枢纽车站列控系统优化设计分析

枢纽车站往往有多条高铁引入，列控系统改造方案复杂，列控系统制式的选择与优化尤其重要。以京雄城际引入北京西站为例，通过北京西客场列控制式现状分析，认为北京西站采用CTCS-2级列控系统是可行的；通过调整RBC数据边界、合理设置等级转换点等实现对枢纽列控系统的优化。     

基于WiSARD无权重神经网络的铁路信号系统入侵检测方法研究

铁路信号系统是保障列车高效安全运行的关键信息基础设施，其安全性直接影响到行车安全。为保证信号系统的网络安全，需准确检测网络入侵。提出基于WiSARD无权重神经网络的铁路信号系统入侵检测方法：采用一种新型数据集构建信号系统流量特征，依据RSSP-I/II协议特点，利用核主成分分析法进行降维处理；选取信号系统中常见的4种攻击方式并结合真实流量组成训练数据集；从准确率和F₁两方面，对比WiSARD和其余3类典型神经网络算法分别在单一、混合攻击流量下的性能。实验结果表明：WiSARD在平均准确率和时间开销之间提供了最佳权衡，能有效提高信号系统入侵检测效率，为提升网络安全感知能力提供有力支撑。     

基于粗糙集理论的列控车载设备故障分析方法

快速、准确的故障诊断技术是高速列车安全运行的重要保证,本文以此为目标,对列控系统故障诊断方法进行研究,将神经网络算法NN分别应用于列控系统车载设备应答器传输单元BTM、列车接口单元TIU的故障诊断中,通过对比故障识别准确率BTM为训练阶段19.89%、测试阶段36.51%,TIU为训练阶段96.93%、测试阶段94.84%,得出当数据中噪声较大时,神经网络的分类能力降低。为了解决以上问题,引入粗糙集理论进行属性约简、去除噪声,用神经网络进行故障识别,最终得出BTM的故障识别准确率为训练阶段93.32%、测试阶段97.41%,TIU为训练阶段99.21%、测试阶段96.72%,表明粗糙集理论和神经网络的结合RSTNN能够保证故障诊断的准确性,从而验证该方法在实现列控系统车载设备故障诊断方面的有效性。     

基于深度残差网络的轨道结构病害识别

传统的轨道检测方法需要事先对图像进行定位和分割等预处理操作,而定位和分割操作的误差又会直接干扰到后续的分类识别,多环节误差叠加,使得识别准确率低。同时,传统检测方法还需要理想的背景环境,当背景环境或结构类型发生改变时,其算法不再适用,不具备良好的鲁棒性。因此,提出一种基于深度残差网络的轨道结构病害检测方法,该方法不需要对原始图像进行预处理,同时深度残差网络以其更深的层数和更复杂的网络结构可以高效提取出各类轨道结构图像的特征并进行分类识别。以某客货共线线路隧道的钢轨踏面、钢轨扣件和支承块图像建立数据库,通过迁移学习的方式在数据库上训练网络模型,实现对钢轨、扣件及支承块三种轨道结构的病害识别,识别准确率高达98.51%。在此基础上,从识别准确率、损失函数值等方面对深度残差网络在轨道结构病害识别中的应用效果进行对比、分析,验证方法的有效性。     

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。     

基于改进卷积神经网络的驾驶员眼睛状态识别

为准确、高效识别驾驶员眼睛状态，提出一种基于改进卷积神经网络(Improved Convolutional Neural Networks, ICNN)的驾驶员眼睛状态识别方法。在LeNet-5网络的基础上采用多个小卷积层堆叠替换一个大卷积层的策略，减少参数量和浮点运算数的同时增强网络对眼睛图像的特征提取能力；在卷积层和池化层之间嵌入高效通道注意力(Efficient Channel Attention, ECA)模块，使网络突出眼睛图像中重要通道特征并弱化非重要通道特征，完成ICNN的构建；利用ICNN准确、高效自学习图像中有效眼睛状态特征信息的特点，实现端到端的驾驶员眼睛状态识别。通过在两个公开和一个实测的眼睛数据集上进行对比实验，验证卷积层堆叠替换和嵌入ECA模块的有效性，所提方法具有更高的训练效率和眼睛状态识别准确率。     

基于特征融合的牵引电机轴承声学故障诊断

滚动轴承作为高速列车牵引电机的重要部件，其故障情况严重影响列车运行安全。声学轴承故障诊断方式具有无安装侵入性、运维成本低的优点，但也具有信噪比低、故障特征难以提取的缺点，机器学习则具有克服噪声影响的鲁棒性。针对应用机器学习进行声学故障诊断时，少量特征无法全面表征轴承故障的难题，文章提出将格拉姆角场（GAF）与小波时频图进行叠加融合，构成6通道融合特征图用以有效表征轴承的故障。首先，建立牵引电机轴承声学故障试验台获取故障声学信号；其次，建立基于GAF的声学信号融合特征图，然后使用残差网络（ResNET）模型针对融合特征图特征训练并验证故障分类模型，并与以单种特征图作为特征的故障分类方法进行准确率对比。结果表明，基于GAF的融合特征图的声学故障分类模型具有99.89%的准确率，融合特征图能更有效地映射轴承故障。     

基于GSM-R和5G-R的CTCS-3级列控系统无线通信协议设计及差异性分析

随着我国5G网络建设日趋成熟，CTCS-3级列控系统及下一代列控系统承载大容量数据业务的需求也愈发强烈。5G-R网络作为替代GSM-R网络的下一代铁路通信移动系统，提供面向字节流的传输服务，具有宽带宽、高速率、低时延的优势，GSM-R网络下的无线通信协议已不再适用。从总体结构、协议分层和协议分割重组等方面对5G-R网络下的无线通信协议进行设计，从协议功能、传输可靠性、传输速率等方面对GSM-R网络和5G-R网络下的两种无线通信协议的差异性进行比对分析。5G-R网络下设计的无线通信协议可靠性更高、传输速率更快，可充分利用和发挥5G-R网络的优势。研究成果可对CTCS-3级列控系统在5G-R网络下的无线通信协议建设提供思路和借鉴。     

基于贝叶斯网络的列控车载设备故障诊断方法

列控车载设备故障排查与维护多依赖于人员经验,存在一定的片面性且效率较低。提出一种基于贝叶斯网络的列控车载设备故障智能诊断方法,基于历史故障数据得到故障征兆,利用粗糙集理论对故障征兆进行属性约简,降低训练模型的复杂度;将专家知识与故障数据训练相结合,改进贝叶斯网络模型,并将故障征兆关联关系融入模型中。以武广线列控故障数据为例,验证该模型的诊断效果。该方法对提升列控系统故障诊断的智能化水平具有借鉴意义。     

高速铁路CTCS-3级列控系统集成工程技术优化的研究

CTCS-3级列控系统满足我国高速铁路建设和运营的要求,系统集成技术复杂,实施难度大,从系统集成工程的角度分析了CTCS-3级列控系统集成工程的关键点和难点,并提出和阐述了解决方案和技术优化措施,对后续高速铁路CTCS-3级列控系统集成工程具有重要借鉴意义。     

基于级联网络的钢轨顶面缺陷检测方法研究

长期的高速行驶会引起车辆振动，使钢轨顶面形成孔洞、擦伤和疤痕等各种缺陷，这些缺陷不仅会影响钢轨顶面的外观，还会对钢轨的性能和安全性产生长期不利影响。针对钢轨顶面缺陷类型多变、背景杂乱、对比度低、噪声干扰等因素影响，提出一种基于级联网络的钢轨顶面缺陷检测方法。利用图像垂直微分投影法分割出钢轨顶面区域，在此基础上使用级联网络对钢轨顶面上的疤痕缺陷进行检测。其中，为更好地优化缺陷特征细节，在特征提取阶段引入轻量级的卷积注意力机制模块；采用信道加权模块与残差解码器模块相结合的方式进行缺陷特征恢复；为得到边缘清晰的缺陷对象，在特征恢复之后设计了一个边界精细化网络结构。实验结果表明，该方法的平均绝对误差仅为0.001 2,AUC值达到0.993 5,单张图片平均检测速度仅为0.041 s,对于Ⅰ型和Ⅱ型钢轨顶面疤痕缺陷的检测精度分别达到98.6%和96.4%。利用该深度学习网络模型能较好地检测出钢轨顶面的疤痕缺陷，具有较高的工程实用价值。     

高速铁路CTCS-3级列控系统集成T程技术优化的研究

CTCS-3级列控系统满足我国高速铁路建设和运营的要求,系统集成技术复杂,实施难度大,从系统集成工程的角度分析了CTCS-3级列控系统集成工程的关键点和难点,并提出和阐述了解决方案和技术优化措施,对后续高速铁路CTCS-3级列控系统集成工程具有重要借鉴意义.     

轨道交通户外站台门与列车间隙背景灯带图像分割算法研究

轨道交通在发车前需要清空站台与列车间隙,否则异物入侵会对乘客与列车运行造成安全隐患,基于背景灯带的异物入侵检测需要对灯带在图像中进行图像分割、提取、识别。针对在户外站台场景下,复杂背景和日光等因素为背景灯带提取带来困难的问题,提出一种无监督的图像分割算法。首先通过卷积神经网络进行特征提取,然后将特征图输入到后续分类器中对所有像素进行类别输出。在训练过程中,使用的损失函数从三方面进行设计：考虑特征相似度和空间连续约束、基于深度支持向量描述以及基于几何与光度增强。算法能够实现单样本无监督对神经网络参数进行调优。通过对某城轨站台真实数据采集及实验结果表明,本文提出的方法在与训练样本不同光照条件、拍摄角度条件下,对背景灯带进行分割的F1分数为78.47%;在性能优于其他方法的同时,耗时最多能减少97.1%;算法为基于背景灯带的异物检测方案提供一种行之有效的图像分割方法,为后续的异物自动检测提供基础。     

基于双通道特征融合的轴承故障诊断方法

基于卷积神经网络（Convolution Neural Network,CNN）的智能诊断方法在轴承故障诊断中应用广泛，但是大多数诊断模型以单源信息输入为主，这将影响基于CNN的故障诊断准确性和可靠性。针对这个问题，文章提出一种基于双通道特征融合的滚动轴承故障诊断方法。首先利用多重Q因子连续Gabor小波变换（Multiple Q-factor Continuous Gabor Wavelet Transform,CMQGWT）和快速谱相干（Fast Spectral Coherence,Fast-SC）分别构造滚动轴承振动信号的时频分析图；然后搭建1个具有双输入通道的CNN网络模型，通过特征融合层将各个通道提取的深度时频特征融合成1个新的特征；最后利用分类器输出诊断结果。在高速列车滚动轴承单故障和复合故障的分类识别试验中，较之于单输入通道的CNN模型，该模型具有更高的诊断准确性和鲁棒性。     

基于改进FairMOT的铁路周界入侵检测方法

针对铁路综合监控视频中不同远近行人成像面积差异较大、自然环境变化产生干扰等因素造成的检测难题，提出一种改进FairMOT框架的周界入侵检测方法。首先，针对监控视频中不同远近的行人，通过在FairMOT框架中引入感受野模块，丰富不同成像大小行人检测所需的感受野，以更好地提取不同尺度特征信息；其次，针对夜晚时段方法检测性能较低的问题，在编码解码网络后融合空间注意力模块，强化夜间前景行人关键特征，同时优化目标跟踪和判断流程，实现稳定检测；然后，针对缺乏大量学习样本的问题，使用行人检测跟踪数据集与铁路真实数据集混合增强训练，提高方法在全天候检测中的泛化性和鲁棒性；最后，在MOT17数据集和铁路真实数据集上，对改进FairMOT检测方法与CenterTrack,Bytetrack等方法进行对比试验。结果表明：提出的改进FairMOT检测方法在白天和夜晚对不同大小目标检测中，均取得了最高的准确率和召回率调和均值，检测性能最好；方法检测速率为25.2帧·s^-1，能够满足实时检测要求。改进的FairMOT检测方法可以更有效地应用于实际铁路周界入侵检测场景。     

基于国密算法的列车控制系统传输加密研究

为提高列车控制系统中铁路安全通信协议的机密性，消除数据明文传输存在的潜在威胁，提出了基于国家商用密码算法的列控系统核心网络加密技术实施方案。通过硬件、软件结合构建加密保护方案：在信号安全数据网子网内或子网间串接密码机，实现硬件的数据帧加密；采用三重SM4加密算法对通信报文的数据帧加密，实现列控系统软件应用数据的加密。搭建列控系统测试环境对加密技术方案进行验证，试验结果表明：该加密方案在对列控系统的业务处理能力无影响的情况下，可以有效提高列控系统重要数据在传输过程中的机密性和完整性。基于国密算法的列控系统传输加密研究为列控系统提供了传输加密可借鉴的方法和应用实例，也为铁路信号系统数据的安全高效传输提供了新的思路。     

基于卷积神经网络的铁路桥梁高强螺栓缺失图像识别方法

为及时发现铁路桥梁高强螺栓偶发的延迟断裂并补充新螺栓,降低铁路桥梁连接失效风险,开展基于卷积神经网络的桥梁高强螺栓缺失图像识别方法研究。该识别方法的主网络由5个卷积层、5个最大值池化层和2个全连接层的卷积神经网络组成。提出在主网络上附加通道和空间混合注意力子网络,分别对不同输入图像的高层不同通道语义特征和不同区域赋予不同权重,提高图像的特征和区域敏感性,进而提高网络的识别准确率。通过随机裁剪、翻转、颜色变化、仿射变换增强和数据均衡操作,增加训练数据的多样性和改善数据的不平衡性。基于真实场景螺栓缺失场景识别结果表明,识别方法的准确率达到94.9%,比常见识别方法提高了4.9%。     

基于Multi-Agent的列控系统复杂运营场景建模与仿真方法研究

针对高铁列控系统的并发性、混成性、交互性等特点,基于列控系统技术规范,结合Multi-Agent理论、Prometheus建模方法以及仿真技术,提出基于Multi-Agent的高铁列控系统复杂运营场景建模与仿真方法。最后,以CTCS-3级列控系统的RBC切换场景为例,构建基于Multi-Agent的RBC切换场景模型,并利用Multi-Agent仿真工具对模型进行仿真。仿真结果表明,该方法能够满足列控系统并发、混成、交互的复杂特性,可为列控系统复杂运营场景建模仿真与安全分析提供技术支撑。     

CTCS-3级无线通信网络设计中GIS与模型校正研究

GIS（Geographic information system,地理信息系统）近来常常应用在无线网络的规划和设计中,管理并处理有关的地理信息数据。从CTCS-3级列控系统无线网络的站址选择,传播模型选择及实施,场强测试分析,模型校正4个方面,研究了GIS在CTCS-3级列控系统无线网络设计中的应用。并针对铁路环境的特殊性,引入了一些新的方法,即根据传播环境特征选择对应的传播模型,基于传播环境分类校正传播模型,利用GIS发现无线覆盖盲区。结果表明,GIS几乎可以应用于CTCS-3级列控系统无线网络规划和优化的整个过程中。通过GIS的应用,可以大大提高CTCS-3级列控系统无线网络设计的效率和质量。     

枢纽地区RBC设置方案探讨

随着中国高铁"四纵四横"的陆续贯通,高速铁路的版图发生了巨大变化,运用CTCS-3级列控系统的高速铁路已逐渐延伸至枢纽,枢纽车站站场复杂,单套RBC难以实现整个车站的控制。结合已开通枢纽车站对典型站场进行分类,提取关键特征,研究设置规律,提出RBC系统优化设置方案。