张家界七星山齿轨铁路编组方案研究

来源 :甘肃科学学报 | 被引量 : 0次 | 上传用户:teddy18chen
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
列车编组辆数是齿轨铁路设计的主要技术标准之一,车站到发线有效长度、通风供电设备容量、动车所及存车场停车线长度与其密切相关.编组方案制定直接影响齿轨铁路建设的工程投资,同时也制约运营维护成本及运输服务频率,因此列车编组应从满足能力需求、提高服务频率、降低工程投资、提高经济效益等方面综合研究.为研究张家界七星山齿轨铁路合理的编组方案,采用综合分析法,通过分析其预测客流量、不同编组方案列车定员、运营交路、配线设置,并根据列车作业流程详细计算系统能力可满足5 min.进而采用对比计算法,分旅游淡季和旅游旺季对2辆、3辆、4辆、5辆、2列3辆重联和6辆编组方案能力适应性进行分析.最终推荐旅游旺季初、近期采用3辆编组,远期采用2列3辆编组重联;旅游淡季初、近、远期均采用3辆编组;远期其余旅游时段根据客流情况适当开行2列3辆编组重联列车.研究结论能够支撑项目选择合理的编组方案,同时为其他齿轨铁路编组方案的选择提供了一定的参考价值.
其他文献
加强通信网络流量的管理,需对通信网络流量实行准确预测,因此构建了蚁群算法优化极限学习机的通信网络流量分析模型.采用相空间重构挖掘隐含于通信网络流量时间序列中的信息,获取通信网络流量非线性变化特点,选取极限学习机作为拟合函数完成通信网络流量预测建模,并采用蚁群算法优化极限学习机随机获取的初始权值和阈值,以提高极限学习机的通信网络流量预测精准度.实验测试表明:该模型具备较好的预测拟合度以及较好的收敛特性,并且预测结果的归一化均方误差和平均绝对误差较低,可较好的完成通信网络流量预测.
在环境以及地质条件的影响下,桥梁稳定问题目前已成为变形监测研究中的一个重要方向.研究介绍了时序分析法的模型识别、定阶和预测的过程,建立自回归滑动平均求和(ARIMA)模型对苏通大桥2018年9月下旬连续9天4个监测点的变形监测数据进行预测分析.实验表明采用ARIMA模型对变形监测数据进行预测的结果与实测数据之间差值的均方根误差和标准差均在10 cm以内,因此利用ARIMA模型对桥梁变形监测数据进行预测具有可行性,并且可以取得较好的效果,研究结果可为桥梁下一步的运行维护提供参考.
通过呼吸图法构筑了多孔环氧树脂基底,并在此基础上通过聚二甲基硅氧烷改性以及二甲基硅油润滑液灌注制备了具有优异润滑性的液体灌注涂层.实验结果表明,基底表面孔径及孔隙率随着环境湿度增大而增大,且涂层在不同金属基底上都有良好的黏附性能.基于上述基底所制备的液体灌注涂层具有较低的滚动角(2°),且对多种液体具有良好的滑动性.该涂层被用于冰黏附的防治,展现出较低的冰黏附强度(175 kPa)及较长的延迟结冰时间(>600 s),表明其具有优异的防冰性能.