基于CNN-CSRF组合模型的列控车载设备故障诊断

快速且精准地定位列控车载设备故障是确保高速铁路安全运行的关键因素。以列控车载日志为依据,提出基于卷积神经网络与代价敏感随机森林相结合的列控车载设备故障诊断模型。针对传统故障特征提取过程复杂、特征表现力不强等问题,利用卷积神经网络实现车载日志内部特征提取;考虑到车载日志中正常与故障数据间分布不均衡,采用结合代价敏感学习的随机森林算法对不均衡数据进行处理,并对所提取特征进行精确分类,实现车载设备故障诊断。通过对某铁路局列控车载日志进行实验验证,同时与其他分类模型进行对比,各评价指标有明显提升,说明了该模型对列控车载设备故障诊断的有效性。     

车站列控中心与CTC通信接口的分析

介绍CTCS-2级的车站控制中心子系统与调度集中子系统之间的接口通信方式,分析了它们之间的连接方式及数据传输方式,重点介绍了两者之间通信异常时的处理方式,指出当通信异常时进行双机切换,当通信中断时给出报警以保证行车安全.     

客运专线列控设备维修研究

对我国铁路客运专线列控设备维修状况进行调研,针对目前设备维修中存在的问题,提出基于RCM理论分析的维修计划,建立维修优化模型,并通过仿真验证模型的有效性。同时简要阐述了人因可靠性理论的几种方法。     

基于卷积神经网络的列控车载设备故障分类研究

列控车载设备故障复杂且车载记录数据为海量非结构化文本,针对车载记录数据特点,提出基于卷积神经网络的车载设备故障智能分类模型.使用CBOW模型实现车载记录数据的文本分布式表示;为提高网络的泛化性,加快网络收敛,利用加入批归一化处理的卷积神经网络实现故障分类;考虑到不平衡、难分样本对分类效果的影响,通过SMOTE算法随机生...     

基于列控车载BTM设备的应答器误码处理研究

分析应答器传输系统的信号特点,搭建FSK信号解调的Simulink等仿真环境,结合应答器误码故障发生时列控车载BTM设备记录模块采集的数据,对应答器上行链路误码问题进行特征分析,得到信号的频谱、波形等特征,为现场的故障排查提供分析方法,对设备的优化提供指导。     

列控车载设备的控车核心算法

针对高速列车运行超速安全防护,提出列控车载设备的控车核心算法,总体架构包括动车组制动参数导入、线路数据输入、安全距离预留、模式曲线生成和速度监控处理。算法功能模块划分为制动参数处理、线路数据处理、模式曲线处理和速度监控处理4个模块,其中控车曲线计算公式为列控车载设备控车核心算法关键,分别给出紧急制动曲线、常用制动曲线、紧急制动触发曲线和常用制动触发曲线的计算公式。在真实设备实验室内进行不同线路坡度和线路速度条件下的动车组制动实验,测得列控车载设备模式曲线制动距离,并将其与仿真算法软件计算的距离进行对比验证。结果表明:列控车载设备控车核心算法仿真结果与真实列控车载设备实时监测结果误差率不大于0.08%。将控车核心算法应用于新建铁路客运专线闭塞分区的符合性验证可知,该算法简化了仿真数据配置,减少了测试工作量,有利于缩短检算周期,并能及时反馈闭塞分区符合性检算结果,具有理论和实用价值。     

列控车载设备双显DMI方案研究

人机交互界面(DMI)单元是列控车载系统的重要组成部分,用以司机与车载设备进行人机交互,其通过产生的图像、语音、文本以及声音等方式提示司机进行相应操作,保障列车安全顺利运行。然而,在列车运行过程中,存在某些突发情况会造成DMI显示屏故障,从而影响司机获取列车的基本运行状态并且影响列车正常运行。为此,设计了一种新型的双显DMI,即在传统单显屏基础上添加辅助显示屏,辅屏在主屏故障时显示列车基本运行状态。通过该方式,可以有效的提升车载设备的可用性,进而提高列车运行品质。     

基于动态检测数据的列控设备维修支持系统

为了满足高速铁路信号设备维修需求,构建了基于信号动态检测数据,以检测数据存储管理、检测闭环管理、检测数据历史对比分析和关联综合分析为主要功能的列控设备维修支持系统。对该系统架构和主要功能进行了详细介绍。     

基于粗糙集理论的列控车载设备故障分析方法

快速、准确的故障诊断技术是高速列车安全运行的重要保证,本文以此为目标,对列控系统故障诊断方法进行研究,将神经网络算法NN分别应用于列控系统车载设备应答器传输单元BTM、列车接口单元TIU的故障诊断中,通过对比故障识别准确率BTM为训练阶段19.89%、测试阶段36.51%,TIU为训练阶段96.93%、测试阶段94.84%,得出当数据中噪声较大时,神经网络的分类能力降低。为了解决以上问题,引入粗糙集理论进行属性约简、去除噪声,用神经网络进行故障识别,最终得出BTM的故障识别准确率为训练阶段93.32%、测试阶段97.41%,TIU为训练阶段99.21%、测试阶段96.72%,表明粗糙集理论和神经网络的结合RSTNN能够保证故障诊断的准确性,从而验证该方法在实现列控系统车载设备故障诊断方面的有效性。     

高速铁路列控车载设备的发展

通过对车载设备概况的分析,主要介绍车载设备的发展、组成以及主要功能。     

基于XML列控系统数据模型建立

统一的数据描述方式在我国列控系统互联互通的发展中起着重要的作用.文章分析了现行列控系统数据交互不足,提出基于XML标记语言来统一我国列控系统、设备数据的构思.在树状数据组织思想的基础上,设计了一种适合我国列控系统的XMLSchema架构,并提出了既有列控系统兼容XML数据的方法.     

基于Labeled-LDA的列控车载设备故障特征提取与诊断方法研究

准确地诊断出列控车载设备的故障类型是保障列车安全运行的基础。针对车载设备故障诊断问题,根据北京动车段300T车载日志数据的特点,基于数据挖掘方法并结合现场技术人员的经验知识,构建车载设备的故障特征词库;在此基础上,改进了Labeled-LDA(Latent Dirichlet Allocation)模型用于提取日志数据的语义特征。采用基于粒子群优化的支持向量机算法PSO-SVM对日志文本的故障进行分类,以降低故障样本数据分布不均衡对分类精度的影响,并与传统的支持向量机算法SVM,K最近邻算法KNN进行对比分析。实验结果表明,KNN、SVM、PSO-SVM三种算法的故障文本数据一级故障诊断准确率依次为79.4%,81.8%和90.9%,二级故障诊断准确率依次为74.6%,78.1%和81.3%,验证了PSO-SVM算法在车载设备故障诊断方面的有效性。该研究成果对列控车载设备日常维护具有一定的指导意义。     

基于元模型的通用性列控仿真平台基础环境研究

为实现列控仿真系统可重用性、可扩展性及可组合性的目标奠定底层基础,提出将列控系统分为控制器和控制对象,即列车控制策略和列车运行基本环境,在列控仿真系统中将控制器和控制对象分离设计。通过总结不同轨道交通系统运行的共性特征,将线路拓扑结构、列车模型和驾驶模型作为列车运行基础环境的3部分,采用元模型思想形式化描述列车运行基础环境的3部分,设计了基础线路数据库与仿真线路拓扑结构映射的关键算法和列车运行规则。采用高速铁路线路数据实现了列车运行基础环境,结果表明:所做研究在满足列控仿真平台需求的基础上,达到了列控仿真系统平台运行基础环境通用性目标。     

基于DMI的列控车载设备运用过程复现系统关键技术研究

在列控车载设备运用过程中,通过人机界面(DMI)单元以便于理解的方式引导司机完成控制操作,进行列车速度监控。在实际的运营过程中,由于列控车载设备故障、司机操作等原因可能对运营造成影响,为了对运营过程进行分析,需要一种可以复现列控车载设备运用过程的系统。首先介绍基于DMI的列控车载设备运用过程复现系统框架和基本原理;其次介绍将DMI发送给列控车载设备主机的消息还原成正确的司机操作的关键技术,最后对司机操作进行分类,并给出模拟各类司机操作的方法。     

列控车载设备维护管理探讨

简单介绍了武汉电务段列控车载设备运营现状,总结了设备特点,分析了维护模式,对列控车载设备维护进行了探讨.     

列控车载设备维修管理初探

结合实际工作经验,就加强列控车载设备的管理和维修,从设备管理、技术管理、质量管理、信息管理、班组管理、维修管理等方面作了一些探究,期望以此来提高列控车载设备的运行质量。     

列控车载设备随机振动仿真分析

利用有限元分析软件ABAQUS对某一列控车载设备的结构进行了动力学仿真分析,首先提取了列控车载设备的模态,并在此基础上进行了基于ASD(Acceleration Spectral Density)的随机振动分析,最后给出结构上的改进方案。通过研究发现,将CAE与产品结构设计相结合,可以提前预测产品的环境适应性、发现设计风险并提出改进方案,因此仿真分析可以缩短产品的开发周期、降低开发成本。     

CTCS-2级列控车载设备

列控车载设备是CTCS-2级列控系统的重要组成部分,随着列车运行速度的提高,信号系统必须实现直接对列车运行的防护控制,列控车载设备作为     

基于贝叶斯网络的列控车载设备故障诊断方法

列控车载设备故障排查与维护多依赖于人员经验,存在一定的片面性且效率较低。提出一种基于贝叶斯网络的列控车载设备故障智能诊断方法,基于历史故障数据得到故障征兆,利用粗糙集理论对故障征兆进行属性约简,降低训练模型的复杂度;将专家知识与故障数据训练相结合,改进贝叶斯网络模型,并将故障征兆关联关系融入模型中。以武广线列控故障数据为例,验证该模型的诊断效果。该方法对提升列控系统故障诊断的智能化水平具有借鉴意义。