一种基于竞争神经网络的铁路UM71信号频谱识别方法

机车信号设备译码的抗干扰能力直接影响设备显示的准确性和稳定性,同时也关系到铁路的行车安全.本文将神经网络模式识别技术引入到铁路车载信号的解调译码过程中,利用该技术非线性处理能力强和性能稳定等特点,提出基于竞争神经网络的铁路UM71信号特征频谱的识别方法.该方法根据不同调制低频下的UM71信号频谱的谱线结构规律建立起相应的神经网络结构模型,通过计算实际输入信号的频谱与神经网络各向量间的曼哈顿距离而产生竞争,再根据竞争结果与UM71信号的映射关系实现译码功能.实验证明:该方法具有学习算法简单、迭代步数少和运行速度快等优点,在提高UM71信号译码的准确性和抗干扰能力等方面效果明显,能够满足铁路现场实际运用的要求.     

一种基于正交小波包技术的机车信号记录器数据快速压缩方法

根据铁路机车信号设备自身的信号译码需求,提出一种基于正交小波包技术的轨道电路信号的快速压缩方法,以改善目前机车信号记录器直接存储方式给波形数据存储造成的局限性.该方法利用截频性能出色的dmey小波的正交镜像小波滤波器组对机车信号记录器的记录波形信号进行3级小波包分解,按照记录信号制式的不同,在考虑dmey小波滤波器截频特性的前提下,根据小波包分解后的信号频带对应关系,只保留当前轨道电路信号所在频带的波形数据,以达到信号压缩的目的.实验表明,该方法可以对目前铁路现场主要使用的国产移频信号、UM71信号和ZPW-2000信号进行有效压缩和精确重构,且具有算法简单和方案灵活等特点,能够满足铁路现场实际运用的需要.     

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。     

基于小波包分解多尺度排列熵及2阶特征选择的转辙机故障诊断方法

针对转辙机高精度故障诊断的需求，结合声音信号非接触、易采集等优势，提出一种基于声音信号的非接触式故障诊断方法。首先，基于小波包分解与多尺度排列熵，实现对声音样本的特征提取；其次，提出基于ReliefF和二进制粒子群优化算法的2阶特征选择方法，得到最佳特征集合，实现对声音样本的特征选择；最后，基于支持向量机算法对最佳特征集进行训练和测试，完成对转辙机的故障诊断。依托10种常见工况下共计800组声音样本开展实验，结果表明：该方法在反位—定位和定位—反位转换过程中得到的特征点数分别为13和39个，故障诊断准确率分别为99.67%和100%；相比于单一特征选择方法，采用的2阶特征选择方法能够大大降低特征维度，提高故障诊断准确率；相比于k近邻和线性判别分析这2种分类器，支持向量机分类器在转辙机故障诊断中更具优势。     

基于Faster-RCNN的站台端部人员入侵检测研究

铁路客运站的站台端部为非封闭式环境,存在人员非法入侵的风险。在阐述Faster-RCNN算法原理的基础上,详细描述了VGG16模型、RPN网络以及分类回归的过程。采集现场数据制作样本集,训练了可区分普通人员、施工人员以及防护人员的站端入侵检测模型。测试分析了5组不同参数下的实验数据,确定候选区队列长度等于300,推荐候选区数量等于15时为最优参数。模型对普通人员、施工人员以及防护人员3种样本的识别精确率分别为95%、99%、100%,识别召回率分别为97%、99%、100%,平均精确率均值为0.983 6,单帧检测时间为0.069 s。结果表明:算法可有效地检测普通人员、施工人员以及防护人员,满足实时检测需求,为站台端部人员入侵检测提供了新思路。     

隧道表面图像多目标智能识别算法研究

隧道表面病害已经成为轨道交通基础设施巡检的重要任务之一,人工巡检方法耗时长、强度高,需要智能化、自动化的目标检测与病害识别算法研究。提出一种隧道多目标分类方法和智能识别理论模型,对采集的隧道表面图像进行精细化标注并建立数据集,采用基于语义分割的理论模型对隧道图像目标进行智能分类识别。考虑隧道纹理的特殊性,本研究对算法中模型结构进行改进优化,实现隧道多种目标的智能化检测。试验中,通过测试集和隧道正线图像进行对比试验,其中隧道典型病害裂缝的检测率为94.2%,渗漏水的检测率为96.9%,验证了模型和算法的有效性。     

基于监测树的高速铁路光传送网络故障定位研究

高速铁路光传送网络承载了列车控制等安全级别较高的业务,其正常运营是铁路安全行车的基础。为保证网络的安全可靠性,在网络链路出现故障时,必须快速准确地定位故障链路。利用监测树M-tree方案,通过将网络拓扑转化为树形结构,并在指定节点设置监测器实现故障链路定位。为实现M-tree的构造,提出基于度与距离的监测器分配算法DDMA,算法选择节点度最大且相互距离最远的两个节点作为监测信号的转发节点以扩展M-tree。仿真数据表明,利用DDMA设计的M-tree方案所需监测代价不超过理论最小监测代价的7%。相对于现有的监测迹M-trail方案,DDMA算法最大可以节省30%左右的监测代价。利用DDMA为高速铁路骨干层光传输网络设计M-tree监测方案,实际监测代价不超过理论最小值15%。DDMA算法复杂度较低,当网络中含有100条链路时,算法运行时间不超过0.2 s。     

基于声-振联合特征分析的配电变压器运行状态辨识方法研究

高速铁路供电箱式变电站长期工作在高温潮湿环境，针对箱变内部变压器等关键设备运行安全问题，提出一种利用声波和振动信号联合特征进行变压器运行状态辨识方法。首先，通过非侵入式传感器获取伴随配电变压器运行的声波和振动信号，再经过滤波消噪处理声波信号提取其时频谱图纹理特征，并与振动信号变模态分解后的排列熵联合形成联合特征向量；通过概率分布特征构造最优分类超平面，由支持向量机分类算法实现联合特征向量的变压器典型状态的辨识。实验证明，声振联合特征分析方法对变压器正常、轻载、重载和三相不平衡等各运行状态下判别准确率均达96%以上。通过对辨识发现的变压器异常工况进行预警，及时实施设备状态检修可大大提高铁路供电可靠性。     

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。     

铁路沿线联合沙障阻风固沙机理的数值模拟研究

目前铁路上常见风沙病害即为风蚀和沙埋，为保证铁路运输安全，基于欧拉-拉格朗日离散模型，对前期已确定设计参数的由透风栅栏及固沙砖沙障的联合沙障优化措施对路堤周围风沙流场积沙分布的防护效果进行研究分析。结果表明：由于透风栅栏的作用，其后风速降低约50%,部分风沙流受阻抬升导致流场4.5 m以上形成风速加速区；透风栅栏与固沙砖沙障联合作用，在距地面近2 m处风速小于5 m/s,有利于沙粒的沉降，路堤上已沉积在表面的沙粒也不易再次移动；路堤顶面风速降低23.5%,更有利于平稳输导风沙流，减少人工清沙频率，提高防沙效益；联合沙障优化措施在参考风速为分别为5.93、10.38、18.67 m/s时均可有效净化来流风沙；联合沙障有效颗粒防护率可达到89%以上，针对粒径d≥0.1 mm的颗粒，3种入口风速的防护率分别为99.9%、93.6%、94.7%。