基于正态云模型和模糊层次分析法的列车通信网络性能评估方法

为保证高速列车安全、可靠运行,研究了列车通信网络性能评估方法;综合考虑列车通信网络的实时性、可靠性和服务质量,建立了合理的列车通信网络性能评价指标体系,采用模糊层次分析法确定列车通信网络性能评估指标的权重;考虑列车通信网络评估过程中具有不确定性,构建了基于正态云模型和模糊熵的二维评估模型;建立了基于交换式以太网的大容量和高可靠性列车通信网络仿真平台,获取各指标样本数据,运用二维评估模型计算各指标的隶属度,依据模糊理论最大隶属度法则确定列车通信网络性能等级。研究结果表明:在列车通信网络状态良好时,60%评估样本的网络性能等级为Ⅰ、Ⅱ级,在网络丢包率和误码率较大时,40%评估样本的评估等级为Ⅲ、Ⅳ级,表明二维评估模型能够有效地反映列车通信网络状态;与仅运用模糊综合评价法相比较,两者的评估结果基本一致,反映了二维评估模型的准确性;模糊综合评价法不能消除评估过程中不确定性因素的影响,从而导致评估结果缺乏精确度,因此,提出的方法更适合于列车通信网络性能评估。      

地铁列车故障检测与诊断系统网络体系结构及其仿真研究

根据地铁列车故障检测与诊断技术的发展需求,介绍了车载故障检测与诊断系统的组成,提出了基于工业以太网的地铁列车故障检测与诊断系统网络体系结构.利用网络仿真软件构建了该诊断网络的网络拓扑结构模型,并基于该模型研究了车载工业以太网传输大容最故障数据及视频监视信息过程中网络负载、网络延时和端到端的关键性能参数.仿真结果表明,该系统级仿真模型对车载故障诊断网络的性能分析是有效的,为工业以太网络在地铁列车上的应用提供了客观、可靠的定量依据.     

基于可靠性的列车关键部件机会预防性维修优化模型研究

针对列车关键部件预防性维修存在欠维修或过维修问题,在传统预防性维修策略基础上,提出一种基于可靠性的列车关键部件机会预防性维修优化模型,该模型考虑部件可靠性对机会维修阈值的影响,通过偏最小二乘回归方法优化机会维修阈值,求解得出最佳预防性维修役龄和机会维修役龄,综合分析机会役龄因子和安全失效概率因子对维修策略的影响,从而达到优化总维修费用的目标。以某地铁公司B型车辆关键部件的记录数据为例,通过对建立的模型进行求解分析,表明采取该检修模式能有效减少固定维修次数、延长检修周期、降低总维修费用、提高列车正线运营率,从而为轨道交通关键部件修程修制的改进提供科学依据和实践参考。     

电力机车优化操纵国内外研究算法综述

针对电力机车优化操纵国内外研究现状及其所用算法进行研究,分析不同算法在求解电力机车最优操纵方法时的运算过程,论述不同算法在求解机车最优操纵方法的实用性、推广性及其优势与不足,为进一步寻找电力机车优化操纵更优算法、探索机车更节能操作方法和研发机车模拟操作指导系统提供依据。     

基于时间敏感网络的列车通信网络实时流量调度优化

随着轨道交通智能化的发展,列车控制与监测产生的高带宽实时数据对列车通信网络提出了更高的要求。时间敏感网络可作为兼具高传输速率、高确定性和高兼容性的下一代列车通信网络解决方案。然而,实现时间敏感网络确定性通信机制的流量门控调度设计难以拓展到实际场景规模。因此,针对车载网络流量特性,提出一种基于改进增量式调度策略和改进灰狼优化算法的列车通信网络流量门控调度生成方法。首先,基于列车通信网络流量和拓扑结构建立门控调度系统模型。然后,为提高调度生成效率,提出了基于增量式调度的单帧简易调度(Single Frame Simple Scheduling,SFSS)策略,弥补了门控调度模型在计算速度方面的不足。其次,为提高灰狼优化算法的寻优性能,引入了粒子群优化算法、Logistic混沌映射策略和反正切函数,提出了改进灰狼优化(Improved Grey Wolf Optimization,IGWO)算法,改善了实时周期性流量的实时性能和带宽占用。最后,利用SFSS策略和IGWO算法对列车通信网络门控调度系统模型进行测试和求解,通过实验验证所提出调度生成方法的可行性和有效性。实验结果表明,与其他方法相...     

基于GA-BP神经网络的列车关键部件预防性维修优化模型及应用

针对现有列车检修模式存在欠维修或过维修的不足,综合考虑列车运行安全性、经济性和高效性,提出一种基于GA-BP神经网络的列车关键部件不完全维修模型.首先,引入役龄回退因子,采用故障小修、预防性维修和更换维修相结合的维修策略;然后,以单位时间维修费用最小为目标函数,列车运行可靠度和周期内预防性维修次数为决策变量;最后,以某市地铁1号线列车车门部件为验证对象,结合GA-BP神经网络,对未来可靠度进行预测并验证准确性,预测结果作为模型决策变量寻优约束条件,获得最佳维修时间间隔.仿真结果表明:相比于现有检修模式,基于GA-BP神经网络的不完全预防性维修模型日均维修费用可节约24.07％,可靠度提高约3.4％,维修次数减少50％.研究结果可为地铁列车检修模式优化提供理论和实践参考.     

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。     

基于机车车载视频序列的人眼疲劳快速定位方法研究

人眼定位是非接触式机车车辆乘务员实时疲劳检测中最基本的关键环节。针对机车车载视频序列进行疲劳检测时存在实时性、鲁棒性要求高的问题,结合计算机视觉和图像处理技术,提出一种多算法融合的人眼疲劳快速定位方法。利用基于Haar-like特征的Ada Boost人脸检测方法检测视频序列中乘务员人脸并设置目标跟踪区域,利用Camshift目标跟踪算法快速定位人脸;基于人脸和人眼的对称性等先验知识,提出比例缩减区域(PRA)的方法快速定位人眼。研究结果表明:该方法可以有效减少误检,适应复杂光照,并具有实时性和鲁棒性,为机车车辆乘务员疲劳实时检测提供理论和实践参考。     

基于小波包和贝叶斯分类的机车走行部滚动轴承故障诊断研究

机车走行部滚动轴承的状况直接关系到机车的性能和列车的运行安全。针对目前机车走行部滚动轴承故障诊断准确率不高、模型构建时间较长的问题,提出一种基于小波包和贝叶斯分类的故障诊断方法。通过小波包变换构造故障特征集,利用粗糙集和主成分分析进行降维,将未降维和降维之后的故障特征集输入到贝叶斯分类模型中实现故障诊断,最后将贝叶斯分类方法和神经网络及最小二乘支持向量机方法进行比较。仿真结果表明,朴素贝叶斯分类方法构建模型的时间更短,分类准确率更高。