基于物联网技术的地铁机电设备全寿命周期管理系统

地铁运营设备种类繁多,其中机电设备在设备管理中占据重要的地位。而物联网技术的发展实现了多领域、多模块、多方向的信息互联共享,面对各个维度数据交融建立合理的分析管理平台是今后智慧城市智慧地铁的发展趋势。基于郑州地铁运营的设备管理体系,拓展全景信息支撑平台、状态监视、在线预警、智能诊断、状态评价、风险预测、检修决策以及绩效评估等方向。搭建地铁机电设备的大数据管理系统框架,通过现有的数据构成利用机器学习算法有效地进行数据挖掘。同时针对全生命周期成本分析、运维检修决策、风险量化评估3个方向进行算法模型分析,从而获取地铁机电设备的相关潜在规律,为决策层提供更多有价值的信息。     

基于小波分析和神经网络的网络流量预测

网络流量的准确预测对于提高网络服务质量与网络安全有很重要的作用.本文主要对流量序列进行小波分解和重构,并结合神经网络对网络流量进行预测,新的算法可以有效提高预测精度.通过分析神经网络及非线性预测模型的优劣,建立一个网络流量预测模型.同时利用实际采集的网络流量数据对模型进行仿真,证实该模型可以有效控制由各种因素导致的误差,从而提高网络流量的预测精度.     

基于改进LS-SVM算法的列车通信网络时延预测方法

由于通信网络诱导时延的存在会对列车牵引制动系统造成影响,因此对时延精准预测并实现补偿十分重要。提出了一种基于改进粒子群(PSO)算法优化的最小二乘法支持向量机(LS-SVM)算法对列车通信网络时延进行预测,搭建了列车网络控制系统半实物平台,使数据通过多功能车辆总线(MVB)进行传输,分别改变车辆控制单元(VCU)特征周期及负端口数量大小,以获取大量不同特性的时延数据。将数据分组后利用改进的PSO算法优化LS-SVM算法进行预测仿真。仿真结果表明,与传统的LS-SVM算法及Elman神经网络算法的预测方法相比,所提出的方法在列车通信网络的时延预测方面具有更好的快速性和准确性。     

基于数据挖掘的铁路货运量预测方法

随着铁路部门信息化的建设,海量的数据积累使得采用数据挖掘技术对铁路货运量进行预测十分必要.通过系统分析、数据预处理、数据挖掘及知识提取,提出了预测铁路货运量的三种算法:线性回归、BP神经网络及支持向量回归机,并通过实例验证比较了算法的有效性.     

基于时间序列的趋势外推模型预测城市轨道交通车站客流的应用

本文提出了一种基于时间序列的趋势外推模型,对实际应用中的客流数据进行预测,通过预测与节假日客流数据变化规律的分析,对模型进行完善与修正.在地铁日常运营操作过程中,起着辅助判断的作用,并能及时预判问题采取措施进行预防.该算法在城市轨道交通应急平台项目中应用,解决了线路车站日常客流运营维护中出现的大客流事件发生的问题.     

基于融合注意力机制的多智能体磁浮谐波预测算法

为减小高速磁浮系统谐波对牵引供电网产生的影响，解决谐波治理存在的时滞性问题，通常需要对谐波电流进行预测。对此，采用融合深度学习算法的组合模型相比于传统算法的表现更加出色。文章提出一种新的融合注意力机制的多智能体磁浮谐波预测算法，该算法通过麻雀搜索算法（SSA）优化变分模态分解（VMD）的相关参数，并利用该优化参数将原始电流信号分解为多个不同中心频率的谐波分量，将各个分量分别输入融合注意力机制的长短时记忆网络（LSTM）中进行时序预测，形成多个独立预测智能体，再对各个智能体预测结果进行重构，从而实现对高速磁浮谐波电流预测。在此基础上引入误差修正机制，进一步提高模型的预测精度。对上海高速磁浮牵引系统进行理论分析与仿真，采集网侧电流数据，并用所提出的算法模型对此数据进行试验和分析。结果表明，与其他模型相比，所提的预测模型在磁浮谐波电流预测方面具有较好的性能，并可使时滞性得到进一步改善。     

基于GA-岭回归分析的机车车轮踏面磨耗量预测算法研究

车轮踏面磨耗量是评价机车运行安全的重要参数，但多数车轮运维现场的条件尚不能对踏面磨耗量及时、准确地进行监测。为了解决上述问题，文章提出了基于“GA-岭回归”分析的机车车轮踏面磨耗量预测算法（简称“GA-岭回归”预测算法）。“GA-岭回归”预测算法分为数据前处理和数据预测分析2部分。对于数据前处理，首先依据不同的测量方式对采集到的踏面磨耗量数据进行分类，基于车轮的实际运维情况，分析不同类型数据的特点；随后以镟修周期作为数据划分标准，对分类后的数据进行切片处理；最后采用相关标准和主成分分析法对相应的动态测量数据进行清洗、降噪。对于数据预测分析，首先划分数据集，进行数据整合，创建训练集数据的时间滑动窗口；随后采用岭回归算法对训练集数据进行回归分析训练，并结合遗传算法和验证集数据进行模型参数的调优，以提高预测准确性。基于测试集数据，分别采用传统预测算法、岭回归线性预测算法和“GA-岭回归”预测算法，对3类预测算法的预测效果进行对比分析；随后采用相同的测试方法，扩大车轮样本的数量，继续进行预测效果的对比分析。测试结果表明，采用“GA-岭回归”预测算法的预测误差和误差标准差均相对较低。经分析可知，...     

优化GM(1,1)与SVM组合模型的路基冻胀预测应用

基于非等时距GM(1,1)优化预测模型,采用支持向量机进行预测残差修正,建立一种组合预测算法,并运用该算法对铁路路基冻胀进行定量预测。对经典非等时距GM(1,1)模型背景值和初值的计算方法进行优化,同时设置时距权值矩阵,对不同时间测量所得数据赋予不同权重。在初始预测后,对残差值采用支持向量机进行非线性修正,得到最终预测值。选取哈大客专某区段实际测量路基冻胀数据,对算法实用效果进行检验。所建立预测模型平均预测误差值为2.039%,最大预测误差5.911%,后验证差比值0.005,各项指标均优于单一灰色模型与文献[6]中建立的组合预测模型,实现了对铁路路基冻胀的较高精度定量预测。     

基于BP神经网络与GM(1,1)模型组合算法的桥梁耐久性预测

针对混凝土桥梁耐久性历史评估数据的特点,提出一种基于BP神经网络与GM(1,1)模型的桥梁耐久性组合预测方法。通过GM(1,1)模型,以部分数据作为样本进行预测,在此基础之上,引入BP神经网络对预测的残差序列进行处理,旨在克服单一预测模型的不足,取得更高的预测精度。算例表明,本文算法精度明显高于传统GM(1,1)模型,与类似算法相比,精度上也有所提高。     

地铁主控系统与机电设备监控系统接口分析

介绍了目前地铁主控系统的特点及其主要结构、地铁机电设备监控系统的特点和结构,及其接口互联技术的功能分类和特点.并对地铁主控系统与机电设备监控系统接口问题进行了分析,归纳了两种接口方式:一种是通过地铁主控系统的主干网与机电设备监控进行数据交换和互联,其通信介质为以太网方式;另一种是机电设备监控系统作为主控系统的一个被控端,不采用以太网方式.     

车载接触网运行状态检测装置系统设计及应用

接触网作为电气化铁路牵引供电的关键设备,其状态好坏直接影响铁路运行安全。为了在运营动车组上装备一套接触网运行状态检测装置对接触网运行状态进行全程监控,从系统的设计要求、设计原则、设计方案着手,引入非接触式的图像处理、机器视觉以及红外测温关键技术,完成装置的系统设计,同时通过静态和动态试验验证装置的性能。试验和现场的实际应用反馈表明,装置满足技术条件要求,同时装置对接触网的检测结果能够为接触网检修提供依据。     

机电设备监控系统在高速铁路中的应用

通过对机电设备监控系统在国内外铁路相关领域应用的调研，针对我国高速铁路机电设备的特点，结合作者设计研究实践，以不同规模车站、隧道为例阐述了新的满足我国高速铁路实际需要的机电设备监控系统方案，具有较强的针对性和实用性，可作为今后高速铁路机电设备监控系统设计参考和借鉴。     

分布式光纤测温系统研究及其在变配电所中的应用

针对铁路变配电所电气设备由于接续不良等原因造成的运行温度过高,引发事故隐患这一问题,归纳总结了目前电气设备常用的测温方法,分析了各种测温方法的优缺点,对分布式光纤测温的基本原理及其特点进行了研究,并介绍了现场应用实例及其效果。     

京沪高铁列车运行晚点预测方法研究

为快速、准确地掌握列车的运行状态及未来的运行趋势，需要对列车运行晚点预测方法进行深入研究。文章根据对北京—上海高速铁路（简称：京沪高铁）2020年列车运行数据的分析，包括停站时长对于晚点的影响及不同初始晚点时长下的传播车站数，提出了基于循环神经网络（RNN,Recurrent Neural Network）的全段预测方法，使用同步多对多模式的RNN模型作为基础模型结构，建立列车运行晚点预测模型。在特征值的选择上，采用集成梯度打分法，从多个特征值中选择12个最显著的变量作为模型自变量。采用该模型对京沪高铁2020年晚点数据进行验证，结果表明，该模型在验证集上5 min的误差范围内可以达到89%的准确率，该预测方法可以满足实际生产的需要，有助于调度部门进行科学决策，有利于提升铁路旅客服务质量。     

后疫情时代基于XGBoost的铁路客运站客流量预测研究

进入"后疫情时期",铁路客流正逐步回升,但呈现较大波动,面对铁路提质增效的任务,准确预测客流量愈发重要.文章采用极端梯度提升(XGBoost,eXtreme Gradient Boosting)模型,以新冠肺炎疫情、天气和日期属性作为影响因素,选取上海站2016年1月1日—2020年7月27日客流量数据作为训练集和验证...     

基于GIS铁路工务设备检测数据分析与处理系统研究

系统利用地理信息系统(GIS)技术把铁路线路设备各种检测数据与设备属性数据、地理空间数据结合起来,较好地解决了以往将各种检测数据分开存储、独立分析存在的问题,为工务决策部门提供能够对各种数据进行可视化查询、浏览与分析的软件平台.     

基于机器学习的地铁轨道几何劣化规律个性化建模研究

较高的轨道平顺性是保障地铁列车安全舒适运行的基础,准确掌握地铁轨道的劣化规律对保障轨道质量具有重要意义。根据地铁线路特点,选择影响地铁轨道质量劣化的7类异质性因素,给出赋值模型,并基于机器学习方法建立轨道质量指数(track quality index,TQI)短时预测前馈神经网络模型。为了验证模型,采集了北京地铁1号线的线路设备数据及2016年8月15日至2019年2月18日间的17次TQI检测数据,形成训练数据集和测试数据集,并采取深度学习技术,利用训练数据集对该模型进行训练。基于测试数据集的模型预测值的可决系数为0.938,平均绝对百分比误差为4.80%,结果表明该模型是有效的且具有较高的预测精度。     

一种城市轨道交通牵引供电系统短路试验的解决方案

城市轨道交通牵引供电系统短路试验是集成试验阶段不可缺少的一项内容,通过试验可以对牵引供电系统设备的施工安装质量、系统功能和性能进行验证,旨在探索规范化的短路试验方法。结合实际工程对相关设备的准备、分合闸控制接线的连接、短接点的设置、短路电流计算到试验数据的分析与确认,都给出了详尽的解决方案;试验取得了成功,验证了直流开关的性能、保护装置整定值的准确性以及系统运行的可靠性;对建立规范的短路试验技术方案和测量方法有一定参考价值。     

基于CPS的超大城市地铁机电设备智能运维体系设计

以北京、上海、广州为代表的超大城市地铁网络呈现出"规模体量大、线路分布广、枢纽数量多、运营负荷强度大"的特点,这对地铁机电设备运维管理提出了更高要求。传统运维主要以"人工经验型"维修为主,辅助一定的自动化检测装置,存在检测手段不足、数据传输实时性差等问题,难以实现对全网机电设备运行状况的实时跟踪和分析。针对上述问题,文章通过建立具有 CPS 技术特征的超大城市地铁机电设备智能运维体系,实现设备的运行状态在线检测、故障诊断、库存物料动态调整等功能,助力超大城市地铁安全、可靠地运营。     

基于海量运维数据的铁路数据中心风险预测与防控系统研究与开发

基于海量运维数据的风险预测和风险防控是铁路数据中心实现智能运维的基础性工作。围绕铁路数据中心智能运维需求，研究智能分析方法，依托铁路数据服务平台的大数据存储和数据共享服务能力，使用平台提供的数据预处理及模型训练、模型部署等工具，建立容量趋势预测、基于日志分析的风险预测、运行异常预测、施工风险预测等不同运维场景风险预测模型，完成模型训练、调优和测试，最后将通过实验验证的模型进行发布和上线更新。建立基于海量运维数据的铁路数据中心风险预测与防控系统，可以通过运维经验积累来改进评估指标和预测模型，提高风险预测的准确性及风险处置的有效性，帮助运维人员快速聚焦主要问题，有利于保障铁路数据中心长期安全稳定运行，夯实铁路运输生产安全的基础。