-
题名CBTC与ATP/TD融合车载系统设计
- 1
-
-
作者
徐旦
黄雪兰
陈先宽
章丽萍
-
机构
绍兴职业技术学院机电工程与交通学院
浙江众合科技股份有限公司
-
出处
《城市轨道交通研究》
北大核心
2024年第8期294-298,303,共6页
-
基金
浙江省重点研发计划项目(2019C01144)
浙江省教育厅科研项目(Y202250363)。
-
文摘
[目的]重庆轨道交通2号线为应对不断增长的客流需求,需要对先期开通的较场口—新山村段信号系统进行升级改造,根据业内专家建议,推荐采用CBTC(基于通信的列车控制)系统与ATP(列车自动防护)/TD(列车位置检测)两种通信制式共存并实现贯通运营。[方法]将独立车载系统与融合车载系统两套方案进行技术参数比选,提出兼容CBTC及ATP/TD两种制式的融合车载系统设计方案。考虑既有车辆车载设备安装空间并尽可能控制车载设备改造规模,保留位置检测机柜和ATP单元接收柜,新增VOBC(车载控制器)机柜代替原ATP单元控制柜,并对车载设备系统功能进行重新分配;对ATP/TD制式段驾驶模式重新设计,取消原有无地面ATP信号模式和限制人工驾驶模式;结合系统功能设计对融合车载系统与车辆接口进行重点改造;同时在CBTC制式段与ATP/TD制式段交接区改造一座车站作为驾驶模式切换站,在后期开通的新山村至鱼洞段采用ATP/TD制式,较场口至新山村段则采用CBTC制式。[结果及结论]融合车载系统方案可实现列车在CBTC和ATP/TD两种通信制式间平滑过渡,贯通运营,且方案实施的技术风险较低、改造工程投资较低。
-
关键词
重庆轨道交通2号线
融合车载系统
方案设计
-
Keywords
Chongqing Rail Transit Line 2
integrated on-board system
scheme design
-
分类号
U231.7
[交通运输工程—道路与铁道工程]
-
-
题名一种基于快速搜索圆心的圆度新算法
被引量：5
- 2
-
-
作者
盛东良
詹剑良
朱丹
-
机构
绍兴职业技术学院机电工程与交通学院
-
出处
《计量学报》
CSCD
北大核心
2022年第6期725-729,共5页
-
文摘
根据ISO 1101-1983对圆度定义的要求,提出一种基于快速搜索圆心的圆度新算法。通过建立的数学模型和算法流程,快速搜索并找到两个同心圆和圆心。首先,采用最小二乘法拟合圆心,并获得距离该圆心的最远点和最近点,确定圆心移动方向;然后,结合设置的步长值搜索下一个圆心;最后,经过多次迭代计算直至圆度符合要求。实验结果表明:该算法与区域搜索法相比,圆度计算误差<1μm,计算效率可提高10倍以上,符合工程应用需求。
-
关键词
计量学
圆度算法
同心圆
搜索圆心
-
Keywords
metrology
roundness algorithm
concentric circles
searching center
-
分类号
TB92
[机械工程—测试计量技术及仪器]
-
-
题名基于快速搜索球心的球度评定方法
被引量：1
- 3
-
-
作者
盛东良
郝娟
盛庆元
詹剑良
-
机构
绍兴职业技术学院机电工程与交通学院
北京理工大学机械与车辆学院
-
出处
《计量学报》
CSCD
北大核心
2023年第1期49-53,共5页
-
文摘
提出一种基于快速搜索球心的球度评定方法。通过建立的数学模型和搜索流程,快速搜索并找到两个同心球和球心。首先,采用最小二乘法拟合球面轮廓的近似球心,并获得距离该球心的最远点和最近点,确定球心移动方向;然后,结合设置的步长值搜索下一个球心;最后多次迭代计算直至球度符合最小区域评定准则。实验结果表明:该方法与区域搜索法相比,球度计算误差<1μm,计算效率提高7倍,能够快速实现球度误差的精确评定,符合工程应用需求。
-
关键词
计量学
球度
评定方法
快速搜索球心
最小二乘法
区域搜索法
-
Keywords
metrology
sphericity
evaluation method
quick search of spherical center
least squares method
area search method
-
分类号
TB921
[机械工程—测试计量技术及仪器]
-
-
题名基于视觉显著性与RBF神经网络融合的织物瑕疵检测
- 4
-
-
作者
徐伟锋
祝新军
刘山
-
机构
绍兴职业技术学院机电工程与交通学院
浙江大学控制科学与工程学院工业控制技术国家重点实验室
-
出处
《纺织科学与工程学报》
2022年第3期61-65,81,共6页
-
基金
工业控制技术国家重点实验室开放课题(ICT2021B15)
绍兴市“揭榜挂帅”制科技项目(2021B41007)。
-
文摘
为提升织物瑕疵检测准确率,避免出现漏检或误检,提高织物检测智能化程度,提出基于视觉显著性与RBF神经网络融合的织物瑕疵检测方法,将织物图像经中值滤波降噪后,通过织物瑕疵区域对比度、纹理粗糙度和纹理方向的异常显著性模型计算获得显著图,并经RBF神经网络训练获得的映射函数和网络特征字典重构织物图像提取特征,之后采用最大熵自动阈值法定位分割,有效获得织物瑕疵检测结果。实验结果表明:此方法能实时有效对多种异常特征较弱的织物瑕疵进行检测,适应性强,检测准确率大幅提升,能满足实际工业织物瑕疵检测要求。
-
关键词
机器视觉
显著性
神经网络
瑕疵检测
-
Keywords
machine vision
saliency
neural network
defect detection
-
分类号
TS103.7
[轻工技术与工程—纺织工程]
TP29
[自动化与计算机技术—检测技术与自动化装置]
-
