基于LeNet-5的编组站站内机车车号识别系统的研究

编组站内机车车号的识别问题一直制约着本务机车综合管控技术的发展。为了解决这一问题,针对机车车次,机车类型自动识别问题进行研究。改进了基于卷积神经网络LeNet-5的识别算法,并收集了大量机车车次图像素材,通过图像预处理后,使用训练集进行模型训练,形成适用于机车车次识别的网络模型,通过使用python语言与.NET平台实现了机车车次识别系统的设计。实验表明,该方法对机车车号的识别达到了较高的识别水平。目前,车号识别系统已在中国铁路武汉局集团有限公司襄阳北站试验,高清图像素材从车站高清货检系统处获取,识别效果良好,为实现智慧型编组站提供了有力的技术支撑。     

编组站SAM系统作业信息流程整合原则的研究

研究编组站作业信息流的产生、传递过程,探讨新一代编组站综合自动化系统（SAM）下编组站作业如何适应作业自动执行的要求,初步提出编组站作业信息流程的整合原则。     

综合自动化技术条件下提高编组站作业信息质量的探讨

在编组站综合自动化系统中,信息质量的好坏不仅关系着管理者的决策质量,而且也直接关系到控制系统在作业过程中的控制质量。本文分析了综合自动化技术条件下,编组站作业信息质量的重要性以及提高信息质量的难点,提出了提高编组站作业信息质量的主要手段与途径。     

SAM集中控制子系统下作业自动执行的研究

通过对新一代编组站综合自动化系统（SAM）编组站作业自动执行功能的探讨,提出作业自动执行模块的主要数据与流程,以及重点环节的基本算法思路等。