闸瓦制动力不均衡状态下重载货车轮轨动态特性研究

利用仿真软件UM建立了重载货车动力学模型,研究了闸瓦制动力不均衡状态下轮轨动态特性.以紧急制动工况为例,分别对一、二位轮对施加左、右轮不一致的闸瓦压力,得到了车辆直线运行时的轮对运行姿态和轮轨动态接触行为.研究结果表明,随着闸瓦压力的不均衡程度增加,轮对横移量会显著增大,并且不均衡闸瓦压力对一位轮对轮轨动态行为的影响要大于二位轮对,产生上述区别的主要原因是:蠕滑力引起的转向架总体摇头方向和受力轮对的摇头方向是否一致.进而考虑轮、瓦摩擦制动力矩的影响,发现在闸瓦压力较小时,制动力矩对轮对横移量和摇头角会产生一定影响,但就整体趋势而言,不均衡闸瓦压力的影响更为显著.

基于CNN-LSTM的轨道车辆轮对运行状态识别方法研究

轨道车辆的轮对运行实时状态是评价车辆运行安全性及轮对导向控制的关键信息,针对轨道车辆在运行过程中轮对横移、摇头角实时状态直接测量成本高、难度大等问题,提出了一种基于卷积神经网络(CNN)内嵌长短记忆(LSTM)网络的轮对运动状态识别及预测方法。以轮对横向加速度、轮对摇头角加速度、一系悬挂位移量等易测信号构成特征集,通过CNN对时序信号进行多维度空间特征提取并输入到LSTM中捕获时序特征,最后通过全连接层输出轮对横移及摇头角的预测值,结合车辆运行的实际工况特点,对预测模型的泛化性及鲁棒性进行检验。仿真结果表明:相较于传统的单LSTM识别模型,CNN-LSTM模型能有效降低轮对运动状态的识别误差,且在不同运行工况以及车辆物理参数变化的情况下,该模型具有高鲁棒性,能够保持较高的预测精度。