基于多层次客流需求的高铁列车谱系结构优化设计

高速铁路的高质量服务特性激发了大量不同类型旅客的多样化出行需求。当前铁路旅客列车开行数量日益增多,但提供的客运产品分类较少,列车谱系化特征不明显,难以适应旅客的多样性需求。设计具有显性差异特征的铁路客运产品,满足不同类型旅客在经济、快捷、方便、舒适等方面的异质性出行需求,实现铁路客流分类与产品分类的高效匹配,对新时代铁路旅客运输发展具有重要意义。结合当前我国高速铁路网列车开行结构现状,并考虑路网中各线路具有不同的资源、能力、客流特征,基于铁路客运产品谱系化思想和发展趋势,从列车停站模式、旅速、运距、频率几个维度将既有列车种类进一步拓展划分为11类谱系,分析多层次旅客对谱系列车的选择,运用整数规划并结合客流分配技术,构建决策各线路区段上从11类谱系中选择列车开行种类、范围和数量的列车谱系结构优化模型,达到客流类型与列车谱系结构之间的有效匹配。以我国部分高铁路网为例开展案例研究,研究结果表明:优化后的列车开行结构明显改善,各高铁线路上列车谱系结构差异化分布特征明显;不同层次客流旅速、列车谱系和客流层次对应、列车客座率、“车-流”运距比等指标均表现出较好的“车-流”匹配效果。在高铁列车大规模成网运营条件下,研究结果可为设计具有谱系特征的列车产品提供方法和技术指导。

基于SPS与CNN的行星齿轮箱故障特征提取与诊断研究

针对行星齿轮箱结构和运行工况复杂,导致信号故障特征提取困难的问题,通过分析行星轮系振动机理,初步推导出含故障齿轮箱振动信号频谱特征;运用谐波乘积谱(Harmonic product spectrum,HPS)与边带乘积谱(Sideband product spectrum,SPS)的方法,在噪声干扰以及故障冲击不明显的条件下,准确提取到了仿真信号的故障特征频率。进一步采集不同运行工况、不同故障状态下的行星齿轮箱振动信号,将提取后的故障特征输入到卷积神经网络中进行故障识别,成功获取到齿轮箱的故障信息,证明了该方法在行星齿轮箱故障诊断方面的可行性。