蛇行状态合理设置过道岔速度。

基于动力学仿真数据的高速列车蛇行状态识别

近年来,人工智能技术广泛应用于高速列车运行状态的识别。用作列车运行状态识别的机器学习和深度学习模型需要大量的数据,然而在实测数据中获取的蛇行失稳数据样本少且不均衡,再者,由于实测数据获取成本高,实际采集数据困难,难以满足各种运行条件(稳定、小幅蛇行失稳和大幅蛇行失稳状态)。为解决以上问题,通过SIMPACK软件建立高速列车动力学仿真模型,模拟出车辆的各种运行状态数据。对仿真数据和实测数据进行互信息分析和希尔伯特-黄变换(HHT)分析,发现仿真数据在时域特征和频域特征上与实测数据高度相似。把仿真数据作为训练集,用来训练高速列车运行状态识别的人工智能算法模型,再用实测数据作为测试集进行验证。实验结果表明:仿真数据用于机器学习和深度学习模型中都能得到很好的结果,说明仿真数据可以作为训练集用于复杂的深度学习模型中。

构架式转向架货车参数及动力学性能研究

以多刚体系统动力学原理为基础,建立了具有利诺尔减振器的构架式转向架的非线性数学模型,并以罐车为例,研究了转向架关键参数对车辆系统的运动稳定性、曲线通过性能及运行平稳性的影响.计算结果表明:转向架参数的优选和合理匹配极大地影响着车辆的动力学性能.为使车辆系统具有较高的蛇行失稳临界速度,在满足曲线通过性能的条件下,可以适当提高轴箱弹簧刚度和旁承摩擦力矩,并尽量降低旁承的纵向间隙.

轨道车辆轮轨等效锥度管理措施研究

等效锥度是评价轮轨关系的重要指标,其数值与轨道车辆的动力学性能有着密切的关联。研究表明,当等效锥度过小时,动车组车体容易出现低频晃动;当等效锥度过大并出现“负斜率”特性时,动车组容易出现转向架失稳报警和车体抖动,但此时3 mm等效锥度数值往往较小,不能很好地反应轮轨接触状态,可采用轮对横移量为1.5 mm处的等效锥度作为评价轮轨关系的重要参考。文章建议采用轮轨检测监测设备进行全线路的轮轨廓形检测,实现轮轨交叉匹配运算并得到相应的等效锥度热力图;再结合车辆运行状态进行等效锥度健康管理及运用评价,从而实现对轨道车辆晃车、转向架失稳报警和抖车的诊断与预防,并对车轮镟修和钢轨打磨提出合理的指导意见,进一步为实现铁路计划修转向状态修提供可靠支撑。

长波长直线钢轨交替侧磨和机车轮缘磨耗的形成和防治

直线钢轨交替不均匀侧磨有短波与长波之分 ,短波由货车横向失稳造成 ;长波和轮缘磨耗因机车受轨道横向激扰蛇行失稳导致轮轨侧面撞击所造成。根据分析ND5动力学试验资料 ,得出不同速度时的蛇行波长在 15 1m～ 2 4 8m之间 ,和现场实际基本吻合。实践与试验表明 ,长波长交替侧磨是ND5型机车蛇行失稳造成的。ND5型机车横向动力学性能不良的根本原因是轴温和转向架导框间存在纵向和横向间隙。根据对东风型机车因轨道横向激扰产生失稳试验和改进试验 ,本文除提出改善轨道及其不平顺外 ,着重提出减小ND5型机车轴箱与导框纵向间隙的重要建议 ,以提高蛇行临界速度 。