基于加速区域卷积神经网络的高铁接触网承力索底座裂纹检测研究

针对高速铁路接触网支撑结构中承力索底座裂纹的问题,提出一种利用加速区域卷积神经网络与Beamlet变换相结合的图像检测方法。该方法使用加速区域卷积神经网络实现对承力索底座在待检测图像中的识别定位,然后根据定位的承力索底座图像特点,通过Radon变换等预处理操作对承力索底座疑似裂纹区域精确定位,最后使用基于Beamlet变换的局部链搜索算法快速得到裂纹信息,实现承力索底座裂纹故障的可靠诊断。实验表明:该方法能在复杂的接触网支撑与悬挂装置图像中准确定位识别承力索底座裂纹故障,对拍摄距离、拍摄角度以及曝光度等因素具有很好的适应性,且具有较高的检测效率。     

基于深度卷积神经网络的铁路接触网鸟窝检测方法研究

鸟类在铁路接触网筑巢一直是造成接触网故障的一个重要原因,目前主要依靠人工巡检的方式确定是否存在鸟窝,不仅工作量大、漏检率高,而且效率低。因此提升接触网鸟窝的检测效率,及时排除隐患,对保障铁路安全运营具有重要的意义。针对此问题,提出了一种基于深度卷积神经网络的Faster R-CNN模型用于接触网鸟窝的自动识别。通过自定义合适的网络结构和参数,经过预训练、 RPN网络训练、Fast R-CNN网络训练以及对RPN和Fast R-CNN的联合训练,建立了适合鸟窝检测的Faster R-CNN模型,实现对鸟窝的检测。经试验,Faster R-CNN的准确率为88.5%,每张图片的识别速度为79 ms,通过与传统的HOG方法、DPM方法和卷积神经网络方法进行比较,验证了深度卷积神经网络对铁路接触网鸟窝检测高效性。     

寒冷地区冻害对电气化铁路接触网支柱的影响及整治

随着寒冷地区铁路电气化建设项目的开展，接触网设备在运营过程中受低温环境影响引发的设备缺陷问题逐渐增多，给运输供电安全管理带来严峻挑战。本文对滨洲铁路电气化改造工程开通运营后接触网支柱受冻害影响引发的问题进行分析，结合滨洲铁路沿线寒冷地区环境特点、地质特征、支柱倾斜柱的危害性，研究接触网支柱倾斜的整治方案。     

接触网检测定位方法探讨

在目前的接触网检测过程中,支柱的定位是以接触网数据库中的支柱位置和支柱跨距检索为主,依靠对车轮上角度传感器的距离脉冲采样计算距离,利用定位点检测系统对支柱的定位点进行识别确认和人工修改定位支柱号等4种方法组合确定的。而距离脉冲采样存在信号变换和处理的误差,定位点识别存在找不着定位及误判的缺陷,人工定位隐含观察和修改设定等误差,数据库则有线路改造与输入误差。这些误差的产生,造成检测到的接触网缺陷定位不准,给检修工作带来很大困难。为了改变这种状态。应该建立以接触网设备自行定位为主,数据库、距离脉冲为辅的接触网…     

深度学习在接触网定位器缺陷检测中的应用

高速动车接触网运营安全的需求使得接触网关键零部件的缺陷自动检测成为一份有意义的工作。针对接触网巡检图像的定位器缺陷检测问题,本文提出了一种基于图像深度表示和直线检测的目标检测一体化算法。该算法采用选择搜索算法获得定位器在图像中可能存在的备选区域,利用深度卷积神经网络计算图像的深度特征,通过多任务学习的算法求得定位器的局部区域。随后,利用Canny边缘提取和Hough直线检测的方法在局部区域内精确检测定位器直线。针对接触网巡检图像的实际应用场景,对该算法在不同场景下进行验证,试验结果表明,该算法可以有效解决实际场景下的定位器缺陷检测问题。     

基于2阶级联轻量级卷积神经网络的高铁接触网悬挂紧固件缺陷识别方法

基于高铁接触网悬挂运行状态监测图像,分析监测图像与普通图像的区别;将紧固件缺陷检测问题转换为紧固件检测和运行状态精细识别2个过程,提出基于2阶级联卷积神经网络的紧固件缺陷识别方法。首先,设计紧固件检测网络,由轻量级特征提取网络、全局注意力模块及相互增强的分类器和检测器组成,实现目标紧固件实例的高效检测;然后,搭建1个包含4个卷积层、2个池化层、1个全连接层和1个输出层的多标签分类网络,完成紧固件运行状态的精细分类,实现缺陷识别。运用紧固体缺陷识别方法,对某高铁线路接触网状态监测图像数据进行试验分析,结果表明:2阶级联卷积神经网络的方法可以快速准确地检测紧固件的缺陷,紧固件定位平均检出率达98.2%,紧固件缺陷平均识别精度达95.8%,较单一检测网络提高约21.5%。     

基于图像处理和双BP神经网络的电气化铁路接触网立柱标识牌识别算法研究

故障位置点定位是实现轨道维护及保养的前提,利用接触网立柱标识牌实现定位是一种常用的轨道定位方法,但常规的识别方法存在识别率低且速度慢的缺点。针对该问题,提出一种基于图像处理和双神经网络的接触网立柱标识牌识别算法。首先利用Hough变换提取出接触网支柱区域,减小识别区域,其次通过形态学方法实现标识牌的定位与裁剪,再采用水平投影方法对字符进行分割,最后对字符中的字母和数字分别进行特征提取,利用两路并行的反向传播神经网络进行识别。通过实验验证了该算法的有效性,结果表明:该方法精度可达98.3%,相较于传统识别方法速度提高了17%。因此该识别算法能够实现轨道故障位置的快速精确定位,可用于轨道智能巡检系统。     

既有铁路三腕臂支柱悬挂的设计和检修

研究目的:在我国200 km/h及以下客货共线铁路中,车站咽喉范围内单横腹杆式腕臂支柱同时悬挂三支接触网的形式得到了广泛的采用。随着铁路的不断运营,接触网系统需要及时的检修或更换。但是传统的腕臂绝缘子更换的施工方法已不能满足三腕臂支柱悬挂的特殊要求,将导致接触网支柱破损、扭面,甚至断裂等更大的接触网事故。本文对三腕臂支柱类型设计选择和施工过程进行计算和分析,以为接触网安全运营检修提供依据。研究结论:(1)设计在支柱类型的选择时必须充分、全面地考虑施工检修增加的附加荷载;(2)施工检修过程中合理地采取施工方法,避免对接触网系统增加附加荷载;(3)提出了两种更加合理的三腕臂支柱腕臂绝缘子施工更换方法:采用杉木杆对其卸载后进行更换;采用接触网检修作业车对其卸载后进行更换。     

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。     

接触网安全巡检系统中的支柱号牌识别算法

针对接触网安全巡检系统中利用支柱号牌进行智能缺陷分析定位的问题,提出了一种支柱号牌识别算法。该算法采用霍夫直线检测实现支柱定位,根据号牌特点实现号牌定位、号牌字符分割算法,最后采用HOG特征和支持向量机(SVM)实现字符识别。该算法识别率较高,对智能缺陷定位具有重要意义。     

基于YOLO算法的高速铁路客运车站钢结构雨棚螺栓缺失检测系统

当前，我国高速铁路客运车站钢结构雨棚螺栓缺失检测过于依赖人工目测，其危险系数大、成本高、效率低且误检率高。为解决该问题，提出一种基于YOLO(You Only Look Once)算法的螺栓缺失检测系统。该系统采用YOLOv4卷积神经网络，对现场采集的钢结构雨棚和接触网螺栓进行标注，通过K-means聚类算法，确定锚框数目和尺寸；利用CutMix和Mosaic等数据增强操作，增加训练数据的多样性，避免出现训练过拟合。试验结果表明，该系统类别识别准确率可达85%以上，识别效果较好，满足检测实时性要求。     

基于3D卷积神经网络的高铁轨道质量指数预测方法

轨道质量指数（TQI，Track Quality Index）是反映高铁整体线路质量状态的重要指标，分析TQI数据的变化规律能够对高铁线路养护维修提供重要指导和参考依据。为提高TQI数据预测的准确性，提出了一种多项特征数据的3D卷积神经网络模型，分析了TQI数据特征，抽取时间、空间、检测项数据并形成三维特征数据集，基于3D卷积神经网络算法，构建8层TQI预测模型，并从初始化参数、学习速率、激活函数、损失函数、Dropout方法等角度对模型进行优化，并利用某高铁线检测数据进行试验验证。结果表明，3D卷积神经网络模型可较好的预测高铁线路状态变化趋势，且对比于BP神经网络和2D卷积神经网络方法，平均绝对误差分别降低了41.48%、26.32%，均方差分别降低了65.42%、39.93%，证明了该方法的准确性与有效性，对于预测TQI与制定高铁线路养护维修计划具有实用价值。     

基于虚拟现实技术铁路接触网维修仿真实训系统设计与实现

随着铁路快速发展,对安全、高效的培训需求不断增加,基于虚拟现实技术的仿真实训成为铁路技能人员培训的重要手段。以接触网维修为例,根据功能需求和不同虚拟现实开发方式特点,选择使用3dsMax和Unity3D作为开发工具,构建了接触网维修虚拟作业环境,实现接触网作业流程仿真和教学、练习和考试3种运行模式,达到较高的实训仿真水平,为接触网维修技能人员培训提供新型手段支撑。     

车载接触网运行状态检测装置系统设计及应用

接触网作为电气化铁路牵引供电的关键设备,其状态好坏直接影响铁路运行安全。为了在运营动车组上装备一套接触网运行状态检测装置对接触网运行状态进行全程监控,从系统的设计要求、设计原则、设计方案着手,引入非接触式的图像处理、机器视觉以及红外测温关键技术,完成装置的系统设计,同时通过静态和动态试验验证装置的性能。试验和现场的实际应用反馈表明,装置满足技术条件要求,同时装置对接触网的检测结果能够为接触网检修提供依据。     

图像识别技术在BIM运维管理中的应用研究

针对当前铁路运维管理中利用BIM技术构建的运维管理平台,提出基于图像识别技术维护日常运维的应用方案:将图像识别技术和BIM技术结合应用到运维管理的信息化系统中,通过对比不同的识别技术,提出了应用YOLOV3更新设备状态信息的方法,以提高运维管理工作的效率和质量。     

基于神经网络RBF的接触网可靠性分析

将人工神经网络理论和JC算法与有限元分析相结合应用于铁路接触网系统可靠性研究(简称为FE-RBF-JC法),建立了腕臂系统可靠度计算的数学模型,利用有限元计算方法得到一组结构的基本输入变量及输出的响应数据,采用径向基神经网络RBF进行训练的基础上建立结构的输入-输出函数关系,在该模型上,用JC方法进行腕臂系统可靠度仿真计算。研究表明,该方法精度高、简便易行,为复杂的铁路系统可靠性研究提供了一条新的途径。     

高速铁路站场接触网辅助设计关键技术研究与开发

高速铁路接触网设计分为站场和区间设计,而站场设计时线路错综复杂,比起区间设计更加困难.针对站场设计规则和接触网设计数据驱动约束,研究站场接触网数据驱动技术、线路识别关键技术,在.NET平台上用ObjectARX开发包进行二次开发,辅助设计人员进行接触网设计,解决线路识别、支柱布置、支柱对称、数据存储等关键问题.设计人员只需要简单的操作就能在短时间内完成以往耗费大量时间的工作,设计结果满足实际需求,提高了设计效率.     

基于卷积神经网络优化算法的列车智能测试系统技术研究

设计基于卷积神经网络优化算法的列车智能测试系统,解决城市轨道交通领域列车系统测试自动化模拟问题。提出的列车智能测试系统,采用卷积神经网络的结构模型和基于分层压缩的卷积神经网络算法,详尽介绍构建分层压缩卷积神经网络的具体过程和卷积核优化结构设计。对站场测试用例的自动化模拟实验和测试数据分析的结果表明,基于卷积神经网络优化算法的列车智能测试系统可以优化测试过程、降低人工错误操作、合理分配测试资源、提高测试质量,加快整体系统测试进度的要求,为城市轨道交通领域未来实现全面自动化测试提供技术保障。     

面向铁路旅客服务应用的语音识别模型研究

为扩大面向铁路旅客服务的语音识别应用,文章研究适用于铁路旅客服务应用的语音识别模型,使用基于卷积增强的Conformer编码结构和RNN-T模型结构,构建基于Conformer-Transducer的语音识别模型.由于卷积网络容易忽视输入信号整体与局部间关联,在Conformer结构中的卷积模块加入注意力机制,用以修正...