基于2阶级联轻量级卷积神经网络的高铁接触网悬挂紧固件缺陷识别方法

基于高铁接触网悬挂运行状态监测图像,分析监测图像与普通图像的区别;将紧固件缺陷检测问题转换为紧固件检测和运行状态精细识别2个过程,提出基于2阶级联卷积神经网络的紧固件缺陷识别方法。首先,设计紧固件检测网络,由轻量级特征提取网络、全局注意力模块及相互增强的分类器和检测器组成,实现目标紧固件实例的高效检测;然后,搭建1个包含4个卷积层、2个池化层、1个全连接层和1个输出层的多标签分类网络,完成紧固件运行状态的精细分类,实现缺陷识别。运用紧固体缺陷识别方法,对某高铁线路接触网状态监测图像数据进行试验分析,结果表明:2阶级联卷积神经网络的方法可以快速准确地检测紧固件的缺陷,紧固件定位平均检出率达98.2%,紧固件缺陷平均识别精度达95.8%,较单一检测网络提高约21.5%。     

基于卷积块注意力模块和双向特征金字塔网络的接触网支持装置检测方法研究

接触网支持装置是接触网悬挂状态检测监测图像分析的关键对象，对支持装置零部件的检测定位是实现缺陷自动分析的基础。针对接触网支持装置零部件种类多、尺寸差异大、存在遮挡、部分零部件相似度高等问题，提出一种融合卷积块注意力模块（convolutional block attention module,CBAM）和双向特征金字塔网络（bidirectional feature pyramid network,BiFPN）的接触网支持装置检测方法。在YOLO v5s网络模型基础上，该方法通过CBAM增强接触网支持装置的特征提取，结合BiFPN，实现不同零部件分辨率特征图的融合。利用4C装置获得的图像数据集，开展验证试验。试验结果表明，相对YOLO v5s网络模型，融合CBAM和BiFPN的接触网支持装置检测方法，网络平均精度mAP@0.5提高2.12%；能显著提升小目标检测效果，提高定位的准确性和稳定性，对接触网状态的智能分析有重要意义。     

列车司机手势识别方法研究

按照司乘标准执行规定的手势是列车司机驾驶操作的重要环节,通过对司机手势进行检测,能够有效评估列车司机的驾驶状态和操作质量,保证列车行车安全。传统人工检查方式效率低,难以满足实际需求,现有的手势识别算法存在模型参数量大、检测精度较低、检测速度慢等问题。随着智能铁路的发展,利用深度学习方法构建轻量化、高效、高精度的列车司机手势识别模型逐渐成为行业发展需求。针对上述需求,提出一种基于改进YOLOv5的列车司机手势识别模型。首先,引入轻量化卷积PConv改进YOLOv5中的C3模块,降低检测网络的参数量和计算量,提升模型检测效率,并在其后添加CBAM模块,加强重要特征信息,抑制无关信息的干扰,强化检测网络特征提取能力;其次,在颈部层引入BiFPN网络结构替换PANet网络结构,增强不同尺度特征的融合能力,同时通过新增小目标检测层,提高模型对小目标的检测能力;最后,选择Focal-EIoU作为边界框损失优化模型损失函数,加快模型的收敛速度,提高手势定位精度。实验结果表明,改进模型在测试集下mAP@0.5可达97.7%,平均检测时间为23.2 ms,相较于YOLOv5计算量降低了23.1%,mAP...     

基于改进宽残差结构的接触网吊弦状态辨识分类网络

铁路接触网系统中吊弦的工作状态对机车运行至关重要。视频图像的接触网吊弦状态快速准确识别备受关注,因吊弦图像数据的特殊性导致现有网络模型识别精度较低。本文针对吊弦数据特征设计分类网络结构,提出适应接触网吊弦状态识别的VRNet分类网络。VRNet的核心为嵌入了注意力机制的宽残差结构,将此结构作为特征提取模块取代VGG-16中的一般卷积,改变其单一的平原结构。并使用Ghost机制替换宽残差结构中的普通卷积,大幅降低了模型的参数量和运算量。VRNet分类网络在吊弦故障分类实验中精度达到97%,优于其他分类网络,并在相关应用研究中表现出优良性能。     

基于3D卷积神经网络的高铁轨道质量指数预测方法

轨道质量指数（TQI，Track Quality Index）是反映高铁整体线路质量状态的重要指标，分析TQI数据的变化规律能够对高铁线路养护维修提供重要指导和参考依据。为提高TQI数据预测的准确性，提出了一种多项特征数据的3D卷积神经网络模型，分析了TQI数据特征，抽取时间、空间、检测项数据并形成三维特征数据集，基于3D卷积神经网络算法，构建8层TQI预测模型，并从初始化参数、学习速率、激活函数、损失函数、Dropout方法等角度对模型进行优化，并利用某高铁线检测数据进行试验验证。结果表明，3D卷积神经网络模型可较好的预测高铁线路状态变化趋势，且对比于BP神经网络和2D卷积神经网络方法，平均绝对误差分别降低了41.48%、26.32%，均方差分别降低了65.42%、39.93%，证明了该方法的准确性与有效性，对于预测TQI与制定高铁线路养护维修计划具有实用价值。     

基于改进卷积神经网络的驾驶员眼睛状态识别

为准确、高效识别驾驶员眼睛状态，提出一种基于改进卷积神经网络(Improved Convolutional Neural Networks, ICNN)的驾驶员眼睛状态识别方法。在LeNet-5网络的基础上采用多个小卷积层堆叠替换一个大卷积层的策略，减少参数量和浮点运算数的同时增强网络对眼睛图像的特征提取能力；在卷积层和池化层之间嵌入高效通道注意力(Efficient Channel Attention, ECA)模块，使网络突出眼睛图像中重要通道特征并弱化非重要通道特征，完成ICNN的构建；利用ICNN准确、高效自学习图像中有效眼睛状态特征信息的特点，实现端到端的驾驶员眼睛状态识别。通过在两个公开和一个实测的眼睛数据集上进行对比实验，验证卷积层堆叠替换和嵌入ECA模块的有效性，所提方法具有更高的训练效率和眼睛状态识别准确率。     

基于改进SSD模型的高铁扣件定位算法

高铁扣件的检测对于保障铁路的正常运行起着十分重要的作用。针对高铁扣件定位精度不足以及传统定位算法无法定位道岔处扣件的问题,设计一种改进的SSD(single shot detector)深度学习扣件定位算法,即Improved_SSD。首先采用ResNet101更换经典SSD深度学习模型中的VGG16,增加网络深度的同时提高特征的抓取能力;然后利用膨胀卷积扩大网络的感受野,以不增加模型额外结构的方式提高模型的鲁棒性;最后提出一种非极大加权抑制方法,进一步提高扣件的定位精度。实验结果表明:与经典SSD算法相比,本文算法对扣件定位的召回率和精度分别提高了3.4%和4.7%;与其他几种扣件定位算法相比,本文算法不仅提高了对普通轨道扣件的定位精度,而且解决了传统定位算法无法定位道岔处扣件的问题。     

面向铁路旅客服务应用的语音识别模型研究

为扩大面向铁路旅客服务的语音识别应用,文章研究适用于铁路旅客服务应用的语音识别模型,使用基于卷积增强的Conformer编码结构和RNN-T模型结构,构建基于Conformer-Transducer的语音识别模型.由于卷积网络容易忽视输入信号整体与局部间关联,在Conformer结构中的卷积模块加入注意力机制,用以修正...     

基于生成对抗网络的隧道裂缝自动分割算法研究

传统裂缝识别技术需要大量带标签的裂缝图像作为试验数据集，为减少裂缝图像标注的工作量，利用生成对抗网络图像分割的特性与优势，构建一种Crack-GAN网络用于隧道裂缝自动分割。Crack-GAN网络结构集成2个模块：融合残差化U-Net网络的生成器网络和利用全卷积网络生成置信图的判别器网络。首先U-Net模块使用密集的残差模块来生成保留细粒度信息的深层表示，然后判别器来判断输入真假，并以端到端的方式训练，再经过生成对抗模型之间不断迭代，使生成模型达到分割裂缝的最优状态。试验表明，Crack-GAN网络在自制铁路隧道裂缝数据集上的像素准确性为98.35%,精准率为71.23%,召回率为80.78%,F1得分为75.98%,单次检测时间80 ms,综合表现优于U-Net和CrackSegNet。     

基于智能视频识别技术的机车司机行为辨识系统的设计与实现

介绍了基于智能视频识别技术的机车司机行为辨识系统的组成,该系统工作流程主要分为模型训练和实时视频司机行为分析。其中,模型训练基于6A系统视频监控子系统的大量视频数据,通过图像输入、图像标注、前向卷积网络模块、数据后处理模块、反馈网络模块5个流程后输出模型。该系统大大降低视频监控人员的工作量,并对机车司机不安全行为及时提示,保障运行安全。     

高铁快运柜运营网络布局方法及案例研究

我国高铁快运业务经过近十年的发展，以高铁快运柜为主要载运方式的小批量高铁快运业务已初见成效，快运柜车次覆盖面和利用率明显提高。在业务规模高速发展的背景下，如何以收益最大化为目标优化高铁快运柜运营网络，成为提升高铁快运柜运营效率的关键。在分析高铁快运柜运营现状及存在问题的基础上，综合考虑高铁快运柜运费收入及办理站补强高铁快运设施固定成本，构建高铁快运柜运营网络布局模型，利用遗传算法对模型进行求解，提出高铁快运柜运营网络布局方案，为进一步扩大快运柜覆盖面、提高利用率提供理论支撑。     

融合注意力机制的轨道入侵异物检测轻量级模型研究

基于智能视频分析的轨道线路环境入侵物自主识别是保障轨道交通运营安全的关键技术之一。然而基于神经网络的高精度目标检测模型严重依赖算力，部署成本高，很难普及运用。为此，提出一种改进yolov4-tiny的轻量级网络模型。在网络主干，通过融合跨阶段结构和通道混洗策略，提出CSPShuffleNet结构，加快网络推理；在网络颈部，引入多头注意力机制，增强网络目标定位能力；在网络头部，使用深度可分离卷积替换传统卷积，进一步压缩网络参数量。基于铁路异物数据集的实验结果表明：相比于原始yolov4-tiny,本模型的均值平均精度最大提高1.4%,参数量减少49.9%,模型容量减少55.4%。验证了本模型对于固定平台和移动平台检测系统的普适性，从而为铁路安全保障提供决策支持。     

基于深度学习的轨道不平顺与车体垂向加速度映射模型

高速列车在长期服役条件下，其车辆悬挂系统等参数与设计值差异较大。多体动力学仿真模型难以模拟真实运营环境，且计算效率较低。为更加准确、快速地评价各种轨道结构以及不平顺激励下车体的垂向振动响应，根据实测轨道不平顺与车体垂向加速度的时空数据传递特征，建立一种卷积长短期记忆组合模型，该模型将轨道不平顺与列车运行速度作为输入，实现对车体垂向加速度的预测。结果表明，卷积长短期记忆模型预测的平均绝对百分比误差值为5.64%,相比动力学仿真模型减少3.57%。在预测一段3 km长线路的垂向车体加速度时，动力学仿真模型需要花费约53 s,而卷积长短期记忆网络只需要花费约1.6 s,预测效率提升33倍。     

自然场景下基于四级级联全卷积神经网络的人脸检测算法

针对于自然场景下人脸检测存在的姿态复杂、遮挡和光照等问题,提出一种基于4级级联全卷积神经网络的人脸检测算法。构建4级级联网络,采用级联分级训练代替端到端训练,以避免只共享1个网络权值的局限,进而获得有区分性功能的深度网络,提高检测精度;每级深度网络结构均采用全卷积结构,可以接受任意尺寸图像的输入,提高检测效率;另外在训练过程采用自举法Bootstrap进行网络模型的优化训练,提高训练样本利用率;利用最终训练好的深度卷积网络模型实现人脸检测。人脸检测实验结果标明,本算法在自然场景下,对多姿态、遮挡、单图多种人脸类型等均具有良好的鲁棒性,同时在现有平台上每张图片的检测速度达到96ms,在国际权威的人脸检测公开测试集FDDB上的"真正率"达到82.98%。     

面向行车安全的高铁系统风险辨识与动态演化研究

为研究高铁行车安全风险致因因素动态演化过程，从高铁行车安全风险致因因素的关联关系视角出发，利用解释结构模型构建模糊多态贝叶斯网络结构，同时引入广义区间梯形模糊数进行风险概率计算，建立基于模糊贝叶斯网络的高铁行车安全风险致因因素动态演化模型，并进行了计算验证，证实了模型的有效性。结果表明：18项高铁行车事故致因因素间存在明显的层级结构和关联关系，并基于模糊多态贝叶斯网络风险概率计算，可以在多层级解释结构模型中确定风险动态演化路径，从而对风险动态演化路径中的关键因素进行提前预防控制，为高铁行车安全管理提供重要参考和依据。     

基于改进算法YOLOv5+的混凝土轨枕裂纹检测

基于既有研究成果在对混凝土轨枕裂纹检测效率不足的基础上,提出一种改进算法YOLOv5+,主要以YOLOv5网络模型为基础,对混凝土轨枕裂纹进行高效检测。首先,采用分治标签的策略来增大裂纹在标签中的实际占比,从而解决混凝土轨枕裂纹尺度变化大的问题,使网络更利于提取有效特征;其次,将YOLOv5网络结构中SPP模块的最大池化层改为平均池化层,减少裂纹漏检的现象;同时,在YOLOv5骨干网络中嵌入SE注意力模块(Squeeze and Excitation, SE)提高对细小裂纹的检测能力;最后,结合新的检测尺度与特征融合网络,降低微小裂纹的漏检现象。实验结果表明,以YOLOv5网络模型为基础的改进算法YOLOv5+,除了召回率Recall变化不大外,精确率Precision提高6.5%,平均精度均值mAP提升8%,帧率FPS也有所提升,能够满足实时性的检测需求。     

MFC-DeepLabV3+：一种多特征级联融合裂缝缺陷检测网络模型

道路裂缝对道路安全存在很大威胁,确保道路的安全性离不开对裂缝的准确检测。针对常规的人工检测方法和传统机器学习检测方法泛化性低且在复杂背景下裂缝分割检测准确率低等诸多问题,提出一种新型道路裂缝缺陷检测模型MFC-DeepLabV3+(Multi Feature Cascade-DeepLabV3+,多特征级联-DeepLabV3+)。首先,针对裂缝图像拓扑结构复杂,非均匀性强等问题,对主干特征提取网络进行改进,提出采用通道维度的分组卷积和分离注意力模块增强模型对裂缝图像特征提取能力,同时引入位置信息注意力机制提升对裂缝目标结构特征的精准定位,扩大网络各层特征信息的利用率。其次,加入多分支共享密集连接改进ASPP(Atrous Spatial Pyramid Pooling,空洞空间金字塔池化)模块,使其模仿人类视觉行为感知,在感受野保持均衡的同时生成密集覆盖裂缝尺度范围的特征语义信息。最后,在模型特征融合阶段增加多重边缘细化融合机制,使模型加大对高低阶特征信息的利用,提升模型对裂缝边缘精确分割的能力,防止裂缝轮廓边缘像素缺失。为验证MFC-DeepLabV3+模型的有效性,在公开路面裂缝...     

融合自注意力机制与深度学习的混凝土表面裂隙智能识别

混凝土裂隙几何信息识别的精确度,影响后期工程的安全.而传统的检测方法存在对裂隙识别不准、不全、不即时的缺陷,无法满足精度和实效性的现实需求.本文提出一种融合自注意力机制与全卷积神经网络的图像分割算法,以混凝土裂隙图像建立数据集,搭建深度学习网络;以全卷积神经网络训练模型,使用空间自注意力模块调整特征编码,输出基于自注意...     

天地一体化网络高铁专网业务分析与流量建模

网络流量特性与流量模型是网络规划设计、性能评价等的基础。文章致力于天地一体化网络业务分析与流量建模研究，在完成天地一体化网络高速铁路（简称：高铁）专网业务分析的基础上，抽象高铁专网流量类型、业务传输内容、报文到达间隔、报文长度等特征，构造高铁专网仿真流量数据集，分析其流量特性。针对高铁专网流量的自相似性、突发性及周期性，采用alpha-stable自相似模型进行高铁流量建模，通过Q-Q(Quantile-Quantile)图验证模型的可信度。研究结果表明，该模型能有效刻画高铁专网的流量特性。文章的研究成果可为流量预测模型设计与仿真、网络资源合理分配等提供依据。     

智能牵引变压器故障诊断技术研究

研究目的:构建智能牵引供电系统保障高速铁路安全可靠、优质高效的运营是我国高铁未来发展的方向,而牵引变压器作为牵引供电系统中的重要组成部分,对其开展智能化研究是智能牵引供电系统研究的关键。本文从牵引变压器在线监测需求入手,阐述对牵引变压器关键参量进行在线监测的智能化方案,且根据监测参量构建基于贝叶斯网络的牵引变压器故障诊断模型。研究结论:(1)在传统牵引变压器的基础上,加设牵引变压器光纤测温、油中气体在线监测及铁芯接地电流监测三大模块,可准确地掌握牵引变压器运行状态,是实现智能牵引变压器故障预测的数据源基础;(2)通过现场实例验证,基于贝叶斯网络的牵引变压器故障诊断模型准确性高,可实现牵引变压器的故障在线诊断;(3)本文研究成果可在电气化铁路牵引供电系统领域进行推广应用。