TLV移动加载对轨道结构动态特性的影响分析

为探究轨道加载试验车(简称TLV)在高速、重载线路上移动加载测试时其合理的加载参数,建立"TLV—高速板式无砟轨道/重载有砟轨道—路基"空间耦合动力学模型,系统分析加载速度、加载力、轨道结构参数的变化对轨道结构动态特性的影响规律。结果表明:满足测试要求前提下,同等加载力下合理的移动加载速度建议参考值为40~50km/h;同等加载速度下移动加载力越大,可认为加载力参数越为合理;轨下结构刚度的增大使得TLV移动加载下测得的轨道部件动位移降低,振动响应增强;TLV移动加载下不同轨道结构部件的动态特性对于轨道结构参数变化的敏感程度不同。     

我国干线铁路通用轨道谱的研究

在对比和分析欧美铁路的轨道谱拟合公式及我国专家学者研究成果的基础上,结合对我国主要干线铁路大量轨道不平顺检测数据的分析和计算,研究并给出能较好表征我国干线铁路轨道不平顺特征的通用轨道谱拟合公式以及通用轨道谱的表达方式。由于我国干线铁路的建设标准差异比较大,采用平均轨道谱表达方式不能很好地表征我国干线铁路的轨道质量状况,而采用分级形式的轨道谱则能够更好地表征我国众多干线铁路的轨道不平顺特征;根据我国干线铁路的行车速度,建议将我国干线铁路轨道谱划分为3个等级,即200km.h-1等级提速线路轨道谱、160 km.h-1等级提速线路轨道谱和120 km.h-1及以下普通线路轨道谱。     

我国干线铁路轨道平顺性评判方法的研究

基于近年大量轨道不平顺检测数据得出铁路线路的轨道不平顺功率谱密度（PSD）,从定性和定量2个方面对轨道不平顺性的评判方法进行研究。基于按我国干线铁路运行速度等级建立通用PSD的思路,研究并提出我国200,160 km·h^-1等级提速线路和120 km·h^-1普通线路的轨道平顺性的定性评判方法,将计算得到的线路PSD的上下包络谱定义为上下限界谱,所需评价线路的PSD谱线越靠近下限界谱,则该轨道的平顺性越好,反之,则越差。由于不同线路及不同区段的轨道质量参差不齐,PSD谱线的分布范围非常大,基于轨道谱分级管理的方法,研究并给出定量评判我国干线铁路轨道平顺性的方法,通过分析计算干线铁路5级PSD谱线,将干线铁路PSD谱图从下向上依次划分为A—F共6个区域,并对应定义为优秀、良好、较好、一般、较差和极差PSD谱线区的等级。     

基于深度卷积神经网络的隧道衬砌裂缝识别算法

衬砌裂缝严重影响了铁路隧道的安全运营,采用机器视觉技术快速获取衬砌图片并进行裂缝识别是国内外的研究热点。衬砌裂缝图像信号具有复杂的特性,存在水渍、污染及其他结构缝等引起的噪声,加之光照不均匀、分布不规律等原因,使得传统的图像处理方法难以快速、准确地检测衬砌裂缝。本文提出一种基于深度神经网络的隧道衬砌裂缝识别算法,有效解决了裂缝识别速度慢、精度低等问题。分类结果精度达到94%,识别速度在GPU(Pascal Titan X)上每张图片仅需0.05 s;分割网络性能均交并比可达到65%,能够准确分割出裂缝形状。该算法具有很好的工程应用价值。     

轨道视频检查系统

介绍了轨道视频检查系统研究中的一些相关技术，并对ENSCO公司的VSI系统作了简单介绍，为我们研制自己的轨道视频检查系统提供帮助。     

轨道变形监测系统设计与应用

由于地质灾害区段没有明确的固定基准点,传统轨道变形监测方法不再适用.为此,设计了基于分布式光纤的轨道变形监测系统.本文介绍了该系统的硬件设计、软件设计、温度补偿算法等.对实测数据的分析结果表明,该系统可以消除列车通过时引起的振动和温度变化对监测数据的影响,检测精度满足设计要求.实际应用结果表明,该系统可以实时识别轨道变...     

铁路混凝土结构物图像裂缝亚像素级宽度提取技术

宽度是裂缝定量检测最重要的结果之一,是评估混凝土结构物开裂严重程度及影响的重要指标.为实现混凝土结构表面裂缝宽度的精细计算,首先对通过残差网络ResNet+金字塔池模型网络分割出的裂缝区域进行宽度提取;然后运用基于中轴线垂线的裂缝宽度计算方法,结合三次Cardinal样条插值拟合裂缝边缘,获取符合实际应用需求的亚像素级...     

货车装载安全状态监测系统的研制

货物装载尺寸是否超限,货车车门的开闭状态直接影响到货物列车的运行安全.为此铁科院铁建所研制了货车装载安全状态监测系统.系统能够测量得到车辆的轮廓尺寸,监测车门开闭状态,并能正确识别车序.系统还能将得到的信息通过网络传送到商检等货运监管中心,供多用户查询.介绍了该系统的组成、主要功能和技术特点,并与现有的其它一些技术方式作了对比.     

基于深度学习技术的货检图像智能识别与测试研究

为了提升铁路货检作业效率和质量,针对目前铁路货检工作主要依赖人工对高清图片进行查看,存在强度大、容易漏判等问题,在统计分析既有货检问题的种类、与车型的关系及所占比例基础上,采用深度学习技术,基于Faster-RCNN网络架构建立货检病害智能识别模型。经样本图片测试集测试表明,所提出的货检智能识别模型对于车顶异物、车门开启、防尘盖开启等7类问题图片的检出率接近80%,准确性超过90%,每张图片的检测速度约0.9 s,可满足现场实时、智能检测需求,从而为铁路货检向智能化发展提供有力的工具。     

货物列车端部窜出自动检测技术的研究

在铁路货物运输过程中，货物列车的装载状态是直接影响货物列车运行安全的重要因素之一，利用自动检测系统检查确认货物装载状态，保障货物列车行车安全已成为当前运输发展的趋势。本文介绍货运超偏载检测仪、货运安全检测门、货车预检系统等设备在检测货物装载超载、偏载、超限及装载状态的应用，并提出基于激光扫描结合图像处理的检测方法，完善了货运预检系统的相关检测功能。