基于虚实结合的转辙机仿真自动开闭器

目的：转辙机常出现自动开闭器接点接触不良的现象，但此类故障在实训中却难以被完全模拟出来。为了解决该问题，设计了一种基于虚实结合的转辙机仿真自动开闭器，用于模拟自动开闭器接触点不良的应用场景。方法：介绍了自动开闭器的特性及总体规划方案；介绍了软件及硬件系统的设计与实现方法；对所设计的仿真自动开闭器进行了测试与改进。结果及结论：所设计的仿真自动开闭器实训系统具有以下几个特点：能保持道岔控制电路结构、电气特性、实践训练方式与方法均不变；能还原轨道交通运营线路中自动开闭器接点接触不良的应用场景；既能满足轨道交通企业人员的技能训练需求，还能实现学校教学内容与行业岗位需求的无缝对接。所提仿真自动开闭器工作稳定且可靠性高，能够满足频繁操作练习的实训系统要求。     

ZDJ9转辙机自动开闭器优化研究

针对广州地铁13号线ZDJ9转辙机频繁发生自动开闭器动接点卡滞的问题，横向对比测试了ZDJ9、ZD6、ZYJ7转辙机动接点所受拉力与阻力，并对动接点进行了受力分析。基于研究得出的动接点受力关系及阻力范围，提出了包括增加自动开闭器弹簧额定拉力或者辅助弹簧的优化解决方案。经实践，该方案可有效降低动接点卡滞几率，具有参考和推广意义。     

基于深度学习的高铁接触网顶紧螺栓的缺陷检测

针对高铁接触网顶紧螺栓目标小、缺陷检测困难的问题,提出一种基于深度学习的顶紧螺栓缺陷检测方法。根据4C检测车拍摄的高铁接触网图片(大小为6600*4400 pixels),首先对特征信息更多的斜撑套筒进行定位,采用TDM模块与SSD相结合的算法提升算法对小目标的检测精度,并通过改变默认框的尺寸以得到更好的检测精度和速度;然后利用DeepLab v3 plus算法对顶紧螺栓部分进行语义分割;最后提出一种阈值法对顶紧螺栓的缺陷情况进行判别。为满足实际工程的速度需求,对训练好的模型进行优化。实验结果表明:相较于经典的SSD,本文改进的SSD方法对斜撑套筒的定位精度和速度都有提升;对于6600*4400 pixels的原始样本,本文提出的顶紧螺栓缺陷检测方法精度上达到95.9%,速度达到17.9 fps。     

基于小波包分解多尺度排列熵及2阶特征选择的转辙机故障诊断方法

针对转辙机高精度故障诊断的需求，结合声音信号非接触、易采集等优势，提出一种基于声音信号的非接触式故障诊断方法。首先，基于小波包分解与多尺度排列熵，实现对声音样本的特征提取；其次，提出基于ReliefF和二进制粒子群优化算法的2阶特征选择方法，得到最佳特征集合，实现对声音样本的特征选择；最后，基于支持向量机算法对最佳特征集进行训练和测试，完成对转辙机的故障诊断。依托10种常见工况下共计800组声音样本开展实验，结果表明：该方法在反位—定位和定位—反位转换过程中得到的特征点数分别为13和39个，故障诊断准确率分别为99.67%和100%；相比于单一特征选择方法，采用的2阶特征选择方法能够大大降低特征维度，提高故障诊断准确率；相比于k近邻和线性判别分析这2种分类器，支持向量机分类器在转辙机故障诊断中更具优势。     

面向复杂环境的接触网关键设备缺陷检测方案

针对小样本及复杂环境下接触网关键设备缺陷检测难等问题，提出一种融合深度卷积神经网络和卡尔曼滤波的图像检测方案。采用MobileNet构建模型骨干网络，有效降低了计算成本；融合柔性非极大值抑制算法解决目标部件遮挡问题，并将上下文感知ROI池化层取代原始池化层，维护了小尺寸零部件的原始结构；最终通过卡尔曼滤波对检测结果进行修正，有效提高检测精度。实验结果表明：本文所述方法能够对复杂接触网设备实现零部件的精确检测，与相同条件下的其他检测算法相比综合性能最佳。     

基于改进YOLOv5算法的块状磨屑识别方法

针对钢轨打磨车作业产生的块状磨屑的处理方式效率低、智能化程度低、安全隐患大等问题，提出一种基于改进YOLOv5算法的块状磨屑智能识别方法。在原有YOLOv5算法基础上，增加更大尺度的检测层，提升小尺寸块状磨屑的检测效果；在骨干网络嵌入卷积注意力模块（Convolutional Block Attention Module,CBAM），增强块状磨屑的特征表达；选择EIoU(Efficient Intersection over Union)替代CIoU(Complete Intersection over Union)作为目标框回归的损失函数，加快模型的收敛速度，提高块状磨屑预测框的精度。利用某轨道巡检小车采集的数据进行测试试验，结果表明：改进后的YOLOv5算法对于块状磨屑的检测能力有所提高，召回率提升了4.55%，均值平均精度提升了8.6%，对小尺寸块状磨屑有更好的检测效果。     

基于光电的钢轨探伤车超声探轮自动对中系统设计及验证

钢轨探伤车超声探轮对中控制技术是探伤车高速检测的一项关键技术，在实际运用中因对中控制技术不足易造成钢轨伤损漏检。在既有对中控制技术基础上，采用自主化技术研究全新的基于光电的对中系统设计方案。针对钢轨夹板和道岔的干扰问题，优化自动对中软件的钢轨廓形测量算法；针对不同偏移量的对中控制问题，优化对中控制软件的控制参数及控制算法。此外，根据现场用户静态测试需求，开展探轮自动对中系统静态响应指标试验；根据现场用户动态测试需求，开展探轮自动对中系统运行测试试验。结果表明：新设计的对中系统能够在60 kg负载情况下对5 mm阶跃信号的动态响应可上升时间57 ms、超调量18.6%、稳定时间156 ms，并在铁路线路实测中对中标准差可达到2.46 mm、极限偏差不大于7.19 mm，且无对中不良情况出现；全路60辆80 km·h^-1的GTC-80型探伤车全部完成了激光对中改造，现场运用良好，设计的基于光电的超声探轮自动对中系统能够满足探伤车在80 km·h-1时的探伤检测需求。     

铁路轨道部件注塑模具随形冷却流道的增材制造工艺参数优化

梳理了注塑模具的研究现状并设计了铁路轨道高分子材料部件模具的随形冷却流道。采用选区激光熔化技术完成随形冷却流道的增材制造和无支撑流道的工艺参数优化，当下表面填充的激光速度为2 000 mm/s、激光功率为120 W，下表面轮廓的激光速度为800 mm/s、激光功率为150 W时，能够提升流道内壁的成型效果和表面质量。通过对随形冷却流道的尺寸精度检测及力学性能试验，流道位置精度可达99%，直径精度可达98%，圆度为0.089 mm，平行于基板方向的抗拉强度为1 270 MPa，垂直于基板方向抗拉强度为1 040 MPa，硬度平均值为39.2 HRC。铁路轨道部件注塑模具随形冷却流道的尺寸精度及强度满足要求，可用于模具后续研究。     

基于深度学习与支持向量机的钢轨伤损智能识别系统

目前国内钢轨探伤车检测系统都带有自动伤损识别功能,但由于采用了基于既有规则的简单逻辑判断方法,其自动识别的准确率不高,误报较多,伤损漏报的现象时有发生。针对该问题,根据钢轨探伤车所检测数据的特点,提出了基于深度学习与支持向量机的钢轨伤损智能识别系统技术方案;采用深度可分离卷积与选择性搜索相结合的方法进行目标定位;基于人工构建的多维特征,采用支持向量机方式进行伤损图像分类;并通过使用实际线路所测数据中的人工标注样本进行测试,验证了方法的有效性。测试结果表明,该系统在各项技术指标上均表现优异,伤损检出率达到99.8%,误报率降为12%,分类准确率达到95%以上。     

计及少样本的YOLOv5s轨枕掉块小目标缺陷检测方法研究

轨枕作为固定钢轨和扣件的重要轨道零部件之一,由于长期承受钢轨传来的各种作用力,其端部易出现掉块,造成轨道机械结构稳定性下降,故轨枕掉块缺陷检测对保证列车正常运行起到重要作用。针对轨枕掉块缺陷检测方法存在精度较低和缺陷样本少的问题,提出一种计及少样本的YOLOv5s轨枕掉块小目标缺陷检测方法。首先,采用Copy-Pasting数据增强方法增加轨枕图像中掉块小目标数量,解决缺陷样本少的问题;其次,通过降低网络下采样倍数和删除大尺度检测层的方式改进YOLOv5s模型的多尺度检测层,提高轨枕掉块缺陷检测精度和速度;然后,将锚框之间的平均交并比作为距离量度改进K-means聚类算法,并使用遗传算法优化,重新匹配适合轨枕掉块缺陷检测的锚框;最后,使用跨尺度连接结构和双向特征加权融合模块改进YOLOv5s的特征融合结构,增强特征融合能力。实验结果表明,与原模型相比较,改进后的YOLOv5s模型平均精度达到94.1%,提高2.3%,检测速度达到93.3 fps,提高26.6 fps,能够准确且快速地识别轨枕掉块小目标缺陷。     

一种新型轻量级语义分割网络的轨道及障碍物检测方法研究

针对当前常用的语义分割算法普遍存在无法同时兼顾分割精度与分割速度，以及因下采样带来分辨率损失所导致分割精度不佳的问题，提出一种可同时兼顾分割精度和分割速度的语义分割模型MBv2-DPPM。首先对MBv2网络的逆残差深度可分离卷积块进行修正，去除下采样以增强分割精度；其次在原始主干特征网络的最后4层加入级联空洞卷积，解决网络感受野不足的问题；然后提出一种融合双层金字塔池化多尺度复合结构，聚合图像浅层和深层上下文信息，解决由于交通场景复杂、干扰因素众多导致各物体边界混淆无法区分的问题；最后使用公共数据集和自建轨道数据集对算法进行验证。实验结果表明：与传统语义分割模型相比，在满足分割速度的条件下，本算法精度更高，且对于复杂交通场景效果更明显，MIoU指标可达87.09%,mAP指标达到90.42%,图片推理速度为66 ms/帧。     

基于Optistruct的防爬器结构优化设计

采用基于Optistruct的尺寸优化和形状优化相结合的优化技术,探讨了产品结构的多目标多任务最优化设计方法,并以地铁吸能防爬器为例进行了同时满足静强度和碰撞设计2种目标要求的优化分析,最后通过静强度分析和碰撞仿真对优化结果予以验证,证实了该方法的有效性.     

低重心气卸水泥罐车罐体制造工艺

根据低重心气卸水泥罐车罐体变径圆筒的结构特点和罐体焊接质量检测标准高的难点，采用埋弧自动焊技术，按既定的制造工艺完成了该车的罐体制造，有效控制了零件加工尺寸和组装精度，达到了超声波探伤，风压，水压等检验要求。     

基于局部图像纹理计算的隧道裂缝视觉检测技术

地铁隧道裂缝病害的自动检测技术是一个重要研究方向。针对地铁隧道复杂场景和弱光环境下,全局图像检测精度低的问题,提出分块图像局部纹理处理算法,将大视场裂缝图像进行网格化处理,在分块区域内完成预处理与纹理提取,基于图像细化与骨架提取算法,提出裂缝和虚假裂缝纹理的差异性计算模型,可有效提高真实裂缝图像的检测精度,滤除虚假裂缝的干扰。针对硬件系统,提出多目高速线阵相机的图像采集方案,研制裂缝图像采集系统样机,可安装于轨道小车上进行图像连续采集。利用研制的图像采集处理设备,可以自动采集和检测隧道裂缝图像,对于纹理简单的普通裂缝图像样本,裂缝的识别率达到0.96;对于地铁隧道裂缝图像样本,裂缝的识别率达到0.84,验证了硬件系统和软件算法的有效性与可行性。     

基于多传感器融合的视觉感知困难样本挖掘方法

视觉感知困难样本能有效提升自动驾驶场景中目标检测算法的性能,但是这些样本通常稀少且难以通过简单手段获取.针对该问题,文章提出一种基于多传感器融合的视觉感知困难样本挖掘方法.该方法利用雷达点云分割出来的障碍物目标对图像检测目标进行交叉复核,基于实际障碍物在多传感器间的映射关系挖掘图像目标检测算法难以识别或者未加入模型训练的样本,并将这些困难样本通过云边协同机制用于图像目标检测模型的重训练和远程部署,实现模型的优化迭代更新.试验表明,该方法可以有效挖掘矿用卡车自动驾驶场景的困难样本,通过增量迁移学习显著提升图像目标检测算法性能.同时,该算法对轨道交通等领域自动驾驶场景也具有重要的指导意义.     

转辙机接点深度及间隙测量装置的设计

转辙机动静接点作为铁路信号控制电路的重要部件,铁标对其接点之间的接触深度和间隙有明确的要求.针对目前转辙机生产厂和现场维护时的测量方法精度不高,且无专用测量工具的问题,设计出一种测量装置,详细介绍其结构、特点,应用功能等.通过试验证明该装置是可靠的,达到了方便、精密检测的目的.     

车体称重调簧试验台视觉定位控制系统研究

基于中南大学研制的车体称重调簧试验台硬件设计,摒弃了硬件改动较大的基于位移传感器的闭环控制方案,而是利用现有资源及机器视觉技术代替人眼完成定位控制操作。围绕前端图像采集、图像识别及特征提取、后端半闭环反馈控制3部分搭建基于图像信息的手眼视觉伺服系统模型,提出基于Open CV机器视觉库的参数自适应改进Hough变换算法识别目标特征轮廓,应用TMS320C6748系列嵌入式DSP图像处理平台,提供一套多路视频信号分时定位控制的通用解决方案。根据实测结果,本视觉定位控制系统可以准确识别试验所需3种不同车型的二系簧定位销形状,并且系统的定位控制精度在±2 mm以内,满足系统定位精度要求的±5 mm,相比手动方式缩短定位补偿时间75%,提高试验台自动化程度和试验效率。     

基于图像增强与深度学习的钢轨表面缺陷检测

相比传统的物理检测算法,基于机器视觉的检测算法具有检测速度快、操作便捷等诸多优点,但因受光照不均、相机失焦抖动、雨雪天气等外界因素的影响,导致检测精度降低。针对这一问题,提出一种基于图像增强与深度学习的钢轨表面缺陷视觉检测算法。首先,对图像进行Gabor滤波去噪,以减少噪声对缺陷检测的影响;然后,利用HSV空间变换方法增强缺陷图像的关键特征信息;最后,通过改进Faster R-CNN卷积神经网络,实现了多尺度钢轨表面缺陷的检测与识别。通过对所提出的检测算法进行对比实验,实验结果表明:裂纹、剥落、磨损三类缺陷的识别精度分别为91.87%,92.75%和91.52%,检测速度为每张图像0.265 s,优于已有的钢轨表面缺陷检测算法,能够很好地应用于实际项目中。     

地铁新型车载式供电接触轨几何参数检测装置的研究及应用

目的：为确保接触轨供电系统安全服役，指导运营养护维修，特提出一种地铁新型车载式供电接触轨几何参数检测装置。方法：详细阐述其定义、组成、检测原理、软件功能等，并验证检测装置的精度和现场实际应用情况。通过长期跟踪试验和大量的数据分析，验证供电接触轨检测装置的实际应用精度，具体采用检测车以30 km/h速度往返检测2遍，以采集接触轨的几何参数数据，利用分析程序导出4次检测数据，提取定位点支柱处工作高度和偏移值，同时人工测量该段数据，进行包括接触轨工作高度、偏移值的准确度动静态对比和检测系统本身重复性误差对比。结果及结论：动静态对比50个定位点测量值，其中：48个工作高度测量值动静态误差在±2 mm以内的占比96%,仅2个工作高度测量值动静态误差在±3 mm以外(占比4%),精度满足标准要求；50个偏移值动静态误差均在±2 mm内，占比100%,满足要求。对比50个定位点4次测量值，工作高度重复性误差在±2 mm以内，占比96%,满足精度要求；偏移值重复性误差在±2 mm以内，占比99%,满足精度要求。地铁新型车载式供电接触轨几何参数检测装置在6条正线接触轨上已正常运用近1年半，约完成130次...     

JM-A型密贴检查器动作结构分析及优化

密贴检查器用于检查和监督道岔的密贴状态,是高速道岔正常使用的重要设备之一。转换道岔时密贴检查器跟随尖轨动作,给道岔转换附加了一定的阻力。为了降低道岔转换阻力,提高道岔转换可靠性,保证道岔转换的平稳性,应使密贴检查器自身的转换阻力尽可能的小。文章首先介绍了JM-A型密贴检查器的动作原理,然后对JM-A型密贴检查器的动作结构进行参数和受力分析,利用Matlab分析各个参数对密贴检查器转换阻力的影响。最后使用Matlab优化工具箱,以转换阻力最小为目标,对相关参数进行综合优化。通过优化能够有效降低密贴检查器的转换阻力——优化后的转换阻力分别是优化前转换阻力的69.6%(不改变导向件材料)和49.1%(改变导向件材料)。