CN115391922A - 动车组轴箱簧加垫量计算方法、服务器及存储介质 - Google Patents
动车组轴箱簧加垫量计算方法、服务器及存储介质 Download PDFInfo
- Publication number
- CN115391922A CN115391922A CN202211049942.XA CN202211049942A CN115391922A CN 115391922 A CN115391922 A CN 115391922A CN 202211049942 A CN202211049942 A CN 202211049942A CN 115391922 A CN115391922 A CN 115391922A
- Authority
- CN
- China
- Prior art keywords
- axle box
- box spring
- data
- amount
- static pressure
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Vehicle Body Suspensions (AREA)
Abstract
本发明提供了一种动车组轴箱簧加垫量计算方法、服务器及存储介质,首先获取列车的重量数据、转向架的静压数据以及轴箱簧的当前加垫量;然后根据重量数据、静压数据、当前加垫量以及预先建立的预测模型,确定落车时列车的轴箱簧高度的预测值;最后根据预测值,确定轴箱簧的最优加垫量。通过根据已知的列车测试数据对列车落车后轴箱簧高度进行预测,然后按照预测值确定最优加垫量,从而在落车工序执行之前制定返修计划,调整轴箱簧加垫量,从而提高一次落车的合格率,减少返修次数。
Description
技术领域
本申请属于动车组装配工艺技术领域,尤其涉及一种动车组轴箱簧加垫量计算方法、服务器及存储介质。
背景技术
落车工序是动车组车辆总成过程中的关键技术,对车辆的牵引性能、制动性能、行驶的平顺性,以及对旅客的舒适性都有很大影响。由于落车工序涉及到车体距离轨道面以及转向架各种数据的测量及调整工作,而轴箱簧作为转向架自带件,落车工序无法调整轴箱簧的加垫量。
现有技术中,往往在落车测量轴箱簧高度超差时,只能进行起车,将转向架返转向架厂调整,调整完成后进行再次落车,直至测量合格。大量的返工不仅增加了员工的劳动强度,还影响车辆的生产周期,甚至影响产品交付。
发明内容
有鉴于此,本发明提供了一种动车组轴箱簧加垫量计算方法、服务器及存储介质,旨在解决现有技术中的列车检测过程中因轴箱簧高度调整导致的多次落车的问题。
本发明实施例的第一方面提供了一种动车组轴箱簧加垫量计算方法,包括:
获取列车的重量数据、转向架的静压数据以及轴箱簧的当前加垫量;
根据重量数据、静压数据、当前加垫量以及预先建立的预测模型,确定落车时列车的轴箱簧高度的预测值;
根据预测值,确定轴箱簧的最优加垫量。
本发明实施例的第二方面提供了一种动车组轴箱簧加垫量计算装置,包括:
获取模块,用于获取列车的重量数据、转向架的静压数据以及轴箱簧的当前加垫量;
预测模块,用于根据重量数据、静压数据、当前加垫量以及预先建立的预测模型,确定落车时列车的轴箱簧高度的预测值;
确定模块,用于根据预测值,确定轴箱簧的最优加垫量。
本发明实施例的第三方面提供了一种服务器,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上第一方面的动车组轴箱簧加垫量计算方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上第一方面的动车组轴箱簧加垫量计算方法的步骤。
本发明实施例提供的动车组轴箱簧加垫量计算方法、服务器及存储介质,首先获取列车的重量数据、转向架的静压数据以及轴箱簧的当前加垫量;然后根据重量数据、静压数据、当前加垫量以及预先建立的预测模型,确定落车时列车的轴箱簧高度的预测值;最后根据预测值,确定轴箱簧的最优加垫量。通过根据已知的列车测试数据对列车落车后轴箱簧高度进行预测,然后按照预测值确定最优加垫量,从而在落车工序执行之前制定返修计划,调整轴箱簧加垫量,从而提高一次落车的合格率,减少返修次数。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术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是本发明实施例提供的动车组轴箱簧加垫量计算方法的应用场景图;
图2是本发明实施例提供的动车组轴箱簧加垫量计算方法的实现流程图;
图3为本发明实施例提供的轴簧箱所在平面的受力示意图;
图4为本发明实施例提供的截面受力示意图;
图5是本发明实施例提供的最优加垫量确定流程图;
图6是本发明实施例提供的正态分布曲线;
图7是本发明实施示例提供的落车调整计算界面示意图;
图8是本发明实施示例提供的落车数据对比界面示意图;
图9是本发明实施示例提供的量预测选项卡;
图10是本发明实施示例提供的平台称重界面示意图;
图11是本发明实施示例提供的平台静压试验界面示意图;
图12是本发明实施示例提供的列车落车管理界面示意图;
图13是本发明实施例提供的动车组轴箱簧加垫量计算装置的结构示意图;
图14是本发明实施例提供的服务器的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
现有的落车生产模式分为转向架静压、车辆四角称重、车辆落车测量等阶段,涉及到车体距离轨道面以及转向架各种数据的测量及调整工作。由于轴箱簧属于转向架自带件,在进行落车工序时无法调整轴箱簧的加垫量,当落车测量轴箱簧高度超差时,只能进行起车,将转向架返转向架厂调整,调整完成后进行再次落车,直至测量合格。大量的返工不仅增加了员工的劳动强度,还影响车辆的生产周期,并且传统的生产模式中,通常采用纸质文件记录各阶段的数据,不同生产阶段的纸质文件被分散保存,不利于收集与分析。
本发明通过对落车时列车的轴箱簧高度进行预测,能够在落车工序执行之前调整轴箱簧加垫量,从而提高一次落车的合格率,减少返修次数。
图1是本发明实施例提供的动车组轴箱簧加垫量计算方法的应用场景图。如图1所示,本发明实施例提供的动车组轴箱簧加垫量计算方法可以包括但不限于应用于该应用场景。在一些实施例中,该系统包括多个测量设备11和服务器11。
多个测量设备11可以包括压力传感器、重量传感器等,在此不作限定。服务器12可以为动车组实车测试平台的服务器,用于测试列车的牵引性能、制动性能、行驶的平顺性等。多个测量设备11可以采用信息化手段实现车辆四角称重、转向架静压、车辆落车测量等阶段数据采集,并通过接口采集技术,实现与系统平台的互联,从而将采集到的数据传入平台数据库。
图2是本发明实施例提供的动车组轴箱簧加垫量计算方法的实现流程图。如图2所示,在一些实施例中,动车组轴箱簧加垫量计算方法,应用于图1中所示的服务器12,包括:
S201,获取列车的重量数据、转向架的静压数据以及轴箱簧的当前加垫量。
本发明实施例中,列车的重量数据为列车在四角称重阶段测量得到的数据,具体可以包括1L角载荷、1R角载荷、2L角载荷、2R角载荷、一位端重量、二位端重量等,在此不作限定。转向架的静压数据以及轴箱簧的当前加垫量均为列车在静压试验阶段测量得到的数据,其中,转向架的静压数据可以包括油缸压力、轴箱簧高度、轮重、转向架重量等,在此不作限定。
S202,根据重量数据、静压数据、当前加垫量以及预先建立的预测模型,确定落车时列车的轴箱簧高度的预测值。
本发明实施例中,预先建立的预测模型可以是神经网络模型,也可以是对落车过程进行受力分析,得到的预测模型,在此不作限定。
S203,根据预测值,确定轴箱簧的最优加垫量。
本发明实施例中,根据轴箱簧高度的预测值,可以预测落车工序时轴箱簧高度是否合格,若不合格则确定最优加垫量,制定相应的返修方案,在落车工序之前对转向架的轴箱簧进行返修。
本发明实施例中,通过根据已知的列车测试数据对列车落车后轴箱簧高度进行预测,然后按照预测值确定最优加垫量,从而在落车工序执行之前制定返修计划,调整轴箱簧加垫量,从而提高一次落车的合格率,减少返修次数。
在一些实施例中,预测模型的表达式为:
h预测=h静压+[(F静压-F实际)/2/(G轮重-G簧下/4)]*(h静压-λ+a)+b (1)
其中,h预测为预测值,h静压为转向架静压试验得到的静压轴箱簧高度,F静压为转向架静压试验得到的静压试验载荷,F实际为车辆四角称重得到的载荷,G轮重为转向架静压试验得到的静压轮重,G簧下为转向架的簧下重量,λ为当前加垫量,a和b为根据历史落车数据确定得到的预设参数。
本发明实施例中,可以对落车过程的轴箱簧进行受力分析,从而确定预测模型。图3为本发明实施例提供的轴簧箱所在平面的受力示意图。图4为本发明实施例提供的截面受力示意图。如图3和图4所示,首先,分析轴箱簧受力与轮重的关系:
A点:GL*L0+GR*(L0+L1)=FR*(L1+2*L0)。
B点:GL*(L0+L1)+GR*L0=FL*(L1+2*L0)。
其中,GL为左侧转向架静压试验轮重,单位为KN,L0为转向架车轮与转向架轴箱簧支点间的距离,单位为m,L1为转向架轮距,单位为m,GR为右侧转向架静压试验轮重,单位为KN,FR为右侧轴箱簧受力,单位为KN,FL为左侧轴箱簧受力,单位为KN。
可以得到:FR=(L0+L1)/(L1+2*L0)*GR+L0/(L1+2*2L0)*GL,以及FL=(L0+L1)/(L1+2*L0)*GL+L0/(L1+2*2L0)*GR。
然后,再分析轴箱簧与空气簧受力的关系:
AC轴:F1*L0+F2*(L0+L1)=(FB+FD)*(2*L0+L1)。
可以得到:FB+FD=[F1*L0+F2*(L0+L1)]/(2*L0+L1)。
分析历史落车数据可以得出FB和FD比较接近,因此,可以假设FB=FD,得到:FB=FD=[F1*L0+F2*(L0+L1)]/(2*L0+L1)/2。
同理,对于BD轴可以得到:FA=FC=[F2*L0+F1*(L0+L1)]/(2*L0+L1)/2。
其中,FA为1L角载荷轴箱簧受力,单位为KN;FB为1R角载荷轴箱簧受力,单位为KN;FC为2L角载荷轴箱簧受力,单位为KN;FD为2R角载荷轴箱簧受力,单位为KN;L0为同侧空气弹簧支点距轴箱簧的垂直距离,单位为m;L1为左侧和右侧空气弹簧支点之间的距离,单位为m;F2为右侧空气弹簧受力,单位为KN;F1为左侧空气弹簧受力,单位为KN;1L角、2L角载、1R角、2R角分别为列车四角称重时测量的四个角。
将上述受力分析的结果与胡克定律:F=K*Δ相结合,得到最终计算公式:即可得到上述公式(1)给出的预测模型。
由于转向架构架、摆臂等部件并非绝对的刚体,公式(1)中设置有两个根据历史落车数据确定的预设参数a、b,对模型预测值进行校正,从而提高预测模型的预测准确度。
在一些实施例中,动车组轴箱簧加垫量计算方法还包括:给定多组预设参数并获取历史落车数据;对历史落车数据进行预处理,并将预处理后的历史落车数据输入到每组预设参数对应的预测模型中,得到每组预设参数对应的历史预测值;根据每组预设参数对应的历史预测值与历史数据中记录的轴箱簧高度的实际值,从多组预测参数中选取一组预测参数作为预测模型的最优预测参数。
本发明实施例中,使用MATLAB等软件对落车历史数据进行预处理。数据预处理过程可以包括但不限于主成分分析、异常值去除、缺失值处理。
本发明实施例中,可以对公式(1)中的预设参数a、b设置多个可能的取值组合,然后将预处理后的数据依次代入每组预设参数对应的公式(1),计算每组预设参数对应的预测轴箱簧高度,通过比较历史数据中实际落车测量得到的轴箱簧高度与每组预设参数对应的预测轴箱簧高度的差别,将差别最小的一组预测参数确定为最优预测参数。
上述确定差别的方式具体可以是计算曼哈顿距离、平方和距离等,在此不作限定。
在一些实施例中,除了上述预设多组预设参数的方式,还可以采用粒子群优化算法,先设置a、b的初值,再设置a、b的范围作为约束条件,以曼哈顿距离/平方和距离最小作为目标函数进行优化,从而确定最优预测参数。
在一些实施例中,动车组轴箱簧加垫量计算方法还包括:获取历史落车数据;根据历史落车数据和预先建立的优化模型,遍历预设参数的全部取值,确定预测模型的最优预测参数;其中,优化模型的输入为历史落车数据,优化模型的输出为由历史落车数据和预测模型预测得到的历史预测值。
本发明实施例中,优化模型可以是神经网络模型、深度学习模型等,在此不作限定。
图5是本发明实施例提供的最优加垫量确定流程图。如图5所示,在一些实施例中,S203可以包括:在预测值满足预设条件时,调整当前加垫量,并跳转至获取列车的重量数据、转向架的静压数据以及轴箱簧的当前加垫量的步骤,直到预测值不满足预设条件时,停止跳转;将超限概率不大于预设阈值时对应的当前加垫量作为最优加垫量。
本发明实施例中,如果预测值不满足预设条件,则认为四角高超差,可以采用穷举法对四个角轴箱簧加垫量进行迭代,直到预测值满足预设条件。
在一些实施例中,在预测值满足预设条件时,调整当前加垫量,包括:以预测值作为均值,在预设轴箱簧高度区间内,建立正态分布曲线;根据第一预设限制值和正态分布曲线,确定超限概率;在超限概率大于预设阈值时,调整当前加垫量。
图6是本发明实施例提供的正态分布曲线。在预测值为148.1658072mm时,将148.1658072mm作为均值建立正态分布,由于该车型落车测量轴箱簧高度要求下限149mm,149mm在正态分布曲线中对应的概率为0.28787,则该预测落车测量轴箱簧高度超下限的概率为1-0.28787=71.21%。
本发明实施例中,通过对历史数据分析发现,转向架静压试验载荷接近车辆四角称重载荷均值时,落车测量轴箱簧高度超差的概率很小。实际载荷的标准差都在0.5千牛以下,证明实际载荷的波动性较小。因此,如果转向架静压的试验载荷等于实际载荷的均值,实际载荷与试验载荷偏差大于1千牛(2δ)的概率小于5%。应用样本估计的思想,可以计算订单量30%的实际载荷的均值,作为整个订单实际载荷的均值估计值,为转向架静压试验载荷提供数据支撑,从而降低落车四角高超差的概率。其中,上车称重载荷均标准差如表1所示。
表1
在一些实施例中,在预测值满足预设条件时,调整当前加垫量,包括:在预测值大于第二预设限制值时,调整当前加垫量。
本发明实施例中,除了上述预测超差概率的方式之外,还可以直接设置一个限值,若预测值大于该限值则直接进行调整。
在一些实施例中,在调整当前加垫量之后,动车组轴箱簧加垫量计算方法还包括:根据调整后的当前加垫量,对重量数据和静压数据进行更新。
本发明实施例中,可以利用虚拟样机技术进行三维建模、设置约束、施加载荷,建立简化模型,模拟落车场景,得轴箱簧加垫量与轮重的变化规律:
在轴箱簧加垫后,加垫位置和对角位置的轮重会增加(H/W)*(k*t/4),其余两个位置的力会减少(H/W)*(k*t/4)。
其中,H表示轴箱簧横向间距,W表示轮距,t表示轴箱簧加垫量,H约等于W。
因此,在轴箱簧某一位置加垫厚度t,另外三个位置不加垫时,加垫处高度变化3/4*t,加垫对角位置高度变化-1/4*t,另外两个位置高度变化1/4*t。
一个转向架有4个轴箱簧,在1L、2L、1R、2R四个角轴箱簧加垫厚度分别为t1L、t2L、t1R、t2R,根据上述结论可以推导出落车测量轴箱簧高度和静压试验轴箱簧高度公式、静压试验轮重公式。
落车测量轴箱簧高度和静压试验轴箱簧高度公式:
h1L加垫后=h1L加垫前+3/4*t1L+1/4*t2L+1/4*t1R-1/4*t2R (2)
h2L加垫后=h2L加垫前+1/4*t1L+3/4*t2L-1/4*t1R+1/4*t2R (3)
h1R加垫后=h1R加垫前+1/4*t1L-1/4*t2L+3/4*t1R+1/4*t2R (4)
h2R加垫后=h2R加垫前-1/4*t1L+1/4*t2L+1/4*t1R+3/4*t2R (5)
静压试验轮重公式:
G1L加垫后=G1L加垫前+1/4*k*t1L-1/4*k*t2L-1/4*k*t1R+1/4*k*t2R (6)
G2L加垫后=G2L加垫前-1/4*k*t1L+1/4*k*t2L+1/4**kt1R-1/4*k*t2R (7)
G1R加垫后=G1R加垫前-1/4*k*t1L+1/4*k*t2L+1/4*k*t1R-1/4*k*t2R (8)
G2R加垫后=G2R加垫前+1/4*k*t1L-1/4*k*t2L-1/4*k*t1R+1/4*k*t2R (9)
其中,h1L加垫前、h2L加垫前、h1R加垫前、h2R加垫前为四个角轴箱簧加垫前的高度,h1L加垫后、h2L加垫后、h1R加垫后、h2R加垫后为四个角轴箱簧加垫后的高度,G1L加垫前、G2L加垫前、G1R加垫前、G2R加垫前为四个角轴箱簧加垫前的轮重,G1L加垫后、G2L加垫、G1R加垫后、G2R加垫后为四个角轴箱簧加垫前的轮重。
其中,静压试验要求:轮重偏差小于等于0.02。转向架静压时轴箱簧高度要求:152±2mm,即150-154mm。落车测量轴箱簧高度要求:动车(2/4/5/7车)151±3mm,即148--154mm;拖车(1/3/6/8车)152±3mm,即149--155mm。
本发明实施例中,可以根据数据建模方案编写系统后台程序,即落车预测数据模型,再结合实际生产过程需要开发客户端界面,系统平台调用数据库里的实际测量数据,实现落车测量轴箱簧高度的在线预测和落车轴箱簧加垫量的动态优化。
在一些实施示例中,可以将测量数据上传至列车测试平台的平台数据库,然后开发客户端界面,从而对列车轴箱簧加垫量进行计算。具体操作如下:
图7是本发明实施示例提供的落车调整计算界面示意图。如图7所示,登录系统平台后,点击“落车调整计算”,选择“项目号”、“列号”、“车号”,系统根据车辆四角称重、转向架静压数据,预测轴箱簧高度并给出落车测量轴箱簧高度超差的概率。如果预测轴箱簧高度不超差,调整加垫量全为“0”并备注“四角高无超差”;如果预测轴箱簧高度超差,给出调整轴箱簧加垫量数值并备注“调整加垫量有解”,从而可以提前制定返修方案,减少落车轴箱簧高度超差对生产周期的影响。
图8是本发明实施示例提供的落车数据对比界面示意图。如图8所示,落车测量结束后,系统平台会抓取PAD端、电脑端录入的实际落车测量轴箱簧高度测量数据,与之前的预测值形成数据对比的列表和曲线。点击“落车数据对比”,然后选择“项目号”和“列号”,可以查看某一列车实际落车测量轴箱簧高度与预测落车测量轴箱簧高度、实际载荷与静压载荷、实际落车测量轴箱簧高度与静压试验测量轴箱簧高度等数据对比列表;再点击“对比”,可以查看实际落车测量轴箱簧高度与预测轴箱簧高度的数据对比曲线。
图9是本发明实施示例提供的量预测选项卡。如图9所示,点击“显示结果”按钮,可以根据原始数据计算出1-8车四个角(1L、2L、1R、2R)的预测车辆四角称重载荷。重量预测是落车数据模型中非常重要的一个方面,预测的车辆四角称重载荷数据可以为转向架静压试验提供有力依据,从而从根本上降低落车测量轴箱簧高度超差的概率。
图10是本发明实施示例提供的平台称重界面示意图。如图10所示,测量数据(1L角载荷、1R角载荷、2L角载荷、2R角载荷、一位端重量、二位端重量等)自动传入平台数据库后,可以按照项目号、列号、车号、厂区、数据类型、载荷等,以表格的形式进行展示。
图11是本发明实施示例提供的平台静压试验界面示意图。如图11所示,转向架静压数据采集分为两种模式。第一,转向架为厂内自制时,通过打通系统接口,将转向架事业部采集的转向架静压数据(油缸压力、轴箱簧高度、轴箱簧加垫量、轮重、转向架重量等)传入平台数据库。第二,转向架外购时,开发数据导入功能,将转向架静压数据(油缸压力、轴箱簧高度、轴箱簧加垫量、轮重、转向架重量等)导入平台数据库。可以按照项目编号、列号、车号、端位、加载形式、油缸压力等,以表格的形式进行展示。
图12是本发明实施示例提供的列车落车管理界面示意图。如图12所示,在可以在开发客户端界面,实现测量数据(如轴箱簧高度)录入功能。
本发明的有益效果具体如下:
(1)本发明实现了用信息化的手段采集落车相关的数据,提高了数据收集的效率。
(2)本发明实现了对落车测量轴箱簧高度的预测,预知超差风险,提前制定返修方案,减少对生产周期的影响,节省4个人4天的返工周期。
(3)本发明实现了对车辆四角称重载荷的预测,为转向架静压提供了数据支撑,降低了落车测量轴箱簧高度超差的概率,提高了落车质量。
(4)应用本发明后,一次落车合格率由70%提高到97%,减少了重复落车的次数,避免了不必要的劳动。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图13是本发明实施例提供的动车组轴箱簧加垫量计算装置的结构示意图.如图13所示,在一些实施例中,动车组轴箱簧加垫量计算装置13,包括:
获取模块1310,用于获取列车的重量数据、转向架的静压数据以及轴箱簧的当前加垫量。
预测模块1320,用于根据重量数据、静压数据、当前加垫量以及预先建立的预测模型,确定落车时列车的轴箱簧高度的预测值。
确定模块1330,用于根据预测值,确定轴箱簧的最优加垫量。
可选的,预测模型的表达式为:
h预测=h静压+[(F静压-F实际)/2/(G轮重-G簧下/4)]*(h静压-λ+a)+b
其中,h预测为预测值,h静压为转向架静压试验得到的静压轴箱簧高度,F静压为转向架静压试验得到的静压试验载荷,F实际为车辆四角称重得到的载荷,G轮重为转向架静压试验得到的静压轮重,G簧下为转向架的簧下重量,λ为当前加垫量,a和b为根据历史落车数据确定得到的预设参数。
可选的,动车组轴箱簧加垫量计算装置还包括:参数确定模块,用于给定多组预设参数并获取历史落车数据;对历史落车数据进行预处理,并将预处理后的历史落车数据输入到每组预设参数对应的预测模型中,得到每组预设参数对应的历史预测值;根据每组预设参数对应的历史预测值与历史数据中记录的轴箱簧高度的实际值,从多组预测参数中选取一组预测参数作为预测模型的最优预测参数。
或者,参数确定模块,用于获取历史落车数据;根据历史落车数据和预先建立的优化模型,遍历预设参数的全部取值,确定预测模型的最优预测参数;其中,优化模型的输入为历史落车数据,优化模型的输出为由历史落车数据和预测模型预测得到的历史预测值。
可选的,确定模块1330,具体用于在预测值满足预设条件时,调整当前加垫量,并跳转至获取列车的重量数据、转向架的静压数据以及轴箱簧的当前加垫量的步骤,直到预测值不满足预设条件时,停止跳转;将超限概率不大于预设阈值时对应的当前加垫量作为最优加垫量。
可选的,确定模块1330,具体用于以预测值作为均值,在预设轴箱簧高度区间内,建立正态分布曲线;根据第一预设限制值和正态分布曲线,确定超限概率;在超限概率大于预设阈值时,调整当前加垫量。
可选的,确定模块1330,具体用于在预测值大于第二预设限制值时,调整当前加垫量。
可选的,动车组轴箱簧加垫量计算装置还包括:更新模块,用于根据调整后的当前加垫量,对重量数据和静压数据进行更新。
本实施例提供的动车组轴箱簧加垫量计算装置,可用于执行上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
图14是本发明实施例提供的服务器的结构示意图。如图14所示,本发明的一个实施例提供的服务器14,该实施例的服务器14包括:处理器1400、存储器1410以及存储在存储器1410中并可在处理器1400上运行的计算机程序1420。处理器1400执行计算机程序1420时实现上述各个动车组轴箱簧加垫量计算方法实施例中的步骤,例如图2所示的步骤210至步骤230。或者,处理器1400执行计算机程序1420时实现上述各系统实施例中各模块/单元的功能,例如图13所示模块1310至1330的功能。
示例性的,计算机程序1420可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器1410中,并由处理器1400执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序1420在服务器14中的执行过程。
服务器14可以是物理服务器、云服务器、服务器集群等,在此不作限定。终端可包括,但不仅限于,处理器1400、存储器1410。本领域技术人员可以理解,图14仅仅是服务器14的示例,并不构成对服务器14的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器1400可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器1410可以是服务器14的内部存储单元,例如服务器14的硬盘或内存。存储器1410也可以是服务器14的外部存储设备,例如服务器14上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器1410还可以既包括服务器14的内部存储单元也包括外部存储设备。存储器1410用于存储计算机程序以及终端所需的其他程序和数据。存储器1410还可以用于暂时地存储已经输出或者将要输出的数据。
本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述动车组轴箱簧加垫量计算方法实施例中的步骤。
计算机可读存储介质存储有计算机程序1420,计算机程序1420包括程序指令,程序指令被处理器1400执行时实现上述实施例方法中的全部或部分流程,也可以通过计算机程序1420来指令相关的硬件来完成,计算机程序1420可存储于一计算机可读存储介质中,该计算机程序1420在被处理器1400执行时,可实现上述各个方法实施例的步骤。其中,计算机程序1420包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元,例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备,例如终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种动车组轴箱簧加垫量计算方法,其特征在于,包括:
获取列车的重量数据、转向架的静压数据以及轴箱簧的当前加垫量;
根据所述重量数据、所述静压数据、所述当前加垫量以及预先建立的预测模型,确定落车时列车的轴箱簧高度的预测值;
根据所述预测值,确定所述轴箱簧的最优加垫量。
2.根据权利要求1的动车组轴箱簧加垫量计算方法,其特征在于,所述预测模型的表达式为:
h预测=h静压+[(F静压-F实际)/2/(G轮重-G簧下/4)]*(h静压-λ+a)+b
其中,h预测为所述预测值,h静压为转向架静压试验得到的静压轴箱簧高度,F静压为转向架静压试验得到的静压试验载荷,F实际为车辆四角称重得到的载荷,G轮重为转向架静压试验得到的静压轮重,G簧下为转向架的簧下重量,λ为所述当前加垫量,a和b为根据历史落车数据确定得到的预设参数。
3.根据权利要求2的动车组轴箱簧加垫量计算方法,其特征在于,所述方法还包括:
给定多组预设参数并获取历史落车数据;
对所述历史落车数据进行预处理,并将预处理后的历史落车数据输入到每组预设参数对应的预测模型中,得到每组预设参数对应的历史预测值;
根据每组预设参数对应的历史预测值与历史数据中记录的轴箱簧高度的实际值,从所述多组预测参数中选取一组预测参数作为所述预测模型的最优预测参数。
4.根据权利要求2的动车组轴箱簧加垫量计算方法,其特征在于,所述方法还包括:
获取历史落车数据;
根据所述历史落车数据和预先建立的优化模型,遍历所述预设参数的全部取值,确定所述预测模型的最优预测参数;
其中,所述优化模型的输入为历史落车数据,所述优化模型的输出为由所述历史落车数据和所述预测模型预测得到的历史预测值。
5.根据权利要求1的动车组轴箱簧加垫量计算方法,其特征在于,所述根据所述预测值,确定所述轴箱簧的最优加垫量,包括:
在所述预测值满足预设条件时,调整所述当前加垫量,并跳转至获取列车的重量数据、转向架的静压数据以及轴箱簧的当前加垫量的步骤,直到所述预测值不满足预设条件时,停止跳转;
将所述超限概率不大于预设阈值时对应的当前加垫量作为所述最优加垫量。
6.根据权利要求5的动车组轴箱簧加垫量计算方法,其特征在于,所述在所述预测值满足预设条件时,调整所述当前加垫量,包括:
以所述预测值作为均值,在预设轴箱簧高度区间内,建立正态分布曲线;
根据第一预设限制值和所述正态分布曲线,确定所述超限概率;
在所述超限概率大于预设阈值时,调整所述当前加垫量。
7.根据权利要求5的动车组轴箱簧加垫量计算方法,其特征在于,所述在所述预测值满足预设条件时,调整所述当前加垫量,包括:
在所述预测值大于第二预设限制值时,调整所述当前加垫量。
8.根据权利要求1-7任一项的动车组轴箱簧加垫量计算方法,其特征在于,在调整所述当前加垫量之后,所述方法还包括:
根据调整后的当前加垫量,对所述重量数据和所述静压数据进行更新。
9.一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求1至8中任一项所述动车组轴箱簧加垫量计算方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上的权利要求1至8中任一项所述动车组轴箱簧加垫量计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211049942.XA CN115391922A (zh) | 2022-08-30 | 2022-08-30 | 动车组轴箱簧加垫量计算方法、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211049942.XA CN115391922A (zh) | 2022-08-30 | 2022-08-30 | 动车组轴箱簧加垫量计算方法、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115391922A true CN115391922A (zh) | 2022-11-25 |
Family
ID=84124651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211049942.XA Pending CN115391922A (zh) | 2022-08-30 | 2022-08-30 | 动车组轴箱簧加垫量计算方法、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115391922A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118037011A (zh) * | 2024-04-11 | 2024-05-14 | 成都工业职业技术学院 | 铁路客车整车落成系统 |
-
2022
- 2022-08-30 CN CN202211049942.XA patent/CN115391922A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118037011A (zh) * | 2024-04-11 | 2024-05-14 | 成都工业职业技术学院 | 铁路客车整车落成系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110376003B (zh) | 基于bim的智能列车整车服役寿命预测方法及其系统 | |
JP6313929B2 (ja) | 構造物を監視するための方法及びシステム | |
CN107247830B (zh) | 一种汽车悬架k&c特性公差优化方法及系统 | |
CN115391922A (zh) | 动车组轴箱簧加垫量计算方法、服务器及存储介质 | |
CA3030823A1 (en) | Automated system and method for optimizing the control of a train | |
CN116049989A (zh) | 转向架数字孪生模型构建方法、系统、电子设备及介质 | |
CN114001984A (zh) | 轨道车辆结构件的振动疲劳可靠性试验方法及装置 | |
CN111750819B (zh) | 一种桥面粗糙度检测系统 | |
CN113836733A (zh) | 车辆曲线通过性能监测设备的布局位置确定方法及装置 | |
KR102189638B1 (ko) | 정비원 단말기를 이용한 전동차 유지보수 시스템 및 방법 | |
US9290184B1 (en) | Tire force modeling rig and method of using same | |
CN117217020A (zh) | 一种基于数字孪生的工业模型构建方法及系统 | |
CN111950150B (zh) | 一种扭曲轨道试验建模与仿真方法及系统 | |
Ding et al. | Non-contact vehicle overload identification method based on body vibration theory | |
US20210284206A1 (en) | System for monitoring a wheel-rail contact force | |
CN114462700A (zh) | 一种铁路轨道质量评价方法及装置 | |
CN114398722A (zh) | 转向架间隙检测方法、装置、计算机设备和存储介质 | |
CN113836777A (zh) | 含缺陷焊接结构的概率剩余寿命预测方法及系统 | |
CN107036695A (zh) | 列车称重方法以及装置 | |
CN111709160A (zh) | 一种基于卡车底盘的行驶动态性能分析优化方法及系统 | |
CN105823541B (zh) | 轨道车辆车体柔性称重方法及一维加垫方法 | |
KR20210061755A (ko) | 전동차 스마트 유지보수 시스템 | |
Vemuri et al. | Road Loads for Durability Analysis using Virtual Iterations | |
Lin et al. | Single/Dual Variation Approach: A Novel Bridge System Identification Method Based on Static Analysis and Parallel Simulation | |
CN118037011B (zh) | 铁路客车整车落成系统 |
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 |