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...     

盾构竖向姿态的组合预测模型研究

由于盾构施工过程中盾构姿态演化的复杂性,单一预测模型很难实现较为精准的预测,提出了一种基于BP神经网络和支持向量回归(Support Vector Regression,SVR)的盾构竖向姿态组合预测模型.首先,利用经验模态分解将盾构竖向姿态时间序列分解为有限个固有模态分量和剩余分量;其次,在分别建立不同分量的粒子群优...     

基于粒子群支持向量机的轨道电路故障诊断

支持向量机（SVM）是一种解决小样本分类问题的最佳理论算法,它的核函数的参数选择非常重要,直接影响着故障诊断的准确率。本文将粒子群算法（PSO）用于支持向量机的参数优化,提出基于粒子群支持向量机的故障诊断模型,并将其运用于轨道电路中。通过对比MATLAB仿真结果得出:经过粒子群寻优得到的参数比随机选取的参数更优,所建立的PSO-SVM模型的故障诊断准确率高于普通的SVM模型。     

基于RFID技术的扣件紧固状态检测系统的研发

针对目前铁路扣件紧固状态快速智能检测手段的不足,基于射频识别(Radio Frequency Identification,RFID)技术开展扣件紧固状态检测系统研发。通过对RFID供能传输方式和扣件紧固状态传感器的设计开发,构建全新的扣件紧固状态快速检测系统,并根据现场需要分别提出便携式采集设备方案和车载式采集设备方案。该系统现场无需布置电源线和数据线,可以实现20 km/h速度下的扣件紧固状态快速检测,检测量程为0~20 kN,检测精度为5 N,可对检测数据进行评估和对报警信息予以多级发布。与传统人工检测方式相比,该系统具有检测速度快、检测精度高、数据可靠、安装便捷等优点。     

基于深度边缘特征的轨道扣件状态检测方法

针对现有轨道扣件状态检测方法无法检测快速弹条扣件的问题,提出了一种基于深度边缘特征的轨道扣件状态检测算法.利用基于深度学习方法搭建的HED网络提取轨道扣件的深度边缘特征,得到扣件深度边缘特征图;提取扣件深度边缘图的方向梯度直方图特征,将得到的融合特征作为扣件特征描述算子输入支持向量机训练,用训练好的分类器实现扣件扣紧和...     

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CEEMDAN-SVM的高铁轴承故障诊断研究

高铁轴承在高铁运行中起着重要作用,对其进行状态检测和故障诊断有着十分重要的作用和意义.总结出一种基于自适应辅助噪声的完备集合经验模态分解(CEEMDAN)和样本熵(SampEn)相结合的高铁轴承故障诊断方法.振动信号经过分解获得诸多的本征模态分量(IMF),计算其样本熵特征参数来表征不同故障状态下的轴承信号的相关特征,...     

基于SVM-PSO算法的大跨度悬索桥挠度可靠度研究

为了研究高维随机参数作用下大跨度悬索桥运营阶段挠度可靠度,在有限元计算基础上,基于支持向量机(support vector machine,SVM)建立成桥阶段挠度可靠度模型,结合优化后的粒子群算法(Particle Swarm Optimization,PSO)计算结构运营阶段挠度可靠指标。研究结果表明:借鉴遗传算法中的变异思想,通过设置中间变量约束条件,可以解决粒子群算法易早熟、后期迭代效率低的问题,进而提高计算效率与精度,基于SVM-PSO算法的结构可靠度方法高效准确,普立特大桥挠度可靠度满足正常使用极限条件下的要求。     

一种改进的铁路扣件图像校正算法

基于HOG特征的铁路扣件检测算法中,各类扣件特征的可辨性易受光照不均匀因素影响,降低了检测准确率.针对此类光照不均匀图像,将二维经验模态分解(BEMD)理论与直方图均衡化相结合,首先利用BEMD变换提取图像的细节分量和照射分量,并通过直方图均衡化增强细节分量;然后进行光照判断,据光照判断对细节增强分量叠加调整后的照射分量,得到光照均匀、细节增强的扣件图像.真实实验表明,与传统方法相比,此方法能有效增强图像对比度,提高铁路扣件检测精度.     

基于粒子群优化支持向量机的斜拉桥主梁损伤识别研究

为了能够更加准确地判断结构损伤位置和程度,本文提出了基于粒子群优化支持向量机(PSO-SVM)方法对斜拉桥主梁进行损伤识别的新方法。该方法以最敏感索张力指标作为损伤识别指标,利用粒子群(PSO)算法寻找支持向量机(SVM)最优参数,建立SVM预测模型,以不同位置、不同损伤程度下最敏感索的张力指标作为SVM的训练和测试输入,由SVM的输出确定损伤位置。通过对实验室的模型斜拉桥的主梁损伤进行了仿真验证,结果表明:采用PSO算法很好地解决了采用SVM方法进行损伤识别时的参数选择随机性难题,实现了对SVM模型参数的自动优化,基于PSO-SVM的损伤识别方法对斜拉桥主梁不同程度的损伤均有很高的识别率。     

基于序列互相关特性和SVM的入侵检测研究

通过刻画特权进程的系统调用来进行入侵检测已被广泛研究，采用的大多是人工智能方法，如支持向量机、隐马尔可夫模型和神经网络等。针对这种基于人工智能的入侵检测系统，本文提出应用序列互相关特性选择训练数据的方法。序列的互相关特性是刻画序列之间的相互关系的重要手段，使用具有一定特性的序列来训练人工智能模型，可以提高入侵检测的效率。在本文中，使用了支持向量机（SVM）来评价序列的互相关特性在模型训练中的作用。实验仿真说明，这种方法可以有效的提高入侵检测率。     

基于雷达的列车直轨运行前方障碍物检测方法研究

针对视觉传感器检测列车运行前方障碍物时存在环境适应能力差及对距离判别能力弱的缺陷,提出一种基于雷达的列车直轨运行前方障碍物检测判别方法。通过最小二乘法进行雷达测量数据误差矫正得到较准确的目标位置信息。结合铁路机车车辆限界、雷达方位角及雷达测量量程,构建检测区模型。将预处理后的目标点位置信息代入构建的检测区模型中进行障碍物检测判别。现场测试结果显示,利用该方法检测不仅具有较高的准确性,而且克服了环境因素的影响。     

基于协议分析的SVM入侵检测系统

随着网络技术日益发展,计算机必须面对来自全球网的各种入侵.因而需要有效的入侵检测系统保护计算机远离这些未经允许的或恶意的行为,将模式识别的方法应用到入侵检测系统中,解决了传统检测方法的缺陷.提出一种基于协议分析的SVM入侵检测方法,并使用KDD'99中的数据对该方法进行了评估,证明该方法是有效的.     

基于截线法的铁路扣件骨架提取算法

为了能够精确描述铁路扣件端部形状,提高铁路扣件的识别率,以及满足扣件检测的实时性要求,提出了一种基于截线法的铁路扣件骨架提取算法。首先,通过预处理得到原始图像的二值图像及其感兴趣区域;其次,应用不同方向的方位距离变换计算扣件各端部区域的骨架生长点;然后,以骨架生长点为中心沿扣件的弯曲方向分别利用水平线族和竖直线族扫描扣件端部轮廓,得到截线段后,计算其中心点;最后依次连接骨架生长点和所有截线中心点即可得到完整的扣件图像骨架。理论分析与实验结果证明,本文算法对扣件形状的描述能力强,并且可以准确识别扣件形状。对于复杂图像的识别具有较好的效果,在识别缺陷扣件时具有较强的应用优势。算法运行时间较短,可以达到实时性的要求。     

扣件DI弹条非正常部位断裂原因分析及结构优化

通过对DI弹条非正常部位断裂的研究,发现扣件安装时弹条与铁垫板安装孔发生接触,致使弹条在中肢与尾部圆弧过渡区域产生应力集中,发生早期疲劳断裂。本文在研究弹条结构及安装方式的基础上,在弹条的中肢与尾部圆弧过渡区域引入"凹面"结构,对弹条进行结构优化,并通过扣压力和疲劳性能检测、实验室疲劳断裂检验、现场试铺检验等对带有优化"凹面"结构的DI弹条性能进行检测。结果表明:优化后的弹条扣压力和疲劳性能均合格,且能有效抑制因接触产生的非正常部位断裂,提高弹条性能。     

上海地铁车辆安全检测系统

简述了上海地铁车辆安全检测系统的功能特点及性能指标，并分别对地面检测系统和中央数据库管理系统两部分的原理进行了阐述。该系统已在上海地铁1号线完成了技术验收，各项技术指标均达到要求。     

现代有轨电车新型扣件系统研究

针对现代有轨电车轨道系统特有结构特点,文章开展现代有轨电车新型扣件系统设计研究.新型扣件系统采用有挡肩弹性不分开式结构,优化扣件受力状态,结构简单.基板采用非金属材质,提高绝缘和防腐性能,延长扣件使用寿命,增设防松垫圈,持续为螺帽提供压紧力,防止螺栓松动.针对现代有轨电车新型扣件系统,建立有限元分析模型,对新型扣件系统...     

基于边缘检测的铁轨识别

在铁路安全检测系统中,铁轨识别是铁轨线路上障碍物检测的前提.结合铁轨数字图像特征,采用基于图像亮度值的不连续性进行铁轨识别,通过对常用边缘检测算子的对比分析,提出了基于边缘检测的铁轨识别流程;通过各算子对铁轨检测实验数据的对比,选择Sobel算子作为铁轨识别的基本算子;基于铁轨方向性强的基本特征,运用Sobel特定掩膜算子,检测指定方向线条,提高了铁轨识别精度,实现了对直道铁轨和弯道铁轨的有效识别.