CN105302958B - 高速列车系统级的电磁兼容模型的建立方法 - Google Patents

高速列车系统级的电磁兼容模型的建立方法 Download PDF

Info

Publication number
CN105302958B
CN105302958B CN201510714113.2A CN201510714113A CN105302958B CN 105302958 B CN105302958 B CN 105302958B CN 201510714113 A CN201510714113 A CN 201510714113A CN 105302958 B CN105302958 B CN 105302958B
Authority
CN
China
Prior art keywords
electromagnetic compatibility
high ferro
model
emu
electromagnetic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510714113.2A
Other languages
English (en)
Other versions
CN105302958A (zh
Inventor
闻映红
张丹
张金宝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201510714113.2A priority Critical patent/CN105302958B/zh
Publication of CN105302958A publication Critical patent/CN105302958A/zh
Application granted granted Critical
Publication of CN105302958B publication Critical patent/CN105302958B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供了一种高速列车系统级的电磁兼容模型的建立方法。该方法主要包括:将高铁动车组系统中的部件抽象为对象,将高铁动车组系统分解成了若干个相对独立的子系统,分析各个子系统之间的耦合路径参数化模块,建立高铁动车组系统级的电磁兼容的对象模型;根据高速动车组系统中的车载信号设备的电磁兼容特性和Petri网预测分析模型对高铁动车组系统级的电磁兼容的对象模型进行完善,建立高铁动车组系统级的电磁兼容模型。本发明实施例打破了在电磁兼容领域原有电磁拓扑的核心理论在于使用节点和通道的观点来考虑复杂的电磁传导和辐射问题的理念,突破了原有的节点和通道分开考虑分析复杂系统时仿真效率不高、仿真移植性差等限制。

Description

高速列车系统级的电磁兼容模型的建立方法
技术领域
本发明涉及列车电磁干扰技术领域,尤其涉及一种高速列车系统级的电磁兼容模型的建立方法。
背景技术
高速动车组的电磁干扰源众多,其形成机理和干扰特性也多种多样。在特定情况下,某个特定的干扰源会成为另一系统或设备(干扰源)的受扰设备,而某个特定的受扰设备本身也可能是另一系统或设备(受扰设备)的干扰源。电磁拓扑的核心理论在于使用节点和通道的观点来考虑复杂的电磁传导和辐射问题,建立具有代表性的电磁耦合模型并完成理论推导,利用这些已有的模型,来组合分析复杂的装备系统,并组合已有工程的使用性和扩展性。在电磁拓扑理论中,节点和通道是两个相对独立的模型,而在实际系统中,各个系统和子系统作为节点考虑时,它们之间的通道特性与节点本身存在极强的相关性。
面向对象的方法是一种以对象为基础,以事件或消息来驱动对象的仿真方法,以数据为中心来描述系统,因为数据在系统中具有更强的稳定性,更适合复杂仿真模型的研发,尤其适用于高铁动车组电磁兼容这样复杂的模型。面向对象的方法能够使得仿真模型结构清晰、简单,提高模型中各个模块的重用性,大大提高仿真模型的研发效率。
发明内容
本发明的实施例提供了一种高速列车系统级的电磁兼容模型的建立方法,以实现有效地建立高速列车系统级的电磁兼容模型。
为了实现上述目的,本发明采取了如下技术方案。
一种高速列车系统级的电磁兼容模型的建立方法,包括:
将高铁动车组系统中的部件抽象为对象,在各个对象的基础上,将高铁动车组系统分解成了若干个相对独立的子系统;
运用电磁拓扑理论中分析与综合的方法,针对不同对象构成的子系统,分析各个对象的电磁兼容的特征参数,分析各个子系统之间的耦合路径参数化模块,运用面向对象方法建立高铁动车组系统级的电磁兼容的对象模型;
根据高速动车组系统中的车载信号设备的电磁兼容特性和Petri网预测分析模型对所述高铁动车组系统级的电磁兼容的对象模型进行完善,建立高铁动车组系统级的电磁兼容模型。
优选地,所述的将高铁动车组系统中的部件抽象为对象,在各个对象的基础上,将高铁动车组系统分解成了若干个相对独立的子系统,包括:
从高铁动车组的各部件的角度,根据高铁动车组的本质采用面向对象方法将高铁动车组系统中的部件抽象为一个对象,每个对象同时具有节点特征、输出通道特征与输入通道特征;
在各个对象的基础上,将高铁动车组系统分解成了若干个相对独立的子系统,各个子系统之间通过开口、孔缝或线缆相互建立连接。
优选地,所述的运用电磁拓扑理论中分析与综合的方法,针对不同对象构成的子系统,分析各个对象的电磁兼容的特征参数,分析各个子系统之间的耦合路径参数化模块,运用面向对象方法建立高铁动车组系统级的电磁兼容的对象模型,包括:
构建高速动车组车载信号设备的电磁拓扑交互作用关联图和电磁拓扑交互作用关联图,所述电磁拓扑交互作用关联图分为干扰源、耦合途径和敏感设备三大部分,所述车组车载信号设备的干扰源包括:弓网离线辐射骚扰、车厢内骚扰和外部骚扰;
根据所述高速动车组车载信号设备的电磁拓扑交互作用关联图和电磁拓扑交互作用关联图,分析各个子系统之间的耦合路径参数化模块,运用面向对象方法建立高铁动车组系统级的电磁兼容的对象模型,使用Petri网描述电磁兼容的对象模型之间的相互关系,建立对象模块间的接口联系,选用库所替换建立高铁动车组系统的对象模型的层次结构。
优选地,所述电磁拓扑交互作用关联图包括表面节点、区域节点、场传输通道、路传输通道和传输函数,所述电磁拓扑交互作用关联图的干扰源的筛选原则包括:幅度筛选、频率筛选和详细筛选。
优选地,所述的根据高速动车组系统中的车载信号设备的电磁兼容特性和Petri网预测分析模型对所述高铁动车组系统级的电磁兼容的对象模型进行完善,建立的高铁动车组系统级的电磁兼容模型,包括:
建立高速动车组系统设备的电磁兼容Petri网预测分析模型,所述电磁兼容Petri网预测分析模型包括3层结构:骚扰源层、耦合途径层和敏感设备层,所述骚扰源层的输出经过库所变迁之后作用于耦合途径层,所述耦合途径层的输出经过库所变迁之后作用于敏感设备层,将所述敏感设备层的输出端口参量作为所述高速动车组系统设备的电磁兼容Petri网预测分析模型分析结果;
综合子系统中的各个高速动车组系统设备的电磁兼容Petri网预测分析模型分析结果得到每一个子系统的电磁环境特征,根据各个子系统的电磁环境特征对所述高铁动车组系统级的电磁兼容的对象模型进行完善,实施综合理论分析,进而得到高铁动车组系统级的电磁兼容模型的分析结果。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例将高铁动车组系统中的部件抽象为对象,将高铁动车组系统分解成了若干个相对独立的子系统,运用面向对象方法建立高铁动车组系统级的电磁兼容的对象模型,进而建立的高铁动车组系统级的电磁兼容模型。打破了在电磁兼容领域原有电磁拓扑的核心理论在于使用节点和通道的观点来考虑复杂的电磁传导和辐射问题的理念,实现了将节点和通道视为一个对象的基于对象的分析方法,突破了原有的节点和通道分开考虑分析复杂系统时仿真效率不高、仿真移植性差等限制。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种高速列车系统级的电磁兼容模型的建立方法的处理流程图;
图2为本发明实施例提供的一种将高铁动车组系统分解为对象,各个对象分别构成不同的子系统的示意图;
图3为本发明实施例提供的一种为高速动车组车载信号设备的电磁拓扑交互作用关联图;
图4为本发明实施例提供的一种高速动车组信号设备模块的Petri网模型;
图5为本发明实施例提供的一种高速动车组信号设备电磁兼容Petri网预测分析模型;
图6为本发明实施例提供的一种高速动车组信号设备电磁兼容性预测流程;
图7为本发明实施例提供的一种高速动车组信号设备电磁拓扑交互作用关联图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
该实施例提供了一种高速列车系统级的电磁兼容模型的建立方法的处理流程如图1所示,包括如下的处理步骤:
步骤S110、将高铁动车组系统中的部件抽象为一个对象,在各个对象的基础上,将高铁动车组系统分解成了若干个相对独立的子系统。
从高铁动车组的各部件的角度,根据高铁动车组的本质采用了面向对象(Object-Oriented,OO)技术将高铁动车组系统中的部件抽象为一个对象,每个对象同时具有节点特征、输出通道特征与输入通道特征,形成系统基本构成单元的模型。上述面向对象方法的核心是面向对象建模(Object-Oriented Modeling,OOM)。
在各个对象的基础上,将高铁动车组系统分解成了若干个相对独立的子系统,各个子系统之间通过开口、孔缝或线缆相互建立连接,从而把高铁动车组整个复杂的系统简化,将对整体的分析分解为对各个组件系统的分析,对于每一个子系统之间,根据电磁干扰的耦合方式,建立更为细致的对象模型,将宏观复杂的问题具体化,简单化。
图2为本发明实施例提供的一种将高铁动车组系统分解为对象,各个对象分别构成不同的子系统的示意图。
步骤S120、对高铁动车组系统中的子系统和对象的属性进行完善,建立高铁动车组系统级的电磁兼容的对象模型。
运用电磁拓扑理论中分析与综合的方法,针对不同对象构成的子系统,分别研究和分析其电磁兼容的特征参数,研究和分析各个子系统之间的耦合路径参数化模块,运用面向对象的分析与综合方法,全面系统地完善系统电磁兼容对象,建立高铁动车组系统级的电磁兼容的对象模型。
如图3所示为高速动车组车载信号设备的电磁拓扑交互作用关联图,该电磁拓扑交互作用关联图分为干扰源、耦合途径和敏感设备三大部分。在高速动车组中,弓网离线产生的脉冲干扰是主要的外部干扰源,其他干扰源与它相比幅度相对较小;其次,电磁干扰源进入敏感设备的途径主要有两种方式:辐射和传导;最后,定义的敏感设备主要是车载信号设备中的关键子系统和部件。
使用Petri网描述电磁兼容的对象模型之间的相互关系,建立对象模块间的接口联系。如图4所示,面向Petri网的研究对象不是对象模型、模块或层本身,而是对象模型之间的连接关系。在面向对象的Petri网分层结构中,有两种分层方式:一种称为变迁替换,是指用一个变迁代替一个层次结构的网络;另一种称为库所替代,是指用一个库所代替一个层次结构的网络。由于高铁动车组系统级电磁兼容模型是一个动态预测分析模型,层的输入、输出可能会对其他层的输入输出产生影响,需要对层间的传递函数,即层间的变迁进行具体的分析。因此,选用库所替换建立高铁动车组系统的层次结构。
图5为本发明实施例提供的一种高速动车组系统设备的电磁兼容Petri网预测分析模型示意图,整个模型分为3层结构:骚扰源层、耦合途径层和敏感设备层。上述高速动车组系统设备可以为上述对象或者子系统。
L1为骚扰源层,LIP11、LIP12为该层的两个输入端口,LOP11、LOP12为该层的两个输出端口。在经过GL12的变迁之后,作用于L2耦合途径层。以对耦合途径层的模块化处理为例,将该层扩展为传导耦合预测模块B1,天线耦合模块B2以及信号传播预测模块B3。L2层的输入端口LIP21、LIP22在经过GB21、GB22、GB23的变迁后,分别作用于模块B1、B2、B3的输入端口。在经过模块化处理之后,模块B1、B2、B3的输出端口参量通过变迁GB24、GB25、GB26处理后得到输出端口参量LOP21、LOP22。这两个输出端口参量经过变迁GL23作用于L3敏感设备层。最终,经过敏感设备层内部模块处理之后得到输出端口参量作为最终的预测分析结果。
基于图5所示的模型,本发明实施例提供的一种高速动车组系统设备的电磁兼容性预测流程如图6所示,进一步对图5所示的高铁动车组系统的电磁兼容Petri网预测分析模型进行处理,结合已建立的高铁动车组系统电磁兼容性的动态模型进行抽象的流程分析。建立模块的预测分析数值模型,进而建立层的预测数值模型,最终建立系统的预测数值模型。
步骤S130、建立完整的系统级电磁兼容模型步骤。
结合“高铁动车组系统电磁干扰耦合途径研究”成果以及电磁拓扑、Petri网模型、干扰对消理论对高铁动车组系统内各个对象的交互模型进行完善,搭建完整的高铁动车组系统的电磁兼容模型,进而使用网络参数的概念建立参数矩阵来从而有效的对高铁动车组系统的电磁兼容性进行预测分析。
综合子系统中的各个高速动车组系统设备的电磁兼容Petri网预测分析模型分析结果得到每一个子系统的电磁环境特征,电磁拓扑理论与面向对象的模块化分析和综合的方法能够利用子系统对象的电磁环境特征,实施综合理论分析,进而得到高铁动车组系统整体的电磁兼容的分析预测结果。
图7为本发明实施例提供的一种高速动车组系统设备的电磁拓扑交互作用关联图。如图7所示空心圆代表面节点,实心圆代表区域节点,虚线箭头代表场传输通道,实线箭头代表路传输通道,Ti,j;i’,j’代表传输函数。完整的高速动车组系统的车载信号设备电磁拓扑交互作用关联图干扰源众多,耦合方式繁多,而各种干扰源影响的程度不一,可以通过下面几种方式对最主要的几个部分对系统的影响进行筛选和简化:
(1)幅度筛选-大体估计分析各个干扰量的幅度以及干扰影响程度,依据干扰作用时间、距离和方向等条件,对每个传输路径进行评估,选取尽可能简单、合理的相互作用图,以使大量的微弱干扰与少量的强干扰分离开。
(2)频率筛选-考察干扰源的频谱范围,天线、滤波器等设备的有效范围来进行频率筛选,可以大大减小频率量的取值范围,减少计算的时间。
(3)详细筛选-在经过以上两步之后,可以从细节入手,消除微弱因素,提取重要影响因素,从而得到合理的计算值。
综上所述,本发明实施例将高铁动车组系统中的部件抽象为对象,将高铁动车组系统分解成了若干个相对独立的子系统,运用面向对象方法建立高铁动车组系统级的电磁兼容的对象模型,进而建立的高铁动车组系统级的电磁兼容模型。打破了在电磁兼容领域原有电磁拓扑的核心理论在于使用节点和通道的观点来考虑复杂的电磁传导和辐射问题的理念,实现了将节点和通道视为一个对象的基于对象的分析方法,突破了原有的节点和通道分开考虑分析复杂系统时仿真效率不高、仿真移植性差等限制。
本发明实施例能够灵活地对高铁动车组复杂的系统进行仿真,既可以得到高铁动车组系统的整体电磁兼容性能,也可以得到各个组件子系统的电磁兼容性能。当外部的电磁干扰源作用于高铁动车组系统时,干扰信号通过场线耦合、天线系统耦合、线缆耦合、公共回路耦合等方式穿过屏蔽体,进入高铁动车组系统内部空间,当外部的干扰对屏蔽体的作用结果通过数学计算求解出来之后,就确定了屏蔽面上的等效干扰源,该干扰源通过电路耦合或其他耦合方式进入高铁动车组各个分设备。以此类推,用拓扑的方法就可以得到外部的干扰源对高铁动车组系统各个重要子系统产生的影响。对于其中每一个子系统都采用仿真模型单独实施数值分析,进行分析时通常可以直接调用其子系统对象。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种高速列车系统级的电磁兼容模型的建立方法,其特征在于,包括:
将高铁动车组系统中的部件抽象为对象,在各个对象的基础上,将高铁动车组系统分解成了若干个相对独立的子系统;
运用电磁拓扑理论中分析与综合的方法,针对不同对象构成的子系统,分析各个对象的电磁兼容的特征参数,分析各个子系统之间的耦合路径参数化模块,运用面向对象方法建立高铁动车组系统级的电磁兼容的对象模型;
根据高速动车组系统中的车载信号设备的电磁兼容特性和Petri网预测分析模型对所述高铁动车组系统级的电磁兼容的对象模型进行完善,建立高铁动车组系统级的电磁兼容模型;所述的将高铁动车组系统中的部件抽象为对象,在各个对象的基础上,将高铁动车组系统分解成了若干个相对独立的子系统,包括:
从高铁动车组的各部件的角度,根据高铁动车组的本质采用面向对象方法将高铁动车组系统中的部件抽象为一个对象,每个对象同时具有节点特征、输出通道特征与输入通道特征;
在各个对象的基础上,将高铁动车组系统分解成了若干个相对独立的子系统,各个子系统之间通过开口、孔缝或线缆相互建立连接。
2.根据权利要求1所述的高速列车系统级的电磁兼容模型的建立方法,其特征在于,所述的运用电磁拓扑理论中分析与综合的方法,针对不同对象构成的子系统,分析各个对象的电磁兼容的特征参数,分析各个子系统之间的耦合路径参数化模块,运用面向对象方法建立高铁动车组系统级的电磁兼容的对象模型,包括:
构建高速动车组车载信号设备的电磁拓扑交互作用关联图,所述电磁拓扑交互作用关联图分为干扰源、耦合途径和敏感设备三大部分,所述车组车载信号设备的干扰源包括:弓网离线辐射骚扰、车厢内骚扰和外部骚扰;
根据所述高速动车组车载信号设备的电磁拓扑交互作用关联图,分析各个子系统之间的耦合路径参数化模块,运用面向对象方法建立高铁动车组系统级的电磁兼容的对象模型,使用Petri网描述电磁兼容的对象模型之间的相互关系,建立对象模块间的接口联系,选用库所替换建立高铁动车组系统的对象模型的层次结构。
3.根据权利要求2所述的高速列车系统级的电磁兼容模型的建立方法,其特征在于,所述电磁拓扑交互作用关联图包括表面节点、区域节点、场传输通道、路传输通道和传输函数,所述电磁拓扑交互作用关联图的干扰源的筛选原则包括:幅度筛选、频率筛选和详细筛选。
4.根据权利要求1至3任一项所述的高速列车系统级的电磁兼容模型的建立方法,其特征在于,所述的根据高速动车组系统中的车载信号设备的电磁兼容特性和Petri网预测分析模型对所述高铁动车组系统级的电磁兼容的对象模型进行完善,建立的高铁动车组系统级的电磁兼容模型,包括:
建立高速动车组系统设备的电磁兼容Petri网预测分析模型,所述电磁兼容Petri网预测分析模型包括3层结构:骚扰源层、耦合途径层和敏感设备层,所述骚扰源层的输出经过库所变迁之后作用于耦合途径层,所述耦合途径层的输出经过库所变迁之后作用于敏感设备层,将所述敏感设备层的输出端口参量作为所述高速动车组系统设备的电磁兼容Petri网预测分析模型分析结果;
综合子系统中的各个高速动车组系统设备的电磁兼容Petri网预测分析模型分析结果得到每一个子系统的电磁环境特征,根据各个子系统的电磁环境特征对所述高铁动车组系统级的电磁兼容的对象模型进行完善,实施综合理论分析,进而得到高铁动车组系统级的电磁兼容模型的分析结果。
CN201510714113.2A 2015-10-28 2015-10-28 高速列车系统级的电磁兼容模型的建立方法 Active CN105302958B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510714113.2A CN105302958B (zh) 2015-10-28 2015-10-28 高速列车系统级的电磁兼容模型的建立方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510714113.2A CN105302958B (zh) 2015-10-28 2015-10-28 高速列车系统级的电磁兼容模型的建立方法

Publications (2)

Publication Number Publication Date
CN105302958A CN105302958A (zh) 2016-02-03
CN105302958B true CN105302958B (zh) 2018-05-29

Family

ID=55200226

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510714113.2A Active CN105302958B (zh) 2015-10-28 2015-10-28 高速列车系统级的电磁兼容模型的建立方法

Country Status (1)

Country Link
CN (1) CN105302958B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106547992A (zh) * 2016-11-25 2017-03-29 郑州云海信息技术有限公司 一种提高系统级电磁干扰仿真效率的设计方法
CN107121602B (zh) * 2017-03-21 2020-03-03 广州小鹏汽车科技有限公司 车载中控系统干扰源寻找方法
CN108170954A (zh) * 2017-12-28 2018-06-15 中国电子科技集团公司第二十研究所 一种通信装备电场辐射发射的仿真分析方法
CN109002645A (zh) * 2018-08-14 2018-12-14 中国铁道科学研究院集团有限公司 动车组子系统建模方法及装置
CN109858360B (zh) * 2018-12-28 2020-09-18 华中科技大学 一种舰队电磁兼容的动态管理方法和系统
CN110646698B (zh) * 2019-10-10 2021-09-28 中车长春轨道客车股份有限公司 一种获取动车组牵引系统的电磁兼容性能的方法
CN111445186B (zh) * 2020-03-27 2021-08-24 陕西科技大学 一种基于Petri网理论的带时间窗的车辆路径优化方法
CN112115553B (zh) * 2020-09-17 2023-04-14 东风柳州汽车有限公司 车辆电磁兼容仿真方法、设备、存储介质及装置
CN112860658B (zh) * 2021-01-15 2024-04-09 北京交通大学 基于数据挖掘的高速列车电磁发射预测方法
CN113267694B (zh) * 2021-05-19 2024-03-12 中车长春轨道客车股份有限公司 一种智能化铁路高速列车电磁兼容预测系统
CN114646907B (zh) * 2021-12-24 2023-10-20 中铁二院工程集团有限责任公司 一种基于机器学习的轨道交通低频磁场现场测量方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102707170A (zh) * 2012-05-25 2012-10-03 北京航空航天大学 一种基于半实物仿真的汽车can总线电磁兼容性能测试方法
CN104392022A (zh) * 2014-10-30 2015-03-04 上海无线电设备研究所 一种基于行为模型的电子设备电磁兼容路级综合建模方法
CN104462713A (zh) * 2014-12-22 2015-03-25 南车株洲电力机车有限公司 轨道交通车辆电磁兼容建模的方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102707170A (zh) * 2012-05-25 2012-10-03 北京航空航天大学 一种基于半实物仿真的汽车can总线电磁兼容性能测试方法
CN104392022A (zh) * 2014-10-30 2015-03-04 上海无线电设备研究所 一种基于行为模型的电子设备电磁兼容路级综合建模方法
CN104462713A (zh) * 2014-12-22 2015-03-25 南车株洲电力机车有限公司 轨道交通车辆电磁兼容建模的方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Research on Electromagnetic Radiated Disturbance of Pantograph Arc in High-speed Railway;Lan Ma等;《IEEE:International Symposium on Microwave》;20131231;第637-641页 *
基于快速多极子方法的车载天线电磁兼容研究;姜育峰;《中国优秀硕士学位论文全文数据库》;20090815(第8期);C035-53/正文第27,32-47页 *
面向对象Petri子网的列车群运行系统模型;叶阳东 等;《中国铁道科学》;20020831;第23卷(第4期);第81-88页 *

Also Published As

Publication number Publication date
CN105302958A (zh) 2016-02-03

Similar Documents

Publication Publication Date Title
CN105302958B (zh) 高速列车系统级的电磁兼容模型的建立方法
Nakkiran et al. Compressing deep neural networks using a rank-constrained topology.
CN103186406B (zh) 用于控制流分析的方法和装置
CN110135494A (zh) 基于最大信息系数和基尼指标的特征选择方法
CN108537259A (zh) 基于粗糙集-神经网络模型的列控车载设备故障分类与识别方法
CN106096727A (zh) 一种基于机器学习的网络模型构造方法及装置
CN109905270A (zh) 定位根因告警的方法、装置和计算机可读存储介质
CN108182452A (zh) 基于分组卷积自编码器的航空发动机故障检测方法及系统
Zhou et al. Solving dynamic TSP with evolutionary approach in real time
CN111950503A (zh) 航空瞬变电磁数据处理方法、装置及计算设备
CN109325232A (zh) 一种基于lda的用户行为异常分析方法、系统及存储介质
CN110298374A (zh) 一种基于深度学习的驾驶轨迹能耗分析方法和装置
Al-Geelani et al. Hybrid regrouping PSO based wavelet neural networks for characterization of acoustic signals due to surface discharges on HV glass insulators
Jing et al. A novel differentiable neural network architecture automatic search method for GIS partial discharge pattern recognition
Li et al. AlphaGo policy network: A DCNN accelerator on FPGA
CN106971066A (zh) 基于神经网络模型预报地磁暴的方法
CN104200009B (zh) 一种多层电路结构高密度布线的可视化交互仿真方法
Huang et al. A novel collaborative diagnosis approach of incipient faults based on VMD and SCN for rolling bearing
CN116112283A (zh) 一种基于cnn-lstm的电力系统网络安全态势预测方法及系统
CN116467416A (zh) 一种基于图神经网络的多模态对话情感识别方法及系统
CN106548136A (zh) 一种无线信道场景分类方法
CN105426279B (zh) 基于元胞机的伺服系统故障传播分析方法
Malik et al. Comparison of optimization by response surface methodology with neurofuzzy methods
Ito et al. 6 He+ 6 He molecular resonances as highly excited states of 12 Be
Gao et al. Rul prediction for ima based on deep regression method

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant