Cesty ke zlepšování přepravních schopností kolejových vozidel
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F18%3A00325086" target="_blank" >RIV/68407700:21220/18:00325086 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
čeština
Název v původním jazyce
Cesty ke zlepšování přepravních schopností kolejových vozidel
Popis výsledku v původním jazyce
S rostoucím významem kolejové dopravy se výrobci kolejových vozidel snaží vyrábět i vozidla vysoce výkonná. U těchto vozidel se projevuju v oblasti trakce potřeba zajistit přenos optimálního hnacího momentu v kontaktu kol a kolejnic. Pomocí experimentů se v řadě realizovaných výzkumů, mezi nimi i na ČVUT v Praze v rámci doktorských prací a grantů, zkoumá problematika adheze a torzní dynamiky pohonů. Jednou z oblastí zájmu je využití simulačních modelů MATLAB Simulinku jako zdroje dat k učení neuronových sítí a jejich prostřed-nictvím následně detekovat provozní podmínky a vybírat naučené optimální provozní situace.
Název v anglickém jazyce
Ways to improve transport abilities of railway vehicles.
Popis výsledku anglicky
With the growing importance of the railway transport producers of railway vehicles make efforts to produce highly powerful vehicles. By these vehicles in the field of traction the need to ensure a transmission of an op-timal traction torque within the contact of a wheel and a rail is required. By means of experiments within a realized research, also at CTU in Prague within PhD program and grants, the problematic of adhesion and torsion dynamic of drives has been researched. One of the areas of interest is a utilization of simulation mod-els in MATLAB Simulink as a source of data to teach neural networks and via them the service conditions should be detected and previously taught optimal service situation should be chosen. Keywords: Roller rig, Simulation model, MATLAB Simulink, Neural network
Klasifikace
Druh
O - Ostatní výsledky
CEP obor
—
OECD FORD obor
20301 - Mechanical engineering
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2018
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů