基于Logistic集成学习的列车MVB网络异常检测方法研究

多功能车辆总线(Multifunction Vehicle Bus,MVB)已经广泛应用于轨道交通车辆,而恶劣的工作环境易造成MVB网络通信性能退化,严重时危及行车安全。在对MVB网络常见故障进行分析的基础上,从MVB物理层和数据链路层中提取网络状态特征,提出了一种基于异质Logistic集成学习的MVB网络异常检测方法,及时检测MVB网络异常,最大限度地避免故障修。通过搭建MVB网络试验平台,进行多组故障注入试验,试验结果验证了方法的有效性。     

基于有限状态机的轨道交通多功能车辆总线网络动态性能仿真分析

鉴于MVB(多功能车辆总线)网络在轨道交通列车上的广泛应用,选取网络效率、网络利用率和网络吞吐量等表征MVB网络动态性能的关键评价指标,基于Stateflow有限状态机工具箱构建模块化MVB网络模型,并利用该模型分析了数据长度、设备数量、传输介质等因素对MVB网络动态性能的影响.     

多功能车辆总线网络中网络节点的设计研究

多功能车辆总线(MVB)是分布式工业控制系统的一种应用形式,其核心部分是网络节点.提出构建一个MVB网络节点的设计方法.采用时序转换机制实现网络节点中上位机Host CPU和网络接口单元(NIU)之间信息的传输,并在实验室条件下进行了仿真试验.试验结果验证了设计的可行性、通用性.     

基于多功能车辆总线的网络自适应重组技术方案

在城市轨道交通列车通信网络技术领域，通过WTB(绞线式列车总线)来实现车辆编组变化而进行的网络重组是常用的技术方案。为了实现基于MVB(多功能车辆总线)的网络重组，从网络重组的连接方式、自适应网络系统功能、配置过程、MVB组网控制装置及MVB动态地址分配等方面，详细阐述了多功能车辆总线的网络自适应重组技术方案，并从自适应组网控制单元的功能出发，对网络自适应重组技术方案进行检测验证。检测验证结果表明，基于MVB的网络自适应重组技术方案能较为便利地实现对车辆的组网控制，能解决多单元车辆网络组网的关键问题，灵活地配置列车通信网络系统。     

基于ARM和FPGA架构的地铁车辆MVB总线分析仪设计

车辆通信多功能总线(MVB)已成为城市轨道交通车辆通信的主流。将FPGA(现场可编程门阵列)的高速信号采集的优势与ARM(嵌入式微处理器)可嵌入实时操作系统的特点相结合,研制了基于嵌入式系统的便携式总线分析仪。搭建了测试系统,在MVB设备EDCU(车门电子控制单元)中进行试验验证。验证结果表明,该总线分析仪可实现与MVB设备的主帧发送和从帧回复的精确采集和解码,可用于地铁车载MVB设备的故障检测和维修等。     

CANopen作为轨道交通车辆总线的可行性研究

本文对CANopen协议作为轨道交通车辆总线的可行性进行了理论分析和试验验证。对比分析CANopen和MVB各层协议,结合CAN及CANopen协议特点制定一套基于静态调度算法(RM)和CANopen协议的网络调度机制,通过理论分析和实例计算证明使用该调度机制的CANopen网络能达到MVB性能,从理论上证明CANopen作为轨道交通车辆总线的可行性。通过搭建试验平台,模拟实际车辆网络和数据进行试验,试验数据及试验波形结果表明:基于本套网络调度机制的CANopen网络能够达到MVB网络性能,证明CANopen作为轨道交通车辆总线的可行性。     

基于波形特征提取和FA-Grid SVM的MVB故障诊断

列车通信网络的故障诊断一直是列车健康管理的难点,文章针对列车MVB(多功能车辆总线)网络,提出了一种基于波形特征提取和联合萤火虫网格寻优支持向量机(FA-Grid Support Vector Machines, FA-Grid SVM)相结合的故障诊断方法。通过提取MVB总线物理波形的时域特征,作为支持向量机的样本,构建MVB故障数据集;基于SVM较优参数点基本集中于同一区域这一现象,提出FA-Grid两步寻优的参数优化模型。试验结果表明,与传统网格寻优和遗传算法(GA)相比,提出的FA-Grid寻优模型时间复杂度低,分类效率高,能够准确地对MVB故障进行诊断。     

基于SOPC技术的MVB网卡在分布式车载故障检测记录系统中的应用

针对现有分布式车载故障检测记录系统所用控制器局域网(CAN)不适合用作车辆总线的情况,提出采用多功能车辆总线(MVB)的方案.详细阐述了系统结构改造及工作原理转换等关键设计理念,设计了一种基于SOPC(可编程片上系统)技术的多功能接口MVB网卡,给出其软硬件实现方案,最终在实验室进行组网测试,验证了设计的正确性和可行性.改造后的系统网络传输距离更远、速率更高,并且具有较好的实时性和可靠性.     

列车MVB总线故障注入方法研究

为了提取不同运行状态下列车通信网络的故障数据特征量,测试不同程度退化的网络性能,以便于对车载网络进行故障诊断和健康管理的研究,设计了一种基于FPGA的MVB网络故障注入设备。通过研究网络故障的发生原理,实现了MVB网络阻抗不匹配、间歇性断路、数据帧错误等故障注入;同时以锁存器(latch)亚稳态结构作为随机数熵源,提出基于"LFSR+latch"结构的真随机数生成模型,模拟偶发性、随机性故障的发生;最后搭建了MVB网络测试平台,通过采集各故障模式下的MVB网络波形数据,提取特征量,进一步验证故障注入方法的可行性。     

MVB多功能车辆总线仿真与检测系统的设计及应用

通过对TCN标准(IEC61375-1)中多功能车辆总线MVB通信协议的研究,利用通用逻辑芯片FPGA技术、USB通讯技术、嵌入式Linux系统及Python语言开发技术等,设计了MVB仿真与检测系统。该系统通过MVB通信协议的编码和解码功能,实现了对MVB多功能车辆总线的仿真;通过对总线波形的实时采集和数据分析,实现了对MVB多功能车辆总线的检测。     

基于改进LS-SVM算法的列车通信网络时延预测方法

由于通信网络诱导时延的存在会对列车牵引制动系统造成影响,因此对时延精准预测并实现补偿十分重要。提出了一种基于改进粒子群(PSO)算法优化的最小二乘法支持向量机(LS-SVM)算法对列车通信网络时延进行预测,搭建了列车网络控制系统半实物平台,使数据通过多功能车辆总线(MVB)进行传输,分别改变车辆控制单元(VCU)特征周期及负端口数量大小,以获取大量不同特性的时延数据。将数据分组后利用改进的PSO算法优化LS-SVM算法进行预测仿真。仿真结果表明,与传统的LS-SVM算法及Elman神经网络算法的预测方法相比,所提出的方法在列车通信网络的时延预测方面具有更好的快速性和准确性。     

MVB网络接口单元的FPGA实现

介绍了列车通信网和多功能车厢总线(MVB),分析了国外先进的MVB网卡通信机制与特点,在此基础上,提出了一种主动式MVB网卡的FPGA实现方法,并采用了功能相关的模块分组验证方法,对MVB系统进行功能验证及时序验证。     

轨道车辆MVB通信网络的实时特性

多功能车辆总线(MVB)应用于轨道交通车辆的车厢级通信网络已经成为新一代列车通信网的发展趋势。采用MVB必须满足轨道车辆对数据传输提出的实时性要求。MVB网络的端到端传输延迟主要包括报文分组在缓存器内的平均等待延迟、发送报文分组延迟、介质传播延迟等,而影响发送报文分组延迟的主要因素是报文分组的平均等待延迟受介质访问控制方式的约束;主设备消息事件请求帧的到达过程服从泊松分布,多消息事件并发引发的事件仲裁延迟是影响消息数据报文延迟的重要因素。仿真实验结果表明,MVB网络的过程数据具有报文分组传输时间确定、报文分组长度对网络延迟影响小等实时特性,但消息数据的报文延迟受网络负载的影响较大。运用排队理论分析主从轮询方式下过程数据的延迟与MVB的轮询周期、通信速率的关系;分析数据表明,该方法可以取代以往的国外经验值来配置网络,而且配置指标更符合实际运行的要求,并已经成功应用于实际设备的测试分析中。     

基于虚拟现实技术的列车网络实时控制可视化

针对TCN列车控制网络,通过自主研发的MVB/USB网关,在解决了MVB网络数据捕获及解析等难题的基础上,上位机采用＂生产者—消费者模型＂完成数据采集及处理,满足网络调试及人机交互对实时性的要求,最后综合应用网络通信技术、虚拟现实技术、三维图像技术、虚拟仪器技术,设计并实现了一套列车网络实时控制可视化的系统,以虚拟动画的形式实时响应来自列车网络的控制指令及状态信息。可用于试验教学、技术培训以及机车车辆的网络研发等。     

基于改进YOLOv5s的列车车厢客流密度检测方法研究

针对城市轨道交通（简称：城轨）列车车厢客流密度检测过程中人群密集、乘客间相互遮挡的问题，文章提出一种基于改进YOLOv5s模型的列车车厢客流密度检测方法。设计了基于车载闭路电视监控（CCTV,Closed-Circuit Television）系统监控进行实时目标检测的列车车厢客流密度检测模型；为解决人群密集及遮挡问题，对YOLOv5s进行优化，采用了双向特征金字塔网络（BiFPN,Bidirectional Feature Pyramid Network）结构加强网络特征融合，设计了一种损失函数计算方法，改进了非极大值抑制（NMS,Non-Maximum Suppression）方法，避免候选框误删除的情况。在标准行人检测数据集和自制地铁车厢乘客数据集上进行实验，结果表明，在两类数据集上，改进模型的检测精度均较原模型有所提升。     

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%。