高速列车转向架区域裙板对流场与气动噪声的影响

运用声学比拟理论,采用1∶10简化模型对高速列车转向架部位气动噪声进行数值计算,并分析裙板对转向架部位流动与气动噪声性能的影响.基于延迟分离涡模型数值求解Navier-Stokes方程获得近场流场,运用考虑对流效应的Ffowcs Williams-Hawkings方程的声预测程序进行远场声辐射计算.结果表明,由于转向架舱在车体侧墙与底部形成表面不连续结构,流体通过转向架部位时产生了不同尺度和方向的复杂涡结构,上游几何体周围产生的涡向下游传播并与下游几何体相互作用,从而在转向架后端形成高湍流度尾流区.转向架区域外侧安装裙板后,流体与转向架舱的相互作用被削弱.靠近转向架并与车体侧墙平行的可穿透积分面的噪声预测结果显示,裙板可以在较宽频段内有效降低转向架部位的气动噪声.

高速列车转向架故障信号的聚合经验模态分解和模糊熵特征分析

为了对高速列车转向架关键部件进行状态监测,利用转向架故障振动信号的特点,提出了一种结合聚合经验模态分解和模糊熵的特征提取方法.对故障信号进行聚合经验模态分解,得到一系列具有不同物理意义的简单成分信号,采用相关分析法选取最能反映原信号特征的本征模态函数.对这些本征模态函数和原信号分别计算模糊熵值构成多尺度复杂性度量的特征向量,输入最小二乘支持向量机中进行分类识别,与模糊熵特征相比得到了更好的识别效果,证明了算法的有效性.

基于EEMD排列熵的高速列车转向架故障特征分析

高速列车转向架关键部件发生机械故障会体现在车体和转向架的振动信号中,为了从监测数据中提取非线性特征参数用于转向架故障状态的反演识别,提出基于聚合经验模态分解排列熵的特征分析方法。首先,对振动信号进行聚合经验模态分解,得到一系列窄带本征模态函数;然后,对原信号和本征模态函数分别计算排列熵值,组成多尺度的复杂性度量特征向量;最后,将高维特征向量输入最小二乘支持向量机分类识别出转向架的工作状态。仿真实验结果表明,该方法在运行速度为200km/h时,多个通道达到95%以上的识别率,验证了通过聚合经验模态分解排列熵对高速列车转向架机械故障诊断的可行性。

高速列车转向架的主动稳定性研究

提出了基于构架横向振动的高速列车稳定性主动控制方法,讨论了采用惯性作动器控制构架横向振动,以及对动力转向架驱动系统采用主动弹性悬挂这两种实施方式.以车辆蛇行稳定性指标和控制力作为两个目标函数,利用遗传算法(NSGA-II)来优化控制参数和驱动系统悬挂参数.研究表明构架横向振动控制可以有效地提高转向架蛇行稳定性.同时发现当直接反馈构架状态实现构架振动控制时,控制系统时滞易导致系统失稳,因此提出一种通过反馈附加振子状态的方法来减小时滞的影响,合理的附加振子悬挂参数有利于提高车辆系统稳定性.较硬的附加振子可提高转向架控制系统的蛇行临界速度裕度,但会导致控制系统在一定的时滞内出现不稳定的现象.因此,在优化附加振子悬挂参数时,必须同时兼顾转向架蛇行稳定性和控制系统稳定性.本文对于涉及的350 km/h高速列车转向架,得出了附加振子的最佳固有频率和阻尼比.

基于多域融合CNN的高速列车转向架故障检测

高速列车转向架在服役运行中发生构件的性能退化和各类故障会严重威胁到列车的运行安全。针对高速列车振动信号的高复杂度、高耦合和强非线性,提出一种基于多域融合卷积神经网络的转向架故障检测方法,对于时域信号进行噪声注入以增强噪声鲁棒性与模型泛化性能,使用内嵌时频变换层获取信号时频表示信息,对于获得的多域多通道信息,利用卷积神经网络的固有特性实现自适应权重特征融合。实验结果表明,提出的方法提高了高速列车转向架故障诊断的准确率,同时具有较强的噪声鲁棒性与工况适应性。

钛合金高速列车转向架侧梁组成焊接工艺

由于钛合金的焊接特性和高铁转向架焊接结构的复杂性,在焊接过程中如何保证焊接质量和尺寸要求成为钛合金高速列车转向架生产制造的最大难点。尤其是转向架侧梁,作为转向架焊接的重要工序,保证其质量和精度是转向架后续生产的关键。通过编制合理的焊接工艺规程,对焊前准备、组对顺序、焊接顺序、焊接参数要求、工装准备、热处理要求等进行有效规定,从而提高钛合金转向架侧梁组成的焊接质量和尺寸要求。转向架侧梁的现场焊接结果表明,焊后焊缝质量满足要求,侧梁尺寸满足转向架构架组对要求。

高速列车转向架舱对转向架区域流场与气动噪声影响

根据涡声理论和声比拟方法,数值模拟了高速列车转向架简化模型的流场与气动噪声特性,分析了转向架舱对转向架流动与气动噪声性能的影响.结果表明:在单独转向架与转向架位于转向架舱内2种工况下,几何体近壁流场内形成的体偶极子声源为近场四极子噪声的主要声源,转向架表面压力脉动产生的面偶极子声源为声辐射主要声源;与单独转向架相比,转向架舱改变了转向架流动特性与声辐射指向性,削弱了转向架所产生气动噪声的强度,但转向架舱后壁会产生较大气动噪声.

全矢IMF信息熵用于高速列车转向架故障诊断

针对高速列车转向架振动信号具有非线性、非平稳的特征,以及单通道故障诊断带来的信息不完整问题,提出了一种多元经验模态分解(multivariate empirical mode decomposition,简称MEMD)和全矢本征模态函数(intrinsic mode function,简称IMF)信息熵相结合的高速列车故障特征提取方法。首先,使用MEMD方法对同源双通道的振动信号进行分解,得到一系列的2元本征模态函数;其次,分别计算前6个IMF的全矢IMF信息熵,通过特征评价方法进行特征维数约简;最后,将得到的特征向量作为支持向量机的输入来识别转向架的故障类型。实验结果表明,该方法能有效提高转向架的故障识别率,最高可达到100%,验证了全矢IMF信息熵在高速列车故障诊断中的可行性。

基于IMF重构-SLLE的高速列车转向架故障特征提取

在故障特征提取方面,传统的典型特征提取方法往往需要深入理解信号特性、结合工程实践经验提取故障特征,从而极大程度上孤立了特征提取和智能诊断两个环节,导致在针对复杂多变的机械设备海量信号时,提取反映信号特性的典型特征往往效果不理想。针对该问题,提出一种基于IMF重构-SLLE的新的特征提取方法,该方法首先把EEMD分解得到的IMF分量重构成高维向量,并利用SLLE优良的非线性维数约简能力对信号进行降维。实验表明:IMF重构-SLLE特征提取方法优于传统的EEMD典型特征提取方法,并把此方法应用到高速列车转向架故障状态识别中,识别率高达97.78%,具有重要的工程应用价值。

基于孪生卷积网络的高速列车转向架故障辨识

高速列车转向架关键构件的性能退化与故障会危及列车运行安全。针对高速列车故障辨识中面临的监测数据高维度和样本稀缺问题,提出一种基于孪生卷积神经网络的转向架故障类型辨识方法,利用深度残差一维卷积网络进行多通道振动监测信号的特征提取与融合,使用孪生结构获得基于特征距离的样本相似度,依据支撑集典型数据样本进行故障类型辨识。实验结果表明,该方法可以在仅有少量样本的情况下,实现高速列车转向架多种故障类型辨识,提高了在小样本数据下的故障类型识别准确率。

高速列车转向架构架用Nb-Ti微合金化钢板的研制

通过铁水预处理-260 t BOF-LF-RH-170mm板坯连铸-轧制流程,结合相应的控轧控冷工艺终轧850℃快冷至720℃空冷,成功研制12mm高速列车转向架构架用钢板(/%:0.09C,0.28Si,1.12Mn,0.020P,0.006S,0.58Cr,0.25Ni,0.32Cu,0.045Nb,0.030Ti),低温韧性优异(-60℃冲击功166~255 J),各项指标满足YB/T 4684-2018要求;显微组织为大量多边形铁素体和少量珠光体;钢板耐大气腐蚀指数I为6.3~6.7,在72 h周期浸润腐蚀试验中相对于Q345B的腐蚀速率为54.7%,锈层表面致密,耐大气腐蚀性能良好。

基于MBSE的高速列车转向架系统设计建模方法

为解决传统基于文档的系统工程(text-based systems engineering,TBSE)方法在高速列车转向架研发过程中出现的需求-设计一致性不强、需求可追溯性差、设计信息可重用性不足等问题,引入基于模型的系统工程(model-based systems engineering,MBSE)方法,提出了结合需求-功能-逻辑-物理(requirement-function-logic-physic,RFLP)的高速列车转向架系统建模分析流程,涵盖需求分析、功能分析和架构分析与综合三个阶段。以高速列车转向架制动系统为例,对系统需求、功能、行为等进行MBSE建模分析,证明了MBSE使得高速列车转向架设计过程更加丰富、准确,对于提升转向架设计效率、改善转向架正向设计流程具有指导意义。

高速列车排障器底部后端扰流对转向架区域流场与气动噪声特性的影响

针对高速列车一位转向架受到来流冲击产生较强气动噪声的特点,基于声类比方法,采用安装普通排障器和底部后端设置平行凹坑排障器的高速列车转向架区域简化模型和车头比例模型,计算分析平行凹坑对转向架区域流场和气动噪声特性的影响,并进行声学风洞测试,验证数值模拟气动噪声的降噪效果。结果表明:在高速列车排障器底部后端设置凹坑,可抑制转向架区域流场剪切层的生长和发展,削弱转向架舱前缘流动分离并缓和尾流与舱内各部件的流动冲击作用,干扰转向架周围大尺度湍涡的形成和脱落,抑制排障器与转向架区域几何体表面压力脉动的形成,减少气动噪声的产生;声学风洞中列车模型排障器底部后端采用扰流措施后,转向架部位噪声源面积缩小,噪声幅值降低约1 dB(A),气动噪声得到有效控制。

轮对扁疤对高速列车转向架振动特性的影响

轮对擦伤对高速列车的车辆性能影响极大,需要采用预测方法准确判断轮对擦伤问题,引入车轨耦合动力学与菲赫兹接触理论,对轮对擦伤为高速列车所造成的轮对扁疤进行几何外形数值描述分析,同时建立轮对扁疤的高速列车动力学模型,分析其对车辆走行部过程中所产生的具体影响.本文专门探讨了轮对扁疤对高速列车转向架振动特性的影响,建立车辆动力学模型与轮对扁疤外形模型等多种模型,最后分析模型仿真计算结果,并获得具体的影响结论.

全矢样本熵在高速列车故障诊断中的应用

为了有效提取高速列车转向架振动信号的故障特征以及针对单通道采集的信息难以完善地反映出列车运行状态的问题,提出了一种基于全矢样本熵(full vector sample entropy,简称FVSE)算法的故障特征提取方法。首先,使用噪声辅助多元经验模态分解(noise assisted multivariate empirical mode decomposition,简称NAMEMD)方法对振动信号进行分解,得到一系列多元本征模态函数;其次,根据相关系数法选择与原始信号最相关的本征模态函数分别进行样本熵和全矢样本熵特征提取;最后,将得到的特征向量分别作为支持向量机的输入对列车状态进行识别。实验结果表明,采用全矢样本熵算法的故障识别率普遍比采用样本熵算法提高了6个百分点,最高达到了98%以上,验证了噪声辅助多元经验模态分解方法结合全矢样本熵算法对高速列车故障诊断的有效性。

基于SVM的转向架故障诊断技术研究

分析了我国当前转向架故障诊断的技术特点,通过小波包变换提取列车转向架故障工况的能量特征向量,同时结合列车振动信号的时频特征,提出一种基于多维特征SVM模型的列车转向架故障诊断方法。并通过滚动振动试验台实测的转向架故障运行工况数据,对比了SVM算法和BP神经网络的诊断性能,验证了该方法的可行性。研究表明:通过分析列车的振动信号,以时域特征和能量特征结合的特征向量,在支持向量机方法下能有效区分列车不同故障工况,与传统的BP神经网络相比,SVM模型的故障诊断正确率更高,可作为故障诊断的依据之一。

Q345C钢MAG焊接头低温韧性研究

针对高速列车转向架服役气候条件及对焊接接头低温韧性严格要求,采用夏比缺口冲击试验方法在不同温度条件下测试了Q345C钢母材试样及其MAG焊接头焊缝区试样的冲击功,观察了冲击试样在不同温度条件下的断口形貌,测定了各个试样的纤维断面率,得到了冲击功、纤维断面率随温度变化的关系曲线,确定了Q345C钢MAG焊接头的韧脆转变温度。试验结果表明,焊缝在-40℃时冲击吸收功可达71 J;焊缝韧脆转变温度ETT50为-41.16℃,FATT50为-37.34℃;Q345C钢MAG焊接头具有良好的低温韧性,可以很好地满足设计需求。