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。     

基于可靠度的列车多部件预防性机会维修策略研究

针对现行轨道车辆检修模式存在过维修和欠维修等问题,提出基于可靠度的列车多部件预防性维护策略。引入故障率递增因子和役龄递减因子,采用维修与更换相结合的维护方式,依据可靠性要求确定单部件最佳预防性维修周期及维修次数。通过分析部件之间维修的经济相关性,在单部件最佳预防性维修周期基础上,通过二次抛物线插值法优化机会维修可靠度阈值,使总维护费用最少,从而得到最优机会维修可靠度。研究结果表明:相比于传统列车维修策略,运用提出的预防性机会维修策略,在保障列车可靠性的同时可减少入库检修次数,节省维护费用,保证了列车运行的安全性和维修的经济性。