测力轮对状态估计计算方法研究
测力轮对状态估计计算方法研究
任愈;陈建政
【摘要】Accurate measurement of wheel/rail force is the premise and basis of monitoring the train operation status.The discontinuous and continuous measurement methods of instrumented wheelset were analysed,the variable characteristics of wheel /rail contact state were studied,the space model for wheel /rail contact force state estimation was established and the wheel /rail force calculation method based on state estimation was proposed.The algorithm was verified by simulation calculations.Moreover,a continuous measurement was achieved in actual track test by using a simple discontinuous instrumented wheelset.%对轮轨间相互作用力的准确测量是监测列车运行安全状况的前提和基础。分析了测力轮对间断测量和连续测量方法，通过研究轮轨接触状态的变化特征，建立了轮轨接触力估计状态空间模型，提出基于状态估计的测力轮对轮轨力计算方法；在此基础上进行了仿真计算验证了算法的有效性，并在线路试验中以简单的间断测量测力轮对实现了轮轨力的连续测量。
【期刊名称】《振动与冲击》
【年(卷),期】2015(000)009
【总页数】5页(P111-115)
【关键词】测力轮对;状态估计;间断测量;连续测量
【作者】任愈;陈建政
【作者单位】西南交通大学牵引动力国家重点实验室，成都 600031;西南交通大
学牵引动力国家重点实验室，成都 600031
【正文语种】中文
【中图分类】U270.7;U216.3;TH721
脱轨是列车运行中最危险的安全事故，也是列车提速中需要研究的关键问题之一。由于轮轨系统的实际运行行为复杂，影响脱轨的因素众多，至今对脱轨机理尚未完全掌握。但可以肯定的是，轮轨力变化是引起脱轨的直接原因。高精度的轮轨力检测，可以为脱轨机理研究、车辆动力学研究和列车安全检测提供重要的基础信息，对轮轨间相互作用力的准确测量是监测列车运行安全状况的前提和基础。
目前，最直接、最准确的轮轨力测量技术就是测力轮对方法，它以车轮作为轮轨力的检测传感器，在车轮辐板有限点处位置贴片组桥，通过测量应变信号实现轮轨接触力的检测。列车运行过程中，由于车轮和轨道间时变、非平稳的轮轨作用力和轮对转动对辐板应变信号的调制作用，使得辐板应变信号较为复杂。不同的组桥方式对应的计算方法也有所不同，从测量方式来看，主要分为间断式测量和连续式测量两种。
间断测量实现方式和计算方法都相对简单，并且可以最大程度的避免横向力、垂向力和轮轨接触点位置三者之间耦合对应变信号的影响。目前在国内测力轮对实测试验中使用较多的是间断式的测力轮对。
间断式测量通过特殊的轮对制作方法，使特定电桥输出只受横向力或垂向力影响。其中，垂向桥输出如图1所示。
垂向桥输出波形中波峰和波谷交替出现，每个波峰和波谷之间轮对相位差为180°；同一辐板上两组垂向桥之间相位差为90°。通过搜索轮对旋转过程中数据的峰值，可以得到间隔角度为90°间断测量的间断点时间坐标，从间断点时间坐标取得间断
点的横向桥和垂向桥输出，代入参数方程进行计算，得到间断点的轮轨横向力和垂向力。
间断测量方法实际上是一种近似的空间采样方法，采样频率为车轮转速的1/4，决定了其采样频率较低，其主要作用是用于评估列车运行中的一些关键参数(脱轨系数、轮重减载率等)，对于轮轨间的高频冲击很难进行有效测量；另外，如果频率较高的冲击发生在靠近实际间断点位置，很容易导致间断点位置判断不准确，从而影响间断测量计算结果精度。
连续测量方法可以有效克服间断测量的弊端，是测力轮对技术的发展趋势。早期连续测力轮对方法是通过仿真和试验选择合适的组桥半径，分别建立横向桥、垂向桥和作用点位置桥，近似的认为轮轨接触力对车轮辐板应变的影响不耦合，其存在的问题是针对不同的轮对，需要设计不同的组桥方案，并且很难找到特别合适的贴片半径。
目前常用的方法是建立特定的应变桥，使电桥输出波形近似正余弦波形或三角波，通过特定方程进行计算[1-2]。如果不能得到良好的输出波形，一般利用三角函数关系式的性质将复杂的非线性方程组简化为线性方程组，通过计算得到轮轨作用力[3-4]。这种方法的问题是应变组桥方法繁琐，并且计算过程相对复杂，对检测精度和可靠性存在一定影响。
一般情况下，采用解方程组方式的测力轮对轮轨接触状态计算方法都是假设采集得到的应变桥输出信号即为应变信号真值。但是实际上，采集到的信号都叠加了相对高频的测试噪声，而噪声的来源包括多个因素，很难通过改进某一具体环节对其进行消除。
常规消除噪声干扰的方法是对测试信号进行选频滤波，以滤波后的数据进行计算。实际上，对于测力轮对这一特殊的应用环境，辐板电桥信号不仅受到轮轨力影响，也被轮对转动所调制，见图2。
假定车轮辐板应变信号经过组桥后输出载波信号为较简单形式，即仅含有一次谐波z(t)=acos(ω0t)，同时将轮轨力描述为傅里叶级数形式：
根据式(1)，任意一个轮轨力信号分量在经过轮对转动调制后都变为含有θn+ω0
和θn-ω0这两个频率分量的信号。可以看出，无论滤波频率选择在什么范围，都会导致有更高频率的轮轨力与车轮转动载波信号的|θn-ω0|分量混合在其中，而更高频率信号中的分量已经被滤波消除了，则滤波后的信号输出为：
从信号测试的角度分析，轮轨接触力的变化是由车辆在行驶过程中受到随机激励引起的，而随机激励在任意不同时刻的取值之间都是无关的。而从微观的角度分析，在车辆行驶阶段的任意间隔较短时间内，轮轨接触状态在时间上存在一定的延续性。也就是说，在正常行驶状态下，只要保证采样频率相对于需要检测的轮轨力的频率足够高，则可以认为当前状态是在前一时刻状态基础上有一些规律性的变化。
状态空间法(State-space Techniques)是现代控制理论中建立在状态变量描述基础上对控制系统分析和综合的方法[5-9]。状态变量是能完全描述系统运动的一组变量。如果系统的外输入为已知，那么由这组变量的现时值就能完全确定系统在未来各时刻的运动状态。状态空间模型是动态时域模型，以隐含着的时间为自变量。状态空间模型包括两个模型：一是状态转移模型，反映动态系统在输入变量作用下在某时刻所转移到的状态，如式(3)；二是量测模型，描述输出变量与状态变量和输
入变量间的变换关系，如式(4)。两者构成了状态空间模型。
通过分析辐板应变输出与轮轨接触状态的关系，可以认为导致轮对应变桥输出改变的作用因素包括横向力Q、垂向力P、作用点位置X和轮对旋转角度θ，即可设轮轨接触状态向量为x=[Q,P,X,θ]T。设uk为状态的激励变化量，wk为状态转移噪声。在常规条件下，可以近似地假设轮轨接触状态变化为：
确定状态向量后，需确定各成员变量的递推规律进行统计和推导。
图3为在西南交通大学滚振试验台上进行的测力轮对滚动试验中的轮轨力输出，
从图中可以看出在极短的时间内(一个采样周期)，每个采样点得到的轮轨力值相对于其前一个采样点有微小变化。由于轮轨力受未知轨道激励等各方面不确定因素的影响，其变化情况呈现出一定的随机性，一般考虑其服从高斯分布。
同样的，认为在较短的采样周期内，轮轨接触作用点在原作用点基础上发生一个随机变化。根据经验，在车辆正常运行时，作用点位置在名义滚动圆附近20 mm以内摆动，一般认为其变化服从高斯分布。
在较短的时间(轮对转动一周)内车速不会发生明显变化，即短时间内轮对转动角速度不会发生明显变化。可以将应变片组成间断测量的方式来取得轮对转动零角度时刻Ts和终止角度时刻Te，推导出在这段时间内轮对角速度ωθ，从而得到轮对转动角速度的估计ωθ=2π/(Te-Ts)。实际运行工程中车辆在运行过程中车速的变化(加速、减速过程及速度随机变化量)导致轮对转动角速度存在一个随机变化，设其模型如下:
辐板应变电桥的组桥输出是由上述四个状态因素的改变引起的，表示为：
式(7)和式(8)构成了测力轮对轮轨力检测的状态空间计算模型，测力轮对非线性方程组的计算问题转化为对于轮轨接触状态向量的估计问题。一般采用卡尔曼滤波类方法或粒子滤波类方法，卡尔曼滤波类方法一般处理线性或弱非线性估计问题，因此考虑采用粒子滤波类方法处理。
对于测力轮对轮轨力估计，观测方程对于最终估计结果精度有较大影响，而观测方程与组桥方式是对应的。另外，组桥方式的复杂程度也关系着测力轮对测试系统的复杂程度和可靠性；不同的观测方程意味着不同的测力轮对制作的复杂程度、可靠性和测试精度。通过仿真试验对比，在车轮辐板上的应变组桥方案中，最简单的组桥方式是对称片桥，但其输出的谐波成分较为复杂，估计轮轨接触状态结果精度最低；而谐波成分较为简单的信号估计结果精度较高，但其往往则对应着复杂组桥方式。
本文采用文献[3]中提到的保留一次和七次谐波的组桥方案对某动车组轮对进行有
限元仿真，并通过标准粒子滤波(PF)、卡尔曼粒子滤波(EKPF)、无迹粒子滤波(UPF)三种方法对仿真应变桥输出进行状态估计计算，其结果如图4所示。
上述计算结果对应的均方根误差见表1。
通过多次仿真计算，证明粒子滤波类方法能有效处理测力轮对轮轨力计算问题，其计算精度受设定参数和计算模型影响。在相同设定情况下，采用扩展卡尔曼粒子滤波方法和无迹卡尔曼粒子滤波方法优于标准粒子滤波算法，但计算复杂程度更大。在车辆实际运行过程中，受到轨道不平顺激励及其它因素的影响(轨缝的冲击、经
过道岔等)，轮轨力在受激的短时间内会产生剧烈变化，从而导致轮轨力状态转移
过程不满足状态转移方程式中对力信号变化参数的假设，对含有垂向冲击信号的仿真数据计算结果误差见表2。
可以看出，标准粒子滤波算法完全没有突变状态跟踪能力，垂向力计算产生了较大误差，而EKPF和UPF的估计结果明显优于标准粒子滤波算法，但估计结果的均
方根误差值也有所增加。
在测力轮对轮轨力测试系统实际应用时，除了上面提到系统状态发生剧烈变化的问题，还存在着其它一些导致系统模型与实际情况产生误差的因素，如轮对不均匀、实际应用参数与标定数据产生误差、检测设备性能发生变化等。这些因素都会引起模型预测值和传感器测量值间的残差增大，需要相应提高滤波增益以提高估计精度。而EPF和UPF中的主要参数在运行前预先设置好，滤波增益完全通过EKF和UKF 来求取，不能在线进行调整。文献[10]中周东华等提出正交性原理，证明通过在线选择一个时变的滤波增益阵，可形成一个具有算法鲁棒性、强跟踪能力和适中计算复杂性的强跟踪滤波器。
其核心特点为：① 在系统状态模型有一定的不确定性时，仍然具有较强的鲁棒性；
② 在系统达到平稳状态时，对于突变和缓变状态都有极强的跟随能力。这对于前
文提到的测力轮对检测中存在的问题有积极意义。
根据定义，强跟踪滤波器一般结构如式(9)：
当存在一个满足式(10)和式(11)的时变增益矩阵K(k+1)时，滤波器(式(9))就成为
一个强跟踪滤波器。
正交性原理通过条件式(11)表现出来，即要求不同时刻的残差序列处处保持相互正交。由于模型不确定性的影响，造成滤波器的状态估计值偏离系统的状态时，必然会在输出残差序列的均值与幅值上表现出来。这种情况下，通过实时调整增益矩阵，强迫式(10)仍然成立，使得残差序列仍然保持相互正交，则可以强迫强跟踪滤波器保持对实际的系统状态的准确估计。
采用强跟踪算法对上述含有垂向冲击信号的仿真数据进行计算，其垂向力误差如图5所示。
从图中对比可以看出，EKPF和UPF在状态突变的瞬间，计算结果产生了较大误差，而强跟踪算法可以迅速跟踪垂向力的变化，将误差控制在较小的范围。
从前文所述可知，测力轮对状态空间估计算法的优点是无需建立复杂的三角函数方程组，对组桥方式也无特殊要求。在某动车组线路实测试验中，本文使用了组桥方式较为简单的间断测量测力轮对。图6为试验结果，分别通过间断测量和状态空
间估计算法进行计算，并对其结果进行了比较。
从图6对比可以看出，间断测量结果和状态空间算法计算结果基本吻合。相对于
插值得到间断测量结果，状态空间算法能利用所有采样数据，其计算输出频率远高于间断测量方法，有效扩展了间断测量测力轮对的检测频率。
本文根据轮轨接触力及其对应的辐板应变特点建立了测力轮对检测系统关于时间的离散递推模型，提出了测力轮对状态空间估计计算方法；通过对有限元仿真数据计算和线路实测试验对其进行了验证。试验结果表明，线路试验中以简单的间断测量测力轮对实现了轮轨力的连续测量，本文所提出的方法可行且易于实现。另外，间
断式测力轮对仍需对辐板进行加工，给测力轮对的制备带来一定的困难，笔者将在组桥方式和数据处理方法上做进一步的研究。
智能电网调度D5000系统状态估计的应用研究 陈岩
智能电网调度D5000系统状态估计的应用研究陈岩 摘要：电网状态估计功能，是实现 D5000 系统所有高级应用功能的基础，是成 功完成智能电网调度技术支持系统各项应用的关键。研究 D5000 系统状态估计的 建设和运行情况，对整个系统的搭建和未来的长期应用，都有很高的价值和现实 意义。于此同时，借助国网公司对各地市县 D5000 系统中状态估计的考核手段， 来总结安阳电网状态估计的运行特点、了解估计结果存在的问题，从而找到影响 安阳电网状态估计的主要问题，研究在D5000 系统中提高状态估计指标的现实方法。 关键词：智能电网调度；主站D5000系统；状态估计 1电力系统状态估计概念 电力系统状态估计就是利用实时量测系统的兀余性，应用估计算法来检测与 剔除坏数据，提高数据精度及保持数据的前后一致性，为网络分析提供可信的实 时潮流数据。状态估计根据电网模型参数、结线连接关系和一组有冗余的遥测量 测值和遥信开关状态，求解描述电网稳态运行情况的状态量——母线电压幅值和 相角的估计值，并求解出量测的估计值，检测和辨识量测中的不良数据，为其他 应用功能提供一套完整、准确的电网实时运行方式数据。运用状态估计必须保证 系统内部是可观测的，系统的测量要有一定的冗余度，在缺少量测的情况下做出 的状态估计是不可用的。 2 D5000 系统中状态估计的应用 电力系统状态估计在智能电网调度技术支持系统的高级应用功能中的作用， 主要包括以下几个方面：根据 SCADA 提供的实时信息和网络拓扑的分析结果及其 他相关数据，实时的给出电网内的各母线电压，各线路、变压器等支路潮流，各 母线的负荷和各发电机出力；对不良数据进行检测和辨识；实现母线负荷预测模 型的维护、量测误差统计、网络状态监视等。 2.1网络拓扑分析应用 D5000 系统能根据电网结线连接关系和断路器/刀闸的分/合状态，形成状态 估计计算中使用的母线-支路计算模型。进行网络拓扑接线分析，由电网设备的结 线连接关系和断路器/刀闸分/合状态，把连结在一起的带电节点归并到计算母线，形成以计算母线表示的电网拓扑连接关系；分析电网设备的带电状态，并按设备 的拓扑连接关系和带电状态划分电气活岛和电气死岛；可以处理各种类型的厂站 结线方式，例如：单母线、双母线、旁路母线、环形母线、3/2 开关、4/3 开关等；支持直流换流站（包括背靠背直流换流站）的拓扑分析；支持断路器/刀闸、线路、发电机、负荷、变压器、电容电抗器等设备人工设置的运行状态。 2.2量测系统分析 D5000 系统判断电网配置的遥信遥测量是否满足状态估计的计算条件，进行 电网可观测性分析。分析电网的量测配置，确定电网的可观测区域和不可观测区域；电网的不可观测区域自动生成伪量测；当电网的量测配置不满足状态估计的 计算条件时，状态估计提供电网不可观测区域的量测配置方案。状态估计可以使 用下列类型的量测：包括有功功率、无功功率、电压幅值、PMU 量测、电流、变 压器分接头位置的实时遥测值；零阻抗支路的量测值；由发电计划提供的机组有 功功率和无功功率、系统/母线负荷预测提供的负荷有功功率和无功功率、前一次状态估计值提供的伪量测值；人工置数的量测值。 2.3量测预检测应用
状态估计
1概念状态估计就是在测量量有误差的情况下，通过计算得到可靠并且为数最少的状态变量值。 2全系统独立测量量的数目与状态变量数目之比叫做冗余度。只有具有足够的冗余度，才能通过电力系统调度中心的计算机以状态估计算法提高实时信息的可靠性和完整性，建立4数据库。 3状态估计前先进行可观察性检验，协同工作还有不良数据的检测和辨识 状态估计流程图 4测量向量z 包括支路功率、节点注入功率、节点电压摸值等测量量 待求的状态量是x 是：各节点的电压模值和相角 5计算值 （由估计的 求出）和实际值 z 之间的误差，称为残差向量 6状态估计和潮流计算的区别 方程式数目 求解方法 潮流计算一般用牛拉法求解2n 个非线性方程 状态估计是根据一定的估计准则，按估计理论求解方程组 7状态估计的理论和计算方法 不良数据检测和辨识的理论和计算方法 电力系统网络拓扑分析和结构辨识的基本概念 8电力系统运行状态的数学描述和可观察性 电力系统的运行状态可以用节点电压模值、电压相角、线路有功与无功潮流、节点有功与无功注入量等物理量来表示。状态估计的目的就是应用经测量得到的上述物理量通过估计计算求出能表征系统运行状态的状态变量。 联系状态向量与测量量向量之间的函数关系 9状态估计误差来源 模型 v V 为高斯白噪声，概率密度 越大表示误差大的概率越大 用协方差 表示不同时刻测量数据误差之间均值的相关程度 测量误差的方差为 可观察性 对系统进行有限次独立的观察（测量），由这些观察向量确定的状态是唯一的 n 状态量的维数即可。 ?z ?x ()=+z h x ν i σi R
10最小二乘估计 估计误差 判断估计方法的优劣不是根据 中个别分量的估计误差值，而是根据它的统计特性 目标函数为 加权的 测量误差方差阵 h(x)为非线性函数，无法直接由目标函数求解 需要用迭代的方法 迭代格式为 收敛判据为三者之一 第一个最常用 此时测量量的估计值为 幻灯片53 最小二乘估计流程框图 11信息矩阵A 稀疏性和对称性 结构与系统网络结构和测量系统配置的关系 ?=- x x x ?x 2T 1 ()(())[()][()]m i i i J z h ==-=--∑x x z h x z h x ?x ()()1()1()1()?????[()()]()[()]l T l l T l l ---?=-x H x R H x H x R z h x (1)()()???l l l +=+?x x x ()??=z h x 1T -H R H
关于电力系统状态估计的综述报告
关于电力系统状态估计的综述报告 0 引言 随着电力系统的迅速发展，电力系统的网络结构和运行方式日趋复杂，对现代化调度系统提出了必须准确、快速、全面地掌握电力系统实际运行方式和运行状态的要求。以计算机为基础的现代能量管理系统(EMS)的出现，是电力系统自动化理论与技术上的一次飞跃，实现了调度从传统的经验型到现代化分析型的迈进。EMS的各种高级应用入电压稳定性分析、暂态稳定性分析和安全约束调度等都要依赖状态估计所提供的实时可靠数据[1~4]。因此，状态估计成了现代电力系统能量管理系统(EMS)的重要组成部分，尤其在电力市场环境中发挥更重要的作用。 本文简要介绍了状态估计的基本概念和数学模型，阐述了近几年来电力系统状态估计各个算法的优缺点及其研究状况。最后，简单介绍了不良数据的检测与辨识方法。 1 电力系统状态估计概述 状态估计也叫做实时潮流，它是由SCADA系统的实时量测数据估计出来的，其程序的输入和输出数据内容如下图所示： 图 1 状态估计输入输出模型 从图中可以看出，电力系统状态估计是在给定网络接线、支路参数和量测系统的条件下所进行的估计以及对不良数据进行的检测辨识过程[5]。它与常规潮流所求的状态量相同，但应用的量测量在种类和数量上远远多于常规潮流（量测方程大于所求状态量数）。其功能流程图如下图所示： 图 2 状态估计功能流程框图
由于实时量测数据存在的一些缺陷，状态估计的量测方程可以写为： ()v x h z +=ˆ 式中： z 为量测量，假定维数为m ； x ˆ为状态量，若母线数为n ，则x ˆ维数为2n ； ()x h ˆ是基于基尔霍夫定律建立的量测函数方程，维数和量测量一致，m 维； v 为量测误差，m 维。 状态估计的量测量主要来自于： （1）SCADA 系统中的实时量测数据； （2）量测不变时使用的预报和计划型伪量测； （3）第Ⅰ类基尔霍夫型伪量测，即无源母线上的零注入量测； （4）第Ⅱ类基尔霍夫型伪量测，即零阻抗支路上的零电压差量测。 量测量z 给定以后，状态估计量x ˆ就是使量测量残差平方和达到最小的x 值，即： ()()()[]∑∑====-=k i k i x h z z z x J 1212 ˆmin ˆmin 2 算法综述 2.1 最小二乘法 2.1.1 加权最小二乘法 加权最小二乘估计法在状态估计中应用最为广泛。文献[5]对加权最小二乘估计法做了比较详细的介绍。 目标函数如下： ()[][] min ˆˆˆ1→--=-x H z R x H z x J T 由于量测方程为非线性方程，因此采用迭代法求其状态量，迭代修正公式为： ()()()()[]()()()()[]()()()l l l l l T l l T x x x x h z R x H x H R x H x ˆˆˆ,ˆˆˆˆˆ1111ΔΔΔ+=-=+--- 这种方法的优点是不需要随机变量的统计特性，它是以量测值z 的残差平方和最小为目标准则的估计方法。它是假定量测量按照理想的正态分布，对理想正态分布的量测量，估计具有最优一致且无偏等优良传统特性[6]。但当正态分布的数据中含有坏数据时，WLS 的估计结果会偏离真值较远。而且，在实际情况下，量测数据并不完全严格服从正态分布，导致坏数据很难完成检测与辨识。 2.1.2 抗差最小二乘法 在文献[7—9]中，介绍了抗差最小二乘法的基本原理及其算法，并介绍了它在电力系统中的应用。 抗差最小二乘法是通过等价权将抗差估计原理与最小二乘形式有机结合起来，量测值得主体一般是符合正态分布的，因此抗差最小二乘估计的主体是最小二乘估计，它决定了抗差最小二乘的基本效率。 抗差最小二乘法是在加权最小二乘法的基础上通过计得出，主要体现在变权上，主要是
状态估计算法在电力系统中的应用研究
状态估计算法在电力系统中的应用研究 电力系统是现代社会中不可或缺的基础设施之一，而状态估计算法的应用则在电力系统的运行和管理中起着重要的作用。状态估计算法是一种通过测量数据和数学模型，对电力系统中的未知变量进行估计和预测的方法。本文将围绕状态估计算法在电力系统中的应用展开讨论，并探讨其在电力系统领域中的意义和价值。 首先，状态估计算法在电力系统中的应用可以提供准确的系统状态信息。电力系统中的各种变量，如电流、电压、功率等，对于系统的稳定运行和可靠性至关重要。然而，在实际运行过程中，电力系统中的一些变量往往无法直接测量或者存在一定的测量误差。状态估计算法可以通过测量数据和数学模型的结合，对各个未知变量进行准确的估计和预测，从而提供系统状态的准确信息，为系统运行和管理提供重要参考。 其次，状态估计算法在电力系统中的应用可以提高系统的安全性和稳定性。电力系统的安全性和稳定性是电力系统运行中最为关注的问题。通过对系统状态的准确估计和预测，可以及时发现和判断系统中的异常情况或故障，并采取相应的措施进行调整和修复，从而保证系统的安全性和稳定性。状态估计算法在这方面发挥了重要的作用，可以提高对系统运行状况的实时监测和控制能力，减少事故的发生和传播，保障电力系统的正常运行。
第三，状态估计算法在电力系统中的应用可以优化系统的经济性和 效率。电力系统的运行和管理需要考虑到经济性和效率的问题。状态 估计算法可以通过对系统状态的准确估计和预测，分析系统的潜在问 题和优化方案，并实时调整和优化系统的运行策略，从而最大程度地 提高系统的经济性和效率。电力系统运行的经济性和效率对于能源的 合理利用和供应的稳定性具有重要意义，而状态估计算法则为实现这 些目标提供了可靠的手段和方法。 另外，状态估计算法在电力系统中的应用也可以推动电力系统的智 能化发展。随着科技的进步和人工智能的应用，电力系统正在向智能 化和自动化方向发展。状态估计算法作为电力系统智能化的核心技术 之一，可以通过大数据分析和智能算法的应用，准确估计和预测系统 状态，自动化地调整和优化系统运行，为电力系统的智能化发展提供 了坚实基础。 综上所述，状态估计算法在电力系统中的应用研究具有重要的意义 和价值，可以提供准确的系统状态信息，提高系统的安全性和稳定性，优化系统的经济性和效率，推动电力系统的智能化发展。在未来的研 究中，我们还可以进一步探索和开发状态估计算法的新技术和方法， 提高算法的精确度和实时性，以应对电力系统更为复杂和高度智能化 的运行环境，为电力系统的可持续发展和绿色能源的应用奠定坚实的 基础。
电力系统状态估计中不确定性建模方法探究
电力系统状态估计中不确定性建模方法探究 电力系统状态估计是电力系统运行和控制中的重要环节，其目的是通过测量实际数据对电力系统各状态量进行估算和预测，从而实现对电力系统的优化、调度和控制。在实际操作中，电力系统状态估计面临着许多不确定性因素的影响，如测量误差、负荷波动、线路参数的变化等。因此，电力系统状态估计中不确定性建模方法的研究具有十分重要的实际意义。 一、国内外研究现状 目前，电力系统状态估计中的不确定性建模主要有两种方法：概率模型和非概率模型。概率模型指的是基于概率论理论，将不确定性量化为概率分布的形式，从而建立起估计模型。其中，常见的概率模型包括高斯过程回归、贝叶斯网络、马尔科夫链蒙特卡罗等。非概率模型则是以经验、规则为基础，依靠智能算法将实测数据与估计数据进行匹配，进而建立起系统状态模型。 在国外，电力系统状态估计中的不确定性建模领域取得了一些较为显著的进展。例如，在概率模型方面，英国曼彻斯特大学的研究人员通过应用贝叶斯网络，成功地对电力系统的潮流进行了预测。而在非概率模型方面，美国普林斯顿大学的研究人员利用神经网络对电力系统状态进行估计，并在实际操作中得到了良好的效果。
在国内，电力系统状态估计中不确定性建模的研究领域也逐渐得到发展。例如，上海交通大学研究团队利用改进的高斯过程回归算法，对电力系统状态进行了估计，并在实际调度方面进行了应用。而中南大学的研究人员则通过人工智能算法对电力系统的不确定性进行建模，获得了较好的估计效果。 二、电力系统状态估计中的不确定性建模方法探究 在电力系统状态估计中，不确定性建模应从以下几个方面进行探究： 1.模型选择 不同的不确定性建模方法适用于不同的估计问题。在实际操作中，应根据系统所面临的不确定性情况和估计的目标来选择不确定性建模方法。例如，对于部分线路参数不确定的情况，可以考虑使用高斯过程回归算法进行建模；对于复杂的线路连接情况和负载波动，可以采用神经网络算法构建状态模型。 2.参数估计 在不确定性建模中，参数估计是非常关键的一步。在实际操作中，应根据概率模型或非概率模型的具体情况选择合适的参数估计算法，从而得到更为准确的模型参数。例如，在高斯过程回归算法中，通过极大似然估计或最大后验概率等方法，可以有效地进行模型参数估计。
电力系统谐波状态估计与谐波源定位方法研究
电力系统谐波状态估计与谐波源定位方法研究 电力系统谐波状态估计与谐波源定位方法研究报告 随着现代电力系统的不断发展，谐波的产生与传播问题已经成为电力系统新的研究方向。在电力系统的运行中，谐波会产生很多负面的影响，包括降低电力系统的稳定性和可靠性，增加电网的潮流以及导致设备的失效。因此，准确地识别谐波状态和有效地确定谐波源对于电力系统的顺利运行和管理至关重要。本报告将介绍电力系统谐波状态估计与谐波源定位方法的相关研究进展与应用情况。 一、谐波状态估计方法 谐波状态估计是指在电力系统的运行中，通过分析电流和电压信号，确定系统中谐波分量的幅值、频率以及相位等参数。谐波状态估计方法通常依靠数字信号处理技术实现，包括傅里叶变换、小波分析、自适应滤波、卡尔曼滤波等。此外，一些基于人工智能技术的方法，如神经网络、支持向量机等，也被应用于谐波状态估计。 目前，谐波状态估计存在着两个问题需要解决。首先，由于信号采样时间的不确定性，估计结果容易出现偏差；其次，电力系统中谐波阻抗不确定会影响估计结果的精度。为优化谐波状态估计的精度和效率，研究人员提出了一些新的算法和模型，包括基于小波滤波和变分贝叶斯算法的方法等。 二、谐波源定位方法
谐波源定位是指通过分析电力系统的电压和电流信号，确定系统中谐波源的位置信息，以便进行相应的调整措施。谐波源的定位可以通过迭代算法、图像处理、无线定位等技术实现。目前，最常用的方法是基于迭代算法的谐波源定位方法。 迭代算法的基本思想是在电力系统中分别测量电压和电流，利用各个节点的电压和电流数据逐步解出每个节点的阻抗值，据此计算出各个节点的相对谐波功率。通过对相对谐波功率的比较，可以确定谐波源的位置信息。 谐波源定位的主要难点在于电力系统非线性特性、噪声干扰和负载变化等影响因素的影响。为了提高定位精度和鲁棒性，研究人员开发了一些新的算法和模型，如基于模糊聚类和小波分析的方法等。 三、应用情况 谐波状态估计和谐波源定位技术已经广泛应用于电力系统的管理和维护中。在实际应用中，这些方法可以用于检测谐波分量的影响、评估电力系统负载的谐波水平、确定谐波源的位置以及提高电力系统的稳定性和可靠性。另外，一些新的技术和解决方案正在不断被引入到电力系统的监测和管理中，如基于物联网技术的智能电网监测系统和基于云计算的大数据分析平台等。 总之，谐波状态估计和谐波源定位技术是电力系统监测和管理
电力系统状态估计方法与算法研究
电力系统状态估计方法与算法研究 电力系统是现代社会中不可或缺的基础设施之一。为了保 障电力系统的稳定运行和有效管理，准确估计电力系统的状态是非常关键的。电力系统状态估计是一种基于测量数据的估计方法，通过对电力系统的实时监测数据进行处理和分析，估计出电力系统各个节点的电压、功率以及相位等状态信息。本文将介绍电力系统状态估计的方法与算法，并探讨其研究进展和未来发展趋势。 首先，电力系统状态估计的目的是实时获取电力系统的运 行状况，以便改善系统的可靠性和效率。在电力系统中，状态估计方法的主要任务是通过测量数据，计算出电力系统节点的电压相位角、电流大小以及功率等参数。在实际应用中，由于测量数据存在测量误差，因此状态估计方法需要结合滤波技术和最优化算法来提高估计的精度和稳定性。 传统的电力系统状态估计方法主要基于潮流方程和高斯-牛 顿迭代算法。潮流方程描述了电力系统中各个节点的电压和功率之间的关系，通过潮流方程可以建立一个非线性的方程组，从而实现对系统状态的估计。然而，由于潮流方程是非线性的，
常规的求解方法如高斯-牛顿方法在计算效率和收敛性方面存 在一定的局限性。 近年来，随着计算机技术的快速发展和智能化算法的应用，电力系统状态估计方法也得到了进一步改进和优化。基于人工智能的算法如神经网络和遗传算法等被引入到电力系统状态估计中，提高了估计的准确性和鲁棒性。神经网络算法通过学习电力系统的历史数据，建立了一个非线性函数，能够快速准确地估计电力系统的状态。遗传算法则通过模拟生物进化的过程，对估计结果进行优化和搜索。 另外，基于Bayesian理论的状态估计方法也成为当前研究 的热点。Bayesian理论将统计学和概率推理融合在一起，在估 计过程中考虑了不确定性因素，使得估计结果更加可靠。贝叶斯状态估计方法基于测量数据的先验分布和概率模型，通过蒙特卡洛采样和粒子滤波等技术，实现对电力系统状态的精确估计。 除了算法的改进，数据采集和处理也是电力系统状态估计 研究的重要内容。传感器技术的发展和通信技术的进步使得电力系统能够实时采集大量的测量数据，为状态估计提供了更加丰富和准确的数据源。同时，大数据分析和云计算等技术的应用也为电力系统状态估计的实时性和准确性提供了有力支持。
电力系统状态估计方法比较研究
电力系统状态估计方法比较研究 随着社会的不断发展，电力系统已经成为现代社会不可或缺的基础设施之一。 电力系统状态估计是电力系统中重要的一环，也是电力系统故障诊断与控制的重要基础。目前，电力系统状态估计的方法多种多样，其中最为常用的有梯度法、Kalman滤波和扩展Kalman滤波。本文将对这三种电力系统状态估计方法进行比较研究，以期为电力系统状态估计研究提供一定的参考。 一、梯度法 梯度法是将状态估计问题视为一个优化问题，通过优化算法来求解状态最优解。该方法的优点是算法简单易理解，计算速度相对较快。但是，由于梯度法需要计算状态向量的偏导数，因此其对误差的灵敏度较高，在误差较大的情况下易出现不收敛的情况。 二、Kalman滤波 Kalman滤波是一种递归算法，其思想是通过测量和预测值之间的比较来更新 系统状态。该方法的特点是精度高，收敛速度快，可适用于动态系统模型和非线性系统。但是，Kalman滤波需要对系统建立相应的数学模型，难度较大。 三、扩展Kalman滤波 扩展Kalman滤波是Kalman滤波的推广，它在滤波过程中对非线性方程进行 线性化处理。扩展Kalman滤波保留了Kalman滤波的优点，又克服了其对线性系 统假设的限制。该方法在非线性系统中具有广泛的适用性，但在估计精度和计算速度方面相对差一些。 综上，梯度法、Kalman滤波和扩展Kalman滤波都是常用的电力系统状态估计 方法，各有优缺点。在实际应用中，应根据具体问题的特点和要求选取合适的状态
估计方法。同时，还需要注意问题建模、参数选取等具体细节，以保证状态估计的准确性和稳定性。 总的来说，电力系统状态估计是电力系统控制的重要基础，三种电力系统状态估计方法各有优缺点，需要结合实际情况进行选择。希望本文对电力系统状态估计研究提供一些参考和借鉴。
基于深度学习的电力系统状态估计方法研究
基于深度学习的电力系统状态估计方法研究 标题：基于深度学习的电力系统状态估计方法研究 摘要：随着电力系统的规模不断扩大和复杂性的增加，准确的电 力系统状态估计变得越来越重要。传统的电力系统状态估计方法在处 理大规模系统时面临诸多挑战，包括数据量庞大、计算复杂、实时性 等方面的问题。为了解决这些问题，本文提出了一种基于深度学习的 电力系统状态估计方法。 在本研究中，首先对电力系统的状态估计任务进行了详细的分析，明确了电力系统状态估计的目标和要求。然后，我们介绍了深度学习 的基本概念和原理，重点关注了在电力系统状态估计中应用深度学习 的可行性和优势。接着，我们详细介绍了提出的基于深度学习的电力 系统状态估计方法。 本方法的关键思想是将电力系统状态估计任务转化为一个监督学 习问题，并采用卷积神经网络（CNN）和循环神经网络（RNN）等深度 学习模型进行建模和训练。具体而言，我们首先将电力系统的历史观 测数据作为输入，通过CNN模型提取有效的特征表示。然后，将特征 序列输入RNN模型进行时序建模，以捕捉电力系统状态之间的时序相 关性。最后，通过输出层进行预测，得到电力系统的状态估计结果。 为了验证该方法的有效性和性能，我们使用了一个实际的电力系 统数据集，并与传统的状态估计方法进行了对比实验。实验结果表明，基于深度学习的电力系统状态估计方法相比于传统方法，在精度和效 率方面都取得了显著的提升。此外，我们还分析了该方法在不同场景 下的适用性和局限性，并提出了进一步改进和优化的思路。 总的来说，本研究提出的基于深度学习的电力系统状态估计方法 充分利用了深度学习模型在特征提取和时序建模方面的优势，在电力 系统状态估计应用中具有良好的潜力。然而，仍然有许多待解决的问题，例如训练数据的获取和预处理、模型的复杂性和可解释性等。未
轮对柔性对车辆动态曲线通过性能的影响研究
轮对柔性对车辆动态曲线通过性能的影响研究 随着我国高速列车不断提速，将车辆部件看作刚体来分析车辆系统的稳定性、安全性的传统做法已不能满足要求，因此引入柔性多体动力学理论，将车辆系统的某一部件考虑为柔性体后分析对车辆系统的动力学性能响应，这样做可以更深入地了解车辆部件的弹性效应对车辆系统各项动力学性能指标的影响，可使仿真分析更加贴合实际，结果更加准确，将轮对考虑为柔性体[1]正是在这种大背景下提出来的。由于轮对大角度旋转及轮轨接触关系的特殊性，使得考虑轮对为柔性的刚柔耦合建模较为复杂。近年来，对柔性轮对动力学模型的研究逐渐增多，主要集中在轮轨接触及其对车辆运行稳定性、轮轨磨损及噪声等的影响方面。N.Chaar和M.berg[2-3]研究了柔性轮对在0～100 Hz的频率范围内，对轨道力的影响并与实测值进行了对比，结果表明：轮对柔性对横向力和垂向力均有显著影响，与实测值吻合较好。Zhong Shuoqiao等[4]提出了一种与柔性轮对接触的轮轨耦合方法，并将其应用到传统的车辆轨道动态系统模型中，研究了轮对弯曲和轴向变形对轮轨滚动接触行为的影响并进行了数值分析。Lu Zhenggang等[5]建立了柔性轮轨接触模型，研究得到轮轨的结构振动对其接触点的位置、蠕滑力、轮轨力和脱轨系数影响显著。I.Kaiser 和K.Popp[6]对比分析了轮对柔性与刚性时对仿真结果的影响，当列车行驶速度低于临界值时，柔性轮对的横向振动衰减速度慢于刚性轮对且振幅较大，结果表明轮对柔性时会降低车辆系统的临界速度。高浩等[7]介绍了一种基于传统迹线法思想的轮轨接触方法，并将其应用于考虑轮对柔性变形的动力学仿真，计算了轮轨接触点的位置和轮轨蠕滑率。万鹏等[8]，万涛[9]，郭训等[10]，贺建功[11]结合有限元分析软件ANSYS和多体动力学软件SIMPACK建立了考虑轮对柔性的车辆刚柔耦合动力学模型，对比分析了轮对柔性与刚性的动力学响应，吴正习等[12]在此基础上得到了车轮的动载荷响应并分析了车轮的疲劳寿命。在车辆系统通过曲线路段的过程中，轮轨的工作状态较直线路段更加复杂严苛，所以脱轨一直是影响车辆动态曲线通过的中心问题
力值曲线仪测力算法
力值曲线仪测力算法 力值曲线仪是一种用来测量物体施加的力的仪器。它有许多应用 领域，包括材料测试、生物力学研究、机械工程等。测力算法是力值 曲线仪中的核心部分，它负责将传感器接收到的数据转换为力的数值。下面将详细介绍力值曲线仪测力算法的原理和实现方法。 力值曲线仪的传感器通常采用应变传感器、压电传感器或负荷细 胞等，这些传感器可以将受力产生的应变、压力或位移转换为电信号。测力算法的目标是根据电信号计算出物体受到的力的数值。 首先，测力算法需要进行校准。校准是为了确定传感器的灵敏度 和零点偏移。在校准过程中，可以对已知大小的力施加在力值曲线仪上，并记录下传感器所得到的电信号。通过比较已知力和传感器电信 号的关系，可以得到传感器的灵敏度和零点偏移，并将其记录下来作 为测力算法的参考。 校准完成后，测力算法可以通过以下步骤计算力的数值：
1.去噪：传感器可能会受到环境噪声的干扰，如机械振动、电磁干扰等。去噪是为了降低这些干扰对力测量的影响。常用的去噪方法包括滤波和信号平滑处理。 2.特征提取：传感器输出的电信号通常是连续变化的。为了计算力的数值，需要从连续的电信号序列中提取特征。常见的特征包括峰值、均值、标准差等。这些特征可以反映物体受力的变化情况。 3.线性化：在某些情况下，传感器的电信号与力之间的关系可能不是线性的。为了使测力算法更准确，可能需要对传感器的电信号进行线性化处理。线性化方法通常采用多项式拟合或曲线拟合等数学模型。 4.校准：校准是为了进一步提高测力算法的准确性。在校准过程中，可以使用已知大小的力施加在力值曲线仪上，并记录传感器所得到的电信号。通过比较已知力和传感器电信号的关系，可以修正计算力的数值。 5.力的计算：在完成校准和线性化处理后，可以通过将传感器的电信号代入测力算法中，得到相应的力的数值。测力算法可以是简单的数学公式，也可以是复杂的模型，具体根据应用需求而定。
测力轮对技术实施方案研究
测力轮对技术实施方案研究 ②昆山高新轨道交通智能装备有限公司成都分公司四川省成都市 610000 摘要：测力轮对作为轨道车辆线路测试中有效的轮轨力测量方法，一直是国内外轨道车辆动力学研究的热点，为满足城市轨道交通车辆动力学试验要求，需要提供满足测力探测器安装要求的测力轮对。本文对测力轮对贴片位置选择、车轮打孔位置的选择、车轮正反面划线方法和标定方法进行分析和总结，可以为其他测力轮对研究人员提供一定的经验指导。 关键词：测力轮对；车轮划线；轮对标定 0 引言 根据交通运输部颁布的[2019]1号文件《城市轨道交通初期运营前安全评估管理暂行办法》和[2019]17号文件《城市轨道交通初期运营前安全评估技术规范第1部分：地铁和轻轨》要求，每条新建运营城市轨道交通线路，在工程建设完成后必须经过第三方安全评估通过才能进行初期运营。第三方评估内容涵盖系统功能校核、系统联动测试以及运营准备等内容。其中，系统联动测试环节中车辆动力学试验是第三方评估重要组成部分，而测力轮对作为动力学试验用的关键试验部件，其制作及标定方法尤为重要。本次技术实施方案的研究参照了GB/T 5599-85标准和TB/T 2360-93标准。 1 技术实施方案流程 整个技术实施方案流程图如图1。 图1 测力轮对实施方案流程图
2 测力轮对贴片位置选择 测力轮对主要受到横向力、垂向力和纵向力的作用，沿径向贴片可消除纵向力的影响。通过轮对的有限元模型模拟加载的方法来选择最佳贴片位置，对于给定的电桥，可以找到贴片位置，既可以的到高德输出灵敏度、理想的输出波形，又能将价差干扰、载荷作用位置的影响等误差降到最低。因此，测力轮对制作是至关重要的一步。 2.1 轮对三维建模 利用CATIA三维软件，对测力轮对建立三维模型，不同型号轮对踏面型号、轮毂宽度都不一样，针对试验轮对进行建模。本例为中车青岛四方机车车辆股份有限公司动车测力轮对，三维模型如图2。 图2 轮对三位模型 2.3 轮对静力学分析 将轮对三维模型导入ANSYS建立测力轮对有限元模型，在ANSYS中分别对车轮加载垂向力和横向力，寻找垂向力和横向力相互干扰最小的点作为载荷识别点，进行(1)垂向载荷，横向载荷；(2)垂向载荷，横向载荷两种工况分析。垂向力加载位置在离轮对外侧70mm的踏面上，方向指向圆心；横向力加载位置在径向方向上离垂向加载点10mm的轮缘上，方向由轮对外侧指向内侧。应力分布如图3所示。
工程力学力求解的方法研究
工程力学力求解的方法研究 工程力学是研究力在工程中的作用和应用的学科，它涉及到物体的静力学、动 力学和强度学等方面。在工程实践中，解决力学问题是必不可少的，因此研究工程力学力求解的方法具有重要的意义。 一、经典力学方法 经典力学是工程力学的基础，它采用牛顿力学的基本原理和公式进行分析和计算。在静力学中，经典力学方法主要包括平衡条件和受力分析。通过平衡条件，我们可以确定物体在平衡状态下的受力情况，从而解决力学问题。在动力学中，经典力学方法主要包括牛顿第二定律和动量守恒定律。通过这些定律，我们可以计算物体的运动状态和受力情况。在强度学中，经典力学方法主要包括应变-应力关系和 材料力学性质的研究。通过这些关系和性质，我们可以计算物体的应力和变形情况。 二、数值力学方法 数值力学方法是一种基于数值计算的力求解方法，它通过离散化物体和力的作用，将力学问题转化为数学问题，并通过数值计算方法求解。在工程实践中，数值力学方法广泛应用于结构力学分析、流体力学模拟等领域。其中，有限元方法是最常用的数值力学方法之一。有限元方法将物体划分为有限个小单元，通过建立单元间的力学关系，求解整个物体的受力情况。有限元方法具有适用范围广、计算精度高等优点，在工程实践中得到了广泛应用。 三、实验力学方法 实验力学方法是通过实验手段来研究力学问题的方法。在工程实践中，实验力 学方法常用于材料性质测试、结构强度验证等方面。通过实验手段，我们可以获得物体的受力情况和变形情况，从而验证理论模型和计算结果的准确性。实验力学方法具有直观、可靠的特点，在工程实践中起着重要的作用。
四、计算力学方法 计算力学方法是一种基于计算机技术的力求解方法，它通过建立力学模型和数 学模型，利用计算机进行计算和模拟。在工程实践中，计算力学方法广泛应用于结构力学分析、流体力学模拟等领域。其中，有限元方法、边界元方法、有限差分方法等是常用的计算力学方法。计算力学方法具有计算速度快、计算精度高等优点，在工程实践中得到了广泛应用。 综上所述，工程力学力求解的方法研究是工程力学的重要内容。经典力学方法、数值力学方法、实验力学方法和计算力学方法是常用的力求解方法。每种方法都有其适用范围和优缺点，根据具体问题的特点选择合适的方法进行研究和求解。在未来的研究中，可以进一步深入探索力求解的方法，提高计算精度和效率，为工程实践提供更可靠的力学分析和计算支持。
力的作用与测量方法
力的作用与测量方法 力是物体之间相互作用的结果，它可以改变物体的状态、形状和运动状态。在物理学中，力是一种基本的物理量，对于研究物体的运动和相互作用具有重要的作用。本文将探讨力的作用及其测量方法。 一、力的作用 力可以改变物体的状态和形状，产生加速度和变速度。根据力的作用方向和物体的运动方向的关系，力可以分为平行于物体运动方向的平行力和垂直于物体运动方向的垂直力。 平行力是指作用在物体上的力与物体运动方向平行，它可以增加或减少物体的速度。例如，用力推动一辆汽车，向前的力会增加汽车的速度，而向后的力则会减少汽车的速度。 垂直力是指作用在物体上的力与物体运动方向垂直，它可以改变物体的形状和状态。例如，向上的力可以抬起物体，向下的力可以使物体下降。 二、力的测量方法 为了准确测量力的大小，人们采用多种方法进行测量。以下是几种常用的测量力的方法： 1.弹簧测力计：弹簧测力计是一种常见的力测量工具，它利用弹簧的弹性变形来测量受力物体所受的力的大小。当物体受力后，弹簧会产生形变，根据弹簧的形变程度可以计算出受力物体所受力的大小。
2.动态测力法：动态测力法是通过测量物体受力后的加速度来计算力的大小。根据牛顿第二定律，力是物体质量乘以加速度，通过测量物体在受到力作用后的加速度可以计算出力的大小。 3.静态测力法：静态测力法是通过平衡力的方法来测量力的大小。常见的静态测力法包括天平法和力矩平衡法。通过平衡受力物体和其他力的平衡力来测量所需的力。 综上所述，力是物体之间相互作用的结果，它可以改变物体的状态和形状。测量力的方法包括弹簧测力计、动态测力法和静态测力法。这些测量方法可以帮助我们更准确地了解力的大小和作用方式。 需要注意的是，测量力时应保证测量仪器的准确性和稳定性，同时还需考虑一些可能的误差，如测量仪器的刻度误差、操作误差等。只有在准确测量力的前提下，才能更好地理解和应用力的知识，推动科学技术的发展。 总结起来，力的作用及其测量方法是物理学中重要的研究内容。通过深入了解力的作用方式和选择适当的测量方法，可以更好地应用于实践中，推动科学技术的发展和实际问题的解决。
高速铁路典型轨道病害下轮轨力响应特性试验研究
高速铁路典型轨道病害下轮轨力响应特性试验研究 李谷; 张志超; 祖宏林; 牛留斌; 储高峰 【期刊名称】《《中国铁道科学》》 【年(卷),期】2019(040)006 【总页数】7页(P30-36) 【关键词】高速铁路; 轨道病害; 轮轨力; 测力轮对; 轨道状态检测 【作者】李谷; 张志超; 祖宏林; 牛留斌; 储高峰 【作者单位】中国铁道科学研究院集团有限公司机车车辆研究所北京100081; 中国铁道科学研究院集团有限公司基础设施检测研究所北京100081 【正文语种】中文 【中图分类】U216.4 随着高速列车的大量开行和运营线路的长期服役，轨道线路状态对列车运行安全性和平稳性的影响逐渐显现，轮轨间相互作用一旦恶化，将会引起轨道病害的滋生和迅速发展，使得列车部件和轨道结构在大幅值高频循环载荷环境下极易产生材料失效、疲劳伤损甚至结构破坏等突发问题，危及行车安全[1]。高速铁路轨道线路状态对运输安全性和可靠性具有关键影响作用，因此亟需发展高效、准确、全面的高速铁路轨道状态检测技术。 目前，我国的高速铁路轨道状态检测技术正在从单一的轨道几何状态检测向包括轨道几何状态检测、轮轨动力学检测在内的综合检测技术的方向发展，其中基于轮轨
力连续测量的轨道状态检测技术[2-3]作为轨道质量综合检测的重要组成部分发挥着越来越重要的作用。目前，我国已有多列高速综合检测列车装备了轮轨力检测系统，该系统除了能够检查各项运行安全性和平稳性考核参数以外，还能够通过对轮轨力响应特征的捕捉，结合对轴箱、构架和车体振动响应的综合分析，准确高效地发现轨道线路上引起轮轨力异常和运行平稳性降低的各类缺陷，特别是可以有效识别轨道短波不平顺，弥补传统轨道几何状态检测方式的不足。作为一种全新的轨道状态检测技术，该系统已经在多条新建高速铁路联调联试及运营高速铁路客专线路的日常巡检中发挥了重要作用[4-6]，并积累了大量的轮轨力响应试验数据和检测实例。现阶段应加强对这些试验数据的系统梳理和综合分析，从而研究掌握轮轨力异常响应与轨道短波不平顺病害的相互关联性，提高高速铁路轨道病害识别的精确度和效率。 本文通过对试验数据的深入分析，系统研究高速列车轮轨力异常响应特征与轨道病害的关联关系，讨论发生这些常见轨道病害时轮轨力的动态特征变化规律。 1 基于连续测量测力轮对技术的轮轨力检测系统 随着轮轨力连续测量技术的提升和高速综合检测列车的研发，基于连续测量测力轮对技术的轮轨力检测系统开始装备于轨道检查车和多列高速综合检测列车，逐渐应用于普速铁路和高速铁路的轨道状态检测中。到目前为止，基于轮轨力连续测量的轨道状态检测方法已经形成了一整套完备的具有完全自主知识产权的技术体系，完成了多条高速铁路联调联试和日常巡检任务。轮轨力连续测量检测系统由高精度连续测量测力轮对、振动加速度传感器、轮轨力数据传输采集子系统、轮轨力数据综合分析子系统等部分组成，主要具有以下技术特点：①轮轨力是车轮和钢轨相互作用的直接结果，能够最直接最真实地反映车轮和钢轨的受力状态。②采用连续测量测力轮对技术，实现在车轮旋转360°范围内任一角度都具有同样精度的测试灵敏度和抗串扰特性，也即实现列车在高速运行过程中轮轨间作用力的实时连续测量，
动车组轮对等效锥度轨边动态检测技术研究
动车组轮对等效锥度轨边动态检测技术 研究 摘要轮轨匹配等效锥度是评价轮轨几何关系的关键参数之一,可以直接反映轮轨几何接触特性和动力学性能。介绍等效锥度的消除方法，介绍了LY设备上无缝加装等效锥度的原理。 关键词机车车辆；等效锥度；消除方法；LY设备 1.概述 等效锥度是评价轮轨接触几何状态的重要指标，是反映轮轨横向力对运行质量影响的等效平均参数，其对车辆蛇形稳定性产生重要影响。等效锥度较小会造成车体晃动，影响乘客体验；等效锥度较大则会造成车体抖动，造成转向架蛇行失稳，会影响行车安全。 等效锥度定义为：左右车轮接触点处滚动圆半径差之半与轮对横移量之间存在函数关系，在一定轮对横移量范围内，两者之间认为是直线关系，直线的斜率即为等效锥度。根据UIC519和EN15302中对等效锥度的定义： ，（1） 即磨耗型踏面轮对在指定横移量下的蛇行运动波长与同等锥度的锥形踏面轮对蛇行运动波长一致。 根据铁总运〔2015〕185号文件要求，目前各动车组入库线均配置了LY轮对故障动态检测设备（以下简称LY设备），该设备由轮对外形尺寸检测单元、踏面擦伤检测单元和车轮深层次探伤单元组成，适用于各型CRH动车组车轮日常动
态检测。基于LY设备的轮对外形尺寸检测单元提供车轮踏面廓形曲线，采用 UIC519等计算模型，可以实现车轮等效锥度的计算。 2.等效锥度消除方法 当车轮出现等效锥度后，有4种方法来消除： （1）轮对镟修。等效锥度会随动车组运行里程增加稳步增大[1]，目前主要通 过轮对镟修的方式将磨耗车轮恢复至其设计廓形，但是面临着镟修周期过短、车 轮踏面镟修频繁、镟修量和经济性差的问题。 （2）钢轨打磨。钢轨打磨能有效减小轮轨等效锥度，改善车辆动力学性能。与轮对镟修周期相比，钢轨打磨周期长且单次钢轨打磨过程耗时较多，但钢轨磨 耗较慢，能长期起到控制等效锥度的效果。制定完善的钢轨打磨方案对动车组横 向振动超限尤为重要。 （3）改善影响等效锥度的轨道几何尺寸。轨距、轨道不平顺、轨底坡等对 等效锥度都有影响。等效锥度随着轨距的加宽而减小，这主要是由于轨距加宽后 轮轨接触点向车轮外侧移动所致；而轨距越窄，轮轨接触点越向车轮轮缘根部移动，等效锥度越大。深入了解这些影响等效锥度的因素，合理精调轨道几何尺寸 也将能有效控制动车组构架的横向振动超限。 （4）实现运行动车组等效锥度的在线检测。目前动车组的等效锥度随运行 里程增加而增大的趋势未有控制手段，因此，可考虑在LY系统中增加等效锥度 检测模块，实现在不需要停车及特定条件下的运行动车组车轮状态在线检测，找 出等效锥度超标车辆，及时发现处理，提高动车组轮对的平稳行驶性能。 为系统解决等效锥度、多边形和径跳运用中的问题，国铁集团机辆部下发了 机辆动客函〔2021〕36号，明确提出了《动车组车轮等效锥度、多边形、径跳运 用标准》，提出使用自动化监测设备来实现等效锥度的日常监测。 3.LY设备等效锥度检测原理 LY设备等效锥度计算方法如下：
高速列车脱轨监测关键算法研究
高速列车脱轨监测关键算法研究 艾永军; 陈春俊; 熊仕勇; 张振 【期刊名称】《《中国测试》》 【年(卷),期】2019(045)010 【总页数】5页(P109-113) 【关键词】高速列车; 安全性; 脱轨监测; 卡尔曼滤波; 小波变换 【作者】艾永军; 陈春俊; 熊仕勇; 张振 【作者单位】西南交通大学机械工程学院四川成都 610031 【正文语种】中文 【中图分类】U229 0 引言 随着复兴号的正式运营，中国高铁最高时速已达400 km/h。高速列车的安全运行是提速的基本前提，目前列车运行安全性由脱轨系数、轮重减载率等指标衡量，主要方法是使用测力轮对测得轮轨力进而计算脱轨安全性指标来评判列车安全性[1]。但由于测力轮对维护困难，并不适用于高速列车脱轨的在线监测[2]。 列车脱轨在线监测是轨道交通领域研究的难点和热点之一。近年来，为实现高速列车脱轨在线监测，国内外学者对此进行了大量探索。日本学者城取岳夫等[3]在转 向架上安装加速度传感器，将采集到的加速度数据与预先建立好的加速度统计特征数据库数据进行对比，依据振动加速度的波形特征判断是否脱轨，但数据库建立难
度大。唐永康[4]通过位移传感器、加速度传感器，实时检测车轮与钢轨的横向与垂向相对位移、作用力和车轮加速度，通过综合判据来监测车辆脱轨。轮轨相对位移可以反映车辆运行安全状态，钟莎[5]将摄像机固定在转向架上，通过图像处理的方法计算轮轨相对位移，以实现列车安全运行监测目的，但忽略了构架与轮对之间的相对振动。 随着我国轨道不平顺技术的发展，本文旨在基于轨道不平顺检测技术基础上对列车脱轨进行监测。王卫东[6]采用激光摄像机研制的GJ-6型轨道检测系统，提高了系统处理速度，最高达到400 km/h检测要求。熊仕勇[7]基于数字激光测量和惯性测量研制的轨道不平顺检测系统，检测误差在1 mm以内。 基于轨道不平顺检测技术，提出一种通过轴箱上安装加速度传感器监测列车脱轨方案，使用卡尔滤波设计脱轨监测关键算法，并通过小波变换对算法进行优化。建立了动力学仿真模型并获得数据，验证算法的正确性。 1 轮轨几何关系判断脱轨原理 1.1 车轮抬升量判断脱轨原理 针对脱轨指标在某些情况下不能准确反映列车脱轨状况，翟婉明等[8]提出了一种车轮抬升量判定脱轨原理。列车脱轨表现为车轮脱离钢轨，直接从轮轨几何关系来判断车辆脱轨是一种可行的方法。车轮抬升量定义为车轮踏面名义接触点与钢轨顶面最高点的垂向距离，其原理如图1所示。 只要车轮抬升量小于轮缘高度，理论上车轮尚未摆脱钢轨约束。因此以轮缘高度为临界点，采用车轮抬升量判断车辆脱轨与否，可表示为 图1 车轮抬升量示意图 式中：Z1,2——车轮抬升量，mm； Hf——轮缘高度，mm。