基于代价敏感卷积神经网络的扣件缺陷检测算法

为解决扣件数据集不平衡问题,引入代价敏感策略对卷积神经网络算法进行改进,并以此检测断裂、丢失的缺陷扣件。该算法借鉴AdaBoost算法的思路,在训练过程中对整体误差函数中每个样本分配不同的权重,并依据先前模型的错误率不断地加以调整,使算法关注各个类别中的难学习样本,并对调整后的权重按类别进行归一化处理,以增大小类样本的关注度。分别在高速铁路无砟轨道和普速铁路有砟轨道2个扣件数据集上进行对照试验验证算法的有效性。引入G-mean作为评价指标平衡不同类别的召回率。结果表明:将改进后算法应用于高速铁路无砟和普速铁路有砟轨道的扣件数据集,改进后算法的G-mean值比原算法分别提高10%和25%以上;比传统的扣件识别方法分别提高13%和39%以上。     

基于YOLOv3算法的轨道扣件自动定位与检测

针对目前轨道扣件人工检测效率低、准确率低等问题,提出了基于YOLOv3算法的轨道扣件自动定位及检测方法。采集有砟轨道和无砟轨道的扣件图像并进行标注,通过K-means聚类确定预设边界框大小;为了更好地检测到细粒度特征,采用4个不同尺度的特征图来进行对象检测;对Darknet-53网络进行改进,有利于解决深层次网络的梯度问题,增加轨道扣件目标识别模型的识别效果。试验结果表明,该方法对轨道扣件目标识别效果较好,检测准确率较高。     

有砟轨道道床断面检测系统的研制

为满足铁路现场有砟轨道道床高效养护维修的需要,研制了一套基于激光扫描技术的有砟轨道道床断面检测系统。该系统配备高精度激光扫描传感器,在车辆高速运行的状态下实时获取有砟轨道道床区域的高精度点云信息,并通过多坐标系变换进行空间映射从而建立基于轨道坐标系的道床三维模型,最后基于凸集理论和空间分析算法模型实现了有砟轨道道床断面缺陷和盈/欠砟量的快速自动检测。铁路线路试验表明该系统能够快速高效地检测有砟轨道道床状态,为铁路有砟轨道道床养护维修提供准确、可靠的数据。     

基于改进Faster R-CNN的CRTSⅡ型轨道板裂缝检测方法

高速铁路无砟轨道伤损检测维修的准确率和时效性关乎高速铁路的运营安全，采用机器视觉技术进行高速铁路无砟轨道板裂缝伤损检测可极大提升检测工作的准确率和效率，为此根据CRTSⅡ型轨道板裂缝伤损样本数据特点，提出一种基于改进Faster R-CNN的方法对轨道板裂缝进行检测。该改进方法将检测问题转化为定位问题，精简网络模型，其主干网络选用残差网络，避免网络深度过深而导致学习速度下降；引入引导锚框，以减少冗余锚框，提高检测针对性；采用Soft-NMS算法，改善轨道板裂缝检测的重叠状况，提高裂缝检测效果。为评估该改进方法的可靠性，建立CRTSⅡ型轨道板裂缝检测评价标准，并依据该评价标准将改进方法与R-FCN,YOLO-v5,Faster R-CNN及YOLOx网络算法进行对比测试。结果表明：提出的改进方法综合表现优于其他算法，具有更高的准确率以及最小的漏检率，最佳模型查准率为95.9%，查全率为89.6%，相较于其他几种经典算法分别提高了约2%～4%和2%～6%，能够较好地应用于CRTSⅡ型轨道板裂缝检测场景。     

基于半监督深度学习的无砟轨道扣件缺陷图像识别方法

提出基于置信图的扣件子图快速定位算法,即基于概率图模型构建扣件子图邻域纹理图和初始引导图与被定位图之间的置信图,并通过计算置信图的最大极值点实现对扣件子图中心点的快速定位。在此基础上,针对无砟轨道扣件缺陷样本相对稀缺的问题,提出基于半监督深度学习的扣件缺陷图像识别方法,即首先采用稀疏自编码(SAE)网络在无标签的数据集进行迭代学习获得扣件子图稀疏表征,然后将训练好的SAE网络连接softmax层组成分类网络,最后在有人工类别标注的小数据集进行二次训练及参数微调获得最终的识别模型。通过在装配WJ-7型扣件的CTRS-Ⅰ和WJ-8型扣件的CTRS-Ⅱ型无砟轨道图像进行应用测试和方法验证。结果表明:该方法可快速精确定位扣件并识别扣件缺失、弹条折断、弹条移位3类缺陷,有效检出率达95%以上。     

基于集对分析的无砟轨道综合状态评估

介绍了集对分析法的基本思想和集对联系度的算法,并将其应用于无砟轨道综合状态评估。针对无砟轨道检测项目,基于层次分析法,建立了无砟轨道综合状态评价指标体系,然后将无砟轨道综合状态划分为5个评价等级,拟定了各等级的分级标准,最后以某客运专线为例,评估了其轨道的综合状态。结果表明:基于集对分析的无砟轨道综合状态评价模型具有较高的可靠性和实用性。     

钢轨扣件横向偏移特征检测算法研究

针对无砟轨道中钢轨扣件发生横向松动、脱离正常工作位置产生偏移的问题,提出一种钢轨扣件横向偏移检测法.首先,该算法为解决传统的扣件图像定位不够精准问题,采用k-means聚类和类二值算法强化分割前景、背景与轮廓矩特征,实现对采集图像中扣件位置的精准定位;其次,不同于传统扣件特征提取采用复杂语义,提出一种基于机器视觉的轮廓分析方法,通过提取扣件的绝缘帽与螺母的轮廓特征,计算相邻绝缘帽间距和相邻螺母间距,并与安全状态下扣件轮廓特征计算得到的安全距离阈值进行对比,进一步计算偏移量,从而判断扣件是否发生横向松动.结果 表明:该算法计算速度快,能够准确地定位弹条位置和偏移量,与传统的识别算法得到扣件的偏移量数据相比准确率显著提高,可达98％.     

应用YOLO深度卷积网络的轨道图像定位算法

将摄影测量技术应用于铁路轨道检测是未来轨检技术的发展趋势。对轨道图像扣件的快速定位,是判断扣件是否缺损,匹配连续图像以及对轨道线形三维重建的基础。由于实际中轨道图像易受到拍摄角度、光照等因素影响,同时有砟轨道图像具有背景复杂、色彩单一、特征分布多变等特点,使得传统基于钢轨、轨枕布设关系的扣件定位算法具有局限性,对弯道和上下行道岔咽喉区域的扣件定位鲁棒性差。将近年在计算机视觉领域发展迅猛的深度学习算法引入铁路轨道检测,利用YOLO端对端输出的网络特点,根据图像全局信息直接对扣件的Bounding Box和类别进行迭代回归,输出扣件位置信息。试验检测50份测试数据,检测正确率达到94%,检测速度54 fps,可以达到实时检测的要求。     

无砟道床板间相对位移测量中感兴趣区域自动提取方法

轨道结构作为高速列车行车的基础,必须保证其良好的在役服役性能,有效地实现无砟道床板间位移测量是实现铁路无砟轨道结构服役状态保持的重要措施.针对无砟道床板非接触式位移测量中感兴趣区域(Region of interest,ROI)自动提取问题展开研究,提出一种基于Faster R-CNN(Faster Regions w...     

基于Faster R-CNN的铁路扣件定位方法研究

准确的扣件定位是进行扣件状态检测、保障轨道交通车辆安全运行的基础,传统的基于图像处理的方法难以满足快速准确智能检测的需要。针对这一情况,提出一种基于改进FasterR-CNN的深度学习理论方法,进行扣件定位。首先,建立检测图像数据集并进行图像标注,然后根据实际扣件图像特点建立FasterR-CNN检测模型,利用标注数据优化模型中区域候选网络边框信息以提高检测的召回效率及精度。通过实际检测数据分析验证,本文提出方法提高了检测效率和定位效果,与其他目标检测方法相比,具有更高的召回率和识别准确度,能够快速准确进行扣件定位。     

铁路时间同步系统的测试研究

介绍新建高速铁路时间同步系统的结构和主要性能指标,同时阐述时间同步系统测试的重要性和测试内容,最后介绍以往时间同步系统的测试经验。     

成都地铁2号线ATO模式下列车停车精度的提高

成都地铁2号线列车运行是基于移动闭塞信号车载系统控制的,具有列车自动驾驶功能。结合运营中出现的列车停站精度较差情况,综合分析系统运行数据与设计文件,提出改进、测试方案,并对测试结果进行分析,进行列车的制动能力验证。     

高效率轨道精测模式研究及精度分析

针对现有轨道精测效率较低的情况,提出一种改进的精测模式。改进模式通过改变全站仪的设站位置,减少设站次数,提高轨道精测的效率。对改进前后模式的精度进行分析,对于2种测量模式,调整量的精度相同。研究结果表明：轨道水平面调整量和高程调整量的精度主要受测量距离和天顶距的影响,其中高程的精度受天顶距的影响尤为显著,而水平角对水平面调整量和高程调整量的影响均较小。通过计算分析可知,在实际测量过程中,尽量减小全站仪与轨检小车棱镜的高程差能在很大程度上减小测量误差对高程调整量的影响。     

超大直径盾构管片拼装技术

通过对南京长江隧道工程超大型盾构隧道的施工及大型管片的拼装技术综合研究,对大型管片拼装方法、技术要点控制、拼装精度控制、拼装顺序优化、掘进姿态影响等进行了较系统的总结,为同类工程施工提供借鉴。     

提高遥感影像分类精度方法的研究

如何提高遥感影像数据的专题信息提取精度 ,是遥感应用中研究的主要问题之一。在遥感影像应用的实践中 ,需综合利用多种方法参与分类过程 ,来提高影像分类的精度。本文探讨了在现有遥感影像处理技术的基础上 ,提高遥感影像分类精度的多种可行性方法     

相位检测误差对链式静止同步补偿器稳态输出精度的影响

无功补偿技术能有效提高电力牵引供电系统的供电质量。链式静止同步补偿器(STATCOM)需要对电网电压相位进行准确跟踪,以向系统补偿合适的无功,然而相位检测偏差会降低装置输出电流的精度。分析了在解耦控制和分相瞬时电流控制两种控制策略下相位检测误差所带来的影响,并推导出稳态电流精度与相位检测误差及无功电流指令之间的关系式,得到在满足稳态精度时不同无功电流指令下相位检测误差的容许范围;最后通过仿真验证理论分析的正确性。     

自适应模糊控制在ATO系统中的应用研究

采用自适应模糊控制方法对ATO系统进行应用研究,通过参数的在线自适应调整,克服列车模型不精确的问题,通过大连实测数据的分析以及同普通模糊控制方法的对比,验证此方法能准确跟踪运行曲线,达到精确停车的目的。     

最优速度跟踪控制策略在地铁ATO系统中的应用研究

精准度是列车自动运行系统(ATO)的重要性能指标,文章提出地铁列车AT O系统中的一种高精度速度跟踪控制策略,通过PID控制器参数调整、增加死区控制和附加扰动控制,实现速度跟踪精准度的优化调整.经过项目的反复验证和数据分析,充分证实此控制策略可以极大提高AT O控制的精准度,同时对地铁列车的服务质量有进一步改善.     

城轨列车停车位置不精确的原因及对策

从制动系统、信号系统、牵引控制系统及线路条件等方面,对城市轨道交通列车停车位置不精确问题进行分析.结合列车运营的具体条件,提出在列车基础制动装置中的闸瓦宜选用摩擦系数稳定,湿态制动性能良好的新型合成闸瓦;在设定空车制动力保证和重车制动力限制的基础上,增设电制动模式下的粘着限制功能;用于测定列车运行速度的速度传感器尽可能安装在拖车的车轴上等相应的改进措施.     

归化投影改正对 CPIII 控制网精度影响分析

针对 CPIII 控制网是否需要进行归化投影改正,以及归化投影改正数在多少时需进行改正的问题,采用模拟数据计算并统计了以一定梯度变化的归化投影改正数对 CPIII 网约束平差后的精度影响情况;研究结果表明：归化投影改正数对约束平差后的方向平差结果没有影响,对距离平差结果以及相邻点位相对精度影响较为显著,提出了当归化投影改正数在5 mm／km 以下时,可不进行归化投影改正,反之则需进行归化投影改正。