基于多传感器融合的轨道识别方法探究

随着地铁列车无人驾驶技术的发展,有必要增加线路障碍物监测系统功能,对列车运行前方障碍物进行主动探测、识别和预警。列车前方轨道识别及构建限界空间是列车车前障碍物监测的关键技术之一,只有在准确识别出轨道限界的条件下才能够判断列车前方检测到的目标的危险性。为解决单个传感器进行轨道识别存在的缺陷,提出一种融合可见光相机和激光雷达传感器,并借助深度卷积神经网络和点云特征,实现轨道识别的新方法。     

基于卷积神经网络优化算法的列车智能测试系统技术研究

设计基于卷积神经网络优化算法的列车智能测试系统,解决城市轨道交通领域列车系统测试自动化模拟问题。提出的列车智能测试系统,采用卷积神经网络的结构模型和基于分层压缩的卷积神经网络算法,详尽介绍构建分层压缩卷积神经网络的具体过程和卷积核优化结构设计。对站场测试用例的自动化模拟实验和测试数据分析的结果表明,基于卷积神经网络优化算法的列车智能测试系统可以优化测试过程、降低人工错误操作、合理分配测试资源、提高测试质量,加快整体系统测试进度的要求,为城市轨道交通领域未来实现全面自动化测试提供技术保障。     

基于卷积神经网络的列车实时客流检测算法

城市轨道交通作为城市公共交通系统的主体,在缓解交通出行压力、促进城市发展中具有十分重要的作用。科学精准的测算列车实时客流,对改善城市轨道交通客运服务水平,发展低碳、环保的绿色出行模式具有重大意义。为此,提出基于卷积神经网络的城市轨道交通列车实时客流检测算法,实现列车监控视频视野内乘客数量的实时检测。基于成都地铁1号线车载监控视频建立列车客流图像数据集,以剔除全连接层的VGG-16网络作为算法基础框架,提取输入图像的边缘、角点等浅层细节特征;将多尺度卷积层和膨胀卷积结构融合构建乘客多尺度特征感知模块,在保持图像分辨率的同时,通过不同的感受野增强尺度上下文信息的提取性能,提升网络对乘客尺度变化的鲁棒性;构建特征融合网络将网络浅层提取的细节特征与上采样后的深层语义特征嵌入融合,提升小尺度乘客目标的计数精度和特征图的信息丰富度。实验结果表明：所提算法在城市轨道交通列车场景下的检测精度得到显著提升,平均绝对误差、均方误差以及平均绝对百分比误差指标分别达到了1.1%,1.8%和5.4%,同时单张图像检测速率低于60 ms,能够满足列车客流检测的实时性需求;且算法在2个标准人群数据集Shanghai...     

基于多传感融合的有轨电车在途障碍物检测方法研究

有轨电车是一种具有混合路权的轨道交通方式,其行车安全主要依赖于信号系统及司机,因此研发一种能够辅助司机检查轨行区域安全的检测方法显得尤为重要.文章以SSD卷积神经网络的视觉障碍物检测方法为基础,通过多传感融合的方式,在其检测结果上融合激光雷达传感器的障碍物检测结果,实现对轨行区内障碍物的有效识别.实验证明,该方法对于列...     

列车智能障碍物检测系统在北京新机场线全自动运行中应用的研究

全自动运行系统对提高列车运行安全以及提升列车运输效率具有重要意义,现阶段全自动运行系统列车主要依赖于信号系统,缺乏主动环境感知功能。本文提出了一种基于视觉与雷达融合的列车智能障碍物检测系统,该系统主要包含有轨道区域识别模块、列车检测模块以及视觉与雷达融合模块。其中轨道区域识别模块应用语义分割算法实现前向轨道区域的精准识别,列车检测模块通过卷积神经网络算法实现当前轨道内前向列车识别。视觉与激光雷达融合模块通过融合激光雷达数据与视觉数据,实现全天候的环境感知。实验结果表现本文的系统具有较强的鲁棒性,将对提升新机场线的列车运行安全以及运输效率具有重要意义。     

障碍物检测装置碰撞过程动力学仿真研究

城市轨道交通无人驾驶列车车载障碍物检测设备可以在列车与前方障碍物发生接触碰撞时,及时检测到障碍物并触发列车紧急制动,从而保证列车运行安全。文章通过数值仿真方法,模拟障碍物与检测设备碰撞过程,得到碰撞过程中的冲击力、弹簧变形、检测横梁位移等相关动力学数据,完成不同材质与不同质量的障碍物触发报警临界速度归纳分析,对障碍物检测设备优化设计,避免误报、漏报具有重要意义。     

可视化接地装置接地状态自动识别方法研究

结合城市轨道交通可视化接地装置的特点,提出一种基于Canny算子进行边缘检测并使用Hough变换定位刀闸位置的方法,从而为变电所综合监控系统、车辆段安全生产管理系统等提供一种判断接地刀闸位置的辅助手段,并利用构建卷积神经网络(CNN)进行模型训练,从而提高刀闸区域的识别精度。     

基于多任务卷积神经网络的轨道车辆螺栓异常检测方法

基于机器视觉自动检测方式,提出了一种多任务卷积神经网络检测螺栓异常的方法。该方法相比传统图像比对检测故障方式,准确率及检测效率均有较大提升。     

一种基于策略梯度强化学习的列车智能控制方法

近年来,我国已初步建成巨大的城市轨道交通和高速铁路网络,逐步开始走向提升整体运营效率的新阶段。城市轨道交通系统的大规模和高密度运营,使得系统能耗急剧增长。现有的自动驾驶控制方法基于已有的模型,能够完成在正常场景下的自动驾驶。基于现有列车自动驾驶技术的控制原理和优秀司机的驾驶经验,提出一种列车智能控制方法,以减小列车的牵引能耗。首先,建立列车控制专家系统,能满足乘客舒适度要求;在此基础上,利用神经网络作为列车驾驶控制器,设计了一种基于策略的强化学习算法,优化神经网络的参数,以适应变化的运营场景。基于地铁现场运行数据仿真结果表明,该智能算法比现有算法具有更好地节能效果和准时性。     

基于车载激光测距仪的城市轨道交通障碍物检测方案探讨

提出一种基于车载激光测距仪的铁路障碍物检测方案,该方案通过在列车头部安装激光发射及接收装置对列车前方障碍物进行检测。检测系统实时发射激光光束,当列车前方存在障碍物时激光发生反射,返回激光被接收装置接收,再通过测量激光的飞行时间推算出目标距离。该方案不仅能够发现线路障碍物,还能获取障碍物与列车之间的距离信息及移动障碍物的速度信息,为车载安全计算机生成列车自动防护曲线提供数据支持。     

城市轨道交通车辆与铁路干线车辆制动适应性研究

通过对城市轨道交通车辆直通制动机与铁路干线货物列车自动制动机两种制动机制动指令的转换,及制动上升率、制动量和制动起始点的确定等适应性研究,解决两种制动机之间的制动指令的识别和制动性能的匹配。即采用直通制动机的城市轨道交通车辆能识别并执行干线铁路机车车辆所发出的制动指令,并使城市轨道交通车辆的制动加速度和铁路货物列车的加速度基本保持一致,从而实现城市轨道交通车辆通过联挂于铁路干线货物列车进行运输。     

基于深度卷积神经网络的铁路接触网鸟窝检测方法研究

鸟类在铁路接触网筑巢一直是造成接触网故障的一个重要原因,目前主要依靠人工巡检的方式确定是否存在鸟窝,不仅工作量大、漏检率高,而且效率低。因此提升接触网鸟窝的检测效率,及时排除隐患,对保障铁路安全运营具有重要的意义。针对此问题,提出了一种基于深度卷积神经网络的Faster R-CNN模型用于接触网鸟窝的自动识别。通过自定义合适的网络结构和参数,经过预训练、 RPN网络训练、Fast R-CNN网络训练以及对RPN和Fast R-CNN的联合训练,建立了适合鸟窝检测的Faster R-CNN模型,实现对鸟窝的检测。经试验,Faster R-CNN的准确率为88.5%,每张图片的识别速度为79 ms,通过与传统的HOG方法、DPM方法和卷积神经网络方法进行比较,验证了深度卷积神经网络对铁路接触网鸟窝检测高效性。     

城市轨道交通列车折返能力综合优化分析

随着城市轨道交通运营间隔不断缩短,列车编组的加长,如何提升折返能力成为制约城市轨道交通运营能力的关键因素之一。提出一种针对城市轨道交通列车折返能力综合优化的方法,首先对列车折返过程进行分析,依照列车的不同运行状态对折返过程进行重新归纳,然后提出基于列车不同运行状态的折返能力综合优化分析图,最后根据该分析图对列车折返过程进行初步优化,并通过仿真验证结果表明该分析方法的有效性。     

基于迁移学习的桥梁表观病害检测技术研究

桥梁表观病害检测是保证桥梁设施安全的关键技术之一。深度卷积网络因其强大的特征提取能力,被广泛应用于土木工程领域的结构病害识别与检测,然而在土木工程领域中往往缺乏用于训练深度学习网络的高质量大规模病害图像数据集。针对上述问题,提出一种基于迁移学习的桥梁表观病害检测方法。该方法运用迁移学习技术,通过迁移VGG16网络模型结构及全部卷积层参数,并在迁移后的模型结构上添加新的全连接层,以此来解决训练数据集不足的问题。运用动态学习率调整策略,以不同的学习率对卷积层和全连接层参数分别进行微调,用于提高模型的识别准确率。实验对比ResNet18,ResNet50,VGG19,VGG16等主流深度学习网络模型,该方法在验证集上取得了最高准确率,为98.86%。用实拍的未经过处理的桥梁表观病害图像数据集进行测试,该方法的整体结构表观病害识别准确率达到88.33%,其中泛碱、露筋和裂缝3类病害的测试准确率分别达到96.25%,80.00%和88.75%,具有较高的病害识别准确率,可以用于在役桥梁表观病害识别。     

基于双目定位和同步触发的城市轨道交通工务综合检测车

[目的]目前城市轨道交通隧道及轨道的工务巡检大多仍采用传统的人工巡检方式,亟需有效提升巡检效率及准确率。[方法]提出了一种基于双目定位和同步触发技术的城市轨道交通工务综合检测车(以下简称“综合检测车”),阐述了该综合检测车的系统架构,并介绍了同步定位模块、供电模块及人机交互模块的功能,以及工务病害故障检测所采用的识别算法。介绍了该综合检测车的定位计算和同步控制技术,并对其在城市轨道交通工程中的实际应用效果进行了分析,对其技术优势进行了总结。[结果及结论]该综合检测车可在2 h内完成城市轨道交通线路隧道及轨道的巡检工作,实现对多类病害故障的智能综合检测。与人工检测相比,其准确率提升了60%,巡检成本降低了30%。     

基于卷积神经网络的铁路桥梁高强螺栓缺失图像识别方法

为及时发现铁路桥梁高强螺栓偶发的延迟断裂并补充新螺栓,降低铁路桥梁连接失效风险,开展基于卷积神经网络的桥梁高强螺栓缺失图像识别方法研究。该识别方法的主网络由5个卷积层、5个最大值池化层和2个全连接层的卷积神经网络组成。提出在主网络上附加通道和空间混合注意力子网络,分别对不同输入图像的高层不同通道语义特征和不同区域赋予不同权重,提高图像的特征和区域敏感性,进而提高网络的识别准确率。通过随机裁剪、翻转、颜色变化、仿射变换增强和数据均衡操作,增加训练数据的多样性和改善数据的不平衡性。基于真实场景螺栓缺失场景识别结果表明,识别方法的准确率达到94.9%,比常见识别方法提高了4.9%。     

全自动驾驶线路列车库门控制器的设计与研究

在城市轨道交通全自动驾驶线路的车辆段中,列车库门与行车安全、行车效率密切相关。然而普通电动库门的控制器往往只关注电机的驱动和本地控制,无法实现与外部系统的多功能、安全联锁。因此,文章设计一种用于全自动驾驶线路的列车库门控制器,该控制器具有三级控制模式：信号联锁下的自动控制、操作IBP盘的远程人工控制以及本地控制,并重点分析其接口电路的安全功能设计以及红外探测、障碍物检测等功能的硬件设计。该控制器应用于全自动驾驶线路的列车库门,可以提高运营效率,确保列车的安全行驶。     

城市轨道交通列车轮轨力检测系统

城市轨道交通检测车的研制很好地适应了我国城市轨道交通快速发展对轨道线路基础设施状态检测的需求。文章详细介绍了为城轨检测车最新研发的具有自主知识产权的轮轨力检测系统。阐述了轮轨力检测系统的核心技术,介绍了该检测系统的构成、基本原理、评价方法等几个基本要素;论述了轮轨力检测系统在城市轨道交通线路检查中的作用,分析了轮轨相互作用对于列车安全平稳运行和线路疲劳损伤的影响。采用轮轨力检测系统对城轨线路质量进行状态检查是具有创新意义的新技术应用,具有独特的技术优势,更适用于轨道线路短波不平顺的检测和识别,有利于保障城轨交通运输安全性,提高运营经济性。     

基于弹性需求的城市轨道交通列车开行方案研究

城市轨道交通的列车开行方案直接影响乘客的出行费用,需要根据客流的需求弹性制定。针对目前城市轨道交通规划和运营实际,将列车开行方案归结为列车编组、开行时段,以及各时段每一列车交路的列车数量。在分析乘客广义出行费用的基础上,构造乘客出行的弹性需求函数,将乘客乘车选择归结为具有能力约束的弹性需求用户均衡问题。进而利用城市轨道交通营运企业与乘客之间的博弈关系,对列车开行方案相关的费用、效益等优化目标和约束条件进行分析,建立基于弹性需求的城市轨道交通列车开行方案的多目标双层规划模型,并设计基于模拟退火算法的优化算法。针对长沙地铁2号线的应用表明,优化方法具有较高求解效率和较好求解质量。     

城市轨道交通非高峰期列车交路方案优化

为降低轨道交通运营成本,同时保证乘客的服务水平,针对城市轨道交通非高峰期客流不均衡情况,对城市轨道交通非高峰期列车交路方案进行研究。考虑列车OD客流量、列车运行间隔、列车车底数及线路交路限制等特征,建立运营商成本最小化及乘客等待时间最小化的双目标多约束优化模型。其次设置不同的权重,利用遗传算法对模型进行求解。结果显示偏好程度不同,模型指定的优化方法不同。该模型能够灵活地设计非高峰期列车交路方案,这为城市轨道交通决策者提供决策支持,具有一定的指导意义。