城轨列车走行部地面检测系统研究与设计

走行部作为城轨列车的关键部件,其服役状态对列车运行安全起着至关重要的作用。目前,中国城轨列车走行部实时监测系统尚在起步阶段,且多数集中在轴箱监测,监测功能单一。研究并设计一套城轨列车走行部地面检测系统,针对轮对尺寸、车底关键部件异常及轴箱、电机等部件温度异常具有检测报警功能,此外还具备系统自检、自动防护、测轴计速和车号识别读取的辅助功能。系统实现了对城轨列车走行部关键零部件的通过式检测,并能针对检测结果做出故障预警。该系统已在北京地铁9号线投入使用,对现有列车检修工作起到很好的支持作用,对城轨列车在途监测的实现具有指导意义。     

基于视觉的地铁列车前向目标识别系统研究

为解决地铁列车前向运行环境中障碍物判断问题,提出基于视觉的地铁列车前向目标识别系统。该系统利用语义分割算法提取行驶轨道区域,结合轨道区域识别,基于SSD算法提取前向运行环境中轨道限界范围内的列车、行人等目标。针对上述场景,建立列车前向运行环境样本库,并基于该样本库完成模型训练。实验结果证明所得模型可有效识别列车前向行驶多目标。     

车载式地铁轨道缺陷巡检系统设计

提出一种新的车载式地铁轨道缺陷巡检系统,利用机器视觉技术,通过对系统硬件和软件的设计,实现轨道道床空间全断面高清晰成像、检测位置信息获取、轨道缺陷智能识别以及轨道缺陷数据无线传输保存等功能。最后,将该巡检系统应用在广州地铁8号线上,试验结果表明,该巡检系统具有定位精准、轨道缺陷检测精确、实时传输和分析的优点,适用于我国地铁轨道缺陷巡检,可有力保障列车安全、可靠运行。     

城轨交通车辆走行部故障自动诊断技术应用

分析城轨交通车辆走行部关键机械部件的常见故障,介绍走行部车载故障诊断系统。基于广义共振和共振解调的故障自动诊断技术,结合城轨车辆运营维修应用的特点,不仅能准确提取微弱机械故障的冲击信息,还能对走行部轴承、齿轮、踏面等关键部件的故障实现早期预警和分级报警。实际应用结果表明,该系统可保障车辆的运行安全并提高走行部的检修效率,是运营管理部门的一种技术创新。     

转向架车载监测系统在地铁车辆上的应用

转向架车载监测系统是针对轨道交通车辆转向架关键部件状态的一种监测系统，本文介绍了该系统的工作原理和安装维护方法，实际装车使用的效果表明，该系统在不增加维修人员工作量的情况下，可对电机、齿轮箱、轴承等地铁车辆走行部的关键部位实施监控，保障车辆的运行安全。     

动车组运行状态智能检测装备

动车组运行状态智能检测装备设置于动车段入库线上,主要针对动车组走行部、车顶和受电弓在运用中出现内部缺陷、磨损、损坏及尺寸超限的故障比率问题。实时采集运行列车的底部、侧部和顶部图像,采用故障自动识别策略,对列车的车底走行部、闸瓦、转向架、接触网等与列车有关的各个部件进行动态监控。根据实验和现场使用情况,本检测设备满足铁路机车运行时对走行部和受电弓进行在线测量检测的要求,其中,走行部检测精度可达1 mm,滑板磨耗值测量精度可达0.2 mm。鉴于此,该动车组智能检测装备能及时发现故障隐患,为检修和更换提供依据,保证动车组运行安全。     

基于事件的控制技术在地铁列车运行中的应用

研究移动闭塞条件下地铁列车的运行规律,建立地铁列车运行模型,将基于事件的控制技术应用到地铁列车控制中。引入运动参考变量,求出在以站间最小运行时间为目标的单列列车控制中,列车运行速度、加速度关于列车走行距离的表达式,根据列车走行距离实时调整规划列车的运行。研究移动闭塞条件下地铁列车间的控制,采用基于事件的控制技术和编队思想降低列车间的最小追踪允许间隔,在保证不撞车以及尽量减少站外停车的前提下,提高地铁线路的通过能力,并且能够方便地实现系统的重新配置以及各子系统间的协调协作。以相邻的3列列车运行为例,研究在移动闭塞条件下后续列车的控制策略,根据列车的走行距离以及前后列车间所要求保留的安全距离,动态调整列车的运行速度、加速度。仿真结果表明,运用基于事件的控制技术来控制列车的运行,可提高列车的正点率到95%。     

基于声振特征融合的机车走行部轴承状态评估方法研究

轴承作为机车走行部的关键部件,其安全稳定运行对机车至关重要。针对机车走行部轴承维修后状态无法准确评估的现状,提出一种基于声振特征融合的机车走行部轴承状态评估方法。该方法通过采集走行部轴承工作时产生的声音信号及振动信号,提取2种信号特征参数并进行融合,得到更为准确的状态信息,实现对维修后轴承的状态评估。通过轴承故障模拟试验,验证基于声振特征融合的机车走行部轴承状态评估方法的准确性和有效性。     

基于深度学习的高速列车转向架故障识别

为提取高速列车转向架关键部件振动信号的特征,提出基于深度学习(Deep Learning)的高速列车转向架故障识别新方法。以转向架关键部件非全拆单工况故障信号为研究对象,对故障信号进行离散傅里叶变换,然后依据深度学习的降噪自动编解码过程对故障的频域信号进行特征学习,并以此特征作为BP神经网络的输入实现转向架故障信号的识别。实验结果表明:在不同速度下,所提方法对转向架关键部件非全拆故障识别正确率能达到100%,表明了该方法的有效性。     

地铁计划列车运营冲突管理实现方案

为保证地铁运营中的行车效率和质量，针对线路中计划列车的运营，基于列车自动监控系统设计了列车运营冲突管理方案。根据线路情况，识别和定义列车运营冲突区域和冲突路径；根据计划列车按图运行的特性和冲突路径，定义列车冲突检测条件。当在冲突区域检测出列车冲突时，提供基于列车进路自动办理和基于站台自动扣车2种冲突卡控方式，并提供系统冲突决策和人为冲突决策，最终为不同线路、不同场景下的地铁运营提供灵活、可行的列车冲突管理方案。     

机车走行部故障图像识别系统的研究

机车走行部的故障目前仍以人工检测为主,既有的车辆故障图像识别系统TFDS不能适应机车要求,亟待研发机车专用的走行部故障图像识别系统。根据机车走行部故障特征,提出了机车走行部故障图像识别系统构成及其原理,探讨了高清晰度图像的获取、低照度条件下图像的获取以及图像识别方法,并深入分析了建立机车走行部故障特征库,以及机车走行部故障评判及报警分级处理等问题。     

弓网检测系统在全自动无人驾驶地铁中的应用

全自动无人驾驶地铁列车所用的弓网检测系统可针对受电弓结构异常、接触网关键悬挂异常、弓网接触异常等弓网运行异常状态进行在线动态实时检测。详细介绍了该弓网检测系统的功能及组成,具体阐述了弓网检测系统所运用的深度学习技术、图像智能识别技术、燃弧紫外探测技术、红外热成像技术、激光三角测量技术、车体姿态补偿技术、大电流实时监测技术等前沿技术和检测方法。弓网检测系统可实现对弓网运行状态进行全面监视、检测,从技术实现角度确保无人驾驶线路的运营安全和效率。     

地铁列车在线监测系统在途故障预测及健康管理

介绍了一种地铁列车在线监测系统在途故障预测及健康管理,该系统可以在传统列车控制与诊断系统的基础上增加对车辆走行部(轴箱、齿轮箱、牵引电机等)工作状态的实时监测及分析,实现列车状态在途监测显示预警及健康管理。     

基于可见光通信和接收信号强度检测的列车定位方法研究

精确的列车位置信息是CBTC(基于通信的列车控制)系统保障列车安全高效运行的关键因素.针对地铁独特的隧道环境和列车运营特点,提出一种VLC(可见光通信)和RSSI(接收信号强度检测)相结合的列车定位方法.首先,以朗伯光源模型为基础,构建LED可见光通信的CBTC系统的列车定位模型;其次,利用RSSI值计算隧道壁上LED...     

地铁列车转向架焊缝电涡流检测系统

转向架作为城市轨道交通列车走行部的重要部件,对于列车的安全行驶起到了重要作用.随着列车运营里程数量的增加,转向架焊缝位置处极易产生缺陷或损伤,亟待被检测处理.文章以地铁列车转向架焊缝缺陷为研究对象,介绍了一种针对焊缝缺陷的自动化电涡流检测系统,并使用COMSOL Multiphysics仿真软件对系统检测校验中的标定试...     

基于轻量级卷积神经网络的地铁轨道线路状态检测系统

轨道作为承载车辆运行的重要部件，其工作状态对地铁运营的安全性有重要影响。传统人工巡检或者采用轨检车的检测模式只能在正线停运后进行作业，工作效率低。针对该问题，提出一种基于地铁运营列车的轨道线路状态检测系统，该系统采用高速线扫相机对轨道线路进行实时图像采集，并将采集数据送入轻量级RegNet骨干神经网络提取图像深层特征。在此基础上，加入双向特征金字塔网络进行多层次特征融合。最后将融合特征输入目标检测头实现轨道线路状态的实时检测。结合基于云边协同的困难样本挖掘以及模型部署加速技术，算法可实现高准确率、高实时性的检测性能。试验表明，该系统针对11类钢轨伤损及扣件状态的检测平均准确率（mAP）达到0.951，推理速度大于20 f/s,满足地铁在载客运营同时对轨道线路状态进行实时检测的需求。     

城轨车辆走行部车载故障诊断系统的应用与状态维修的尝试

城市轨道交通快速发展,运营里程和车辆数量越来越多,运营管理部门面临着巨大的维修工作量。走行部是列车的关键部件之一,它的维修不当或欠修常常会造成安全隐患。状态修是一种先进的维修体制,但需要具备在线实时诊断和监测的能力,本文介绍了一种走行部车载故障诊断系统,具备走行部故障的早期预警和分级报警功能,可以作为指导列车运用和维修的依据之一。     

基于深度残差神经网络的地铁站台门与列车门间异物自动检测方法研究

针对地铁站台门与列车门间现有异物检测方法的精度差、误报率高的问题,提出基于深度残差神经网络图像识别原理,利用地铁站台发车指示器图像数据实现站台门与列车门间异物实时检测.首先,搭建基于深度残差神经网络ResNet50模型的自动异物检测系统;然后,采集站台发车指示器视频帧信息建立数据集并完成系统训练;最后,分析自动异物检测系统对验证信息集的处理效果,并将该系统应用于实际地铁车站中.处理效果表明:实际应用验证中最低准确率为98.7％,单张视频帧处理总耗时不超过65 ms,满足地铁实际运营的要求.     

轮对振动及轴温在线检测系统

针对城轨车辆运行过程中由于轮轨冲击造成的轮对损伤故障和列车轴承故障,提出了一种基于轮对振动信号检测法和列车轴承温度红外检测法的在线检测系统;详细介绍系统的总体架构、具体工作原理,并对该系统进行数据仿真、特征值提取和列车过车试验,验证结果表明该系统优于传统的人工测量,具有实时、准确、可靠等优点。     

基于非线性补偿的轨道交通列车自定位方法研究

列车精准定位对列车运营安全有着十分重要的意义。在某些国外地铁项目中，受限于技术体系的成熟度和设计成本，常规的GPS定位和CBTC定位技术无法满足项目对列车定位的需要，文章为此提出一种基于非线性补偿的轨道交通列车自定位方法。该方法能够在不增加新设备（如GPS、CBTC等）的情况下，仅依赖于车载既有设备实现列车位置的精确定位。所提出的方法系统组成简单、成本低、精度高、可靠性高（不受环境影响），具备推广意义。具体思路为：首先利用神经网络建立列车瞬时速度的补偿模型，通过补偿模型提升列车瞬时速度的精度；然后根据补偿后的列车实时运行速度与列车运行时间作积分累积得到列车实时的运行距离，再根据列车的固定运营线路图，计算得到列车距下一站的距离，实现定位。试验证明，补偿后的定位精度小于0.2 m，较补偿前提高了3～4倍。