基于人眼PERCLOS特征的列车驾驶员疲劳检测系统

针对列车驾驶员疲劳驾驶问题,提出一种基于人眼PERCLOS特征的列车驾驶员疲劳检测系统,即首先采用基于Haar特征的AdaBoost算法进行人脸检测,而后进行人脸定位和跟踪,最后计算人眼的PERCLOS参数,实现驾驶员的疲劳检测。通过室内模拟驾驶实验,该系统具有检测率高、鲁棒性强等特性。     

一种基于人脸序列模式的机车驾驶员疲劳检测方法

驾驶疲劳是导致事故的重要原因,本文在综述基于面部特征的机车驾驶员疲劳检测方法的基础上,提出了基于Gabor变换的人脸特征融合抽取模型,并在此基础上,结合隐马尔可夫模型(HMM)提出基于人脸图像序列的机车驾驶员疲劳检测方法。根据在疲劳和非疲劳状况下人脸模式特征的不同,首先利用Baum-Welch学习方法从疲劳图像序列训练学习得出疲劳模式下的HMM参数;然后,在疲劳模式识别时,把待识别的人脸图像序列表示成Gabor融合特征序列,再利用Viterbi算法计算该特征序列属于疲劳模式的概率值,从而实现对人脸图像序列的疲劳识别;最后,对各种姿态下的不同人脸图像序列数据进行了仿真测试。实验结果表明,与已有基于单幅人脸图像的疲劳识别方法相比,具有更好的疲劳识别性能。%     

基于由粗到精定位的列车驾驶员瞳孔和眼角点检测

提出一种由粗到精定位的列车驾驶员瞳孔和眼角点检测方法,采用基于监督下降法的面部特征点定位和跟踪技术对驾驶员的眼角点进行粗定位,在面部特征点正确定位的基础上根据相应点的位置获取眼睛图像。采用圆形模板求得眼睛图像中每个像素点的灰度比率,并将其作为权值获取积分投影曲线,对瞳孔点粗定位。将已检测到的瞳孔中心点和眼角点作为初始点,采用基于局部二值特征的定位技术对眼角点和瞳孔位置进行精确定位。利用视频和图像数据库进行实验测试,实验结果表明:提出的方法能够有效定位驾驶员眼角点和瞳孔位置,其瞳孔检测精度优于最新提出的方法。     

面部多特征融合的列车司机疲劳检测方法研究

为保障列车安全运营,提出一种基于面部多特征融合的列车司机疲劳检测方法.采用HOG特征实现人脸识别,ERT算法实现特征点定位.针对不同司机面部特征差异导致固定阈值无法适用于每位司机的问题,提出基于K-means++法的人眼自适应阈值算法.考虑图像前后帧的相关性,利用相邻两帧图像瞳孔与内眼角差值计算眼动速率作为判断指标.针...     

基于改进卷积神经网络的驾驶员眼睛状态识别

为准确、高效识别驾驶员眼睛状态,提出一种基于改进卷积神经网络(Improved Convolutional Neural Networks, ICNN)的驾驶员眼睛状态识别方法。在LeNet-5网络的基础上采用多个小卷积层堆叠替换一个大卷积层的策略,减少参数量和浮点运算数的同时增强网络对眼睛图像的特征提取能力;在卷积层和池化层之间嵌入高效通道注意力(Efficient Channel Attention, ECA)模块,使网络突出眼睛图像中重要通道特征并弱化非重要通道特征,完成ICNN的构建;利用ICNN准确、高效自学习图像中有效眼睛状态特征信息的特点,实现端到端的驾驶员眼睛状态识别。通过在两个公开和一个实测的眼睛数据集上进行对比实验,验证卷积层堆叠替换和嵌入ECA模块的有效性,所提方法具有更高的训练效率和眼睛状态识别准确率。     

一种基于检测技术的地铁列车动态包络线修正算法

针对地铁列车动态包络线计算校核缺乏实测数据支撑和修正算法的情况,提出了一种基于精确位移、倾角检测技术的动态包络线修正算法。首先通过线路试验获取地铁列车关键截面的位移、倾角数据,然后运用提出的修正算法计算得到列车运行时的动态包络线偏移,最后将修正算法结果与CJJ/T 96—2018中的理论计算结果进行对比分析。研究表明：提出的修正动态包络线算法有效,结果与理论方法吻合;修正算法能更加贴近车辆的真实运行状态;为160 km/h及以上高速地铁列车的限界制定提供了理论及测试方法参考。     

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...     

基于最大期望算法的列车完整性检测方法

面向中国中西部低密度线路条件,基于GNSS的列车完整性检测系统是一种经济有效的列车完整性解决手段,也可作为制动管风压检测的辅助冗余检测方式,以进一步保障列车运行安全。针对列车运行过程中基于GNSS列车完整性检测系统问题建立完整性检测模型,模型包含列车完整状态及断裂状态下的系统时间动态转换过程。基于系统参数先验统计特性未知情况下的模型参数估计,提出基于最大期望算法的离线训练学习方法,得到列车完整性检测系统模型后验参数的极大似然估计。在列车完整性检测过程中,针对当前时刻的观测值,进行列车完整性所有状态的概率推理估计,采用高斯和滤波的方法实现状态的概率推理计算,选取最大概率下的列车完整性状态,实现列车完整性检测。结合现场测试及仿真数据,针对本文提出的列车完整性检测方法进行测试验证,结果证明了该方法的有效性。     

高速列车轮轨检测和监测方法综述

随着高铁技术的快速发展,无损检测(NDT)技术已被广泛研究并应用于铁路系统,以保证列车安全运行和乘坐舒适度.结构健康监测(SHM)作为NDT技术的发展,可实现列车运行过程中铁路系统状态的实时评估,对高速铁路的运营和发展具有重要作用.文章首先综述NDT技术在列车车轮及轨道上的应用,然后介绍基于光纤传感器、压电传感器等新型...     

基于GPS和里程计的列车定位方法

列车测速轮对的空转/滑行和车轮磨损是影响车载里程计(ODO)测速、测距精度的主要原因。针对该问题,通过传感器定位特性分析,在列车里程计基础上引入GPS技术,构建车载组合定位系统。通过GPS和ODO的信息融合,建立空转/滑行和车轮磨损的检测与误差校正计算模型,完成相关检测和误差校正。仿真试验结果表明,所提出的列车定位方法是有效的,可以提高车载定位系统的自主定位能力。     

基于CS-BP的列车卫星定位欺骗干扰检测方法

随着列车运行控制模式车载自主化、系统智能化发展需求的不断深化,新型列车运行控制系统的设计与运用对列车测速定位自主性、可信性的需求愈发显著。全球导航卫星系统因其具备覆盖范围广、定位精度高、全天候等优势,成为新型列车控制系统实施列车自主定位的重要发展应用方向。卫星导航系统存在显著脆弱性,来自铁路沿线运行环境的干扰会对列车定位感知性能形成严重威胁,因此,准确、及时检测并识别干扰的发生是实施有效防护并确保列车运行安全的关键。欺骗式干扰通过信号转发或者定制生成虚假卫星信号信息,可诱骗接收机终端使其解算出错误的定位结果,具有复杂性、隐蔽性和危害性,对特定设备的影响极大。基于此,研究并提出一种列车卫星定位欺骗干扰检测方法。首先,分析列车卫星定位面临的欺骗干扰特征;其次,提取对欺骗干扰敏感的观测量构建典型特征量;然后,设计包括样本集构建、离线模型训练、在线检测识别等环节的欺骗干扰检测总体方案,提出基于布谷鸟搜索算法改进BP神经网络的卫星定位欺骗干扰检测模型构建方法;最后,搭建列车卫星定位欺骗干扰测试环境,采用多种观测信息及特征实施干扰样本的CS-BP模型训练并将其用于识别特定形式欺骗干扰的存在与特征,...     

基于轮轴蠕滑率检测的列车测速方法

[目的]城市轨道交通系统中,列车测速定位技术可为列车自动驾驶、避撞、调度指挥等众多应用提供信息支撑。目前列车控制系统结构功能日趋复杂,随着城市轨道交通运营效率、服务等级的持续提升,对列车测速定位的性能要求越来越高,需进一步提升ATP(列车自动防护)系统在不同场景下的测速定位能力。[方法]提出了基于轮轴蠕滑率检测的列车测速方法,首先介绍了列车测速定位系统的结构,阐述了基于轮轴蠕滑率的列车测速技术流程。然后对轮轴蠕滑理论进行了阐述,对多普勒雷达的测速误差进行建模,得到雷达最大参考速度,以此为基准计算轮轴的蠕滑率,针对不同的蠕滑率对里程计速度施加不同程度的补偿。最后利用现场试验数据,对所提的测速方法进行验证。[结果及结论]试验结果表明,列车制动阶段的大部分时间内轮轴均处于小蠕滑状态,对里程计速度施加较小补偿后的列车最大速度低于既有ATP计算的最大速度。在列车最小速度不变的情况下,该方法在保证安全的前提下,显著提高了列车运行速度的测量精度。     

基于疲劳驱动力能量损伤参数修正的非线性疲劳寿命预测

针对疲劳驱动力能量模型中变幅载荷间交互因子难以确定的问题,考虑载荷大小次序、载荷间的干涉以及疲劳损伤程度等因素对变幅载荷作用下损伤累积规律的影响,在引入能量准则确定损伤参数的基础上,将变幅载荷应力比、载荷循环比、疲劳损伤程度引入载荷间交互因子的计算,建立分别采用载荷循环次数比和实时疲劳损伤对交互因子进行修正的改进非线性疲劳寿命预测模型。根据Q235B和铝合金2种常用材料的焊接接头在多级变幅载荷作用下的试验数据,对改进的疲劳寿命预测模型的预测能力进行验证。结果表明:在变幅载荷作用下,改进的疲劳寿命预测模型能有效地对焊接结构的疲劳寿命进行预测,相比其他模型更接近于试验结果,且模型中仅含有2个比较容易通过试验确定的常规参数,无需引入其他参数,便于应用于实际工程结构的分析及设计。     

基于改进YOLOv5s算法的列车驾驶员手势识别

随着智能铁路的发展,人工智能技术得到广泛应用。通过深度学习对列车驾驶员手势实时检测,可提高检查驾驶员手势执行情况的效率,保证列车运行安全。针对现有手势识别算法识别精度低、检测速度慢、难以部署等问题,提出一种改进的YOLOv5s列车驾驶员手势识别算法。首先在原始主干网络的卷积操作之后添加CBAM模块,加强重要特征信息,抑制次要特征信息;其次在颈部网络中引入BiFPN模块,在不过多增加计算量的情况下,更好地实现多尺度特征融合;最后通过改进的K-means聚类算法生成适合本文数据集的先验框,更好地提升预测框精准度,加强模型的识别性能。实验结果表明,本算法在测试集上平均精确率均值为0.955,检测速度为71 FPS,网络模型所占内存为15.9 MB,验证了该算法具有识别精度高、检测速度快、模型内存占比小等优势,对于实现工程部署有重要意义。     

高速列车空心车轴全尺寸疲劳试验方法研究

高速列车空心车轴的主要失效方式为疲劳失效,因此疲劳性能是车轴研制和生产中至关重要的考核指标,欧洲EN标准规定了车轴疲劳性能指标和疲劳试验的基本要求。现基于EN标准,研究制定了国内高速空心车轴全尺寸疲劳试验方法,并首次进行了国产车轴的疲劳试验。主要探讨了疲劳试件设计、考核截面位置的确定、以及疲劳载荷计算等问题。同时,分析和研究了EN标准F1轴疲劳性能指标的含义,为F1轴疲劳载荷的确定提供了依据。高速车轴疲劳试验方法的探讨和疲劳试验结果表明,所确定的试验方法及其技术要求是合理可行的。本研究对高速车轴的疲劳试验技术、及制定国内相应试验规范有一定的参考意义和实用价值。     

基于深度学习的司机疲劳驾驶检测方法研究

针对传统基于机器视觉的司机疲劳检测模型对硬件系统要求较高、检测准确率和效率较低等问题,提出一种基于MTCNN-PFLD-LSTM深度学习模型的疲劳驾驶检测算法.通过多任务卷积神经网络MTCNN进行人脸区域检测;利用PFLD模型检测人脸眼部、嘴部和头部的关键点及空间姿态角;计算出基于时间序列的人脸疲劳特征参数矩阵并输入长...     

基于UIO方法的列车自动驾驶信号故障检测研究

列车自动驾驶ATO(Automatic Train Operation)状态故障检测是实现CBTC(Communication BasedTrain Control)系统车载ATO控制功能可靠性的必要条件之一。针对影响列车自动驾驶功能与性能的速度、位置量测传感器故障及执行器故障进行故障建模,利用基于未知输入观测器UIO的故障检测方法对存在未知干扰与噪声情况下的ATO状态故障进行检测。通过构建残差与设置阈值来降低对未知干扰或噪声的敏感度,从而降低故障报错率。仿真结果表明,本文所提出的方法能够完成对列车控制状态3种故障模式的检测,该检测信息不仅能够给已经装备ATO的车辆提供实时优化曲线生成所需的参数,也可以为仍使用人工驾驶的列车进行预警,并为车辆维护业务提供有用信息。     

基于机器视觉的列车外齿轮磨损状态检测方法

齿轮是高铁列车中的重要部件,齿轮磨损状态的程度对列车运行安全具有重要的影响。针对采用人工观察确定齿轮磨损状态的问题,提出一种基于机器视觉的列车外齿轮磨损状态定量检测方法。为避免将顶部和底部低灰度啮合区分割为背景,提出分块分割算法以得到候选啮合区域。为去除候选啮合区中的背景区域且将啮合区分割为一个整体,提出区域聚合算法。为避免点蚀区域位于啮合区边缘造成的不完整分割问题,提出基于凸包运算的边缘修正算法。结合分块分割、区域聚合以及边缘修正,实现齿面图像啮合区分割。结合自适应局部阈值以及基于形状特性的假阳性去除算法,实现齿面图像的点蚀区域检测。在140幅齿面图像上对提出方法进行验证,啮合区分割的平均AOM为0.89,点蚀区域检测方法性能优于现有方法。