期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
超导电动磁悬浮列车主动悬挂优化与缩比验证
1
作者 程俊 武震啸 赵明 《铁道科学与工程学报》 北大核心 2025年第9期3835-3844,共10页
针对超高速低真空管道电动悬浮列车1000 km/h运行场景下边界条件复杂多变、轨道激励频率分布随速度显著变化等问题,基于某型超导电动悬浮方案建立15自由度横垂耦合动力学计算模型,并搭建具备垂向试验能力的缩比整车振动试验台。基于上... 针对超高速低真空管道电动悬浮列车1000 km/h运行场景下边界条件复杂多变、轨道激励频率分布随速度显著变化等问题,基于某型超导电动悬浮方案建立15自由度横垂耦合动力学计算模型,并搭建具备垂向试验能力的缩比整车振动试验台。基于上述工作进行控制器设计、参数优化、仿真验证以及缩比试验验证等一系列研究。首先,面向减小车体振动加速度的目标,结合列车簧上与簧下质量之比较小、磁轨接触关系复杂的动力学参数特性,分别建立包含天棚控制器和PID(proportional-integral-derivative)控制器的整车动力学模型;随后,以车体观测点处垂向与横向振动加速度rms(root mean square)值为2个目标函数,利用NSGA-II遗传算法对控制器进行多目标参数优化;依据上述优化结果,在直线运行工况对车辆主动控制效果进行时域仿真对比验证;最后,利用缩比整车振动试验台在垂向验证PID控制与天棚控制2种方法的控制效果。研究发现,当前超高速低真空电动悬浮被动悬挂方案无法满足车辆全速域稳定运行要求,在大部分速度下存在平稳性指标超标的情况,提出利用主动控制的方法提升车辆悬挂系统适应性,改善车辆运行平稳性。仿真与试验结果表明,在合理配置悬挂参数的情况下,使用天棚控制与PID控制均能够有效提升车辆0~1000 km/h运行速域下的平稳性指标,多数情况下天棚控制效果优于PID控制效果。 展开更多
关键词 电动悬浮列车 主动控制 参数优化 自适应悬挂
在线阅读 下载PDF
钢管混凝土桁架焊接T型管节点热点应力集中系数研究 被引量:7
2
作者 卫星 赵骏铭 +2 位作者 肖林 吴琛泰 温宗意 《中国铁道科学》 EI CAS CSCD 北大核心 2022年第2期1-9,共9页
运用有限元软件ANSYS建立钢管混凝土桁架焊接T型管节点模型,进行支管轴向拉力作用下管节点热点应力集中系数(Stress Concentration Factor,SCF)研究。结果表明:T型管节点的主管冠点处SCF与管径比、径厚比和壁厚比均成正相关,而主管鞍点... 运用有限元软件ANSYS建立钢管混凝土桁架焊接T型管节点模型,进行支管轴向拉力作用下管节点热点应力集中系数(Stress Concentration Factor,SCF)研究。结果表明:T型管节点的主管冠点处SCF与管径比、径厚比和壁厚比均成正相关,而主管鞍点处SCF虽与径厚比和壁厚比成正相关,但与管径比呈负相关;相比于主管,支管SCF整体水平较低,且随几何参数变化幅度较小;主管SCF沿管节点相贯线的分布模式与管径比、径厚比相关,但受壁厚比的影响很小;管节点SCF最大值与径厚比、壁厚比成正相关,随管径比的变化规律与径厚比的取值有关;基于有限元计算结果,可推导出钢管混凝土桁架焊接T型管节点SCF最大值计算式。 展开更多
关键词 钢管混凝土 桁架 焊接T型管节点 热点应力集中系数 有限元分析
在线阅读 下载PDF
基于VMD的噪声信号去噪源分离 被引量:4
3
作者 靳行 林建辉 《噪声与振动控制》 CSCD 2020年第2期167-173,共7页
针对噪声信号分析中的欠定盲源去噪问题,基于变分模态分解(Variational Mode Decomposition,VMD)、主成分分析(Principal Component Analysis,PCA)和去噪盲源分离(Denoising Source Separation,DSS)各自的优点,提出一种基于VMD和PCA的... 针对噪声信号分析中的欠定盲源去噪问题,基于变分模态分解(Variational Mode Decomposition,VMD)、主成分分析(Principal Component Analysis,PCA)和去噪盲源分离(Denoising Source Separation,DSS)各自的优点,提出一种基于VMD和PCA的欠定去噪源分离方法(QVMD-PCA-DSS)。所提方法首先通过第一次VMD分解得到窄带本征模态分量(Band-Limited Intrinsic Mode Function,BIMF),根据BIMF分量的PCA特征值梯度获得最优VMD分解参数,解决VMD参数选择问题,故称作二次估计型可变微分模态(Quadratic-estimates Variational Mode Decomposition,QVMD),然后使用基于QVMD分解得到的BIMF分量来解决盲源分离中源信号数据不足的问题,再根据PCA特征值选择模型估计源信号数量,最后应用DSS进行源信号估计。数据仿真证明,所提QVMD-PCA-DSS方法可以准确估计源信号,与传统方法相比,基于新方法所得估计源信号与源信号更为接近。将该方法应用于内燃机车司机室噪声测试分析中。结果表明,该方法可以自适应解决欠定盲源去噪问题,对降噪分析与噪声分析具有重要的工程意义。 展开更多
关键词 声学 变分模态分解 主成分分析 去噪盲源分离 噪声测试
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部