强电流滑动电接触下的最佳法向载荷研究

弓网系统中滑板磨耗大及电力机车受流不稳定是制约我国电气化铁路向高速、重载、安全、稳定运行方向发展的一个关键问题,亟待采取有效的措施进行解决。在特定的载流、滑动速度条件下,表征滑板磨损快慢的滑板磨耗率随法向载荷增大呈现出先减小后增大的"U"型变化趋势,而表征载流稳定性的载流稳定系数随法向载荷增大而逐渐减小,因此选择合适的法向载荷可使滑板磨耗和载流稳定性均达到相对最佳。通过使用浸金属碳滑板与铜导线进行对磨实验,得到了不同实验条件下滑板磨耗率和载流稳定系数的大量实验数据。以此建立了以法向载荷、载流和滑动速度为输入量,以滑板磨耗率、载流稳定系数为输出量的BP神经网络非线性模型,进而利用遗传算法优化了相关参数,并在特定的载流和滑动速度条件下,采用基于粒子群算法的多目标优化方法,确定了滑板磨耗率最低、载流稳定系数最小的最佳法向载荷对应的非劣解。

波动载荷作用下弓网滑动电接触接触失效研究

弓网滑动电接触接触失效判定对机车安全运行与进一步提速有重要意义。笔者立足于实际的机车运行工况,利用自行设计的弓网滑动电接触实验机做弓网滑动电接触失效研究实验,实验研究不同波动载荷、速度和电流条件下载流稳定系数的变化规律,并进行相应的理论分析。根据载流稳定系数失效判据,获得不同工况下保持可靠接触的临界条件。通过实验数据并运用梯度下降与模拟退火算法训练模糊推理系统,建立波动载荷、速度、电流和载流稳定系数之间的关系模型。通过模型可判断机车运行时弓网滑动电接触是否处于接触失效状态。

弓网多目标滑动电接触下最优压力载荷

通过自制实验机模拟弓网系统运行状态,进行浸金属碳滑板与铜导线的对磨实验,研究在给定电流及速度的情况下接触压力载荷与电流效率、载流相对稳定系数和磨损率之间的数值关系。采用免疫遗传优化Elman动态反馈神经网络(IGA-ENN)算法进行输入输出模型预测,并基于自适应权值粒子群优化(AW-PSO)算法对压力载荷进行寻优,得到其Pareto最优前沿解。最后,将多目标优化问题转换为单目标优化问题,确定相应的最优压力载荷。

多策略融合LSSVM-NGO的滑动电接触失效诊断

为提高弓网滑动电接触失效判断的准确率,提出了一种多策略融合改进北方苍鹰优化算法(INGO)和最小二乘支持向量机(LSSVM)的滑动电接触失效诊断模型。首先,通过自制的滑动电接触摩擦磨损实验机进行载流条件下的滑动摩擦实验,分析载流稳定系数在不同工况条件下的变化规律,确定弓网接触失效判据;其次,采用tent混沌映射、均匀分布的动态自适应权重,以及黄金正弦算法和非线性收敛因子多种融合策略综合改进NGO。通过测试函数对其进行仿真测试,结果证明INGO算法收敛速度和稳定性更优;最后,使用INGO算法进行模型参数寻优,构建滑动电接触失效诊断模型。将本文所提模型与其他诊断模型对比,诊断精度分别提高了16.67%、12.5%、8.33%,进一步证明该诊断模型具有较高的准确率和泛化能力。

基于ADASYN平衡数据的ISSA-KELM滑动电接触失效诊断

弓网滑动电接触的接触状态对电力机车的平稳运行有着直接的影响,为了判断一定工况条件下弓网滑动电接触是否失效,提出一种基于平衡数据集训练的改进麻雀算法优化核极限学习机失效诊断模型.首先,通过浸金属碳滑板与铜导线的对磨实验模拟机车运行,得到载流稳定系数与离线率随滑动速度、压力波动幅度、压力波动频率和接触电流的变化规律.其次,通过自适应综合过采样法对实验所得数据中的少数类样本进行扩充,将生成的平衡数据集用于训练核极限学习机失效诊断模型.同时,采用改进麻雀算法对模型的参数进行优化.针对基本麻雀算法存在的不足,将混沌镜向初始化策略、旋转搜索策略和柯西交叉变异策略应用于麻雀的位置更新,得到改进的麻雀算法.通过测试函数对其进行仿真测试,结果表明改进麻雀算法具有更好的稳定性和收敛精度.最后,通过将所提出模型与其他诊断模型进行对比,进一步表明了在不平衡数据集下该模型的有效性与改进算法的优越性.