基于改进Mask R-CNN的轨道扣件状态检测方法

为提高轨道扣件状态检测的准确率,基于K均值聚类算法改进掩膜区域卷积神经网络(Mask R-CNN)实例分割算法中的区域建议网络。进行基于改进Mask R-CNN的轨道扣件状态检测方法研究,并将该方法分别应用于普速铁路有砟轨道2个扣件数据集和高速铁路无砟轨道1个扣件数据集上进行轨道扣件状态检测。结果表明:该方法能对普速铁路有砟轨道和高速铁路无砟轨道图像中的扣件状态进行准确检测,扣件的定位准确率和分类准确率平均分别达到97.05%和98.36%,均优于YOLO V3,Faster R-CNN和Mask R-CNN算法;相较于前2种算法,本方法对普速铁路有砟轨道扣件状态检测的优势更为明显。     

基于深度残差网络的轨道结构病害识别

传统的轨道检测方法需要事先对图像进行定位和分割等预处理操作,而定位和分割操作的误差又会直接干扰到后续的分类识别,多环节误差叠加,使得识别准确率低。同时,传统检测方法还需要理想的背景环境,当背景环境或结构类型发生改变时,其算法不再适用,不具备良好的鲁棒性。因此,提出一种基于深度残差网络的轨道结构病害检测方法,该方法不需要对原始图像进行预处理,同时深度残差网络以其更深的层数和更复杂的网络结构可以高效提取出各类轨道结构图像的特征并进行分类识别。以某客货共线线路隧道的钢轨踏面、钢轨扣件和支承块图像建立数据库,通过迁移学习的方式在数据库上训练网络模型,实现对钢轨、扣件及支承块三种轨道结构的病害识别,识别准确率高达98.51%。在此基础上,从识别准确率、损失函数值等方面对深度残差网络在轨道结构病害识别中的应用效果进行对比、分析,验证方法的有效性。     

客运专线无砟轨道扣件系统技术研究

提出客运专线无砟轨道扣件系统技术要求和关键技术,分析世界各国高速铁路无砟轨道扣件系统技术,介绍我国自主研发的无砟轨道扣件系统的技术特征,对日本、德、英国和我国主要类型扣件的扣压件形式及紧固方式。联结方式、承受横向力方式、弹性性能、钢轨位置调整方式进行性能分析,提出无砟轨道扣件结构选型中应注意的问题。     

基于半监督深度学习的无砟轨道扣件缺陷图像识别方法

提出基于置信图的扣件子图快速定位算法,即基于概率图模型构建扣件子图邻域纹理图和初始引导图与被定位图之间的置信图,并通过计算置信图的最大极值点实现对扣件子图中心点的快速定位。在此基础上,针对无砟轨道扣件缺陷样本相对稀缺的问题,提出基于半监督深度学习的扣件缺陷图像识别方法,即首先采用稀疏自编码(SAE)网络在无标签的数据集进行迭代学习获得扣件子图稀疏表征,然后将训练好的SAE网络连接softmax层组成分类网络,最后在有人工类别标注的小数据集进行二次训练及参数微调获得最终的识别模型。通过在装配WJ-7型扣件的CTRS-Ⅰ和WJ-8型扣件的CTRS-Ⅱ型无砟轨道图像进行应用测试和方法验证。结果表明:该方法可快速精确定位扣件并识别扣件缺失、弹条折断、弹条移位3类缺陷,有效检出率达95%以上。     

钢轨扣件横向偏移特征检测算法研究

针对无砟轨道中钢轨扣件发生横向松动、脱离正常工作位置产生偏移的问题,提出一种钢轨扣件横向偏移检测法.首先,该算法为解决传统的扣件图像定位不够精准问题,采用k-means聚类和类二值算法强化分割前景、背景与轮廓矩特征,实现对采集图像中扣件位置的精准定位;其次,不同于传统扣件特征提取采用复杂语义,提出一种基于机器视觉的轮廓分析方法,通过提取扣件的绝缘帽与螺母的轮廓特征,计算相邻绝缘帽间距和相邻螺母间距,并与安全状态下扣件轮廓特征计算得到的安全距离阈值进行对比,进一步计算偏移量,从而判断扣件是否发生横向松动.结果 表明:该算法计算速度快,能够准确地定位弹条位置和偏移量,与传统的识别算法得到扣件的偏移量数据相比准确率显著提高,可达98％.     

基于三维图像的铁路扣件缺陷自动识别算法

针对当前铁路扣件状态自动识别准确率和稳定性不高等问题,利用直射式激光三角测量法原理研发扣件检测系统,采集不受环境光影响的高质量轨道三维数据。提出基于三维图像的扣件区域定位方法,并利用先验知识验证扣件位置以保证扣件定位的准确性;基于弹条的高度规律信息提取弹条,采用HGOH作为特征描述算子;根据特征向量的模是否等于零可识别出缺失扣件,将模不为零的特征向量送入已训练的SVM分类器,从而识别断裂扣件和完整扣件。室内试验研究结果表明,采用本文提出的扣件缺陷自动检测算法,识别准确率可达98.0%,能满足扣件缺陷自动化检测的需要。     

应用YOLO深度卷积网络的轨道图像定位算法

将摄影测量技术应用于铁路轨道检测是未来轨检技术的发展趋势。对轨道图像扣件的快速定位,是判断扣件是否缺损,匹配连续图像以及对轨道线形三维重建的基础。由于实际中轨道图像易受到拍摄角度、光照等因素影响,同时有砟轨道图像具有背景复杂、色彩单一、特征分布多变等特点,使得传统基于钢轨、轨枕布设关系的扣件定位算法具有局限性,对弯道和上下行道岔咽喉区域的扣件定位鲁棒性差。将近年在计算机视觉领域发展迅猛的深度学习算法引入铁路轨道检测,利用YOLO端对端输出的网络特点,根据图像全局信息直接对扣件的Bounding Box和类别进行迭代回归,输出扣件位置信息。试验检测50份测试数据,检测正确率达到94%,检测速度54 fps,可以达到实时检测的要求。     

双块式无砟轨道桥梁梁端扣件系统力学分析

研究目的:桥上无砟轨道结构梁端产生位移时将对梁缝附近扣件产生附加作用力,扣件系统作为无砟轨道结构的重要传力部件,扣件扣压力及垫层压缩变形量均有相应的限值要求,所以需对无砟轨道梁端位移产生的扣件附加力进行检算.研究结论:结合郑西客运专线桥上双块式无砟轨道结构建立有限元模型进行扣件附加力的检算,检算结果表明,梁端位移引起的扣件附加力将影响扣件型号的设计选择.     

无砟道床表观伤损智能识别算法研究北大核心

为提高无砟道床表观伤损检测系统的检测精度和准确率,提出了一种多尺度多任务的伤损智能识别算法。采用特征图L1范数准则对ResNet网络的冗余卷积核进行压缩剪枝,以降低模型计算量和存储空间。通过采集的图像构建样本库,利用像素级语义分割算法,以优化后的ResNet网络为编码网络,以PPM网络为解码网络,搭建编码-解码深度学习架构模型,并通过测试集试验和现场试验对模型进行验证。结果表明,该模型对2000张测试图像的识别准确率为95.6%,无砟道床表观伤损现场检出率为96.4%,检测效果良好。该模型可以实现对无砟道床表观伤损的自动化检测、伤损趋势分析和状态评定。     

基于流行排序的轨道扣件定位方法研究

针对利用图像处理技术在进行轨道扣件定位的过程中易受到拍摄条件及复杂背景干扰的难题,提出一种基于流行排序的轨道扣件定位方法。对轨道扣件图像进行超像素分割和基于图论的特征图构建;根据特征图节点基于背景尺度和前景尺度的相关性进行排序,得到前景突出且背景抑制的轨道扣件显著图,完成轨道扣件区域在图像中的的准确定位。引入准确率-召回率曲线、F度量值和平均绝对误差作为评价扣件定位准确程度的指标。研究结果表明:本文方法对不同类型的轨道扣件图像均能进行精确的扣件定位,且与其它算法相比具有更好的定位效果、较高的效率和鲁棒性。     

城际铁路桥上纵向承台式无砟轨道扣件系统关键参数研究

为研究城际铁路纵向承台式无砟轨道扣件系统关键参数取值,基于车辆-轨道耦合动力学理论,建立客车-无砟轨道-桥梁耦合动力学模型,分析扣件刚度、扣件间距对桥上无砟轨道系统动力响应的影响规律,并基于层次分析法,对桥上无砟轨道系统动力特性进行综合评价。结果表明:随着扣件系统刚度增大,钢轨垂向位移减小,车体振动加速度、轮轨垂向力、轮重减载率和桥梁振动加速度均增大;随着扣件间距的增大,轮轨垂向力减小,车体振动加速度、轮重减载率、钢轨垂向位移和桥梁振动加速度均增大;综合考虑轨道变形以及工程造价,建议扣件系统刚度为50～80 kN/mm,扣件间距为0.6～0.7 m。     

基于改进Faster R-CNN的CRTSⅡ型轨道板裂缝检测方法

高速铁路无砟轨道伤损检测维修的准确率和时效性关乎高速铁路的运营安全，采用机器视觉技术进行高速铁路无砟轨道板裂缝伤损检测可极大提升检测工作的准确率和效率，为此根据CRTSⅡ型轨道板裂缝伤损样本数据特点，提出一种基于改进Faster R-CNN的方法对轨道板裂缝进行检测。该改进方法将检测问题转化为定位问题，精简网络模型，其主干网络选用残差网络，避免网络深度过深而导致学习速度下降；引入引导锚框，以减少冗余锚框，提高检测针对性；采用Soft-NMS算法，改善轨道板裂缝检测的重叠状况，提高裂缝检测效果。为评估该改进方法的可靠性，建立CRTSⅡ型轨道板裂缝检测评价标准，并依据该评价标准将改进方法与R-FCN,YOLO-v5,Faster R-CNN及YOLOx网络算法进行对比测试。结果表明：提出的改进方法综合表现优于其他算法，具有更高的准确率以及最小的漏检率，最佳模型查准率为95.9%，查全率为89.6%，相较于其他几种经典算法分别提高了约2%～4%和2%～6%，能够较好地应用于CRTSⅡ型轨道板裂缝检测场景。     

客货共线无砟轨道扣件垂向力现场测试与分析

客货共线铁路线路,货车轴重的增加对轨道结构造成的破坏会更大,而无砟轨道结构的弹性基本上仅靠扣件系统来提供,因此,有必要对客货共线无砟轨道扣件垂向力进行现场测试。根据扣件荷载参数测试规范,选取WJ-7B型无砟轨道扣件胶垫,自制扣件垂向力测试垫板,应用东华动态信号采集分析系统,对遂渝线蔡家车站和渝怀线鱼嘴2号隧道2个测点进行现场扣件垂向力测试。研究结果表明:该测力垫板制作简单,安装方便,测试结果可靠性和准确性较好,能较好地完成扣件垂向力的测试工作;货车作用下扣件垂向力约为客车的1.5倍,分布范围更加离散,且容易受到线路劣化和车轮扁疤的影响;通过测试能够更加清晰地了解扣件垂向力大小的分布范围,对客货共线无砟轨道扣件系统的设计与研究具有重要的指导意义。     

无砟轨道激光长弦轨检小车检测及精调技术

采用CRTS Ⅰ型轨道板和SFC错列式潘得路扣件的无砟轨道是一种新型无砟轨道。这种新型无砟轨道技术采用激光长弦轨检车进行轨道静态几何形状检测和精调施工。     

基于代价敏感卷积神经网络的扣件缺陷检测算法

为解决扣件数据集不平衡问题,引入代价敏感策略对卷积神经网络算法进行改进,并以此检测断裂、丢失的缺陷扣件。该算法借鉴AdaBoost算法的思路,在训练过程中对整体误差函数中每个样本分配不同的权重,并依据先前模型的错误率不断地加以调整,使算法关注各个类别中的难学习样本,并对调整后的权重按类别进行归一化处理,以增大小类样本的关注度。分别在高速铁路无砟轨道和普速铁路有砟轨道2个扣件数据集上进行对照试验验证算法的有效性。引入G-mean作为评价指标平衡不同类别的召回率。结果表明:将改进后算法应用于高速铁路无砟和普速铁路有砟轨道的扣件数据集,改进后算法的G-mean值比原算法分别提高10%和25%以上;比传统的扣件识别方法分别提高13%和39%以上。     

双块式无砟轨道桥梁梁端扣件系统力学分析

针对客运专线无砟轨道桥梁梁端位移引起的扣件附加力问题，结合郑西客运专线桥上双块式无砟轨道结构建立有限元模型进行详细分析。分析结果表明，梁端位移引起的扣件附加力将影响扣件型号的设计选择．     

城际轨道交通桥梁梁端扣件节点间距研究

研究目的:建设城际轨道交通线,为节省土地全线基本以桥梁为主;为减少道砟粉尘影响环境,采用无砟轨道结构.当桥上采用CRTS I 型板式无砟轨道时,受线路小曲线半径的影响,梁缝处扣件节点间距不能满足规范650 mm的要求,影响桥上无砟轨道设计方案的实施.通过研究,提出可行的设计方案,解决梁端扣件节点间距存在的问题.研究结论:通过分析研究钢轨挠度、梁缝处断轨时钢轨弹性挤开量、板端混凝土剪切应力的设计参数、设计工况及评判指标,对梁端扣件节点间距处的轨道结构进行了受力分析,得出梁端扣件节点间距突破规范规定,按725 mm控制的设计方案可行的结论,解决了桥上采用无砟轨道时梁端扣件节点间距制约轨道设计方案的难题.     

严寒地区高速铁路无砟轨道扣件系统选型研究

研究目的:扣件系统是无砟轨道的关键部件之一,为指导严寒地区高速铁路无砟轨道扣件系统选型,本文结合严寒地区高速铁路的工程特点,分析严寒地区无砟轨道对扣件系统的需求,并通过介绍国内外无砟轨道扣件系统的应用情况,从扣件系统的技术特点及严寒地区适应性等方面进行对比分析,从而提出扣件系统选型建议。研究结论:(1)严寒地区高速铁路无砟轨道扣件系统选型应从几何形位保持能力、纵向阻力、养护维修、弹性垫层刚度、绝缘性能、几何形位调整能力、极端温度适应性等方面综合考虑;(2)有螺栓式紧固的扣件系统调整能力强,且扣压力衰减后可恢复;(3)不分开式扣件系统的零部件较少,易于养护维修;(4)有挡肩扣件的承载能力较强,所有扣件系统均需研究复合材料部件的低温性能和弹条的低温疲劳性能;(5)本研究结论可为严寒地区高速铁路无砟轨道扣件系统的选型提供参考。     

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。     

线路维修作业对简支梁桥上CRTSⅡ型板式无砟轨道纵向力的影响

建立了适用于桥上CRTSⅡ型板式无砟轨道的无缝线路—无砟轨道—桥梁纵向相互作用力学模型,分析连续松开扣件进行改道、垫板作业对32 m简支梁桥上CRTSⅡ型板式无砟轨道纵向力的影响。结果表明:连续松开40个扣件,钢轨纵向力降低了24.56 kN,相当于轨温变化1.3℃产生的温度力;纵连底座板纵向力增加了26.59 kN,增加值远小于其设计检算时所采用的纵向力;剪力齿槽和桥梁固定支座的纵向力变化比钢轨和底座板小,松开扣件后剪力齿槽和桥梁固定支座的纵向力变化均10 kN,这一变化与其承载能力相比几乎可以忽略。可见,按现行《高速铁路无砟轨道线路维修规则(试行)》连续松开扣件进行线路维护作业对无砟轨道和桥梁的强度影响不大。