地铁车辆蓄电池典型故障分析及优化整改措施

来源 :轨道交通装备与技术 | 被引量 : 0次 | 上传用户:luoming106
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
蓄电池组作为列车控制设备和各种应急照明的备用电源,其可靠度对于列车主要控制系统的安全、稳定至关重要.文章以西安地铁二号线电客车蓄电池为例,简要介绍了蓄电池的工作原理、结构,针对在日常检修过程中发现的蓄电池典型故障进行深入分析并提出相应的整改措施,以提高蓄电池的使用寿命及可靠度.
其他文献
以某型号道岔清筛机链传动机构为研究对象,针对其进口产品采购周期长、费用高等问题,研究设计了一种不等节距链传动链轮,在考虑节距补偿系数的基础上,推导出链轮设计公式。通过仿真与试验相结合的方法,验证了链轮设计的合理性,解决了一种非标链传动的设计难题,具有工程实用价值。
采用燃烧法,以硝酸铝、甘氨酸为原料,添加硝酸钴和硝酸镝作改性剂,制备出Co-Dy共掺杂改性的γ-Al2 O3.利用X射线衍射、N2吸附-脱附和扫描电镜等分析手段进行表征,考察了改性
阐述目前国内地铁列车自动折返的两种典型控制模式并对其利弊进行分析,以西安地铁2号线列车自动折返为例,研究列车采用退行出折返线的折返控制模式出现电机过电流的原因,最后对2号列车线折返出现电机过电流问题提出整改措施,为采用此种折返方式的城市地铁列车折返时的换向时机提供了参考依据。
针对目前链路预测方法普遍存在精度不高、效率低等问题,提出了基于高阶路径相似度的复杂网络链路预测方法。首先,利用路径作为判别特征对复杂网络中的缺失链接进行预测,以实现资源的有效分配,并通过惩罚公共近邻对信息泄露进行限制。其次,将高阶路径作为判别特征,对种子节点对间的可用长路径实施惩罚。最后,利用多个真实复杂网络数据集进行数值算例。实验结果表明,与其他基线方法相比,所提方法具有更优的精度与效率。
采用裂解色谱(PY-GC-MS)、电子顺磁共振波谱(EPR)和红外光谱(FTIR)等技术手段,分析了Estonia油页岩中干酪根及其热解产物的结构特性,研究了不同温度下中间产物与最终产物的关联性。结果显示:油页岩热解符合干酪根热解为中间产物热沥青,热沥青再热解为页岩油、干馏气和半焦等产物反应路径,中间产物热沥青的生成趋势反映了终产物的生成速率变化;H2、CH4和C2~C5组分主要来自热沥青中脂肪烃的芳构化、芳香族化合物
车门故障发生概率占据城轨车辆各组件所有故障总数的30%,对车辆安全运行有着较大影响。目前对车门故障方面的研究多是以大量试验数据为基础,耗时长、成本高。文中将虚拟样机技术与故障诊断相结合,以高精度塞拉门机电联合虚拟样机模型为基础对车门典型故障进行模拟,利用仿真样本建立BP神经网络故障诊断模型,通过试验数据验证了诊断模型的准确性,证明了以虚拟样机取代物理样机进行车门故障研究这一方法的可行性。
针对不等长序列难以识别的问题,提出了一种基于犹豫模糊距离测度的识别方法。首先,从模糊数的角度对问题加以描述,用格贴近度建立了不等长序列的犹豫模糊信息识别模型。其次,定义了犹豫模糊数的均值、方差、相对范围、犹豫度4个特征,结合较短部分的隶属度差值,定义了犹豫模糊广义集成特征距离测度和广义加权集成特征距离测度,其满足度量空间的相关性质,并给出了严格的数学证明过程。最后,提出了用于确定权重信息的熵测度法
为识别多入多出正交空时分组码(MIMO-OSTBC)系统所采用的调制样式,提出了一种基于一维卷积神经网络(1D-CNN)的协作调制识别算法。首先,采用迫零盲均衡来提升不同调制信号间区分度,并选用天然无损的同相正交(I/Q)信号作为浅层特征;然后,设计并训练基于1D-CNN的识别模型,从浅层特征中提取深层特征;最后,采用投票决策和置信度决策融合策略,提升多天线接收端协作识别精度。实验结果表明,所提算
针对快时变频分双工(FDD)大规模多输入多输出(MIMO)系统中因无线信道干扰使信道状态信息(CSI)矩阵中存在噪声以及多普勒频移导致的时间相关性使系统无法保证高可靠和低时延通信的问题,提出一种智能CSI反馈方法。该方法利用卷积神经网络(CNN)和批标准化(BN)网络对CSI矩阵中的噪声进行提取并且学习信道的空间结构,通过注意力机制提取CSI矩阵间的时间相关性以提高CSI重构的精度。利用标准的快时
针对无人机自组网的拓扑时变、节点移动、间歇性连接等特点,提出用时序化图嵌入模型对预处理后的无人机自组网进行表征,基于线性概率计算采样间隔以提高采样效率,将网络结构特征映射为节点间关系,并采用对抗训练提取节点上下文语义特征。利用长短期记忆网络提取无人机自组网的时序特征,预测下一时刻的网络连接情况。采用AUC、MAP、Error Rate作为评价指标。Ns-3仿真实验表明,与Node2vec、DDNE