Processing math: 100%
  • ISSN 0258-2724
  • CN 51-1277/U
  • EI Compendex
  • Scopus 收录
  • 全国中文核心期刊
  • 中国科技论文统计源期刊
  • 中国科学引文数据库来源期刊

基于KDE及Markov的高速列车传动系振动评价及可靠性分析

刘玉梅 陈云 赵聪聪 熊明烨

宋启峰, 陈光雄, 董丙杰, 张峻才, 冯晓航. 地铁梯形轨枕轨道钢轨波磨成因研究[J]. 西南交通大学学报. doi: 10.3969/j.issn.0258-2724.20230573
引用本文: 刘玉梅, 陈云, 赵聪聪, 熊明烨. 基于KDE及Markov的高速列车传动系振动评价及可靠性分析[J]. 西南交通大学学报, 2022, 57(4): 783-790, 796. doi: 10.3969/j.issn.0258-2724.20200542
SONG Qifeng, CHEN Guangxiong, DONG Bingjie, ZHANG Juncai, FENG Xiaohang. Cause of Rail Corrugation on Ladder Sleeper Track[J]. Journal of Southwest Jiaotong University. doi: 10.3969/j.issn.0258-2724.20230573
Citation: LIU Yumei, CHEN Yun, ZHAO Congcong, XIONG Mingye. Vibration Evaluation and Reliability Analysis of High-Speed Train Transmission System Based on Kernel Density Estimator and Markov Model[J]. Journal of Southwest Jiaotong University, 2022, 57(4): 783-790, 796. doi: 10.3969/j.issn.0258-2724.20200542

基于KDE及Markov的高速列车传动系振动评价及可靠性分析

doi: 10.3969/j.issn.0258-2724.20200542
基金项目: 国家自然科学基金(51575232);吉林省科技厅重点研发项目(20200401108GX)
详细信息
    作者简介:

    刘玉梅(1966—),女,教授,研究方向为车辆可靠性与可维修性, E-mail:lymlls@163.com

  • 中图分类号: U266.2

Vibration Evaluation and Reliability Analysis of High-Speed Train Transmission System Based on Kernel Density Estimator and Markov Model

  • 摘要:

    为研究高速列车运行过程中传动系的振动情况及可靠性,对CRH3型高速列车传动系关键部件的振动加速度数据进行实车采集,采用核密度估计(KDE)法对采集数据统计处理,得出各关键部件在各方向上振动响应的概率密度函数近似曲线,据此对传动系的关键部件进行振动评价;通过MATLAB计算各关键部件振动加速度的最优置信区间;对传动系及传动系的关键部件定义“安全”和“故障”两种状态,建立关键部件的威布尔比例失效率模型及传动系的Markov状态转移模型,以传动系当前状态为初始状态,基于实时故障率及维修率分析传动系可靠性的变化. 研究结果表明:传动系中轴箱轴承、齿轮箱以及电机轴承的垂向振动最强,振动加速度集中分布在25倍、20倍、10倍重力加速度范围内,概率99.75%的均方差值分别在20.5026倍、17.6712倍、11.4693倍重力加速度内;计算得到各关键部件振动加速度概率为99.75%的最优置信区间,为系统的振动监测阈值优化及故障评估提供参考;故障率及维修率是影响传动系统状态概率的关键因素,当故障率增加30%时,系统的状态概率约下降10%,当维修率由0.05提升至0.10时,可使系统的可靠性提高20%.

     

  • 钢轨波磨是铁路行业尚未解决的难题,在地铁线路上尤为严重. 任何一条地铁线路上,只要曲线轨道半径低于350 m,则该轨道内轨上出现波磨的几率接近100%;然而在大半径曲线轨道(R≥650~800 m)和直线轨道上,很少出现钢轨波磨:这是地铁线路上钢轨波磨的普遍规律[1-2]. 当列车通过波磨轨道时,轮轨界面上的剧烈振动加剧了车辆和轨道部件的疲劳断裂,甚至危害行车安全[3-4].

    目前钢轨波磨的形成机理可分为3类:1) 轮轨表面初始不平顺激励下,轮轨界面的瞬时动力作用引起摩擦功波动导致钢轨波磨[5-10];2) 轮轨系统的粘-滑振动引起了钢轨波磨[11-13];3) 饱和轮轨蠕滑力激发了轮轨摩擦耦合系统的自激振动导致钢轨波磨[14-19]. 第一类理论模型为它激振动模型,该理论可以较好地解释地铁线路上的部分波磨现象,但不足以解释地铁线路上波磨主要出现在小半径曲线内轨,在大半径曲线和直线轨道上波磨发生率较低这一普遍现象;第二类理论模型预测得出的波磨频率约为20~80 Hz[12-13],远小于地铁线路上绝大多数波磨的通过频率;第三类波磨理论由陈光雄教授提出,该理论认为当车辆通过小半径曲线轨道时,导向轮对上的轮轨蠕滑力饱和,引发了轮轨系统的摩擦自激振动,致使钢轨表面出现波磨,该理论可以合理地解释地铁线路上规律性的波磨现象,正逐渐被学者们认可[20-23].

    梯形轨枕因其具有良好的减振降噪效果被铺设在减振要求高的地段[24]. 然而,在小半径曲线梯形轨枕轨道上出现了严重的钢轨波磨[25],目前对于梯形轨枕轨道波磨成因的研究还不充分. 本文基于轮轨系统摩擦自激振动导致钢轨波磨的观点对小半径曲线上的梯形轨枕轨道波磨展开研究,建立了导向轮对-梯形轨枕轨道系统有限元模型. 该模型采用实体单元对扣件系统进行建模,考虑了弹条的扣压作用以及轨距挡块的横向限位作用,建模方式更加符合实际工况. 应用复特征值分析和瞬时动态分析分别求解了该摩擦耦合系统的运动稳定性和时域动态响应,揭示了小半径曲线上梯形轨枕轨道波磨的成因.

    当车辆通过小半径曲线梯形轨枕轨道时,导向轮对与钢轨的接触位置如图1所示. 外轮的轮缘与高轨的轨距面接触,内轮的踏面与低轨的轨顶面接触. 图1中:δLδR分别为外轮、内轮与钢轨间的接触角,FLNL分别为外轮与高轨接触界面上的横向蠕滑力和法向接触力,FRNR分别为内轮与低轨接触界面上的横向蠕滑力和法向接触力,FSVLFSVR为作用在导向轮对左、右轴端的垂向悬挂力,FSLLFSLR为作用在导向轮对左、右轴端的横向悬挂力,KC为弹条刚度,KDLCDL分别为横向缓冲垫的刚度和阻尼,KDVCDV分别为垂向减振垫的刚度和阻尼.

    图  1  导向轮对-梯形轨枕轨道系统接触模型简图
    Figure  1.  Contact model of leading wheelset‒ladder sleeper track system

    扣件系统由轨下垫板、弹条、轨距挡块、铁垫板等组成,轨距挡块约束着钢轨的横向运动,弹条产生的扣压力将钢轨紧紧地压在轨道上,钢轨的纵向运动通过钢轨与轨下垫板间的摩擦力来约束,螺旋道钉将铁垫板固定在梯形轨枕上. 为了简化模型,本文仅对扣件系统中的轨下垫板和铁垫板进行实体单元建模.

    依托于图1所示的轮轨系统接触模型,使用ABAQUS有限元分析软件建立了导向轮对-梯形轨枕轨道系统有限元模型,如图2所示. 车轮廓形为LM磨耗型踏面,轮对滚动圆半径为0.42 m;钢轨廓形为60 kg/m标准钢轨截面,模型中单根钢轨的长度为36 m;轨下垫板离散地分布在钢轨底部,相邻轨下垫板/铁垫板间的距离为0.625 m;梯形轨枕由横向钢管和预应力混凝土纵梁组合而成,相邻横向钢管间的距离为2.5 m;导向轮对、钢轨、轨下垫板、铁垫板和梯形轨枕通过实体单元建模,整个有限元模型采用C3D8I实体单元划分,模型中共包含422968个单元,606942个节点. 轮轨间的接触以及钢轨和轨下垫板间的接触采用面-面接触算法和有限滑移准则进行建模. 轮轨间的摩擦系数为0.40,钢轨与轨下垫板间的摩擦系数为0.75[26]. 通过垂向压缩弹簧来模拟弹条的扣压作用,通过“Equation”约束模拟轨距挡块的横向限位作用,通过“Tie”约束模拟轨下垫板和铁垫板以及铁垫板和梯形轨枕的连接关系. 模型中采用接地弹簧和阻尼单元模拟侧向缓冲垫和垂向减振垫对梯形轨枕的缓冲减振作用,相邻缓冲减振垫间的距离为1.25 m. 缓冲减振垫的刚度为2 × 107 N/m,阻尼为7 × 104 N·s/m[27]. 各部件的材料参数见表1.

    图  2  导向轮对-梯形轨枕轨道系统有限元模型
    Figure  2.  Finite element model of leading wheelset‒ladder sleeper track system
    表  1  材料参数
    Table  1.  Material parameters
    部件 密度/
    (×103 kg·m−3
    弹性模量/MPa 泊松比
    钢轨/轮对 7.80 210000 0.30
    轨下垫板 1.19 12 0.45
    铁垫板 7.80 173000 0.30
    横向钢管 7.80 210000 0.30
    混凝土纵梁 2.50 36000 0.20
    下载: 导出CSV 
    | 显示表格

    采用复特征值分析来求解导向轮对-梯形轨枕轨道系统的运动稳定性. 在小半径曲线轨道段,导向轮对上的轮轨蠕滑力达到饱和,约等于滑动摩擦力. 在此情形下,轮轨摩擦耦合系统的运动方程为

    M¨u+C˙u+Ku=0, (1)

    式中:MCK分别为系统的质量、阻尼和刚度矩阵,u为节点位移向量.

    式(1)的通解为[28]

    u(t)=zi=1φieλit=zi=1φie(αi+jωi)t, (2)

    式中:z为拟提取的特征值阶数;${\lambda _i} = {\alpha _i} + {\mathrm{j}}{\omega _i}$,为第i阶特征值;${{\boldsymbol{\varphi}} _i} $为特征向量;t为时间.

    由式(2)可以看出,当特征值实部为正时,节点位移随时间指数式增长,这意味着轮轨系统发生了不稳定振动. 通常采用等效阻尼比$ \xi $来判断系统发生自激振动的趋势,如式(3).

    ξ=2αi|ωi|. (3)

    当$ \xi <$0时,轮轨摩擦耦合系统发生了自激振动. 而且,$ \xi $越小,轮轨系统发生自激振动的趋势越强,钢轨波磨更易发生.

    复特征值分析是一种频域分析方法,而瞬时动态分析是一种时域非线性分析方法,可以获取摩擦自激振动发生时系统的动态响应. 本文使用ABAQUS/Standard隐式求解器计算了轮轨系统的动态响应. 该求解器采用Newmark方法计算每个增量步结束时刻系统的平衡方程,进而获取节点的位移和速度[29],如式(4)、(5).

    u|t+Δt=u|t+Δt˙u|t+Δt2((12β)¨u|t+β¨u|t+Δt), (4)
    ˙u|t+Δt=˙u|t+Δt((1γ)¨u|t+γ¨u|t+Δt), (5)

    式中:Δt为积分步长,β = (1–α2)/4,γ = 0.5–α,−0.5≤α≤0.

    复特征值分析的步骤为:

    步骤1 在导向轮对轴端施加垂向悬挂力和横向悬挂力;

    步骤2 引入轮轨间的摩擦耦合作用;

    步骤3 提取轮轨系统的固有频率;

    步骤4 进行复特征值分析,提取轮轨系统的摩擦自激振动.

    通过定义轮对的横向滑动速度引入导向轮对和钢轨间的摩擦耦合作用. 应用复特征值分析提取了50~1200 Hz内导向轮对-梯形轨枕轨道系统的摩擦自激振动,如图3所示. 可以看到,在该频率范围内系统共存在7个自激振动,对应频率分别为150.35、163.07、422.16、447.81、471.05、493.97 Hz和519.94 Hz.

    图  3  导向轮对-梯形轨枕轨道系统的自激振动频率分布
    Figure  3.  Distribution of self-excited vibration frequencies of leading wheelset‒ladder sleeper track system

    图4为7个自激振动的振动模态,自激振动主要发生在低轨和内轮上,与钢轨波磨发生在小半径曲线梯形轨枕轨道内轨上相吻合. 根据等效阻尼比越小,自激振动发生趋势越强的原则,可知频率为150.35 Hz和493.97 Hz的自激振动更易发生.

    图  4  导向轮对-梯形轨枕轨道系统的自激振动振型
    Figure  4.  Mode shapes of self-excited vibrations of leading wheelset‒ladder sleeper track system

    图5为曲线半径为350 m的梯形轨枕轨道上的内轨波磨,其波长$\lambda $为60~80 mm. 列车通过该轨道的平均速度$v $为37 km/h,由$\lambda = v/f$可得波磨通过频率为130~180 Hz[27]. 综上可得:当车辆通过小半径曲线段梯形轨枕轨道时,发生在导向轮对内侧轮轨界面上频率为150.35 Hz的自激振动致使内轨上出现了波长为60~80 mm的波磨.

    图  5  梯形轨枕轨道内轨波磨[27]
    Figure  5.  Inner rail corrugation on ladder sleeper track[27]

    应用瞬时动态分析求解轮轨系统的动态响应分2个步骤完成:第一步,在导向轮对的轴端施加垂向悬挂力和横向悬挂力;第二步,设置轮对运行速度为40 km/h,运行时间为0.15 s,采样间隔为5 × 10–5 s. 由于未施加任何外部激励且钢轨表面无初始不平顺,因此,计算所得的轮轨系统的响应为自激振动响应. 图6所示为轮轨界面上的法向接触力的时间历程曲线. 从图中可以看出,内侧轮轨界面上的法向接触力波动幅值要大于外侧轮轨界面上的,其中外轮与高轨间法向接触力的波动幅值约为20 kN,而内轮与低轨间法向接触力的波动幅值约为30 kN.

    图  6  轮轨法向接触力时间历程曲线
    Figure  6.  Time history of wheel-rail normal contact force

    图7为轮轨法向接触力的功率谱密度分析结果. 可以看到,内外侧轮轨界面上法向接触力的振动主频为160 Hz. 由$\lambda = v/f$可得波长约为69 mm,该预测结果与线路上梯形轨枕轨道波磨的波长(60~80 mm)接近.

    图  7  轮轨法向接触力的功率谱密度分析
    Figure  7.  Power spectral density analysis of wheel-rail normal contact force

    不同侧向缓冲垫阻尼CDL,轮轨系统自激振动频率的分布如图8所示. 从图中可以看出:轮轨系统自激振动的数量不随侧向缓冲垫阻尼变化,轮轨系统产生了7个自激振动;侧向缓冲垫阻尼对400~600 Hz内的自激振动的影响很小,而对150~200 Hz内的2个自激振动有较大影响,2个自激振动的等效阻尼比随侧向缓冲垫阻尼值的增大而增大,这说明系统发生自激振动的趋势减弱. 因此,增大侧向缓冲垫阻尼可以在一定程度上抑制梯形轨枕轨道上的内轨波磨.

    图  8  不同侧向缓冲垫阻尼下轮轨系统自激振动频率的分布
    Figure  8.  Distribution of self-excited vibration frequencies of wheel-rail system under different damping levels of lateral cushioning pad

    图9所示为不同垂向减振垫刚度KDV,轮轨系统自激振动频率的分布. 从图9可以看出,当垂向KDV=10 kN/mm时,轮轨系统有6个自激振动,最小等效阻尼比为–0.00789;当KDV=20 kN/mm时,轮轨系统有7个自激振动,最小等效阻尼比为−0.00506;当KDV=30 kN/mm时,轮轨系统有6个自激振动,最小等效阻尼比为−0.00679;当KDV=40 kN/mm时,轮轨系统有6个自激振动,最小等效阻尼比为−0.00798. 由以上分析可知,当KDV=20 kN/mm时,最小等效阻尼比高于其余3种工况,这意味着系统发生自激振动的趋势减弱. 过小或过大的垂向减振垫刚度均不利于抑制梯形轨枕轨道上的内轨波磨.

    图  9  不同垂向减振垫刚度下轮轨系统自激振动频率的分布
    Figure  9.  Distribution of self-excited vibration frequencies of wheel-rail system under different stiffness levels of vertical damping pad

    图10所示为4种不同结构的梯形轨枕. 每块轨枕上横向钢管的数量N=2根时,对应结构的梯形轨枕相邻横向钢管间的距离为5.000 m;N=3根时,对应结构的梯形轨枕相邻横向钢管间的距离为2.500 m;N=5根时,对应结构的梯形轨枕相邻横向钢管间的距离为1.250 m;N=9根时,对应结构的梯形轨枕相邻横向钢管间的距离为0.625 m. 需要说明的是,横向钢管间距的设计值为2.500 m.

    图  10  不同结构的梯形轨枕
    Figure  10.  Ladder sleepers with different structures

    图11所示为4个不同结构的导向轮对-梯形轨枕轨道系统自激振动频率的分布. 从图中可以看出:梯形轨枕结构对轮轨系统的摩擦自激振动有显著影响,并非每块梯形轨枕上的横向钢管数量越多,轮轨系统就越稳定. 如蓝色椭圆圈内所示,当每块梯形轨枕上安装9根横向钢管时,轮轨系统产生自激振动的等效阻尼比反而更小,轮轨系统更不稳定,钢轨波磨更易出现. 红色椭圆圈内所示为低频段的2个自激振动,当每块梯形轨枕上安装2根横向钢管时,等效阻尼比更低,轮轨系统更易趋于不稳定. 当每块梯形轨枕上安装5根横向钢管时,等效阻尼比最大,轮轨系统发生自激振动的趋势减弱. 因此,在地铁小半径曲线地段,铺设横向钢管间距为1.250 m的梯形轨枕可以一定程度抑制梯形轨枕轨道波磨.

    图  11  不同结构的轮轨系统的自激振动频率分布
    Figure  11.  Distribution of self-excited vibration frequencies of wheel-rail systems with different structures

    本文研究了地铁小半径曲线梯形轨枕轨道上的内轨波磨,建立了导向轮对-梯形轨枕轨道系统有限元模型,模型中采用实体单元对扣件系统进行建模,应用复特征值分析和瞬时动态分析分别求解了轮轨系统的运动稳定性和时域动态响应. 研究了缓冲减振垫参数及梯形轨枕结构对轮轨系统摩擦自激振动的影响,得到以下结论:

    1) 饱和轮轨蠕滑力引起的频率为150 Hz的轮轨系统共振振动是地铁线路小半径曲线段梯形轨枕轨道上波长为60~80 mm内轨波磨的成因.

    2) 增大侧向缓冲垫阻尼可以一定程度上抑制梯形轨枕轨道上的内轨波磨,过小或过大的垂向减振垫刚度均不利于抑制钢轨波磨.

    3) 改变单块梯形轨枕上横向钢管的数量实际上是改变了导向轮对–梯形轨枕轨道系统的刚度矩阵,进而影响了轮轨系统发生自激振动的趋势以及钢轨波磨的发展趋势. 铺设横向钢管间距为1.250 m结构的梯形轨枕可以抑制梯形轨枕轨道上的钢轨波磨.

  • 图 1  加速度传感器的测点布置

    1 —轴箱轴承座测点;2 —齿轮箱端部测点;3 —大齿轮上方测点;4 —电机轴承座测点;5 —小齿轮上方测点;6 —C型支架测点.

    Figure 1.  Measuring point arrangement of acceleration sensor

    图 2  关键部件振动加速度估计

    Figure 2.  Vibration acceleration estimation of key components

    图 3  高速列车传动系结构

    1—牵引电机;2—小齿轮;3—驱动轴;4—大齿轮;5—挠性联轴器;6—齿轮箱;7—制动盘;8—齿轮箱悬吊装置;9—电机悬吊装置.

    Figure 3.  High-speed train transmission system structure

    图 4  传动系Markov状态转移模型

    Figure 4.  Markov state transition model of transmission system

    图 5  振动特征值

    Figure 5.  Vibration characteristic values

    图 6  故障率

    Figure 6.  Failure rate

    图 7  传动系状态概率

    Figure 7.  Transmission system state probability

    表  1  核密度估计窗宽

    Table  1.   Bandwidth of kernel density ×g

    测点h测点h
    轴箱轴承 Y0.1756大齿轮 Y0.1482
    轴箱轴承 Z0.4528大齿轮 Z0.1583
    电机轴承 Y0.0882小齿轮 X0.1121
    电机轴承 Z0.2532小齿轮 Y0.1230
    齿轮箱箱体 X0.1368小齿轮 Z0.0923
    齿轮箱箱体 Y0.2420C 型支架 X0.0803
    齿轮箱箱体 Z0.3902C 型支架 Y0.0705
    大齿轮 X0.1083C 型支架 Z0.0669
    下载: 导出CSV

    表  2  振动加速度均方差统计值

    Table  2.   Vibration acceleration$3\sigma $statistics ×g

    测点均方差测点均方差
    轴箱轴承 Y 7.9527 大齿轮 Y 6.7098
    轴箱轴承 Z 20.5026 大齿轮 Z 7.1700
    电机轴承 Y 3.9957 小齿轮 X 5.0722
    电机轴承 Z 11.4693 小齿轮 Y 5.5701
    齿轮箱箱体 X 6.1932 小齿轮 Z 4.1790
    齿轮箱箱体 Y 10.9449 C 型支架 X 3.6375
    齿轮箱箱体 Z 17.6712 C 型支架 Y 3.1926
    大齿轮 X 4.9062 C 型支架 Z 3.0294
    下载: 导出CSV

    表  3  最优置信区间

    Table  3.   Optimal confidence interval ×g

    测点置信区间测点置信区间
    轴箱轴承 Y[−8.6182,9.6198]大齿轮 Y[−8.1821,7.7852]
    轴箱轴承 Z[−23.6998,22.8190]大齿轮 Z[−7.9711,8.9677]
    电机轴承 Y[−4.1076,4.0275]小齿轮 X[−5.6593,5.7762]
    电机轴承 Z[−10.6325,10.2813]小齿轮 Y[−5.9041,6.2235]
    齿轮箱箱体 X[−6.6795,6.3014]小齿轮 Z[−4.5194,4.8815]
    齿轮箱箱体 Y[−10.7730,10.4259]C 型支架 X[−3.9512,3.8502]
    齿轮箱箱体 Z[−16.9872,19.5439]C 型支架 Y[−3.1006,3.1129]
    大齿轮 X[−5.9240,5.9666]C 型支架 Z[−3.2303,3.2141]
    下载: 导出CSV

    表  4  威布尔模型参数估计数值

    Table  4.   Weibull model parameter estimates

    威布参数βηγ1γ2γ3
    小齿轮1.861308.790.30250.4859
    大齿轮1.827324.650.06720.4173
    箱体1.938320.910.20100.1286
    轴箱轴承1.781330.710.20640.02110.0488
    C 型支架1.621307.480.01790.2091
    电机轴承2.079311.770.10100.1611
    下载: 导出CSV

    表  5  各关键部件实时故障率

    Table  5.   Real-time failure rate of key components ×10−2

    关键部件t1=100 ht2=140 h
    电机轴承0.440.67
    轴箱轴承0.760.95
    箱体0.811.06
    大齿轮0.740.94
    小齿轮1.401.85
    C 型支架0.560.63
    下载: 导出CSV
  • [1] 许思思,黄冠华,姜海博,等. 高速列车齿轮箱振动烈度评价方法探讨[J]. 铁道技术监督,2017,45(11): 30-32. doi: 10.3969/j.issn.1006-9178.2017.11.010

    XU Sisi, HUANG Guanhua, JIANG Haibo, et al. Discussion on evaluation method of vibration intensity of gearbox of high speed train[J]. Railway Quality Control, 2017, 45(11): 30-32. doi: 10.3969/j.issn.1006-9178.2017.11.010
    [2] 李梅林,李毅强,谢惠民,等. 车用发动机振动测试研究[J]. 湖南大学学报(自然科学版),2003,30(2): 42-44.

    LI Hailin, LI Yiqiang, XIE Huimin. Study on vehicle engine vibration test[J]. Journal of Hunan University (Natural Sciences), 2003, 30(2): 42-44.
    [3] 邓晓宇. 高速列车齿轮传动系统动态特性仿真与评价方法研究[D]. 成都: 西南交通大学, 2016.
    [4] 刘远龙. 核密度估计中的窗宽选择方法[D]. 合肥: 中国科学技术大学, 2013.
    [5] 杨腾飞. 基于失效物理相关性的风电齿轮箱可靠性分[D]. 兰州: 兰州理工大学, 2017.4.
    [6] 高延杰,杨永发,陈炯,等. 基于核密度估计算法的T100C列车转向架载荷谱统计研究[J]. 机械强度,2016,38(6): 1330-1334.

    GAO Yanjie, YANG Yongfa, CHEN Jong, et al. A research on load spectrum statistical analysis of T100C train bogie based on kernel density estimation algorithm[J]. Journal of Mechanical Strength, 2016, 38(6): 1330-1334.
    [7] 王俊明,茹杨,陈瑜,等. 基于余弦核函数在Solve-the-Equation 方法下的核密度估计[J]. 哈尔滨理工大学学报,2016,12(1): 114-122.

    WANG Junming, RU Yang, CHEN Yu, et al. Solve-the-Equation kernel density estimation method based on cosine kernel function[J]. Journal of Harbin University of Science and Technology, 2016, 12(1): 114-122.
    [8] ZHAO X X, JUN Y. Kernel density estimation of traffic accidents in a network space[J]. Computers,Environment and Urban System, 2008(32): 396-406.
    [9] 郑伟,朱洪磊,符锌砂,等. 基于核密度估计的交通流速度分布[J]. 公路工程,2018,43(2): 113-117. doi: 10.3969/j.issn.1674-0610.2018.02.021

    ZHENG Wei, ZHU Honglei, FU Xinsha, et al. Velocity distribution of traffic flow based on kernel density estimation[J]. Highway Engineering, 2018, 43(2): 113-117. doi: 10.3969/j.issn.1674-0610.2018.02.021
    [10] 赵聪聪. 高速列车传动系统可靠性分析与评估[D]. 长春: 吉林大学, 2016: 24-25.
    [11] IEC. 铁路应用—机车车辆设备—冲击和振动实验: IEC61373—2010[P]. 2版. 日内瓦: [s.n.], 2010.
    [12] 于敏,何正友,钱清泉. 基于Markov模型的可维修双机热备系统可靠性分析[J]. 计算机工程与设计,2009,30(8): 2040-2046.

    YU Min, HE Zhengyou, QIAN Qingquan. Reliability analysis of repairable hot stand-by redundant system based on Markov model[J]. Computer Engineering and Design, 2009, 30(8): 2040-2046.
    [13] 丁锋,何正嘉,訾艳阳,等. 基于设备状态振动特征的比例障率模型可靠性评估[J]. 机械工程学报,2009,45(12): 95-100. doi: 10.3901/JME.2009.12.095

    DING Feng, HE Zhengjia, ZI Yanyang, et al. Reliability assessment based on equipment condition vibration feature using proportional hazards model[J]. Journal of Mechanical Engineering, 2009, 45(12): 95-100. doi: 10.3901/JME.2009.12.095
    [14] 魏利胜,费敏锐. 基于马尔可夫模型的NCS可靠性分[J]. 工业仪表与自动化装置,2007,2(5): 6-8. doi: 10.3969/j.issn.1000-0682.2007.05.002

    WEI Lisheng, FEI Minrui. A reliability analysis of NCS based on the Markov model[J]. Industrial Instrumentation & Automation, 2007, 2(5): 6-8. doi: 10.3969/j.issn.1000-0682.2007.05.002
  • 加载中
图(7) / 表(5)
计量
  • 文章访问数:  324
  • HTML全文浏览量:  126
  • PDF下载量:  11
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-08-14
  • 修回日期:  2020-11-25
  • 刊出日期:  2020-12-02

目录

/

返回文章
返回