基于Faster R-CNN网络模型的铁路异物侵限检测算法研究

行人和车辆等异物侵入铁路周边限界内的情况严重威胁了行人自身安全及铁路行车安全。针对传统铁路异物检测算法识别精度不高、分类不明确和结果易受外界环境影响等缺点,提出了一种基于Faster R-CNN网络模型的铁路异物侵限检测算法,并对该模型做适应性改进以满足铁路异物检测的现实需要。提出将全连接层用全局平均池化层替代来减少参数量;通过增加锚点个数来提高对目标区域建议的精确性;引入迁移学习思想训练网络以解决铁路异物侵限数据匮乏问题。在铁路异物侵限视频数据集上进行测试表明,本算法对于人、车及部分动物的综合检测精确度达到了97.81%。     

路基探地雷达图像层位智能识别与状态评价

针对有砟铁路路基层位探地雷达图像人工追踪效率低、精度低的问题，提出了基于深度学习的路基层位智能识别与状态评价技术。根据多条线路现场实测数据建立样本集，基于YOLO v5和U-Net训练智能识别模型，提出了层位厚度、道床-基床界面平整度评价指标计算方法。结果表明：本文提出的有砟铁路路基层位智能识别方法具有较高精度，且U-Net模型识别效果优于YOLO v5模型，识别、评价结果与人工追踪结果偏差较小，满足铁路路基检测工程的实际需求。     

非限制场景下铁路机车车号定位检测方法

针对传统铁路机车车号定位检测模型泛化性较低，不适用于多种检测应用场景等问题，提出一种适用于非限制场景、基于YOLO(You Only Look Once)v4-tiny模型的铁路机车车号定位检测方法。文章采用空洞卷积代替标准卷积，增大机车车号特征提取感受野，提升传统YOLOv4-tiny模型的检测精度；建立铁路机车车号数据集（RLND,Railway Locomotive Number Dataset），用于模型训练，并对模型的检测效果进行验证。验证结果表明，该方法对铁路机车车号的定位检测精度为99.44%，检测速度为50帧/s，能够应对非限制场景下的机车车号定位检测需求。     

基于YOLOv5的铁路接触网异物检测模型初步研究

接触网上附着的异物是影响铁路列车运行安全的一大隐患,在开行列车前需要检查接触网上是否有异物附着。目前,接触网异物检测主要依靠人工巡检,工作效率低,人力物力消耗大。文章通过建模实验,初步探讨利用基于深度学习的目标检测技术实现铁路接触网异物检测的可行性;构建了3种接触网异物检测模型：YOLO(YouOnlyLookOnce) v5模型、 YOLOv5+坐标注意力（CA,Coordinate Attention）改进模型和YOLOv5+ConvNext Block改进模型,利用包含鸟窝和轻质异物两种常见异物的接触网图像数据集,对这3种模型进行实验分析。实验结果表明,相比YOLOv5算法,对于检测鸟窝和轻质异物两种常见的接触网异物,YOLOv5+CA改进模型和YOLOv5+ConvNext Block改进模型具有更好的效果,且YOLOv5+ConvNext Block改进模型检测小尺寸目标的能力更强。     

基于深度学习的铁路限界快速检测算法

列车行驶环境快速、可靠、精准感知是列车安全、高效运行的前提和关键支撑技术。列车若无法提前感知非法侵入铁路限界范围内的异物,并在短时间内有效制动,将会导致严重的安全事故。为解决列车运行环境内影响运行安全的异物侵限问题,基于深度学习算法,提出一种铁路轨道限界快速检测算法。该方法首先采用预设行锚框的方式对图像进行划分,将传统分割算法的逐像素预测,转变为对每个行锚框进行逐网格预测,以达到显著降低算法计算量,并提高检测速度的目的。同时,通过快速识别图像中属于轨道部分的像素,结合轨道线的连续特征进行追踪,达到铁路轨道坐标的智能快速识别。最后根据标准轨距下限界的定义,对识别出的轨道线坐标和侵限区域进行扩充,以确定铁路异物入侵限界的范围。通过在真实轨道数据集上的对比实验,验证所提算法能以172FPS的速度快速检测铁路限界,且轨道线和限界区域的识别精度分别达到98.96%和98.12%,F1值分别达到99.68%和98.95%,限界区域检测的平均交并比MIoU达到96.88%,各类指标均取得当前最好的准确率和性能,满足高速列车对环境感知精度和速度要求,可以为异物侵限检测、目标跟踪和列车控制等环境感知及运...     

基于激光扫描的隧道限界侵限检测研究

研究目的:铁路隧道作为重要的铁路设施,在长期运营期间可能发生形变灾害而影响安全,为杜绝此类灾害发生,隧道限界侵限检测是隧道检测的一项重要内容。随着我国铁路隧道里程不断增加,提高隧道限界侵限检测效率成为提升铁路工务部门工作质量的一项工作,高效快捷的检测方法必不可少。基于此,本文重点研究基于激光扫描的隧道限界侵限检测技术,旨在利用激光扫描能密集、连续地自动获取大量数据的特点,完成隧道限界侵限的检测及侵限值的计算。研究结论:(1)激光扫描技术可以有效地采集铁路隧道内壁轮廓,作为隧道限界侵限的检测依据,进而判断是否存在限界侵限问题;(2)试验证明,利用激光扫描方法检测隧道内壁轮廓的测量精度达到±4 mm;(3)本研究成果可以有效针对铁路隧道限界侵限问题进行检测,用于指导维修养护工作,可为铁路的安全运营提供帮助。     

尺度自适应的铁路异物侵限PSA-Kcf降维跟踪方法

针对铁路异物侵限存在尺度上的外观变化,导致现有目标跟踪算法容易学习到过量背景或局部纹理信息,从而引发跟踪框漂移的问题,提出一种融合尺度估计的核相关滤波目标跟踪算法。利用视觉背景提取器ViBe对铁路沿线侵限异物进行检测,通过密集循环采样和尺度金字塔技术分别提取初始化跟踪框的FHOG特征,用来训练一个核相关位置滤波器和一个PCA降维的尺度滤波器,以实现尺度自适应的铁路侵限异物快速跟踪。实验结果表明:PSA-Kcf算法在跟踪精度上优于无尺度估计环节的生成类算法Mean Shift和原生核相关滤波算法Kcf,略高于尺度自适应的SA-Kcf和SAMF算法;在跟踪速度上明显快于Mean Shift、SA-Kcf和SAMF算法,能达到与Kcf算法相当的快速跟踪效果。     

基于目标识别与跟踪的嵌入式铁路异物侵限检测算法研究

铁路线路异物侵限是威胁行车安全的一个重要隐患。基于机器视觉与嵌入式技术设计了异物侵限自动检测系统,利用FPGA和ARM芯片实现了图像采集处理硬件平台。提出异物目标分类和运动行为分析相结合的嵌入式异物侵限检测算法。算法采用两级判别结构,首先利用支持向量机及一组特征向量对背景差分图像得到的异物目标进行分类,根据分类结果滤除大部分行进列车目标,之后运用Kalman滤波器设计目标跟踪算法,对其余目标进行行为和运动趋势分析,滤除其中非侵限干扰信息提高报警准确率,并对有侵限趋势的异物提前预警。实验表明,该系统能够有效地识别检测区域内的异物目标,系统侵限报警准确率达到97.11%,平均检测频率达13帧/s。     

基于卷积块注意力模块和双向特征金字塔网络的接触网支持装置检测方法研究

接触网支持装置是接触网悬挂状态检测监测图像分析的关键对象，对支持装置零部件的检测定位是实现缺陷自动分析的基础。针对接触网支持装置零部件种类多、尺寸差异大、存在遮挡、部分零部件相似度高等问题，提出一种融合卷积块注意力模块（convolutional block attention module,CBAM）和双向特征金字塔网络（bidirectional feature pyramid network,BiFPN）的接触网支持装置检测方法。在YOLO v5s网络模型基础上，该方法通过CBAM增强接触网支持装置的特征提取，结合BiFPN，实现不同零部件分辨率特征图的融合。利用4C装置获得的图像数据集，开展验证试验。试验结果表明，相对YOLO v5s网络模型，融合CBAM和BiFPN的接触网支持装置检测方法，网络平均精度mAP@0.5提高2.12%；能显著提升小目标检测效果，提高定位的准确性和稳定性，对接触网状态的智能分析有重要意义。     

高速铁路异物侵限点影响轨道区段长度范围的计算方法

在《铁路自然灾害及异物侵限监测系统工程技术规范》Q/CR9152-2018中,针对异物侵限灾害监测系统,虽然给出了电网传感器长度的计算公式,但并没有给出异物侵限点对轨道区段影响长度范围的计算方法。因此在实际工程中,往往是根据经验值来判断异物监测点对轨道区段的影响范围,没有统一的标准和规范。本文结合相关规范文件,通过数学方法,创新性地提出了异物侵限点影响轨道区段长度的计算公式,进而确定需要串接异物侵限继电器的具体轨道区段,以有利于异物侵限防灾系统设计的标准化推广。     

桥上无砟轨道结构形式对无缝道岔的影响分析

介绍桥上无缝道岔轨下基础“门”形筋混凝土道床、带限凸台道床板、底座纵连式道岔板5种无砟轨道结构。建立桥上3种无砟轨道结构的无缝道岔模型,提出计算参数,分析3种无砟轨道结构对桥上无缝道岔受力和变形影响,并进行计算。计算结果表明,桥上底座纵连式无砟轨道结构无缝道岔与桥梁的纵向相互作用力较小,是一种受力较为合理的结构形式。     

基于贝叶斯网络的驼峰超速连挂事故分析

针对驼峰超速连挂事故进行分析。分析对事故有重要影响的线路、调速设备和车辆等因素,考虑到贝叶斯网络能较好解决不确定性问题以及可以双向推理的特点,建立驼峰超速连挂事故树,并将其转化成贝叶斯网络,计算顶上事件的发生概率以及基本事件的后验概率。结果表明,超速连挂事故的主要影响因素为线路纵断面、调速设备制动能力以及新型重载车辆三方面。进一步考虑新型重载车辆的共因失效问题,建立贝叶斯共因失效混合网络,计算并分析新型重载车辆对超速连挂事故的影响程度以及对既有驼峰的适应性。     

基于轮廓特征拐点的遮挡车辆分离方法研究

遮挡是智能交通系统中车辆检测、跟踪和识别时较难解决的问题之一.本文主要针对智能交通系统中车辆之间的遮挡,以车辆常用的矩形模板为先验知识,首先对存在车辆遮挡的连通区域提取边缘轮廓,然后获取轮廓上的4类特征拐点,最后采用本文提出的基于轮廓特征拐点的车辆分离算法,将相互遮挡的车辆分离开来,便于后续对车辆的跟踪、匹配等处理.实验结果表明,本文提出的算法具有有效性、可行性和良好的应用前景.     

我国铁路客车空调研究领域急需引入人工神经网络

分析了我国铁路客车空调存在的问题和人工神经网络（ANN）在系统仿真、负荷预测、能量管理、故障诊断、系统辨识控制等方面的优势，综述了ANN在暖通空调（HVAC）中的应用及发展状况，阐述了我国铁路客车空调研究领域引入ANN的必要性和紧迫性。     

电力机车防寒设计探讨

分析我国高寒地区机车的运用状况,指出电力机车在低温环境下所面临的问题,并从机车的低温试验、关键部件、相关材料以及防寒加热等方面,提出电力机车防寒设计的技术措施。     

日本上越新干线列车脱轨事故探究

日本新县中越地区于2004年10月23日发生里氏6.8级浅层直下型地震,地震引起线路剧烈横向晃动和上下起伏震动,导致列车脱轨。在新干线沿线加大地震早期检测预报系统布设密度,研究新的地震波检测方法以及地震预报技术和装置。研究和试验L型防脱轨护轮轨,并对鱼尾板进行加厚改造。在转向架上安装振动加速度检测仪,提高制动反应速度。在转向架轴箱下面安装反L型车辆导向装置,车辆脱轨后,导向装置会钩住钢轨,防止车辆过远偏离轨道溜逸。用厚钢板包覆桥墩、向桥裂缝灌注树脂和用碳纤维布等方法对桥梁进行加固。通过对列车脱轨事故分析和采取的对策,为我国铁路建设提供参考和借鉴。     

隧道地质超前预报方法的探讨和研究

研究目的:通过隧道地质超前预报,掌握掌子面前方地质信息,为施工单位优化施工方案、安全科学施工、提高施工效率、缩短施工周期等提供依据,为预防隧道塌方、突水、突泥、突气等可能形成的灾害性等事故及时提供信息,具有重大的社会效益和经济效益。研究方法:本文以作者在八盘岭隧道和长梁山隧道地质超前预报的亲身经历为背景,着重介绍了隧道地质超前预报在我国铁路、公路、城市轨道交通等工程的长大隧道施工中的重要作用和研究的重大意义。研究结果:本文系统地分析和归纳总结了隧道地质超前预报的前期准备工作、地质超前预报目的及内容、预报的各种方法、预报成果的输出形式和方式、预报时间安排和过程、探讨和研究的结论等,侧重介绍了地质超前预报的各种方法。研究结论:地质超前预报是隧道施工的一个重要环节,应纳入施工工序,可以指导施工,为隧道施工提供科学依据。     

基于能量原理的弹性地基梁底面摩阻效应分析

针对Winkler地基模型不能考虑梁与地基底面摩阻效应的不足,在地基与梁底接触面上引入一系列各自独立的水平弹簧,假定弹簧反力即切向摩阻力与梁底和地基间的切向相对位移成正比,从能量角度出发,基于最小势能原理,建立考虑底面摩阻效应的弹性地基梁能量方程,并引入位移形函数进行求解,导出对称载荷条件下考虑切向摩阻力作用时地基梁位移及内力解答。最后通过地基梁计算实例分析,验证该解答的正确性和合理性,并对相关计算参数进行深入探讨。计算结果表明:切向摩阻力沿梁长呈非线性分布,其对地基梁挠度及弯矩计算的影响较大,而对剪力的影响并不强烈。     

浙赣线CTC运用探讨

本文结合浙赣线CTC系统的建设实际,提出了在繁忙干线中列车运行控制和调车运行控制的冲突问题,CTC区段与非CTC区段的衔接问题,阐述了解决并进一步改进的方案。     

基于LabVIEW的音频水印系统的设计

采用LabVIEW软件.实现在音频信号中嵌入文本信息水印,实现既有嵌入程序又有提取程序的完整音须水印系统.其嵌入水印的能量大,隐蔽性较好,具有一定的实用价值.