溅射技术与基体偏压对TiB_(x)涂层结构和力学性能的影响

目的改善TiB_(x)涂层的残余应力,提高其力学性能。方法采用不同的磁控溅射技术(dcMS、HiPMS、Hybrid)和基体偏压制备TiB_(x)涂层。通过电子探针显微分析仪(EPMA)测试TiB_(x)涂层的化学成分,采用扫描电子显微镜(SEM)和X射线衍射仪(XRD)表征涂层的表面形貌、组织结构特征、相组成和择优取向,通过sin^(2)ψ法、纳米压痕仪和洛氏压痕法分别测试TiB_(x)涂层的残余应力、纳米硬度和膜层/基体结合强度。结果溅射技术和基体偏压对TiB_(x)涂层的组织结构和力学性能都有着显著的影响。在基体旋转条件下,不同溅射技术和基体偏压制备的涂层均呈现出TiB_(2)-(001)择优取向。随基体偏压的升高,涂层的残余应力呈现出先增大、后减小的规律。偏压相同时,HiPIMS技术制备的TiB_(x)涂层具有最高的残余应力。随着基体偏压的增加,TiB_(x)涂层的纳米硬度和弹性模量不断增加,在偏压为–130 V时,Hybrid-TiB_(x)涂层具有最高的纳米硬度(40.1GPa)。偏压相同时,dcMS-TiB_(x)和Hybrid-TiB_(x)涂层表现出优异的膜层/基体结合强度(HF1-HF2级),而HiPIMS涂层表现出较差的膜层/基体结合强度(HF1-HF4级)。结论溅射技术和基体偏压对TiB_(x)涂层的微观组织结构和力学性能有着重要的影响,Hybrid模式结合了dcMS模式和HiPMS模式的优点,Hybrid-TiB_(x)涂层呈现出最优的综合力学性能(高的纳米硬度、沉积速率和膜层/基体结合强度)。

溅射技术对TiN涂层结构和力学性能的影响

目的沉积条件对TiN涂层的组织结构和力学性能有着至关重要的影响,而溅射技术又决定了涂层的沉积条件,探究不同溅射技术对TiN涂层的微观组织结构和性能的影响,提高TiN涂层的力学性能和高温摩擦磨损性能。方法采用不同的溅射技术(dcMS、HiPMS、Hybrid)在M2高速钢表面沉积TiN涂层,利用扫描电子显微镜(SEM)、X射线衍射仪(XRD)、sin2ψ法、纳米压痕仪、洛氏压痕法、划痕法和CSM球盘式摩擦试验机分别测试了TiN涂层的组织结构特征、沉积速率、残余应力、纳米硬度、膜基结合力和高温摩擦磨损性能。结果不同溅射技术制备的TiN涂层均为柱状晶结构和TiN(111)择优取向。HiPIMS-TiN涂层具有最高的纳米硬度(29.7 GPa)和最低的膜基结合力(HF2),而Hybrid-TiN涂层呈现出最小的残余应力、高沉积速率和高膜基结合力,其膜基结合力达到HF1级,临界载荷(Lc2)达到82.5 N。不同溅射技术制备的TiN涂层的摩擦因数均随着温度的升高而降低,在500℃时,TiN涂层的摩擦因数约为0.53。TiN涂层的磨损率随着温度的升高而升高,在不同温度下,Hybrid-TiN涂层均呈现出最低的磨损率。结论溅射技术对TiN涂层的组织结构和力学性能有着重要影响,Hybrid-TiN涂层呈现出最优的综合力学性能和高温摩擦磨损性能。

铁路周界入侵目标多尺度特征感知算法

准确识别侵入周界范围内的人和大型牲畜是铁路周界入侵视频智能分析技术的重点内容,对保障铁路安全运营具有重要意义。基于现有目标检测算法难以处理铁路监控场景中入侵目标呈现显著尺度变化的状况,提出一种多输入双输出神经网络(Multiple Input Double Output Network,MIDO-Net)和基于自适应特征加权融合的目标多尺度特征感知算法。首先,通过MIDO-Net多层级联的多输入和双输出网络结构,提取图像目标更丰富的多尺度特征信息;其次,依据骨干网络多阶段的特点,先将多级特征上采样至统一分辨率,再利用注意力模块和自适应参数对多级特征进行加权;然后,将特征输入到检测头中完成铁路周界入侵的识别;最后,通过视觉目标类别(Visual Object Classes,VOC)公共数据集和制作的多场景、多尺度铁路异物侵限数据集,对算法进行验证。结果表明:提出的多尺度特征感知算法在VOC公共数据集中的检测精确率达83.3%,在多场景、多尺度铁路异物侵限数据集中的检测精确率达91.1%,平均召回率达56.2%,均优于当前广泛使用的各种特征提取骨干网络;算法检测速率为45帧·s^(-1),优于同类型的骨干网络,且能满足铁路场景的行人实时监测需求。

基于探地雷达的隧道衬砌空洞检测方法

隧道衬砌内部空洞等病害检测已经成为隧道检修人员的主要工作之一。本文提出一种将探地雷达与深度学习相结合的隧道衬砌空洞检测方法,通过雷达探测和仿真模拟,得到大量衬砌雷达图像,并对图像进行标注和制作数据集。基于YOLOv5(You Only Look Once version 5)目标检测模型,结合数据集目标特征,提出一种检测衬砌空洞的算法,引入特征融合模块提高网络感受野,并采用K-means聚类算法提高检测准确率。通过现场检测,本文的检测方法准确率达到了97.7%,准确可靠,可在工程中进行应用。

基于纹理特征增强的重载铁路钢轨缺陷检测算法

为实现重载铁路轨道典型缺陷的准确、快速、智能检测,基于深度学习算法,提出一种针对重载铁路钢轨图像的特征加强卷积神经网络模型,研制一套基于机器视觉的便携式轨道图像采集系统;整理创建重载铁路钢轨表面多目标图像数据集,并基于此数据集进行训练,实现裂纹、擦伤、块状损伤、接缝4种典型缺陷目标的智能识别;针对数据集中目标尺度分布不平衡的特点,使用聚类算法重新设置锚框的尺寸和数量;对比分析重载铁路钢轨缺陷图像的纹理复杂性与固有特点,引入加权融合池化模块和纹理特征增强模块对自适应训练样本选择(ATSS)算法进行改进。应用所提算法对重载铁路轨道进行检测,4类典型缺陷目标的全类平均正确率达到85.8%。通过与其他9种检测算法的对比,充分验证了所提算法的有效性。

面向钢轨修复的不同槽型接触轮砂带打磨接触行为及材料去除特性

为掌握不同槽型接触轮砂带对钢轨打磨接触行为及材料去除特性的影响规律,基于橡胶接触特性,建立X齿型、锯齿型和人字型3种典型接触轮砂带打磨仿真模型,模拟分析不同槽型特征对接触轮-钢轨静态接触行为和动态冲击应力的影响机制;通过钢轨砂带打磨试验,对比研究3种槽型接触轮的材料去除特性。结果表明:3种槽型接触轮与钢轨的接触区域整体均呈椭圆形态,符合赫兹接触理论,内部接触形态则随槽型特征呈现为块状分布;接触区域应力分布总体符合弹性半空间接触理论,但在接触块边缘会出现应力集中;X齿型接触轮和人字型接触轮因齿尖和齿槽结构的存在而具有较高的材料去除能力,同等打磨条件下X齿型接触轮较平型接触轮的材料去除能力提高了79%;顺磨条件下的材料去除能力高于逆磨,以X齿型接触轮为例,顺磨比逆磨的材料去除能力提高了22.7%;X齿型和人字型接触轮砂带打磨的噪声、振动、粗糙度、平均电流均较高,锯齿型接触轮具有较低的振动、粗糙度及平均电流,平型轮则具有较低的噪声和电流。

尖轨端面复杂廓形机器人铣削轨迹规划方法

铁路道岔尖轨数控成型铣削后的打磨抛光目前普遍由人工完成,存在效率低、质量一致性差和漏打磨等问题,难以满足尖轨高效高质加工需求。而将工业机器人铣削技术应用到打磨抛光工序中虽可提升尖轨制造自动化水平,但尖轨端面廓形的复杂多变以及机器人存在的弱刚性又导致其加工轨迹平滑度难以得到保障。为此,需要对尖轨端面复杂廓形机器人铣削轨迹规划方法进行创新。首先,基于MD-H参数法建立机器人运动学模型并分析其运动特性;然后,采用三次NURBS曲线对尖轨端面廓形进行参数化描述,以铣削作业法向刚度性能指标作为优化目标,建立轨迹点姿态优化模型;同时,考虑机器人关节连续性约束,建立机器人铣削轨迹姿态规划模型;在此基础上,基于S型曲线算法实现机器人铣削速度规划;最后,通过仿真和试验进行验证。结果表明:该方法能够有效控制机器人的运动轨迹,解决了外凸夹角区域的“过切”和“跳刀”问题,加工后尖轨端面廓形更为平滑,能满足尖轨制造要求。

基于局部图像纹理计算的隧道裂缝视觉检测技术

地铁隧道裂缝病害的自动检测技术是一个重要研究方向。针对地铁隧道复杂场景和弱光环境下,全局图像检测精度低的问题,提出分块图像局部纹理处理算法,将大视场裂缝图像进行网格化处理,在分块区域内完成预处理与纹理提取,基于图像细化与骨架提取算法,提出裂缝和虚假裂缝纹理的差异性计算模型,可有效提高真实裂缝图像的检测精度,滤除虚假裂缝的干扰。针对硬件系统,提出多目高速线阵相机的图像采集方案,研制裂缝图像采集系统样机,可安装于轨道小车上进行图像连续采集。利用研制的图像采集处理设备,可以自动采集和检测隧道裂缝图像,对于纹理简单的普通裂缝图像样本,裂缝的识别率达到0.96;对于地铁隧道裂缝图像样本,裂缝的识别率达到0.84,验证了硬件系统和软件算法的有效性与可行性。

钢轨砂带打磨与砂轮打磨综合性能对比实验研究

基于自主研发的锂电驱动钢轨砂带打磨机和砂轮打磨机,以60N型钢轨廓形作为实验对象,全面对比了新型钢轨砂带打磨技术和传统砂轮打磨技术的性能。结果表明:当打磨压力在45~75 N范围内时,砂带打磨的材料去除率约为砂轮打磨的15~30倍,而当压力增大到90 N时,砂带打磨的材料去除率高达砂轮打磨的102倍;砂带打磨的振动加速度、噪声和能耗均小于砂轮打磨;砂带打磨切屑为带状,而砂轮打磨则表现为高温熔融状,同时当打磨压力增大到105 N时,砂轮打磨后钢轨表面会出现发蓝现象,而砂带打磨不会;此外,砂带打磨的横向表面粗糙度大于砂轮打磨,最高可达8μm,但满足中国铁路钢轨养护要求的最大值10μm。综上,钢轨砂带打磨技术在材料去除率、振动、噪声、能耗和温度等方面显著优于传统砂轮打磨技术,预期将成为工程实际中解决钢轨严重病害问题的有效方法之一。

基于样本自动标注的隧道裂缝病害智能识别

隧道表面裂缝的检测已经成为地铁运营人员的重要巡检任务之一.为实现隧道裂缝病害的自动监测,提出一种结合病害特征提取和深度学习的隧道裂缝样本自动标注与识别算法;针对隧道裂缝形态特征建立裂缝图像的特征样本库,改进了AlexNet深度卷积网络结构;设计研制了轨道移动式隧道图像采集系统以及巡检车,采集并构建了包含4500张裂缝图像样本和1500张测试图像的数据集,用以验证算法的可行性和有效性.研究结果表明:采集的图像清晰度符合要求,所设计算法可完成裂缝目标自动标注;裂缝图像测试集的识别率达到97.8%,证明了算法研究和采集系统的有效性.

动车组撒砂装置振动规律及影响因素线路试验研究

为探究动车组撒砂装置在实际运营条件下的振动疲劳特性,开展撒砂装置及构架端部的振动加速度和应力线路测试;研究不同运行线路、车轮镟修前后和不同速度工况下撒砂装置的振动和应力传递规律,分析轮轨激励影响;基于实测应力,计算疲劳关键点在1500万km应力谱下的疲劳损伤。结果表明:撒砂装置及构架端部的垂向振动水平最高;京广线某区间撒砂装置的垂向振动加速度和应力能量峰值均约为广深线某区间的3.8倍;镟轮后撒砂装置的振动加速度和构架端部应力能量峰值可分别降低约67%和68%;撒砂装置振动加速度和应力较高的主要原因为轨道板周期性不平顺冲击,主频约为66.9 Hz,与轨道板冲击振动频率和结构的1阶固有频率相近;基于某线路区间应力数据获得的构架端部焊缝测点1500万km损伤大于1,若动车组长期在该恶劣工况下运行,结构将可能出现振动疲劳失效。

动车组设备舱冷却单元铝合金立柱开裂成因研究

为探究动车组冷却单元铝合金立柱开裂原因,对其结构框架及立柱开展线路测试,获得底板气动载荷、振动加速度及立柱关键部位动应力时频域特征,结合模态分析得到立柱开裂原因,并计算立柱开裂处1500万km等效应力幅值及疲劳损伤值.研究结果表明:列车高速运行下,底板气动载荷主频、振动加速度主频与立柱裂纹附近动应力主频及冷却单元框架大、小底板变形的固有频率相近,即气动载荷作用下大、小底板发生共振,使铝合金支撑立柱在吊耳焊缝处出现应力集中,并从疲劳薄弱部位的凹侧焊趾处开裂;立柱裂纹附近测点1500万km损伤值大于1,表明结构在设计寿命周期内存在疲劳失效风险.

深度嵌入度量学习的机械跨工况故障识别方法

传统数据驱动的机械装备故障诊断方法依赖目标工况下的完备数据,而装备实际运行工况复杂多变,难以预测,且数据获取困难。针对上述问题,提出了一种深度嵌入度量网络(Deep Embedding Metric Network, DEMN)的机械跨工况故障识别方法,该方法利用装备在已知工况下的数据学习鲁棒特征表示,建立适用于未知工况场景下的泛化智能故障识别模型。基于多尺度卷积神经网络(Multiscale Convolutional Neural Network, MCNN)获取故障信号的深度嵌入特征;用度量学习方法引导判别性特征学习,构建特征嵌入空间下的三元组损失(Triplet Loss, TL);利用粒子群算法(Particle Swarm Optimization, PSO)对间隔参数进行寻优。所提方法有效缩小装备健康状态类内距离、扩大类间距离,降低工况变化对健康状态映射关系的影响。实验结果表明,该方法在齿轮箱跨工况故障诊断实验中表现出良好的识别精度与泛化性能。

基于槽型接触轮的钢轨砂带打磨材料去除特性

为揭示槽型接触轮钢轨砂带高效打磨的材料去除机理,基于弹性赫兹接触理论,建立槽型接触轮与平型接触轮的材料去除比数学模型,掌握槽型接触轮砂带打磨周期应力变化规律,揭示打磨周期应力对打磨效率的影响机制,并基于钢轨砂带打磨专用试验平台,对比研究槽型接触轮与平型接触轮砂带打磨中的材料去除特性。结果表明:槽型接触轮打磨因其周期性的应力集中加压状态而具有较高材料去除效率;与平型接触轮相比,槽型接触轮打磨在较低压力下材料去除优势并不显著,随着打磨压力增加,槽型接触轮的材料去除效率明显提升,并在打磨压力为50 N时超越平型接触轮;在打磨表面粗糙度、振动、噪声及能耗等方面,槽型接触轮砂带打磨较平型接触轮均有明显优势,在75 N常用打磨压力下,前者较后者打磨材料去除率提高14%,表面粗糙度降低25%,振动减少17%,噪声降低4.5%,能耗降低12%。

基于改进蚁群算法的多AGV泊车路径规划

针对智能停车库中自动导引小车(Automated Guided Vehicle,AGV)存取车的路径规划问题,提出一种基于改进蚁群算法的多AGV泊车路径规划方法.单AGV路径规划方面,在基本蚁群算法基础上引入蚂蚁回退策略来增强适应性,同时改进启发式信息和信息素更新策略提高算法的收敛速度和寻优能力.多AGV路径规划方面,提出改进冲突解决策略来解决多AGV之间的冲突,其中采用临时规避—重新寻路策略来解决相向冲突.针对某典型停车场抽象模型的仿真结果表明,改进蚁群算法寻路成功率更高,并具有较强的全局搜索能力和较快的收敛速度,改进冲突解决策略能合理避免冲突,可以满足多AGV存取车路径规划的要求.

基于改进深度卷积网络的铁路入侵行人分类算法

异物侵入铁路限界严重影响行车安全,识别铁路限界内的人员侵入对保证铁路运营安全具有重要意义。由于既有铁路图像异物侵入检测系统只能检测报警图像,无法区分是人员侵入的正确报警还是光线干扰导致的误报警,为了降低上述误报警,本文建立了铁路异物侵限报警样本的训练集和测试集,提出了将改进的深度卷积网络提取的高层Alex特征和HOG特征相结合并用于深度卷积网络模型训练的分类算法。首先引入了改进的AlexNet深度卷积神经网络模型,提取了自动学习的Alex高层特征,然后将其与HOG特征相结合形成Alex-HOG组合特征,最后利用组合特征对分类网络进行训练。铁路异物侵限报警测试样本库的实验表明,该方法对1 498张测试样本图像的识别准确率高达98.46%,时间为3.78s,实时性和准确率均有较大提高,对降低系统误报率具有重大意义。

车轮扁疤伤损对高速列车轮对动力学性能影响

车轮扁疤是铁道车辆车轮踏面的缺陷形式之一,对轮轨动力和运用安全有明显的影响.本文建立了弹性车辆系统动力学模型,且将车轮扁疤伤损考虑为车轮轮径变化.利用数值仿真,研究了车轮扁疤伤损对高速列车轮轨冲击力、轮对振动及轮轨接触性能等的影响,并结合列车运行安全性指标得到了不同速度等级下车轮扁疤长度安全限值.结果表明,弹性车辆系统模型可以准确体现轮对旋转运动特征.车轮扁疤伤损对轮轨系统垂向和横向均产生冲击作用,对轮轨系统垂向冲击作用尤为明显,将显著增大轮对旋转振动频率及其倍频对应的振动能量,且会激起轮对中高频弹性共振.车轮出现40mm扁疤时,随着车轮旋转运动,轮轨接触点向轮背侧出现周期性横移,轮轨接触斑面积最大可达142mm2,轮轨纵向和横向蠕滑率分别增大4%和16%.轮轨力、轮对振动加速度及轮轨磨耗指数均会随车轮扁疤长度的增加而增大.当列车运行速度在300km/h及以下时,车轮扁疤长度需限制在30mm;当列车运行速度达到350km/h时,车轮扁疤长度需限定在25mm.

基于赫兹接触的钢轨砂带打磨温度建模研究

钢轨砂带打磨过程会生成大量磨削热,热量堆积易导致钢轨温度持续升高而影响打磨质量。为揭示打磨温度与工艺参数间关系,针对钢轨砂带打磨弹性-曲面接触特点,从瞬时点热源温度场理论出发,结合弹性赫兹接触理论建立了单接触轮及多接触轮的磨削温度数学模型。通过数值仿真分析了温度曲线沿时间、轨向位置的变化过程。将结果与现有有限元分析结果对比,验证了模型的有效性和适用性。进一步仿真分析结果表明,砂带打磨过程各点温度呈快速升温、缓慢降温趋势;提高列车打磨速度、增加磨头接触轮数量和接触轮间距能有效缓解热量累积;以60kg/m钢轨为例,R13弧段为易烧伤区域,须依据理论模型制定适当的打磨工艺参数避免钢轨打磨时发生轨面发蓝、灼伤等二次损伤。

高速列车齿轮箱箱体动应力响应及疲劳可靠性研究

高速列车铸铝合金齿轮箱在服役过程中承受复杂的载荷条件和随机应力。以某新型高速列车齿轮箱为研究对象,结合线路试验分析列车运行速度、电机输出扭矩及线路条件对箱体动应力响应及疲劳强度的影响,利用应力—强度干涉理论建立齿轮箱等效应力—疲劳强度干涉可靠性模型,分析齿轮箱箱体疲劳可靠度与服役里程的关系。结果表明:随着列车运行速度和电机输出扭矩的增大,箱体各测点的应力水平均有不同程度的增大,其中端部吊杆座处的应力变化最为明显;当列车运行速度由200km·h-1增加到400km·h-1时,其最大动应力幅值增大约120%,电机输出扭矩由0变为1400N·m时最大动应力幅值增大约150%。此外,线路条件对箱体等效应力也影响显著。随着列车服役里程的增加,箱体疲劳可靠度不断降低,在一定可靠度下,随着铝合金箱体铸造水平等级的提高,齿轮箱箱体寿命延长,铸造孔径为0.5mm时的服役里程是铸造孔径为0.9mm时的3.8倍。

砂带虚拟形貌的建模

为建立砂带虚拟形貌,提出一种砂带磨粒的随机多面体模型.通过辨识砂带表面磨粒位置,获得磨粒平均间距.利用多次叠加随机位移方式实现磨粒在砂带表面的随机排布,最终获得砂带虚拟形貌.采用折断磨粒代替虚拟表面出刃较高的磨粒,实现对钝化砂带形貌的预测.验证实验表明:随机多面体表面数目为24~30、位移叠加次数为600左右时,能够获得理想的砂带虚拟形貌;实际砂带表面磨粒出刃高度分布带有偏峰特征,钝化后砂带磨粒出刃高度均值减小、一致性变好.利用所提方法建立的砂带虚拟形貌不仅能够准确地描述砂带表面,而且能够预测钝化砂带形貌.