高速铁路周期性激励作用下轮轨非稳态滚动接触研究

基于Kalker三维滚动接触精确解方法,针对由高速铁路轨面不平顺引起的周期性激励问题,以单一方向简谐波动蠕滑率激励下蠕滑力特征研究为基础,考虑了随时间变化的轮轨接触弹性位移梯度效应以及更加复杂的轮轨蠕滑工况,拟合相应的非稳态传递函数,研究了不同方向蠕滑率同时存在的非稳态滚动接触问题。结果表明:使用非稳态滚动接触模型计算所得蠕滑力相对蠕滑率存在相位滞后,蠕滑率简谐波动波长比越小,蠕滑力幅值增益减小程度越大,相位滞后越多;使用非稳态传递函数方法与Kalker三维滚动接触精确解方法计算时,蠕滑力幅值和相位均具有较好的一致性;在简谐波动纵向蠕滑率激励时,横向蠕滑率的增大会减小纵向蠕滑力的幅值增益,但对纵向蠕滑力的相位滞后影响不大;在简谐波动横向蠕滑率激励时规律基本一致。     

基于柔性旋转轮对的车轮多边形磨耗对轮轨力的影响分析

为研究考虑柔性轮对旋转效应时车轮多边形磨耗对轮轨力的影响,结合有限元法和多体动力学理论,建立了带有车轮多边形磨耗的车辆轨道刚柔耦合动力学模型,编写了车辆轨道耦合动力学程序及欧拉坐标系下的柔性轮对计算程序,并在此基础上计算了刚性轮对、忽略旋转效应的柔性轮对和考虑旋转效应的柔性轮对存在多边形磨耗时的轮轨力,分析了多边形阶数、磨耗程度对轮轨力的影响。研究表明:在考虑柔性轮对旋转效应的车轮多边形磨耗影响下,轮轨力响应存在主频分离现象,对轮轨力的波动影响较明显;当列车运行速度为300 km/h,车轮多边形阶数为24～28阶时,轮轨垂向力出现了拍振现象且波动较大,相对于轨枕位置存在约0. 5π的相位超前;当多边形磨耗严重时,高阶多边形引起的2倍频能量上升,对轮轨力的波动幅值影响较大。     

高速车辆动态脱轨临界状态评判方法

针对传统准静态脱轨系数指标监测高速车辆动态脱轨安全性时的局限性,提出基于车轮抬升量和轮对横移量、以轮对运动姿态决定的脱轨临界状态判断准则;建立高速车辆多刚体动力学模型,分析高速车辆动态脱轨非线性动力学特性,研究轮对运动姿态与车辆振动响应变化规律之间的关系,表明轮对横向振动加速度与车轮抬升量规律较一致;运用高速车辆动态脱轨评判方法进行评判时,首先采用轮对横向振动加速度移动均方根值作为评判车辆脱轨的指标,然后确定该指标能有效反映车轮抬升量变化时的滤波频率范围和滤波时间窗宽,最后确定该指标的合理限值。算例验证表明:该评判方法可有效监测动态脱轨安全性;轮对横向振动加速度移动均方根统计波形与车轮抬升量的变化趋势具有很高的同步性,不仅可以间接地反映轮对运动姿态的变化及车轮抬升的高度,还可以克服轮轨垂向力为零时脱轨系数失真的缺点,在评判高频动态脱轨时的可靠性更高。     

基于联合投票网络的交通场景天气分类方法

基于交通视频监控图像的天气识别已经成为智能交通系统中重要的研究课题. 虽然卷积神经网络（convolutional neural network,CNN）在图像识别技术获得了巨大的发展,但是针对复杂交通场景的天气识别问题,现有的模型在特征表达方面仍然面临着巨大的挑战. 为了提取丰富的语义特征,提出了基于联合投票机制的深度神经网络（deep neural network,DNN）模型. 所提出的模型包括两个核心模块:基于通道和空间注意力机制的二阶特征模块和基于复合特征结果联合投票机制的分类模块, 用以提取不同天气图像中的判别性信息,提高在复杂交通场景下的天气识别性能. 最后,在两个基准天气分类数据集上进行了验证试验,结果表明:对于复杂场景条件下的天气识别问题,所提出的基于联合投票机制的深度神经网络模型的识别正确率优于目前最好的天气识别方法的1.97%.