До питання методів побудови систем захисту від надлишкового ковзання коліс рейкових транспортних засобів
DOI:
https://doi.org/10.25140/2411-5363-2024-2(36)-242-250Ключові слова:
буксування; юз; швидкість прослизання ковзання; характеристика зчеплення; фрикційні автоколиванняАнотація
Контроль ковзання завжди був вирішальним у залізничному секторі через обмежене тертя між колесами та рейкою. У цьому дослідженні будуть розглянуті різні типи захисту від ковзання та ковзання для залізничних транспортних засобів. На основі чого будувати реалізацію максимальної сили тяги відповідно до умов зчеплення. Підвищення тягового зусилля є комплексною проблемою проєктування залізничних транспортних засобів; тому необхідно розробити ефективні системи тяги та алгоритми. Постійний розвиток інтелектуальних систем управління дозволяє
будувати системи управління на основі сигналів зовнішнього середовища. Такі типи сигналів можуть бути отримані
багатофункціональними датчиками, як камери.
Посилання
Klepikov, V.B. (2014). Dynamics of electromechanical systems with nonlinear friction. Pidruchnyk NTU “KhPI”.
Getman, G. K. (2015). Theory of electric traction. (Vol. 2). Dnipropetrovsk: Accent PP.
Davison, A. (2003). Real-time simultaneous localization and mapping with a single camera. IEEE International Conference on Computer Vision, Nice, France (pp. 1403–1410).
Takaoka, Y., Kida, Y., Kagami, S., Mizoguchi, H. and Kanade, T. (2004). 3d map building for a humanoid robot by using visual odometry. IEEE International Conference on Systems, Man and Cybernetics. The Hague (рp. 4444–4449).
Marchand, E., Bouthemy, P., Chaumette, F. and Moreau, V. (1999). Robust real-time visual tracking using a 2D-3D model-based approach. IEEE International Conference on Computer Vision. Kerkyra (рp. 262–268).
Jung, B. and Sukhatme, G. S. (2004). Detecting moving objects using a single camera on a mobile robot in an outdoor environment. The 8th Conference on Intelligent Autonomous Systems, Amsterdam (рp. 980–987).
Betke, M., Haritaoglu, E. and Davis, L. (1996). Multiple vehicle detection and tracking in hard real time”, IEEE Symposium on Intelligent Vehicles. Tokyo (рp. 351–356).
Ferryman, J. M., Maybank, S. J. and Worrall, A. D. (2000). Visual surveillance for moving vehicles. Journal of Compter Vision, 37(2), 187–197
Barron, J.L., Fleet, D.J., and Beauchemin, S.S. (1994). Performance of optical flow techniques. Int. J. Comput. Vis., 12(1), 43–77.
Lucas B.D. and Kanade, T. (1981). An iterative image registration technique with an application to stereo vision. Proc. Imaging Understanding Workshop (рp. 121–130).
Cheng Y., Maimone, M. W., and Matthies, L. (2006). Visual Odometry on the Mars Exploration Rovers”. IEEE Robotics & Automation Magazine.
Horn, B.K.P. and Schunck, B.G. (1981). Determining Optical flow. Artificial Intelligence, 17, 185-203.
Birchfield, S. Kanade-Lucas-Tomasi feature tracker.
Kyrylenko, Y., Kutovoj, Y., Obruch I., and Kunchenko, T. (2020). Neural Network Control of a Frequency-Regulated Electric Drive of a Main Electric Locomotive. IEEE Problems of Automated Electrodrive. Theory and Practice (PAEP), Kremenchuk, Ukraine (Pр. 1-4). doi:10.1109/PAEP49887.2020.9240880.
Kutovoj, Y., Kyrylenko, Y., Obruch I., and Kunchenko, T. (2021). Application of Intelligent Control Systems in Electric Drives of Rail Vehicles. 2021 IEEE 2nd KhPI Week on Advanced Technology (KhPIWeek). Kharkiv, Ukraine. PP. 709-713. doi: 10.1109/KhPIWeek53812.2021.9570026.
Kyrylenko, Y., Yurij, K. and Tatiana, K. (2022). The Robotic Platform for Measuring Linear Velocity Using Computer Vision Algorithms," 2022 IEEE 3rd KhPI Week on Advanced Technology (KhPIWeek). Kharkiv, Ukraine. PP. 1-4. doi: 10.1109/KhPIWeek57572.2022.9916472.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
