为了实现对低真空管道中运行列车的最大阻力预测研究,本文采用数值仿真和神经网络结合的方法。选取不同阻塞比、运行速度和管道压力,利用流体仿真软件计算100种运行工况下列车的最大阻力;以96组仿真数据作为网络模型训练样本,选取RBF和BP两种三层神经网络,经多次调试确定最佳隐层神经元数目,利用训练函数训练两种预测模型;利用随机选取的4组验证样本验证两种网络模型。研究表明:RBF和BP神经网络模型能较好的预测列车在真空管道中运行的最大阻力,其中RBF神经网络预测值的最大误差不高于5%,相比BP神经网络,RBF预测精度更优。

传统的纯电驱动工程机械通常是应用电机来积极地模拟发动机的效能，不会产生燃油消耗以及其他不良的污染排放，契合当前节能减排的态势，不过电机调速属性以及过载功能都很难获得全面地应用。除此之外，动力总成出现了不同的变化，不过控制方略无法全面地考量液压系统的运作特征而予以合理地改善。所以，总体的动力性、节能性、操控性以及安全性都需要进一步地获得提升。为了更加高效地减少能耗，提升纯电驱动项目机械的效率，提出了一项基于变转速把控的定量泵负载敏感机制，同时针对定压差无法契合工程机械在复杂工况下的高效性难题，本文将提出一项变压差控制手段，从而帮助系统在各个工况下更深层次地契合动态响应或节能性的标准。