کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
241927 501790 2016 11 صفحه PDF سفارش دهید دانلود رایگان
عنوان انگلیسی مقاله ISI
Identification of representative operating conditions of HVAC systems in passenger rail vehicles based on sampling virtual train trips
ترجمه فارسی عنوان
شناسایی شرایط عملیاتی بازنمایی سیستم های تهویه مطبوع در وسایل مسافربری راه آهن بر اساس نمونه گیری سفرهای قطار مجازی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت
خدمات تولید محتوا

این مقاله ISI می تواند منبع ارزشمندی برای تولید محتوا باشد.

  • تولید محتوا برای سایت و وبلاگ
  • تولید محتوا برای کتاب
  • تولید محتوا برای نشریات و روزنامه ها
  • و...

پایگاه «دانشیاری» آمادگی دارد با همکاری مجموعه «شهر محتوا» با استفاده از این مقاله علمی، برای شما به زبان فارسی، تولید محتوا نماید.

تولید محتوا
با 10 درصد تخفیف ویژه دانشیاری
کلمات کلیدی
بارهای حرارتی خودرو راه آهن ؛ سیکل بارگذاری راه آهن HVAC؛ شرایط عملیاتی بازنمایی ؛ نمونه گیری داده ها مبتنی بر مونت کارلو ؛ مشخصات فید حمل و نقل عمومی
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی


• Monte-Carlo-simulation for sampling virtual train trips.
• Use of GTFS feeds on train schedules and trips as simulation input.
• Application of an acausal thermal rail vehicle model.
• Tool to identify HVAC operating conditions for stationary and dynamic simulation.

Simulation-driven development and optimization of heating, ventilation and air-conditioning (HVAC) systems in passenger rail vehicles is of growing relevance to further increase product quality and energy efficiency. However, today required knowledge of realistic operating conditions is mostly unavailable. This work introduces methodologies and tools to identify representative operating conditions of HVAC systems in passenger rail vehicles. First a Monte-Carlo-simulation approach was employed to acquire a large set of close-to-reality HVAC operating conditions based on simulated train trips. Sampling simulated train trips bypassed the issue of unavailability of appropriate real-world data. Furthermore the approach allowed high flexibility in considering HVAC-relevant factors associated to different categories of trains, rail networks, operation profiles and meteorological conditions. Second, algorithms and methodologies such as k-means clustering and an adapted Finkelstein–Schafer statistical method were implemented to identify representative HVAC operating conditions from the sampled dataset. Final results comprise a set of time-independent HVAC operating points with associated frequencies of occurrence (ROC-points) as well as a set of time-domain signals for representative days (ROC-signals). These results are input for stationary or dynamic system-level simulations, which are used to support design decisions. The developed methodology was exemplarily applied to urban/suburban trains in Switzerland.

Figure optionsDownload as PowerPoint slide

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Advanced Engineering Informatics - Volume 30, Issue 2, April 2016, Pages 157–167
نویسندگان
, , ,
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت