CN109109909B - 悬挂式磁悬浮列车服役状态采集与数据融合方法及系统 - Google Patents
悬挂式磁悬浮列车服役状态采集与数据融合方法及系统 Download PDFInfo
- Publication number
- CN109109909B CN109109909B CN201810884360.0A CN201810884360A CN109109909B CN 109109909 B CN109109909 B CN 109109909B CN 201810884360 A CN201810884360 A CN 201810884360A CN 109109909 B CN109109909 B CN 109109909B
- Authority
- CN
- China
- Prior art keywords
- data
- information
- alarm
- early warning
- module
- 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
Links
- 239000000725 suspension Substances 0.000 title claims abstract description 106
- 238000007500 overflow downdraw method Methods 0.000 title description 2
- 230000004927 fusion Effects 0.000 claims abstract description 56
- 238000001514 detection method Methods 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims description 30
- 239000010410 layer Substances 0.000 claims description 25
- 238000005339 levitation Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 230000006399 behavior Effects 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000007619 statistical method Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000005286 illumination Methods 0.000 claims description 7
- 238000007418 data mining Methods 0.000 claims description 6
- 210000002569 neuron Anatomy 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 210000004027 cell Anatomy 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 239000011229 interlayer Substances 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000007639 printing Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000003442 weekly effect Effects 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 17
- 238000004891 communication Methods 0.000 abstract description 2
- 238000005065 mining Methods 0.000 abstract 1
- 238000004804 winding Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000007499 fusion processing Methods 0.000 description 3
- 230000006698 induction Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000009194 climbing Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种悬挂式磁悬浮列车服役状态采集与数据融合方法及系统,包括参数检测模块、数据查询与统计分析模块、数据融合模块、报警模块、数据传输模块。其中参数检测模块用于采集列车运行过程中数据信息;数据查询与统计分析模块用于分析和统计所述参数检测模块采集的检测信息;数据融合模块采用多传感器融合技术,对各类传感器数据进行融合提取价值数据;报警模块用于当列车发生越限、故障时,发出声音报警;数据传输模块用于通过无线网络将数据传输至云平台,可方便控制中心和用户管理与使用。本发明集成了悬挂式磁悬浮列车状态参数检测方法,减少数据传输量,采用现代通信技术,提高对磁悬浮列车状态参数检测的快速性和准确性,减少故障的发生,也为采取不同级别的预警和进一步的优化控制与价值挖掘提供了数据基础。
Description
技术领域
本发明涉及磁悬浮列车的列车服役状态采集和数据融合技术。
背景技术
磁悬浮列车技术是人类交通史上的一次革命,它打破了车辆与轨道接触的传统运动方式,能够以与轨道无摩擦的方式进行高速运行,减少了轮轨损耗,降低运行噪音,适应性强。从六十年代开始,德国、日本各自投入数十亿美元,经过几十年的持续努力,在国家研究发展计划的有力支持下,分别发展成熟了常导磁吸式与超导磁斥式两种类型的高速磁悬浮列车技术。
德国的常导磁吸式磁悬浮列车以德国Transrapid为代表,利用直流电磁铁的电磁吸力原理,在车体两侧位于轨道下方的车体安装受控电磁铁,电磁铁通电后产生电磁吸力,吸引位于其上方轨道中的导磁体,当引力大于重力时即可将列车悬浮。其技术相对简单,产生的吸力较小,悬浮气隙较小,约为10mm,但与现有的工业技术具有较好的衔接性,技术比较成熟。常导磁吸式磁悬浮列车速度可以达到400km/h~500km/h。虽然德国的常导磁悬浮技术原理较为简单,但其存在的问题是有易脱轨的安全隐患。但其劣势是产生的电磁吸引力较小,存在着易脱轨的安全隐患问题。
日本的超导磁斥式磁悬浮列车以日本的Maglev为代表,在列车上安装超导电磁铁,由分布在沿线的地面导轨两侧的驱动绕组提供三相交流电,用先进的低温超导磁体技术产生强磁场,在列车运行时与地面上的绕组相互作用,产生斥力使列车悬浮,其悬浮气隙较大,可达100mm,利用交流线性电动机驱动列车前进,技术相比德国更为复杂,但适应性较好,易于达到更高速度。但超导磁悬浮这种技术较为复杂,需要屏蔽发散的电磁场,对人体有一定的伤害,且造价较高。
在磁悬浮列车的运行过程中,列车作业安全与稳定显得尤为重要。在本发明专利中,新型悬挂式磁悬浮列车作为一种高效的交通工具旨在解决城市交通拥挤和公共交通“最后一公里”问题,设计了一种环抱式抱轨的先进结构,避免脱轨问题;采用智能控制来整合融合数据信息,爬坡能力强;转弯半径小,人们使用的范围较为广泛;具有安全、灵巧和高效的特点。
发明内容
为了解决上述技术问题,确保悬挂式磁悬浮列车作业安全与稳定,需对各检测模块采集到的数据进行融合将信息进行整合再处理。将检测信息放在空间和时间轴上加以观察,提取主要信息,拼接具有逻辑关联的数据,再依据算法和规则,对数据优化整合分析,从而得出分析结果,辅助作出决策且同时提高智能化水平。同时进入安全预警模块,通过信号处理、模式识别、深度学习等分析技术,对磁浮列车的安全风险进行识别,把预警的问题分级通过车次、车号融合展示在一个预警界面中,并支持对问题的处理。同时将数据上传至物联网进行大数据统计分析,包括趋势分析和对比分析等。
步骤如下:
1)数据检测,分为两类:车体运行数据检测和车厢内外参数环境参数检测。首先对车体运行数据检测:悬浮控制即连续地或断续地测量悬浮体的悬浮间隙、悬浮斥力、横向位移,通过伺服装置迅速地控制场力,使悬浮体相对其要求位置的偏移不超过应许的范围。磁浮列车的测速定位系统需要是测定磁浮列车的行驶速度和行驶位置。本悬挂式磁浮列车的牵引系统主要检测初级电流和爬坡倾角。辅助电源系统为磁浮列车所有交流和直流辅助电气设备,包括车辆的悬浮系统、空调、供暖、空压机组、列车照明、各系统控制电路、电动车门以及车载信号与通信设备、蓄电池等所需的电源,并提供相应的配电及保护。通过重力传感器对列车进行载荷检测。最后对车厢内外环境参数进行检测,如温度、风速、噪声、光照等。
2)数据融合,为确保磁浮列车作业安全与稳定,使用多传感器融合技术,对各类传感器采集到的数据,通过物联信息与集成信息的融合,甄别出对智能算法提供启发信息数据,将数据信息进行整合再处理。将它们放在空间和时间轴上加以观察,提取主要信息,拼接具有逻辑关联的数据,再依据算法和规则,对数据优化整合分析,从而得出分析结果,辅助作出决策且同时提高智能化水平。
3)分级预警,对检测对象进行数据画像,通过对列车检测的数据画像完成动态趋势预测,最大限度的确定分级预警点,量化预警特征值,安全检测列车的服役系统。
4)发送数据,通过物联网和深度学习、机器学习、智能算法将包括参数趋势走向和对比分析,经过无线网络将数据传输至云平台上,可方便控制中心和用户管理和使用。
本发明具体采用如下技术方案:
一种悬挂式磁悬浮列车服役状态采集与数据融合系统,所述悬挂式磁悬浮列车包括轨道单元、悬挂单元、驱动单元、导向单元和轿厢单元,轨道单元通过立柱悬于空中,轿厢单元通过悬挂单元悬挂在轨道单元的垂直下方,驱动单元和导向单元协同作用,驱动轿厢单元在轨道单元中前进;
该系统包括参数检测模块、数据查询与统计分析模块、数据融合模块、报警模块、数据传输模块;
所述参数检测模块用于采集列车运行过程中数据信息;
所述数据查询与统计分析模块用于分析和统计所述参数检测模块采集的检测信息;
所述数据融合模块用于通过深度学习构建安全要素相互关系的网络模型,对检测信息进行分类,再进行特征提取和分类融合,最后输出状态最优估计;
所述报警模块用于在检测信息超过阈值范围时进行不同级别的报警;
所述数据传输模块用于通过无线网络将数据传输至云平台。
优选地,所述参数检测模块采集的数据信息包括悬浮间隙、悬浮控制器温度、磁铁的斥力、测速定位系统的运行速度、运行位置、牵引制动系统的电流和倾角、辅助电源系统的电流检测、载荷系统检测、车内外的温度、车厢外的风速、噪声、光照,以及通过微观展现、二维展现、三维展现、视频展现、视图联动展现的展现数据。
优选地,所述微观展现包括展现各个子系统传感器模块所检测到的各项数据;
所述二维展现包括展现当前磁悬浮列车的实时运行状况、已经检测的线路、未检测的线路以及检测异常点;
所述三维展现包括展现三维场景、展现关键检测和报警数据、展现当前磁悬浮列车的行车位置、表达全息报警数据、三维主视图和三维视图与专业视图的切换;
所述视图联动包括实现三维虚拟视图、二维检测展示图、视频展示图在时间上和空间上的多试图联动。
优选地,所述数据融合模块包括局部滤波器、主滤波器,其接收所述参数检测模块传输的数据信息;
所述数据融合模块存储有数据融合算法,该算法采用贪婪算法逐层无监督训练,模型中包括输入输出均方差约束,权值衰减约束和稀疏性约束,具体算法如下:
式中,m,n,s分别表示样本数、网络层数、和1层单元数,b分别表示层间连接权重和l层的单元偏置,为隐藏层单元平均输出,β,ρ为超参数,前者控制稀疏性惩罚因子的权重,后者为稀疏性函数;KL为第j个节点的平均激活度;为隐藏层单元平均输出。
优选地,所述报警模块存储有人因素预警指标、机务因素预警指标、环境因素预警指标;其将人因素预警指标中的工作人员工作失误次数设置为敏感预警指标;将机务因素设备因素预警指标中将牵引制动设备故障次数、测速定位设备故障次数、辅助电源设备故障次数、载荷设备故障次数设置为重要预警指标;将车厢内外的环境检测设备故障次数设置为辅助指标,然后通过人工神经网络中的BP网络模型建立预警模型。
优选地,所述数据查询与统计分析模块统计各种监控信息、评价结果、告警信息和预控对策,监控信息的查询是根据监控报警消息包括报警点的位置、监控信息的分级表达。
一种应用悬挂式磁悬浮列车服役状态采集与数据融合系统的方法,其特征在于,该方法包括如下步骤:
步骤一:检测信息,悬浮间隙、悬浮控制器温度、磁铁的斥力、测速定位系统的运行速度、运行位置、牵引制动系统的电流和倾角、辅助电源系统的电流检测、载荷系统检测、车内外的温度、车厢外的风速、噪声、光照,以及通过微观展现、二维展现、三维展现、视图联动展现的展现数据;
步骤二:数据查询与统计分析,分析和统计整个系统对历史各个功能模块检测数据行径,数据的统计以表格、文本、图形包括柱状图和饼状图等多种形式存在,根据监控报警消息获取报警点的位置、监控信息的分级表达,监控信息查询按照级别进行过滤显示和排序,将生成平台所需的报表,对生成的报表提供模拟显示,打印输出,输出的报表包括日报表、周报表、月报表以及年报表等各种报表严重报警简报、严重报警处置情况简报、车辆严重报警统计表、线路严总报警统计表、各种设备严重报警统计表、恶劣环境严重报警统计表和综合监控报警信息统计表等;
步骤三:数据挖掘与融合,通过深度学习构建安全要素相互关系的网络模型,建立安全行为分析模型与优化方法,先对检测数据进行分类,再对节点数据进行特征提取和分类融合,处理后的数据经过局部滤波器对列车的运行状态进行估计,主滤波器进行时间更新、对局部滤波器输入的信息进行融合、输入信息数据进行分析,所述数据融合模块最后输出状态最优估计;
步骤四:安全分级预警和决策支持,首先确定安全预警指标体系,建立人因素预警指标、机务因素预警指标、环境因素预警指标,并根据指标的重要程度在预警中的作用,将其分为敏感预警指标、重要预警指标和辅助指标;预警模型网络输入层设置神经元14个,中间神经元检查网络性能,输出磁悬浮列车安全运行状态和列车预警级别两个向量;
步骤五:通过无线网络将数据传输至云平台,进行用户管理、权限设置和数据维护;
用户管理的主要功能包括:用户添加,并给出相应的密码;权限管理,给选定的用户赋予或者删除某个或某些权限;密码管理,给用户修改密码;角色管理,添加、删除、修改相应的角色的权限;
权限设置是指对用户使用特定的权限的配置,控制系统的访问权限,保障系统的安全性。此功能包括:用户权限的授予;用户权限的取消;信息发布权限授予;信息发布权限取消;
数据维护是指制定详细的数据库备份与灾难恢复策略,通过模拟故障对每种可能发生的情况进行严格测试。
优选地,该方法包括如下步骤:
在安全预警时,当发生越限、故障时,发出声音报警,同时在报警信息窗口显示其报警类型、报警状态、报警时间;报警模块将信息实时传递到远程客户端,并在远程客户端产生明显的报警标志;在报警同时,报警模块自动调出事故回路所在的画面,全面展示事故信息;所述报警模块设置有预警信息库,预警信息库中存储有实时产生的预警信息。
本发明具有如下有益效果:
1、将悬浮系统、测速定位系统、牵引制动系统、辅助电源系统、载荷检测系统和各环境参数检测系统检测出的视频、音频、高清图像车辆基础信息等信息获取和集成展现。
2、通过多传感器的数据融合技术进行数据挖掘和融合,利用信号处理、模式识别和深度学习等分析技术对数据进行关联、增强和融合等综合处理,通过并开启安全分级预警模式,把预警的问题通过列车信息融合集中展现在一个预警界面中,并做出支持问题的处理。
3、通过无线网络将数据传输至云平台上,通过大数据和物联网进行平台维护包括用户管理、权限设置和数据维护。
附图说明
图1本发明悬挂式磁悬浮列车简示图。
图2磁悬浮列车服役状态与融合的全过程示意图。
图3悬浮控制系统结构示意图。
图4多传感器数据融合系统过程图。
图5多传感器数据融合系统结构图。
图6态势估计流程图。
图7列车运行安全状态综合监控预警平台的功能模块图。
图8预警级别判定矩阵。
图9是本发明的整体结构示意图。
图10是本发明的轨道系统、驱动系统和导向系统的组装关系图。
图11是本发明的倒U形抱轨的下端结构示意图。
图12是本发明的六组式的悬浮转向架的俯视图。
图13是本发明的四组式的悬浮转向架的俯视图。
图14是本发明的六个悬浮点的俯视图。
图15是本发明的四个悬浮点的俯视图。
图16是本发明的倒U形抱轨结构示意图。
附图标记列表:1—悬挂梁,2—天梁,3—轮轨,4—限高导轨,5—通电卡,6—侧部轮轨,7—导磁板,8—导向调整轮,9—悬浮转向架,10—吊杆接扣,11—空气弹簧接扣,12—空气弹簧,13—吊杆,14—底座,15—永磁体,16—中心永磁铁,17—绕组线圈,18—混合悬浮结构,19—承力扣,20—电磁导向结构,21—台柱,22—导向绕组线圈,23—斜凹槽,24—交叉感应回线,25—动子,26—定子,27—抱臂,28—稳定体,29—三角形悬挂构架,30—轿厢吊挂接扣,31—球绞结构,32—横梁,33—悬浮点,34—倒U形抱轨,35—轿厢本体,36—立柱,37—固定螺栓,38—三相交流绕线,39—升降架。
具体实施方式
下面将结合本发明实施例中得附图,对本发明实例中的技术方案进行详细的描述。
悬挂式磁浮列车外部简示如图1所示,图2是本发明的磁悬浮列车服役状态和融合的全过程示意图。本系统设置有参数检测模块、数据融合与报警模块、数据传输模块等。所述的参数检测模块如图3悬浮控制系统结构图所示,该系统包括悬浮系统、测速定位系统、牵引制动系统和载荷检测系统。在车体四个角设置车载悬浮装置,并在此基础上设置间隙传感器、电流传感器、加速度传感器、压力传感器等,由传感器将悬浮间隙、运行速度、运行电流、车体承载重量等检测量的信息传至各个悬浮控制器,由悬浮控制器将信息数据整理融合后通过CAN总线传输至车载总控系统。由总控系统通过信息融合过程如图4所示,在经过多传感器的数据采集后在车载总控系统中进行A/D转换,将悬浮间隙、压力、温度、位移等模拟量转化为电信号,并有车载总控系统进行数据处理、特征提取和数据融合;数据融合的具体结构如图5所示,经由总控系统对多个传感器采集到的数据进行处理后,建立粒子滤波列车信息融合系统,在该系统中,局部滤波器是粒子滤波器,经由局部滤波器对列车运行状态进行估计,主滤波器进行时间更新和子滤波器输入的信息进行融合,同时对查询应答器输入的信息进行位置更新等多种信息更新,这样可以得到主融合器的输出。此过程的数据处理和相应校准完成后生成相关数据,通过对数据的判断,和相应子模块目标对象识别并进行该时刻的状态估计,从而生成由状态向量、包括行为、企图、动向在内的态势高层估计和特征属性组成的行动估计;如图7监控预警平台所示,该平台主体功能主要包括:监控信息的获取包括信息接入、预处理、集成处理、信息输出、和稳定平台管理;监控信息的集成展现主要包括微观展示、二位展示、三维展示、视频展示和多图联动的多重展现;信息查询与分析包括信息查询、统一统计分析和清晰的报表输出的具体实施方式的、数据挖掘与融合包括机理分析和安全状态评估;安全预警包括预警规则的设定、安全预警的实施和预警信息的管理;决策支持包括对列车安全态势的分析和基于安全方案的制定和实施、平台维护包括用户的管理、管理权限的设置和列车数据集的维护和监控标准规范共8个功能模块。此时由预警规则设置、安全预警、预警信息管理和决策支持发挥作用,做出预警判断及发出示警信号,通过无线网络进行数据传输。
包括如下步骤:
步骤一:检测信息,系统开启,进行初始化设置,各个子模块准备工作,利用传感器单元将悬浮系统和间隙、悬浮控制器温度和磁铁的斥力检测;测速定位系统的运行速度和运行位置检测;牵引制动系统的电流检测和倾角检测;辅助电源系统的电流检测;载荷系统检测;车厢内外环境系统例如车内外的温度、车厢外的风速、噪声、光照等的参数检测的各个传感器模块的数据进行采集和通过微观展现、二维展现、三维展现、视频展现和试图联动展现等各种方式展现数据,微观展现主要展现各个子系统传感器模块所检测到的各项数据;二维展现则包括展现当前磁悬浮列车的实时运行状况、已经检测的线路、未检测的线路以及检测异常点等等;三维展现包括展现三维场景、展现关键检测和报警数据、展现当前磁悬浮列车的行车位置、表达全息报警数据、三维主视图和三维视图与专业视图的切换;视图联动展现则实现三维虚拟视图、二维检测展示图、视频展示图在时间上和空间上的多试图联动。
步骤二:数据查询与统计分析,本步骤在图3悬浮控制系统结构图所示的车载总控系统中实现,分析和统计整个系统对历史各个功能模块检测数据行径,用户可以通过检测信息的有效提示和查询来获得此悬浮列车的信息、状态和详细情况。监控信息统计分类统计了各种监控信息、评价结果、告警信息、和预控对策。数据的统计以表格、文本、图形包括柱状图和饼状图等多种形式存在,方便用户对数据直观理解与查询。监控信息的查询是根据监控报警消息可以方便获取详细的信息,包括报警点的位置、监控信息的分级表达,监控信息查询也将按照级别进行过滤显示和排序、分系统表达,也为了方便用户对监控信息与报警信息进行查询。最后将生成平台所需的报表,对生成的报表提供模拟显示,打印输出。显示输出的报表内容和格式应在一定范围内可以修改和调节。输出的报表包括日报表、周报表、月报表以及年报表等各种报表严重报警简报、严重报警处置情况简报、车辆严重报警统计表、线路严总报警统计表、各种设备严重报警统计表、恶劣环境严重报警统计表和综合监控报警信息统计表等。
步骤三:数据挖掘与融合,如图4多数据融合过程图所示,包括数据处理、特征提取、融合计算和结果输出的子模块过程。此功能模块旨在实现基于复杂系统理论对磁悬浮列车系统安全要素及其相互作用机理、安全行为涌现特征、事故推演及态势分析进行深入研究,通过深度学习和人工智能构建要素相互关系的网络模型,建立安全行为分析模型与优化方法。在特征提取子模块中,本发明采用的是基于深度学习的特征提取分类模型,其采用贪婪算法逐层无监督训练,为了使隐藏层输出特征更加稀疏鲁棒,损失函数中包括输入输出均方差约束,权值衰减约束和稀疏性约束3个部分,算法如下:
式中,m,n,s分别表示样本数、网络层数、和1层单元数,b分别表示层间连接权重和l层的单元偏置,为隐藏层单元平均输出,β,ρ为超参数,前者控制稀疏性惩罚因子的权重,后者为稀疏性函数;KL为第j个节点的平均激活度;为隐藏层单元平均输出。
yi=f(W(k,2)a(k,2)+b(k,2));
a(k,2)=f(W(k,1)x(i)+b(k,1));
当训练样本包含标签信息时还通过有监督调整进一步优化参数,有效克服了传统深层模型在训练方法的不足,并且采用SAEMDA这种数据融合算法,它对各个模块进行分类,再通过训练好的SAEM对节点数据进行特征提取和分类融合,此种算法在降低能耗的同时对于节点数据具有更高的数据融合正确率。而在系统融合中心采用卡尔曼滤波融合技术,如图5多传感器数据融合结构图所示,在该系统中,局部滤波器是粒子滤波器,各模块的传感器分别经过粒子局部滤波器对列车的运行状态进行估计,主滤波器除了进行时间更新和子滤波器输入的信息进行融合外,同时对查询应答器输入的信息数据进行分析。这样得到主融合器的输出,就是全局的状态最优估计将反馈到局部滤波器中,作为下一次滤波的基础。主融合器的算法为:
(其中为局部滤波值,Pg为方差)通过数据挖掘进行安全机理分析,基于分形理论将磁悬浮列车运营中的人、车和管理等各种致因要素,根据属性、安全保障系统的内外部需求、技术构成,对安全要素进行分类,形成磁悬浮列车系统安全要素体系,并建立安全评价指标体系。然后分析不同状态下的个体要素间相互作用对系统安全态势的影响,以及不同状态下磁悬浮列车运行系统安全问题,挖掘磁浮列车铁路安全机理、影响要素间的关联性、事故倾向性等规律性的内容,分析基于个体要素相互作用影响的高速题录系统安全态势动态评估方法,并在此基础上,分析安全要素共同作用下系统安全性和不安全性的成因及要素影响传播机理,最后形成磁悬浮列车铁路系统安全事故致因理论。如图6态势估计流程图所示,在数据融合的基础下,构建基于特征的安全要素典型行为模型和基于多模型融合的系统安全行为分析方法,建立系统安全行为模型,基于最优化理论方法对多模型数据融合进行优化设计,确保系统的有序性,根据不确定性推理方法,建立面向轨道交通系统安全行为的安全评估方法,并对其进行评估。
步骤四:安全分级预警和决策支持。本步骤主要由如图7监控预警平台实现预警规则设置、安全预警、预警信息管理和决策支持。本平台预警规则的设置是保证预警准确性的前提。首先确定安全预警指标体系。在轨道交通系统中,建立包括人因素预警指标、机务因素预警指标、环境因素预警指标。并根据指标的重要程度在预警中的作用,将其分为敏感预警指标、重要预警指标和辅助指标。将人因素预警指标中的工作人员工作失误次数作为敏感预警指标;将机务因素设备因素预警指标中选取牵引制动设备故障次数、测速定位设备故障次数、辅助电源设备故障次数、载荷设备故障次数作为重要预警指标;将车厢内外的环境检测设备故障次数作为辅助指标,然后通过人工神经网络中的BP网络模型建立预警模型。由于指标体系中人工操作规范性、间隙、控制器温度、斥力、运行速度等14项指标,故网络输入层的神经元有14个,这里为中间神经元选择3个数值,分别为9,12,15,并分别检查网络性能。输出向量有两个,一个代表了磁悬浮列车安全运行状态(预警指标出现异动的次数),第二个数据代表了列车预警的级别,如图8预警级别判别矩阵所示。预警信息的级别一般分为I(红色)、II(橙色)、III(黄色)、IV(蓝色)和V(绿色)五级,指数在1-5区间时为I,在6-9为II级,指数在10-17区间时为III级,指数在18-20区间时为IV级,正常运行时无任何危险时为V级。在安全预警时,当发生越限、故障时,系统能发出声音报警,同时在报警信息窗口显示其报警类型、报警状态、报警时间等。系统报警可根据管理员设置实时传递到相应的远程客户端,并在客户端产生明显的报警标志(动画图像、文字窗口、声音、关提示等)。而且报警同时系统能自动调出事故回路所在的画面,全面展示事故信息。在实际运行中,会产生大量的预警信息,这些信息存储在预警信息库中,而这些信息未必都是有用的信息,或者当前有用的信息过段时间就变成无用的信息,因此,系统提供预警信息管理功能来处理这些预警信息。包括:按指标重要度对预警信息进行排序;按预警级别排序等功能。决策支持功能是对预警信息进行加工处理与分析,采取措施,消除危险,保障高速铁路系统的安全运行。它包括了:安全态势预测、决策方案制定实施。安全态势预测即通过基于信息融合的安全态势评估方法,判断安全状况并预测其未来的发展趋势。决策方案的制定是至关重要的,要根据不同的预警级别分别设置不同的决策方案,在发生预警后,针对预警等级和危险源,估算危险范围,选择合适的决策方案进行实施,消除或屏蔽危险,保障系统的安全运行。
步骤五:进行通过无线网络将数据传输至云平台行为,通过大数据和物联网进行平台维护包括用户管理、权限设置和数据维护。平台维护包括用户管理、权限设置、数据维护。通过平台维护,保障系统的安全性、稳定性与可扩展性。用户管理的主要功能包括:用户添加,并给出相应的密码;权限管理,给选定的用户赋予或者删除某个或某些权限;密码管理,给用户修改密码;角色管理,添加、删除、修改相应的角色的权限。权限设置是指对用户使用特定的权限的配置,控制系统的访问权限,保障系统的安全性。此功能包括:用户权限的授予;用户权限的取消;信息发布权限授予;信息发布权限取消。对接入系统的配置进行管理,确保系统安全、稳定。数据维护在安全监控预警平台中,数据库作为平台的核心担当着重要的角色。如果发生意外停机或数据丢失其损失会十分惨重。为此数据库针对具体的业务要求制定详细的数据库备份与灾难恢复策略,并通过模拟故障对每种可能的情况进行严格测试,只有这样才能保证数据的高可用性。
结合图9至图16,本发明的悬挂式磁悬浮列车包括轨道单元、悬挂单元、驱动单元、导向单元和轿厢单元,轨道单元通过立柱悬于空中,轿厢单元通过悬挂单元悬挂在轨道单元的垂直下方,驱动单元和导向单元协同作用,驱动轿厢单元在轨道单元中前进。
轨道单元包括天梁2和倒U形抱轨34,倒U形抱轨34的开口向下,顶部与天梁2固定,悬挂单元设置在倒U形抱轨34中,包括悬浮转向架9,导向单元设置于悬浮转向架9的左右两侧与倒U形抱轨34对应侧的抱臂27内侧之间,悬浮转向架9靠近左右两侧位置设置有向上伸出的台柱21,台柱21与倒U形抱轨34的抱臂27之间设置有通电卡5,通电卡5为整个系统提供电源支撑。
倒U形抱轨34的顶部左右两侧的拐角处与对应的台柱21外侧拐角之间均设置有交叉感应回线24,每个台柱21的顶部均设置有限高导轨4,倒U形抱轨34的顶部对应位置设置有轮轨3,轮轨3与限高导轨4上下垂直对应配套;倒U形抱轨34的下端朝向内侧弯曲,形成一个平台,该平台上设置有底座14、永磁体15和稳定体28,底座14平铺在平台上,永磁体15平铺在底座14上,稳定体28位于倒U形抱轨34的抱臂27与平台之间的转角处,连接U形抱轨的抱臂27、底座14和永磁体15;悬浮转向架9的底部朝向永磁体15的一侧设置有混合悬浮结构18,混合悬浮结构18包括中心永磁体16,中心永磁体16的左右两侧设置有绕组线圈17;混合悬浮结构18与对应的底座14上的永磁体15形成一个悬浮点33。
驱动单元设置在轨道单元内,包括靠近倒U形抱轨34顶部的电机,悬浮转向架9的顶部设置有升降架39,升降架39的上方设置有斜凹槽23,斜凹槽23的中心凹槽左右两侧对称相向倾斜,电机的长定子26固定在倒U形抱轨34的内侧顶部,电机的动子25永磁板置于斜凹槽23的中心凹槽内。
轿厢单元包括轿厢本体35和设置在轿厢本体35顶部设置有若干根轿厢吊杆13,轿厢吊杆13的顶端和底端均设置有吊杆13接扣10,通过吊杆13衔接悬浮转向架9与轿厢。立柱36的顶部朝向一侧弧形过渡形成形成水平的悬挂梁1,天梁2悬挂在悬挂梁1下方,立柱36的底部与地面接触,且通过固定螺栓37与地面固定。轿厢吊杆13之间设置有若干个空气弹簧12,空气弹簧12从悬浮转向架9的一侧倾斜链接到轿厢本体35的相对侧,悬浮转向架9的中间也设置空气弹簧12接扣11(机顶盒的前后各一个),连接转向架和轿厢前后(行进方向为前)从轿厢吊杆13的顶端连接到另一个轿厢吊杆13的底端;轿厢本体35的顶部设置有轿厢机顶盒,轿厢机顶盒通过机顶盒控件固定在轿厢本体35的顶部,轿厢机顶盒设置有若干个空气弹簧12,该空气弹簧12沿轿厢本体35前进方向倾斜,且其上端通过空气弹簧12接扣11与悬浮转向架9连接。
导向单元包括导向机械结构和辅助导向结构,导向机械结构设置有轿厢吊挂接扣30,吊杆13接扣10与轿厢吊挂接扣30连接,导向机械结构包括一组或两组三角形悬挂构架29,当为一组三角形悬挂构架29时,三角形悬挂构架29沿轨道延伸方向布置,三角形悬挂构架29的每个顶点均设置有球绞结构31,在三角形悬挂构架29的两端设置有与轨道延伸方向垂直的横梁32,三角形悬挂构架29通过与横梁32的中心或者两侧连接,每个横梁32的两端均位于悬浮点33上方;每个悬浮点通过承力扣19与悬浮转向架9连接。当三角形悬挂构架29有两组时,三角形悬挂构架29的一个短边相对布置,且沿轨道延伸方向布置,三角形悬挂构架29的每个顶点均设置有球绞结构31,在三角形悬挂构架29的两端设置有与轨道延伸方向垂直的水平布置的横梁32,三角形悬挂构架29相对布置的短边公用一个横梁32,三角形悬挂构架29通过与横梁32的中心或者两侧连接,每个横梁32的两端均位于悬浮点33上方;辅助导向结构位于悬浮转向架9的左右两侧与对应的倒U形抱轨34的左右两侧抱臂27内侧之间,包括电磁导向结构20和机械导向结构,电磁导向结构20包括设置在悬浮转向架9两侧的导向绕组线圈22和设置在抱臂27内侧的导磁板7,所述导向绕组线圈22和导磁板7相对设置,机械导向结构包括设置在悬浮转向架9两侧的导向调整轮8和设置在抱臂27内侧的侧部轮轨6,导向调整轮8和侧部轮轨6相对设置,导向调整轮8和侧部轮轨6有两组,分别位于对应的导向绕组线圈22和导磁板7的上下两侧。
为了具体阐述该本发明的具体实施方式,以上零部件及设备存在较为详细地描述,但并不代表本产品的具体化。在上述包括:直线电机感应板、导电线,导向结构的选用,系统控制器及车载设备等均可根据具体营运环境、场合等选取较为合理地具体方案。
本发明方案所公开的技术手段不仅限于上述技术手段所公开的技术手段,还包括由以上技术特征任意组合所组成的技术方案。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (7)
1.一种悬挂式磁悬浮列车服役状态采集与数据融合系统,所述悬挂式磁悬浮列车包括轨道单元、悬挂单元、驱动单元、导向单元和轿厢单元,轨道单元通过立柱悬于空中,轿厢单元通过悬挂单元悬挂在轨道单元的垂直下方,驱动单元和导向单元协同作用,驱动轿厢单元在轨道单元中前进;其特征在于,
该系统包括参数检测模块、数据查询与统计分析模块、数据融合模块、报警模块、数据传输模块;
所述参数检测模块用于采集列车运行过程中数据信息;
所述数据查询与统计分析模块用于分析和统计所述参数检测模块采集的检测信息;
所述数据融合模块用于通过深度学习构建安全要素相互关系的网络模型,对检测信息进行分类,再进行特征提取和分类融合,最后输出状态最优估计;
所述报警模块用于在检测信息超过阈值范围时进行不同级别的报警;
所述数据传输模块用于通过无线网络将数据传输至云平台;
所述数据融合模块包括局部滤波器、主滤波器,其接收所述参数检测模块传输的数据信息;
所述数据融合模块存储有数据融合算法,该算法采用贪婪算法逐层无监督训练,模型中包括输入输出均方差约束,权值衰减约束和稀疏性约束,具体算法如下:
2.一种如权利要求1所述的悬挂式磁悬浮列车服役状态采集与数据融合系统,其特征在于,
所述参数检测模块采集的数据信息包括悬浮间隙、悬浮控制器温度、磁铁的斥力、测速定位系统的运行速度、运行位置、牵引制动系统的电流和倾角、辅助电源系统的电流检测、载荷系统检测、车内外的温度、车厢外的风速、噪声、光照,以及通过微观展现、二维展现、三维展现、视频展现、视图联动展现的展现数据。
3.一种如权利要求2所述的悬挂式磁悬浮列车服役状态采集与数据融合系统,其特征在于,
所述微观展现包括展现各个子系统传感器模块所检测到的各项数据;
所述二维展现包括展现当前磁悬浮列车的实时运行状况、已经检测的线路、未检测的线路以及检测异常点;
所述三维展现包括展现三维场景、展现关键检测和报警数据、展现当前磁悬浮列车的行车位置、表达全息报警数据、三维主视图和三维视图与专业视图的切换;
所述视图联动包括实现三维虚拟视图、二维检测展示图、视频展示图在时间上和空间上的多试图联动。
4.一种如权利要求1所述的悬挂式磁悬浮列车服役状态采集与数据融合系统,其特征在于,
所述报警模块存储有人因素预警指标、机务因素预警指标、环境因素预警指标;其将人因素预警指标中的工作人员工作失误次数设置为敏感预警指标;将机务因素设备因素预警指标中将牵引制动设备故障次数、测速定位设备故障次数、辅助电源设备故障次数、载荷设备故障次数设置为重要预警指标;将车厢内外的环境检测设备故障次数设置为辅助指标,然后通过人工神经网络中的BP网络模型建立预警模型。
5.一种如权利要求1所述的悬挂式磁悬浮列车服役状态采集与数据融合系统,其特征在于,
所述数据查询与统计分析模块统计各种监控信息、评价结果、告警信息和预控对策,监控信息的查询是根据监控报警消息包括报警点的位置、监控信息的分级表达。
6.一种应用如权利要求1-5任一项所述的悬挂式磁悬浮列车服役状态采集与数据融合系统的方法,其特征在于,该方法包括如下步骤:
步骤一:检测信息,悬浮间隙、悬浮控制器温度、磁铁的斥力、测速定位系统的运行速度、运行位置、牵引制动系统的电流和倾角、辅助电源系统的电流检测、载荷系统检测、车内外的温度、车厢外的风速、噪声、光照,以及通过微观展现、二维展现、三维展现、视图联动展现的展现数据;
步骤二:数据查询与统计分析,分析和统计整个系统对历史各个功能模块检测数据行径,数据的统计以表格、文本、图形包括柱状图和饼状图多种形式存在,根据监控报警消息获取报警点的位置、监控信息的分级表达,监控信息查询按照级别进行过滤显示和排序,将生成平台所需的报表,对生成的报表提供模拟显示,打印输出,输出的报表包括日报表、周报表、月报表以及年报表各种报表严重报警简报、严重报警处置情况简报、车辆严重报警统计表、线路严总报警统计表、各种设备严重报警统计表、恶劣环境严重报警统计表和综合监控报警信息统计表;
步骤三:数据挖掘与融合,通过深度学习构建安全要素相互关系的网络模型,建立安全行为分析模型与优化方法,先对检测数据进行分类,再对节点数据进行特征提取和分类融合,处理后的数据经过局部滤波器对列车的运行状态进行估计,主滤波器进行时间更新、对局部滤波器输入的信息进行融合、输入信息数据进行分析,所述数据融合模块最后输出状态最优估计;
步骤四:安全分级预警和决策支持,首先确定安全预警指标体系,建立人因素预警指标、机务因素预警指标、环境因素预警指标,并根据指标的重要程度在预警中的作用,将其分为敏感预警指标、重要预警指标和辅助指标;预警模型网络输入层设置神经元14个,中间神经元检查网络性能,输出磁悬浮列车安全运行状态和列车预警级别两个向量;
步骤五:通过无线网络将数据传输至云平台,进行用户管理、权限设置和数据维护;
用户管理的主要功能包括:用户添加,并给出相应的密码;权限管理,给选定的用户赋予或者删除某个或某些权限;密码管理,给用户修改密码;角色管理,添加、删除、修改相应的角色的权限;
权限设置是指对用户使用特定的权限的配置,控制系统的访问权限,保障系统的安全性,此功能包括:用户权限的授予;用户权限的取消;信息发布权限授予;信息发布权限取消;
数据维护是指制定详细的数据库备份与灾难恢复策略,通过模拟故障对每种可能发生的情况进行严格测试。
7.一种如权利要求6所述的方法,其特征在于,该方法包括如下步骤:
在安全预警时,当发生越限、故障时,发出声音报警,同时在报警信息窗口显示其报警类型、报警状态、报警时间;报警模块将信息实时传递到远程客户端,并在远程客户端产生明显的报警标志;在报警同时,报警模块自动调出事故回路所在的画面,全面展示事故信息;所述报警模块设置有预警信息库,预警信息库中存储有实时产生的预警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810884360.0A CN109109909B (zh) | 2018-08-06 | 2018-08-06 | 悬挂式磁悬浮列车服役状态采集与数据融合方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810884360.0A CN109109909B (zh) | 2018-08-06 | 2018-08-06 | 悬挂式磁悬浮列车服役状态采集与数据融合方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109109909A CN109109909A (zh) | 2019-01-01 |
CN109109909B true CN109109909B (zh) | 2020-07-10 |
Family
ID=64851911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810884360.0A Active CN109109909B (zh) | 2018-08-06 | 2018-08-06 | 悬挂式磁悬浮列车服役状态采集与数据融合方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109109909B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033105B (zh) * | 2019-04-18 | 2022-04-01 | 中国人民解放军国防科技大学 | 一种复杂工况下非平衡数据集的悬浮系统故障检测方法 |
CN110187206B (zh) * | 2019-05-22 | 2021-11-02 | 中国人民解放军国防科技大学 | 一种复杂工况下非高斯过程的悬浮系统的故障检测方法 |
CN110836783B (zh) * | 2019-10-29 | 2021-02-02 | 杭州电子科技大学 | 基于阈值判断的ga-bp的磁悬浮列车故障检测方法 |
CN111238725A (zh) * | 2020-02-18 | 2020-06-05 | 中南大学 | 电空制动系统压力传感器的故障诊断方法、装置及系统 |
CN111290295B (zh) * | 2020-03-09 | 2021-09-24 | 西南交通大学 | 轮轨界面润滑与摩擦控制决策支持系统 |
TWI724888B (zh) * | 2020-05-05 | 2021-04-11 | 崑山科技大學 | 磁浮系統之深度學習比例微分控制方法 |
CN111976499A (zh) * | 2020-08-10 | 2020-11-24 | 合肥哈工路波机器人科技有限公司 | 一种高速磁悬浮飞行汽车的轨道控制系统 |
CN111970155B (zh) * | 2020-08-26 | 2023-01-24 | 前海道森自动化科技(深圳)有限公司 | 一种吊机设备故障状态智能预警系统 |
CN112046550B (zh) * | 2020-09-22 | 2021-08-31 | 湖南根轨迹智能科技有限公司 | 一种基于物联网的磁浮列车智能故障诊断系统及方法 |
CN112896243A (zh) * | 2021-03-25 | 2021-06-04 | 中铁二院工程集团有限责任公司 | 悬挂式单轨交通线路侧风联动监控系统 |
CN113671862A (zh) * | 2021-06-30 | 2021-11-19 | 云南昆钢电子信息科技有限公司 | 一种应用于地下矿山有轨运输电机车掉道预测的系统及方法 |
CN113660640B (zh) * | 2021-08-18 | 2023-03-31 | 电子科技大学 | 高速磁浮列车车载同步通信探测一体化系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008045809A1 (de) * | 2008-09-05 | 2010-03-18 | Deutsche Bahn Ag | Vorrichtung zur Überwachung von rückwärtigen Bereichen schienengebundener Fahrzeuge |
CN103522912A (zh) * | 2013-10-17 | 2014-01-22 | 中国人民解放军国防科学技术大学 | Ems型低速悬浮列车的磁通反馈悬浮控制方法及装置 |
CN105501256A (zh) * | 2015-12-23 | 2016-04-20 | 中国铁道科学研究院通信信号研究所 | 一种中低速磁悬浮列车组合测速定位装置 |
CN108082222A (zh) * | 2017-11-23 | 2018-05-29 | 交控科技股份有限公司 | 一种用于中低运量单轨/磁浮的综合行车控制系统 |
CN207631021U (zh) * | 2017-12-04 | 2018-07-20 | 中车株洲电力机车有限公司 | 一种小型化吊挂式磁浮车辆与轨道结构 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106555788B (zh) * | 2016-11-11 | 2018-02-06 | 河北工业大学 | 基于模糊处理的深度学习在液压装备故障诊断中的应用 |
-
2018
- 2018-08-06 CN CN201810884360.0A patent/CN109109909B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008045809A1 (de) * | 2008-09-05 | 2010-03-18 | Deutsche Bahn Ag | Vorrichtung zur Überwachung von rückwärtigen Bereichen schienengebundener Fahrzeuge |
CN103522912A (zh) * | 2013-10-17 | 2014-01-22 | 中国人民解放军国防科学技术大学 | Ems型低速悬浮列车的磁通反馈悬浮控制方法及装置 |
CN105501256A (zh) * | 2015-12-23 | 2016-04-20 | 中国铁道科学研究院通信信号研究所 | 一种中低速磁悬浮列车组合测速定位装置 |
CN108082222A (zh) * | 2017-11-23 | 2018-05-29 | 交控科技股份有限公司 | 一种用于中低运量单轨/磁浮的综合行车控制系统 |
CN207631021U (zh) * | 2017-12-04 | 2018-07-20 | 中车株洲电力机车有限公司 | 一种小型化吊挂式磁浮车辆与轨道结构 |
Non-Patent Citations (1)
Title |
---|
"磁浮列车悬浮监控系统研究";李明耀;《中国优秀硕士学位论文全文数据库工程科技II辑》;20180315(第3期);正文第1-5章 * |
Also Published As
Publication number | Publication date |
---|---|
CN109109909A (zh) | 2019-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109109909B (zh) | 悬挂式磁悬浮列车服役状态采集与数据融合方法及系统 | |
JP6889059B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
CN106934752A (zh) | 一种基于公交车的信息化管理系统 | |
CN108216252A (zh) | 一种地铁司机车载驾驶行为分析方法、车载终端及系统 | |
CN110120153A (zh) | 一种公交驾驶事故风险评估系统及其方法 | |
GB2556942A (en) | Transport passenger monitoring systems | |
CN109087474A (zh) | 一种基于大数据的轨道交通安全维护方法 | |
CN108268849A (zh) | 基于ai技术的公交车载视觉智能感知系统 | |
CN106778632A (zh) | 轨道交通大客流识别预警系统和方法 | |
CN106741008B (zh) | 铁路线路异物识别方法及系统 | |
CN112622990A (zh) | 城轨地铁车辆智能运维管理系统 | |
CN105427582A (zh) | 一种公交线路的智能管理方法 | |
CN111583699A (zh) | 一种智慧化公交汽车监控系统 | |
CN109035867A (zh) | 一种能提高交通安全和交通效率的装置 | |
CN110263623A (zh) | 列车攀爬监测方法、装置、终端及存储介质 | |
CN114401387A (zh) | 轨道交通线路异物入侵监测系统和方法 | |
CN104947617B (zh) | 车辆桥梁通行警示系统 | |
CN114889678A (zh) | 一种基于动态贝叶斯的铁路站车线安全协同预警方法 | |
CN109866686A (zh) | 基于视频实时分析的智能主动安全辅助驾驶系统及方法 | |
CN112950938A (zh) | 一种v2x与lora技术融合的车联网信号机及使用方法 | |
Liu | Unmanned driving systems for smart trains | |
Abbas et al. | Real-time traffic jam detection and congestion reduction using streaming graph analytics | |
CN111452676A (zh) | 一种轨道交通机车车辆整备作业安全联锁装置 | |
CN112581343A (zh) | 磁浮列车智能运维管理系统 | |
CN110161559A (zh) | 一种高速铁路地震预警系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |