基于深度学习的高铁接触网旋转双耳开口销钉缺失故障检测

针对高速铁路接触网支撑装置中旋转双耳开口销钉缺失故障检测的问题,提出一种基于深度卷积神经网络和集成学习的故障检测方法。通过Faster R-CNN网络对旋转双耳整体进行精确定位;在整体定位结果的基础上,进一步完成对开口销钉的精确定位,最大程度上降低背景对故障检测的干扰;通过多个深度卷积神经网络提取开口销钉图像的多种特征,最终由多个线性SVM构成的集成分类器实现开口销钉缺失故障检测。实验结果表明:本方法能在复杂的接触网支撑装置图像中实现旋转双耳开口销钉的精确定位,并且在销钉的缺失故障检测中表现出较高的可靠性。     

基于EfficientDet与Vision Transformer的接触网吊弦故障检测

针对传统检测方法在铁路接触网吊弦故障状态检测中存在识别率低,识别速度慢的问题,提出一种基于轻量型网络EfficientDet与Vision Transformer网络相结合的接触网吊弦状态检测算法。该算法包括目标定位和分类检测2个部分,利用改进EfficientDet进行吊弦定位,将定位出的吊弦送入改进Vision Transformer网络进行故障类别检测。首先,使用空洞卷积替代EfficientDet网络中第2层和第3层的普通卷积,以扩大感受野,并用CBAM代替原网络中的SE注意力机制,汇聚吊弦的高层语义信息,使得改进后的EfficientDet能有效定位出接触网中尺寸占比较小的吊弦;其次,为减少参数量并保留较大范围的特征相关性,应用4个3×3的小卷积替代Vision Transformer中Embedding的16×16的卷积层,以深度提取浅层与深层特征之间的联系,同时对比当Num-head取值不同时,分析注意力机制对空间信息的影响,以确定吊弦故障分类检测的最优模型;最后分别与定位网络YOLOv3,Faster R-CNN和分类网络AlexNet,VGG16进行对比分析,吊弦定位...     

基于卷积神经网络的接触网支柱号识别方法研究

接触网支柱号是铁路供电部门现场运营维护的重要定位参数。基于卷积神经网络的接触网支柱号自动识别方法结合接触网图像的实际特点,对视频图像进行了归一化图像预处理,并对实际的支柱图片进行了卷积神经网络的训练,在支柱号识别确定的过程中考虑了接触网支柱号的分布特点,提高了支柱号识别的准确性。利用实际线路数据进行测试,取得了较好的识别精度和较快的识别速度。通过实验验证,该方法能够辅助铁路基础设施检测系统中缺陷的定位,指导现场运营维修。     

基于改进Faster R-CNN的车轮踏面缺陷检测

车轮踏面缺陷是影响列车轮对正常工作的重要因素,目前主流的检测方式为人工或半自动检测,耗时长、效率差、精度低,提高检测效率和精度、及时获取踏面缺陷信息对保障列车正常运行具有重要意义。针对现有神经网络算法难以检测细小缺陷的问题,提出改进Faster R-CNN的检测方法,改进了基于候选框大小与IOU的评估方法,并优化了相关部位的损失函数以适应不同尺度的缺陷检测,抑制了高亮度区域。实验结果表明,该方法能够有效对车轮踏面细小缺陷进行检测并准确定位,通过与Faster R-CNN和YOLO V3网络比较可见,提出方法的检测精度明显提高,同时保证了一定的召回率与检测速度。     

基于Cascade R-CNN的铁路路基翻浆冒泥病害智能识别方法

针对铁路路基检测数据量大、人工识别效率低的问题,提出一种基于深度学习的铁路路基翻浆冒泥病害智能识别方法。本方法以级联区域卷积神经网络(Cascade Region Convolutional Neural Networks,Cascade R-CNN)为基础识别算法,利用Cascade R-CNN的多阶段检测架构,逐级提高交并比IoU阈值,在不减少样本数的前提下提高模型性能。为解决距离较近的高置信度目标病害被抑制的问题,使用Soft-NMS(Non-maximum Suppression)方法代替传统NMS,以减少假阳性结果的出现。同时,针对自制训练集样本量较小的问题,综合运用多种数据增强技术,防止模型过拟合,提高鲁棒性。试验结果表明,采用改进的基于Cascade R-CNN的识别方法在自制数据集上取得了43.7%的平均精度。模型对比试验也进一步验证了本文方法的有效性。     

基于YOLOv5的铁路接触网异物检测模型初步研究

接触网上附着的异物是影响铁路列车运行安全的一大隐患,在开行列车前需要检查接触网上是否有异物附着。目前,接触网异物检测主要依靠人工巡检,工作效率低,人力物力消耗大。文章通过建模实验,初步探讨利用基于深度学习的目标检测技术实现铁路接触网异物检测的可行性;构建了3种接触网异物检测模型：YOLO(YouOnlyLookOnce) v5模型、 YOLOv5+坐标注意力（CA,Coordinate Attention）改进模型和YOLOv5+ConvNext Block改进模型,利用包含鸟窝和轻质异物两种常见异物的接触网图像数据集,对这3种模型进行实验分析。实验结果表明,相比YOLOv5算法,对于检测鸟窝和轻质异物两种常见的接触网异物,YOLOv5+CA改进模型和YOLOv5+ConvNext Block改进模型具有更好的效果,且YOLOv5+ConvNext Block改进模型检测小尺寸目标的能力更强。     

基于集成策略的接触网区域鸟窝智能识别方法

针对接触网区域鸟窝智能检测问题,本文提出基于检测模型融合及粗检测与精确识别相结合的智能识别方法.针对实际场景中接触网成像状况复杂的情况,分别利用YOLO-v5s和YOLO-v5l模型对接触网区域鸟窝进行检测,然后融合两个模型的检测结果,并使用Inception v4模型对融合后的结果进行精确识别.实验表明,检测模型融合后,在测试集上获得了较高的准确率和的召回率,通过Inception v4模型进行精确识别,识别性能得到进一步提升.本文所述方法有效实现了接触网区域鸟窝的智能检测,对于研发具有实用意义的接触网区域鸟窝智能识别系统具有重要意义.     

基于级联Faster R-CNN的高铁接触网支撑装置等电位线故障检测

在高速铁路接触网支撑与悬挂装置中,等电位线起到保证定位管与定位器间可靠电连接的作用。当其发生散股故障时,会对定位器支座造成电化学腐烛,甚至导致定位器与支座连接处断裂脱离,影响行车运行安全。针对高速铁路接触网支撑装置等电位线散股问题,提出一种基于级联Faster R-CNN目标定位的等电位线不良状态检测方法。通过分析接触网4C检测车采集到的接触网支撑及悬挂装置图像,利用第一级Faster R-CNN获得定位器支座部件特征并实现定位;利用第二级Faster R-CNN学习等电位线散股故障特征;通过对比分析等电位线正常及故障占比,实现等电位线正常与故障分类。实验表明,本方法能够较准确地实现等电位线不良状态检测,测试集识别准确率达到94.5%。     

高铁接触网异物自动化智能检测方法

基于接触网安全巡检装置(2C)采集的海量图像数据,提出高铁接触网异物自动化智能检测方法,以实现稳健、可靠、精准的高铁接触网安全异常检测。该方法面向2C图像的特点以及接触网安全运行需求,首先对图像进行预处理,然后设计基于深度神经网络的异物检测方法,利用已标定样本训练异物检测模型,并通过预训练和重训练步骤进行深度学习模型的优化,最后将训练好的模型应用于真实场景中对特定异物进行自动检测。对采集的2C图像进行相关试验,结果表明,该方法可以快速有效地检测出接触网异物,准确率达到96.5%以上,具有较高的应用价值。     

基于Faster R-CNN网络模型的铁路异物侵限检测算法研究

行人和车辆等异物侵入铁路周边限界内的情况严重威胁了行人自身安全及铁路行车安全。针对传统铁路异物检测算法识别精度不高、分类不明确和结果易受外界环境影响等缺点,提出了一种基于Faster R-CNN网络模型的铁路异物侵限检测算法,并对该模型做适应性改进以满足铁路异物检测的现实需要。提出将全连接层用全局平均池化层替代来减少参数量;通过增加锚点个数来提高对目标区域建议的精确性;引入迁移学习思想训练网络以解决铁路异物侵限数据匮乏问题。在铁路异物侵限视频数据集上进行测试表明,本算法对于人、车及部分动物的综合检测精确度达到了97.81%。     

桥上无砟轨道结构形式对无缝道岔的影响分析

介绍桥上无缝道岔轨下基础“门”形筋混凝土道床、带限凸台道床板、底座纵连式道岔板5种无砟轨道结构。建立桥上3种无砟轨道结构的无缝道岔模型,提出计算参数,分析3种无砟轨道结构对桥上无缝道岔受力和变形影响,并进行计算。计算结果表明,桥上底座纵连式无砟轨道结构无缝道岔与桥梁的纵向相互作用力较小,是一种受力较为合理的结构形式。     

基于贝叶斯网络的驼峰超速连挂事故分析

针对驼峰超速连挂事故进行分析。分析对事故有重要影响的线路、调速设备和车辆等因素,考虑到贝叶斯网络能较好解决不确定性问题以及可以双向推理的特点,建立驼峰超速连挂事故树,并将其转化成贝叶斯网络,计算顶上事件的发生概率以及基本事件的后验概率。结果表明,超速连挂事故的主要影响因素为线路纵断面、调速设备制动能力以及新型重载车辆三方面。进一步考虑新型重载车辆的共因失效问题,建立贝叶斯共因失效混合网络,计算并分析新型重载车辆对超速连挂事故的影响程度以及对既有驼峰的适应性。     

基于轮廓特征拐点的遮挡车辆分离方法研究

遮挡是智能交通系统中车辆检测、跟踪和识别时较难解决的问题之一.本文主要针对智能交通系统中车辆之间的遮挡,以车辆常用的矩形模板为先验知识,首先对存在车辆遮挡的连通区域提取边缘轮廓,然后获取轮廓上的4类特征拐点,最后采用本文提出的基于轮廓特征拐点的车辆分离算法,将相互遮挡的车辆分离开来,便于后续对车辆的跟踪、匹配等处理.实验结果表明,本文提出的算法具有有效性、可行性和良好的应用前景.     

我国铁路客车空调研究领域急需引入人工神经网络

分析了我国铁路客车空调存在的问题和人工神经网络（ANN）在系统仿真、负荷预测、能量管理、故障诊断、系统辨识控制等方面的优势，综述了ANN在暖通空调（HVAC）中的应用及发展状况，阐述了我国铁路客车空调研究领域引入ANN的必要性和紧迫性。     

电力机车防寒设计探讨

分析我国高寒地区机车的运用状况,指出电力机车在低温环境下所面临的问题,并从机车的低温试验、关键部件、相关材料以及防寒加热等方面,提出电力机车防寒设计的技术措施。     

日本上越新干线列车脱轨事故探究

日本新县中越地区于2004年10月23日发生里氏6.8级浅层直下型地震,地震引起线路剧烈横向晃动和上下起伏震动,导致列车脱轨。在新干线沿线加大地震早期检测预报系统布设密度,研究新的地震波检测方法以及地震预报技术和装置。研究和试验L型防脱轨护轮轨,并对鱼尾板进行加厚改造。在转向架上安装振动加速度检测仪,提高制动反应速度。在转向架轴箱下面安装反L型车辆导向装置,车辆脱轨后,导向装置会钩住钢轨,防止车辆过远偏离轨道溜逸。用厚钢板包覆桥墩、向桥裂缝灌注树脂和用碳纤维布等方法对桥梁进行加固。通过对列车脱轨事故分析和采取的对策,为我国铁路建设提供参考和借鉴。     

隧道地质超前预报方法的探讨和研究

研究目的:通过隧道地质超前预报,掌握掌子面前方地质信息,为施工单位优化施工方案、安全科学施工、提高施工效率、缩短施工周期等提供依据,为预防隧道塌方、突水、突泥、突气等可能形成的灾害性等事故及时提供信息,具有重大的社会效益和经济效益。研究方法:本文以作者在八盘岭隧道和长梁山隧道地质超前预报的亲身经历为背景,着重介绍了隧道地质超前预报在我国铁路、公路、城市轨道交通等工程的长大隧道施工中的重要作用和研究的重大意义。研究结果:本文系统地分析和归纳总结了隧道地质超前预报的前期准备工作、地质超前预报目的及内容、预报的各种方法、预报成果的输出形式和方式、预报时间安排和过程、探讨和研究的结论等,侧重介绍了地质超前预报的各种方法。研究结论:地质超前预报是隧道施工的一个重要环节,应纳入施工工序,可以指导施工,为隧道施工提供科学依据。     

基于能量原理的弹性地基梁底面摩阻效应分析

针对Winkler地基模型不能考虑梁与地基底面摩阻效应的不足,在地基与梁底接触面上引入一系列各自独立的水平弹簧,假定弹簧反力即切向摩阻力与梁底和地基间的切向相对位移成正比,从能量角度出发,基于最小势能原理,建立考虑底面摩阻效应的弹性地基梁能量方程,并引入位移形函数进行求解,导出对称载荷条件下考虑切向摩阻力作用时地基梁位移及内力解答。最后通过地基梁计算实例分析,验证该解答的正确性和合理性,并对相关计算参数进行深入探讨。计算结果表明:切向摩阻力沿梁长呈非线性分布,其对地基梁挠度及弯矩计算的影响较大,而对剪力的影响并不强烈。     

浙赣线CTC运用探讨

本文结合浙赣线CTC系统的建设实际,提出了在繁忙干线中列车运行控制和调车运行控制的冲突问题,CTC区段与非CTC区段的衔接问题,阐述了解决并进一步改进的方案。     

WDM网络上光区分服务DOS模型的分析

为了满足城域网环境中高速增长的互联网流量，必须利用DWDM提供的空前带宽资源，同时必须使DWDM网络优化以至于提供IP QoS能力。传统的SDH／SONET光网络是具有高速容量和低时延，微小错误率的传输管道，在现有传送网QoS方面作出了贡献。但单个分组或汇聚的流量在光域上Gbit速率下不能被跟踪和控制。当IP成为具有支配数据传输的选择时，就必须设计QoS模型来处理某些实时业务的应用。