基于网络蒸馏模型的供电接触网支撑装置零部件快速定位方法

为确保供电接触网支撑装置具备良好的工作状态，避免支撑装置失效可能造成的严重弓网故障，进而影响列车运行安全，提出一种新型的、适用于小型化嵌入式设备进行部署应用的、基于网络蒸馏技术的深度学习接触网支撑装置快速定位识别模型。网络蒸馏模型是基于双深度学习网络进行指导性学习的，其利用高精度深度学习模型YOLOv5x、YOLOv5l、YOLOv5m作为蒸馏算法中的教师模型，然后利用网络蒸馏技术对复杂模型的特征提取能力进行迁移，以教师模型的类别概率作为软目标并将其用于训练学生模型，从而将知识从复杂模型(教师模型)转移到更高效的小型化模型(学生模型)。研究结果表明，利用网络蒸馏技术可以获得精度高、速度快、模型小、易于部署的接触网支撑装置定位模型。     

考虑接触轨轨缝的靴轨系统动态特性研究

在城市轨道交通中，列车供能除采用架空接触网系统外还常采用靴轨系统。在靴轨系统中，集电靴沿接触轨滑行，振动行为复杂，易受线路条件和结构本身的影响。当接触轨出现轨缝时，集电靴通过会产生较大冲击力，造成靴轨系统受流工况恶化。文章基于多体动力学和有限元理论，搭建靴轨耦合动力学模型，并与实测数据相对比，验证模型准确性。基于所搭建的模型，考虑在标准规定的最恶劣的接触轨轨缝条件，分析靴轨系统在不同速度和轨缝方向下的动态性能。结果表明，相对于前低后高轨缝的工况，集电靴通过前高后低轨缝时，车辆运行速度对靴轨系统受流质量的影响更加严重。