高速铁路接触网悬挂装置开口销不良状态检测方法研究

针对高速铁路接触网支撑装置中开口销缺失、松脱和张角不足问题,提出两种基于灰度分布特征的检测判据。在定位阶段,依据斜腕臂及其连接处的线特征,对斜腕臂进行Hough直线检测并提取其两侧边缘的斜率特征,实现斜腕处开口销的初定位,利用PBoW模型对初定位图片进行分类;采用SIFT算法准确定位非斜腕处开口销。在检测阶段,使用Hough累加矩阵提取连接处螺钉的圆形特征,对销钉所处的圆环区域实现精确提取;针对圆环内无其他零部件遮挡和干扰情况,根据圆环内非连通区域分布规律给出表面开口销缺失和张角不足检测判据;根据销钉受力部分和两端非受力部分的灰度分布,给出双耳下方开口销不良状态检测判据。实验表明,本文方法能够较准确地实现多位置开口销不良状态的同时检测。     

基于深度学习的高铁接触网顶紧螺栓的缺陷检测

针对高铁接触网顶紧螺栓目标小、缺陷检测困难的问题,提出一种基于深度学习的顶紧螺栓缺陷检测方法。根据4C检测车拍摄的高铁接触网图片(大小为6600*4400 pixels),首先对特征信息更多的斜撑套筒进行定位,采用TDM模块与SSD相结合的算法提升算法对小目标的检测精度,并通过改变默认框的尺寸以得到更好的检测精度和速度;然后利用DeepLab v3 plus算法对顶紧螺栓部分进行语义分割;最后提出一种阈值法对顶紧螺栓的缺陷情况进行判别。为满足实际工程的速度需求,对训练好的模型进行优化。实验结果表明:相较于经典的SSD,本文改进的SSD方法对斜撑套筒的定位精度和速度都有提升;对于6600*4400 pixels的原始样本,本文提出的顶紧螺栓缺陷检测方法精度上达到95.9%,速度达到17.9 fps。     

基于4C图像弱监督检测的接触网开口销检测方法

接触网悬挂状态检测监测装置（4C检测装置）的应用有效指导了接触网设备的维修,提高了铁路行车安全性。除了传统的人工检测,目前大量的开口销图像依靠全监督视觉方法检测,且开口销在图像中占比较小,因此数据标注过程所需人力成本较大。本文提出基于弱监督的4C图像开口销检测方法,旨在仅对训练数据进行图像级标注即可完成目标检测任务,达到完善接触网开口销检测手段、提升检测效率及智能水平的目的。     

基于深度自编码网络的接触网开口销缺失识别

在对接触网悬挂装置状态进行检测时,因为缺少开口销缺失的样本,智能识别难以保证较高的准确率。本文提出了一种基于YOLO v2检测算法与深度降噪自编码网络的接触网开口销缺失识别方法,实现对开口销的定位及定位后开口销图像重构,通过分析重构误差判断接触网开口销是否缺失。试验证明该方法能有效识别开口销缺失情况。     

基于IFC标准的高铁接触网信息模型创建的研究

研究目的:BIM(Building Information Modeling,建筑信息模型)技术对于提升工程建设管理水平具有重要作用。当前,高铁接触网BIM技术的应用研究仍然停留在起步阶段,且进展缓慢。利用基于IFC(Industry Foundation Classes,工业基础类)标准对高铁接触网BIM信息进行描述,是解决这一问题的有效途径。研究结论:(1)通过对比IFC标准各种扩展机制,提出采用代理类与自定义属性集相结合的扩展方式进行高铁接触网BIM基本信息描述;(2)开展了高铁接触网BIM信息分析,构建了高铁接触网身份信息、定位信息和技术信息IFC属性集;(3)提出了高铁接触网BIM建模方法;(4)经验证,本文提出的属性集与建模方法有效可行,有利于提升高铁接触网BIM模型的完备性,可为深化高铁接触网BIM技术的应用研究提供技术支撑。     

高铁接触网异物自动化智能检测方法

基于接触网安全巡检装置(2C)采集的海量图像数据,提出高铁接触网异物自动化智能检测方法,以实现稳健、可靠、精准的高铁接触网安全异常检测。该方法面向2C图像的特点以及接触网安全运行需求,首先对图像进行预处理,然后设计基于深度神经网络的异物检测方法,利用已标定样本训练异物检测模型,并通过预训练和重训练步骤进行深度学习模型的优化,最后将训练好的模型应用于真实场景中对特定异物进行自动检测。对采集的2C图像进行相关试验,结果表明,该方法可以快速有效地检测出接触网异物,准确率达到96.5%以上,具有较高的应用价值。     

应用对象语义进行图像检索的新方法

为了降低图像高层语义与低层视觉特征之间的语义差异,本文以对象描述模型为基础,提出利用机器转换模型获取图像高层语义的方法。本方法首先利用图像分割技术对图像进行分割,然后利用机器学习的方法,得到训练样本集中高层语义与分割后低层视觉特征之间的先验概率关系;在查询的过程中,利用得到的先验概率模型计算与高层语义所对应的最大概率视觉低层特征,最后利用该低层特征进行检索,达到缩短高层语义与低层特征之间的语义差异的目的。在一个拥有5000幅图像的图像库上所做的测试结果表明了该方法的有效性和可行性,同时该方法也为解决图像高层语义与视觉低层特征之间语义的矛盾开扩了思路。     

基于计算机视觉的接触网定位器倾斜度自动测量方法

针对现行接触网定位器倾斜度检测方法效率低下、精确度不高的现状,研究基于计算机视觉的接触网定位器倾斜度自动测量方法.应用图像分割、剔除干扰线、图像细化等算法,对采集到的接触网定位装置的图像进行处理;然后用改进的Hough变换检测细化后的图像,对图像中相邻的特征象素点进行聚类并做感知编组;最后用随机Hough变换(RHT)...     

基于自编码器的接触网定位器底座开口销缺失识别算法研究

随着接触网故障检测技术的发展,接触网悬挂状态检测系统可得到接触网定位器的海量高清图像用于线下故障排查。为提高接触网定位器底座开口销缺失检测的准确性和效率,基于自编码器无监督网络模型,根据定位装置开口销区域的图像特征设计开口销缺失识别算法,并通过实际现场图像数据验证算法的有效性和通用性。试验分析表明,该算法对于背景复杂、光照不均等现场实际图像均具有良好的适应性,算法检测准确率达90%以上,可提高接触悬挂零部件缺陷检测效率,具有重要的实际工程意义。     

基于结构熵权法和云模型的高铁接触网系统安全评价

高铁接触网系统在运行和检修中存在诸多不安全因素,采用云模型理论研究高铁接触网系统安全性评价问题,利用结构熵权法进行权重计算,提出对高铁接触网系统开展安全评价的方法。从人员、设备、管理、外部环境和技术装备保障5个方面,建立安全评价指标体系,包含5个一级指标和26个二级指标;运用结构熵权法优化指标权重,可兼顾计算的主观性与客观性;选取云模型理论计算各评价指标的隶属度与特征值,产生正态云滴,利用Matlab工具绘制各安全等级和评价综合云模型的图形,并确定最终安全风险等级;以某铁路局集团公司某供电段接触网工区为例进行实证检验,与实际情况相符,证明了该方法的有效性。     

一种基于深度神经网络的腕臂底座开口销缺失检测算法

在接触网装置故障中,腕臂底座(包含平腕臂底座和斜腕臂底座)开口销缺失较常见,包括横向和垂直销钉开口销缺失两种.为对腕臂底座开口销缺失缺陷进行自动识别,本文提出一种基于深度神经网络的腕臂底座开口销缺失检测算法:首先采用YOLO算法对原始大图进行一级定位得到腕臂底座区域,然后对腕臂底座区域进行二级定位得到开口销区域小图,最...     

基于近义词分配的铁路扣件状态检测

针对传统"视觉词包模型"在进行底层特征编码时存在较大的量化误差的问题,提出一种基于近义词分配的铁路扣件状态检测模型。首先,利用潜在狄利克雷分布模型分析得到语义主题在某一视觉单词上的概率分布,并引入相对熵衡量视觉单词间的语义距离,从而获取语义相关的近义词;然后,在"视觉词包模型"的基础上,结合柔性分配策略将底层特征映射至若干近义词上;最后,利用支持向量机实现扣件检测。对4类扣件图像的分类实验证明该模型能够有效提高扣件分类精确度。     

高铁列车停靠站客票收入率分类及收入预测研究

对各站客票收入率进行分类并预测各路局收入,对于运输部门制定收入计划、高铁列车开行计划等都具有一定指导意义。本文基于中国铁路总公司下发的客运运行图中直通高铁列车分站信息,首先提出一种Kmeans-CACC方法对客票收入率进行离散化处理,克服了无监督离散化的缺点,利用CACC算法对影响因素数据进行离散化处理;然后,设计一个基于误差区间交集和样本密度的最优收入率选取方法,找出各个分类中满足误差范围的收入率;最后,利用随机森林算法对客票收入率进行分类,并预测各路局收入。实验结果表明,本文提出的离散化算法及分类算法能够对收入率进行精确度较高的分类,提出的收入率选取算法能较好地预测收入。     

基于不平衡文本数据挖掘的铁路信号设备故障智能分类

针对铁路信号设备不平衡故障文本数据,提出基于文本挖掘的铁路信号设备故障智能分类模型。采用TF-IDF模型实现电务信号设备故障文本的特征提取并转换为向量,基于Voting的方式实现多分类器集成学习分类。该模型利用SVM-SMOTE算法对TF-IDF转换后的小类别文本向量数据进行随机生成,采用逻辑回归、朴素贝叶斯、SVM等基分类器和GBDT、随机森林集成分类器对平衡后的数据进行分类,考虑不同分类器的适用特点,通过Voting方式进行多分类器集成学习。通过对某铁路局2012—2016年铁路信号设备故障文本数据进行试验分析,表明该模型可使故障分类的准确率、召回率和F-score均得到显著提升。     

电气化铁路接触网防雷技术研究

分析了国内外接触网防雷现状,对接触网雷害和相关防雷技术进行分类讨论,并结合京沪高铁接触网系统防雷存在的缺陷提出了改进措施。     

基于超像素分割变化特征提取的高铁环境变化监测

为了保障高铁安全有序运营,需要定期进行高铁沿线运营环境的变化监测,及时发现对高铁具有威胁的地表目标。采用"高分二号"遥感数据作为数据源,使用改进型多尺度Forstner算法进行特征点提取,完成不同时相影像在空间上的精确匹配。使用SLIC超像素分割算法进行影像对象分割,将影像数据由单一像素转化为地物对象。对地物样本对象单元进行统计,确定分类阈值,进行变化区、未变化区、混淆区域的分类,再综合利用两个时相的NDVI、NDWI和亮度特征信息对混淆分类区域作进一步分类。在变化区、未变化区各随机生成100个检验点,通过对检验点的统计可知:该方法总体精度为91%,有效抑制了"椒盐噪声",使得变化区域边界与真实地物状况更加吻合。     

高速铁路接触网振动的初步研究

由于高速接触网存在波动和振动,会导致接触网零件因疲劳或磨损而失效.采用带有阻尼装置的弹簧振子作为振动力学模型,同时考虑接触网波动影响,分析高速接触网上固定点的振动特性.通过对高铁接触网现场实测波形的分析,得出高铁接触网振动固定点的初步特征,提出减小振动、增加接触网稳定性及高速振动试验方法的建议.     

基于YOLOv5的铁路接触网异物检测模型初步研究

接触网上附着的异物是影响铁路列车运行安全的一大隐患,在开行列车前需要检查接触网上是否有异物附着。目前,接触网异物检测主要依靠人工巡检,工作效率低,人力物力消耗大。文章通过建模实验,初步探讨利用基于深度学习的目标检测技术实现铁路接触网异物检测的可行性;构建了3种接触网异物检测模型：YOLO(YouOnlyLookOnce) v5模型、 YOLOv5+坐标注意力（CA,Coordinate Attention）改进模型和YOLOv5+ConvNext Block改进模型,利用包含鸟窝和轻质异物两种常见异物的接触网图像数据集,对这3种模型进行实验分析。实验结果表明,相比YOLOv5算法,对于检测鸟窝和轻质异物两种常见的接触网异物,YOLOv5+CA改进模型和YOLOv5+ConvNext Block改进模型具有更好的效果,且YOLOv5+ConvNext Block改进模型检测小尺寸目标的能力更强。     

基于深度学习的高铁接触网旋转双耳开口销钉缺失故障检测

针对高速铁路接触网支撑装置中旋转双耳开口销钉缺失故障检测的问题,提出一种基于深度卷积神经网络和集成学习的故障检测方法。通过Faster R-CNN网络对旋转双耳整体进行精确定位;在整体定位结果的基础上,进一步完成对开口销钉的精确定位,最大程度上降低背景对故障检测的干扰;通过多个深度卷积神经网络提取开口销钉图像的多种特征,最终由多个线性SVM构成的集成分类器实现开口销钉缺失故障检测。实验结果表明:本方法能在复杂的接触网支撑装置图像中实现旋转双耳开口销钉的精确定位,并且在销钉的缺失故障检测中表现出较高的可靠性。     

基于随机森林的轨道车辆门亚健康诊断应用研究

提出一种基于随机森林算法的轨道车辆门亚健康诊断方法,以实现对轨道车辆门对中异常、缓冲头磨损等亚健康状态的识别。该方法对一组试验数据提取特征值,生成类型标签,利用随机森林算法,经过训练得到亚健康诊断模型。再利用另一组试验数据对模型进行测试,调整随机森林训练模型参数,以预测准确率为评判标准,选取最优参数,确定最优模型。最后将模型用于实际运营的地铁车辆门,验证该方法的有效性和可行性。根据诊断规则推送车辆门亚健康预警信息,为地铁运维提供参考。