基于卷积神经网络的列车位置指纹定位算法研究

针对高速铁路隧道环境下采用位置指纹定位时定位精度低的问题,提出将深度卷积神经网络应用于列车位置指纹的定位中。首先采用2σ准则、模糊C均值聚类FCM及类数据加权,对采集到的下一代铁路通信系统LTE-R中的信号强度值进行预处理,降低异常值的影响,提高指纹数据的有效性;然后引入定时提前量,增强指纹特征值;接着将处理后的指纹数据量转换为灰度图片指纹条,基于图像样本建立FCM-CNN指纹定位模型;最后以现场实测数据为基础对定位模型进行测试验证。结果表明,相较于采用未经处理的数据作为样本的CNN模型及传统的位置指纹定位方法,基于FCM-CNN的列车位置指纹定位方法,提高了数据质量,在离线阶段具有较大的指纹采集间距,大幅减少了指纹采集工作量,模型训练时间较短,定位精度小于10 m的概率可达100%,满足列车在中密度线路对定位精度的要求。     

基于卷积神经网络的防松铁丝断裂分类算法研究

防松铁丝用于防止螺栓松动,若其发生断裂可能导致螺栓松动或丢失,影响关键部件的正常运行,威胁动车组运行安全.由于防松铁丝发生断裂时,断裂部位特征信息少,特征区域较小,使基于传统卷积神经网络的分类方法难以有效提取到断裂特征信息,导致分类精度不高,容易漏判误判.基于以上原因,利用深度学习方法,建立基于卷积神经网络的孪生网络模...     

基于代价敏感卷积神经网络的扣件缺陷检测算法

为解决扣件数据集不平衡问题,引入代价敏感策略对卷积神经网络算法进行改进,并以此检测断裂、丢失的缺陷扣件。该算法借鉴AdaBoost算法的思路,在训练过程中对整体误差函数中每个样本分配不同的权重,并依据先前模型的错误率不断地加以调整,使算法关注各个类别中的难学习样本,并对调整后的权重按类别进行归一化处理,以增大小类样本的关注度。分别在高速铁路无砟轨道和普速铁路有砟轨道2个扣件数据集上进行对照试验验证算法的有效性。引入G-mean作为评价指标平衡不同类别的召回率。结果表明:将改进后算法应用于高速铁路无砟和普速铁路有砟轨道的扣件数据集,改进后算法的G-mean值比原算法分别提高10%和25%以上;比传统的扣件识别方法分别提高13%和39%以上。     

基于卷积神经网络的接触网支柱号识别方法研究

接触网支柱号是铁路供电部门现场运营维护的重要定位参数。基于卷积神经网络的接触网支柱号自动识别方法结合接触网图像的实际特点,对视频图像进行了归一化图像预处理,并对实际的支柱图片进行了卷积神经网络的训练,在支柱号识别确定的过程中考虑了接触网支柱号的分布特点,提高了支柱号识别的准确性。利用实际线路数据进行测试,取得了较好的识别精度和较快的识别速度。通过实验验证,该方法能够辅助铁路基础设施检测系统中缺陷的定位,指导现场运营维修。     

基于卷积神经网络的铁路曲线特征点检测算法

针对现役轨道检测系统中曲线特征点检测算法参数难以适应实际线路中曲线半径范围较大,以及由于参数设置不当导致检测的曲线特征点位置与实际位置偏差较大的问题,结合机器学习算法,提出了一种基于卷积神经网络的曲线特征点检测算法.该卷积神经网络模型可以同时对曲线的特征点进行分类和定位,将一段连续的超高数据归一化处理后作为输入数据,计...     

基于轻量卷积神经网络的高速铁路隧道表面病害筛选算法

随着急剧增加的高速铁路隧道检测需求,基于计算机视觉的高速铁路隧道病害识别和健康检测是国内外的新趋势.然而,高速铁路隧道结构表面图像大多数是无病害图像(占比90％以上),剔除大量无病害图像而只保存有病害图像,可以大幅减少图像存贮量和降低高速海量存贮对硬件要求.为此,提出一种基于深度卷积神经网络的隧道表面病害筛选算法,以推...     

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。     

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。     

基于卷积神经网络的航拍视频轨道异物检测方法

针对无人机航拍视频轨道异物检测存在动态背景及异物类型多样等问题,提出了一种基于CNN(卷积神经网络)的航拍视频轨道异物检测方法：对航拍单帧图像采用Canny边缘检测、概率Hough变换、线段筛选等确定轨道区域;采用改进的MobileNet CNN模型对轨道区域图像进行单帧图像异物检测分类;利用视频的帧间相关性优化单帧检测结果,得到最终的视频轨道异物检测结果;并采用自建的实拍轨道区域图像数据集进行试验。结果表明,该方法适用于航拍视频中存在多种类型异物的情况,并能实现有效检测。     

基于智能算法协同的铁路网络加密流量智能监测系统研究

针对铁路网络安全需求中加密威胁难检测,加密业务与加密流量监管困难的现状,特别是加密流量分析粒度不够,技术支撑性不足等问题,设计了由数据获取子系统、特征建模子系统、智能分析子系统、配置管理子系统组成的基于智能算法协同的铁路网络加密流量智能监测系统,阐述了基于两阶段长短期记忆（LSTM,Long Short-Term Memory）网络的加密流量异常识别、基于Elmo+LSTM+SelfAttention模型的加密流量应用类型识别关键技术。该系统有助于提升加密流量监测技术水平、增强铁路网络安全综合防御能力,也为未来铁路领域网络与信息系统安全运行维护提供了技术支撑。     

基于粒子群BP网络混合算法的边坡稳定性评价

边坡稳定性评价与预测具有高度非线性和不确定性特征,难以用准确的数学模型表达。选取多个边坡工程实例构成学习样本集,以土体重度、内摩擦角、黏聚力、坡角、坡高、孔隙压力比6个主要影响因素作为土坡稳定性的评价判别指标;然后采用粒子群算法优化BP神经网络模型,实现混合算法,在保持BP网络算法误差反向传播修正权值特点的同时,将网络权值和阈值粒子化,利用粒子群算法的全局搜索性实现网络权值和阈值的更新,从而加快收敛速度和提高收敛精度,避免传统粒子群结合BP网络算法的"早熟"现象;通过与其他算法进行边坡稳定性评价的比较分析,表明了本文研究算法的可行性与合理性。     

基于智能控制的铁路交通网仿真系统研究

系统仿真技术对交通系统智能控制的研究与发展有着重要意义.交通网仿真是复现交通流的时间空间变化的技术,交通网仿真模型的建立和仿真实验系统的开发是交通网仿真研究的两个核心内容.铁路交通网仿真是一个涉及连续和离散仿真行为的混合仿真系统,具有动态及并发特征.本文讨论了用面向对象思想进行铁路交通网仿真的过程与方法.作者认为选用Petri网建立仿真模型可以很好地描述铁路交通网的静态属性、动态行为和环境模拟.文中给出了用Petri网建模的实例.最后介绍了铁路交通网仿真系统的框架结构和关键技术.     

基于网络最短路径的铁路购票智能推荐算法研究

针对如何高效地利用铁路资源,并实现出行效率的优化,本文在现有列车运行时刻表的基础上,以图论中的最短路径求解方法,充分考虑换乘时间、车票价格、旅途总用时等因素,整合现有铁路系统列车运行数据,提出一种可行的优化思路,分析可能存在的实际问题,编写计算机程序,初步实现了铁路购票的智能推荐,能够为用户提供票价最少与总用时最少两种方案,并给出具体购票组合策略.     

基于神经网络的地铁列车运行过程的集成型智能控制

提出了一种以神经网络为主，并综合使用模糊系统、遗传算法等方法的集成型地铁列车智能控制方法。分别采用模糊控制的ＢＰ网络和基于遗传算法的模糊神经网络，实行了站间运行控制和定位停车控制，仿真取得了令人满意的结果。结果表明，将神经网络等计算智能方法综合用于列车运行控制是可行的，可以保证较好的舒适性、停车准确性，具有精度高，适应性、鲁棒性强等特点。     

一种基于人工神经元网络算法的 谐波多路同步快速检测装置

通过对高铁牵引供电系统中谐波传输特性进行分析,设计以人工神经元网络算法为核心的快速谐波检测算法,实现牵引供电系统多路谐波数据同步检测。试制装置现场测试表明,该装置可实现牵引供电系统多路馈线50次以内谐波的同步快速检测,并具有较高的精度及良好的实时性。     

基于代价敏感RBF神经网络的道岔故障诊断系统

针对铁路道岔故障中几种常见类型故障,为尽量减少道岔故障误分类所造成的损失,特建立基于遗传算法的代价敏感RBF神经网络模型以及基于该模型的道岔故障诊断系统。模型通过建立代价敏感适应度函数,实现基于遗传算法的RBF神经网络向代价最优的方向进行随机搜索。利用某车站道岔动作电流监测数据进行验证,证明系统能够提高故障数据的识别精度,降低故障数据的误分类代价。该系统可帮助维护人员快速、准确地对道岔故障进行诊断,缩短故障处理时间,提高铁路行车的安全性。     

基于ARCNET的轻轨列车通信网络

控制网络承担着高速列车安全稳定运行的重要责任,开发出拥有自主产权的控制网络成为一种迫切需求。文章介绍了一种理想的列车控制网络——ARCNET网络,分析了ARCNET网络协议的数据传输机制,组帧方式,重点阐述了单节点的硬件构建和软件设计,并根据重庆轻轨列车的结构进行了组网设计,通过捕捉总线上的各种类型的帧解读了数据传输的全过程,同时也说明了网络功能验证成功。该系统日前已在重庆轻轨列车上开始试用。     

基于SVM的列车速度融合仿真测试平台设计

测速是城市轨道交通列车控制系统最基本的功能之一,为提高其测量可靠性,通常采用两种测速方式,然后对两种速度进行融合。文章提出一种基于支持向量机（SVM）的速度融合算法,设计了相应的测试平台。通过模拟各种速度工况对该算法进行验证,证明该算法具有较高容错能力,可以提高测速的准确性。     

基于令牌环网络拓扑结构的地铁电动客车网络监控系统

列车网络控制系统目前已经成为城市轨道车辆控制的主要方案之一,该系统将车辆主要电气设备的监控信息通过网络连接的终端融合在一起,便于设备控制、维护和司机操作。本文介绍基于ARCnet网络技术以及令牌环传输协议的网络监控技术,最后介绍地铁电动客车的网络基本构成和节点控制方案。