基下神经网络专家系统的机车故障诊断系统

分析了神经网络和专家系统理论之间的互补性,论述了两者集成系统所具有的特征,并结合机车电路的特点提出了在专家系统的基础上引入神经网络的智能诊断结构模型,成功开发出一套新型机车在线动态诊断专家系统,实现了机车状态监测和故障诊断,对保证机车的安全运行有重要的意义.     

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。     

CRH2型动车组国产化BCU通信网关的设计与实现

介绍了CRH2型动车组国产化制动控制单元(BCU)与车辆信息终端装置之间的通信网关,提出了网关硬件系统的实现方案,并给出其主程序以及各个子程序的设计思路,实现了BCU与车辆信息终端装置之间的通信。并通过将国产化BCU在CRH2型动车组BCU试验台试验,对设计网关功能进行验证。     

基于C8051F045的CAN总线在机车状态监测诊断中的应用

针对应用于电力机车的分布式状态监测与故障诊断系统,提出了一种基于CAN总线的网络化在线故障诊断设计方案,对CAN总线通信网卡的软硬件进行设计开发,采用内嵌CAN控制器的C8051F045单片机作为硬件开发平台,设计了面向铁路专用的CAN总线应用层协议标准。该系统具有集成度高、性能稳定、实时性好,且扩展性强等特点。设计的CAN网络通信系统通过了试验测试,并应用于实际的项目中,运行结果证明了开发的CAN总线具有较高可靠性、实时性和抗干扰性。     

MVB网络间歇性连接故障定位方法研究

多功能车辆总线(MVB)是列车的中枢神经,其可靠性对列车的安全稳定运行至关重要.在常见的MVB网络故障中,间歇性连接(IC)故障常在列车运行时的振动环境下间歇性出现,不仅难以诊断和定位,而且将导致网络丢包率和时延的增加,影响列车的运行安全.为此提出了一种MVB间歇性连接故障的定位方法.由于IC故障帧波形被打断后无法解码...     

列车MVB总线故障注入方法研究

为了提取不同运行状态下列车通信网络的故障数据特征量,测试不同程度退化的网络性能,以便于对车载网络进行故障诊断和健康管理的研究,设计了一种基于FPGA的MVB网络故障注入设备。通过研究网络故障的发生原理,实现了MVB网络阻抗不匹配、间歇性断路、数据帧错误等故障注入;同时以锁存器(latch)亚稳态结构作为随机数熵源,提出基于"LFSR+latch"结构的真随机数生成模型,模拟偶发性、随机性故障的发生;最后搭建了MVB网络测试平台,通过采集各故障模式下的MVB网络波形数据,提取特征量,进一步验证故障注入方法的可行性。     

梯形高可靠列车通信网络冗余结构分析

文章构建了一种高可靠的列车通信网络梯形冗余结构的组网方案,分析了该网络的故障保护及冗余切换机制。针对梯形网络这种复杂列车通信网络,提出了一种基于K-端连通性检测简化的动态故障树分析方法,并利用二元决策图简化了故障树计算过程。文章提出的算法综合考虑了通信网络中系统结构、组件的动态修复情况以及拓扑结构对于网络可靠性的影响,简化了故障树模型建模和计算过程。文章采用提出的算法对梯形冗余网络可靠性结合具体算例进行了演算分析。计算表明该梯形冗余网络在相同情景下平均故障间隔时间比采用PRP延长1 513.32 h,比采用HSR延长5 034.61 h,可靠性明显提高。文章构建的组网方案以及提出的可靠性建模方法可为高可靠列车通信网络的网络结构设计与可靠性分析提供新思路。     

基于加速退化数据的动车组电连接器寿命预测研究

电连接器对于动车组安全可靠稳定地运行至关重要。为提高电连接器产品寿命预测的效率与准确度,通过设计实施连接器加速试验,获取产品性能退化数据,采用寿命预测物理模型与数据处理算法,基于退化量分布的加速退化数据建模流程,实现动车组电连接器可靠度与寿命的评估。据此设计了基于退化数据的寿命预测软件,实现了退化数据预处理、数据分布拟合、模型参数计算、模型曲线绘制与寿命值的预测。     

基于波形特征提取和FA-Grid SVM的MVB故障诊断

列车通信网络的故障诊断一直是列车健康管理的难点,文章针对列车MVB(多功能车辆总线)网络,提出了一种基于波形特征提取和联合萤火虫网格寻优支持向量机(FA-Grid Support Vector Machines, FA-Grid SVM)相结合的故障诊断方法。通过提取MVB总线物理波形的时域特征,作为支持向量机的样本,构建MVB故障数据集;基于SVM较优参数点基本集中于同一区域这一现象,提出FA-Grid两步寻优的参数优化模型。试验结果表明,与传统网格寻优和遗传算法(GA)相比,提出的FA-Grid寻优模型时间复杂度低,分类效率高,能够准确地对MVB故障进行诊断。     

基于DenseNet结构的轨道暗光环境实时增强算法

车载视觉系统是未来城市轨道交通安全运行的重要保障，列车在封闭环境或夜间运行时所处的弱光照环境会严重影响车载视觉系统的检测效果. 为此，提出了一种针对铁路封闭环境或夜间行车环境下低照度图像的实时视觉增强算法. 该算法以密集连接网络（densely connected network，DenseNet）结构为骨干网建立特征尺寸不变网络，提取图像光照、颜色等信息输出光照增强率图，并基于非线性映射函数调整每个像素的光照强度，通过分级结构将低照度输入图像的曝光率由低层到高层不断增强. 建立的深度学习网络模型采用自监督的方式训练网络参数，利用低照度图像自身特征和先验知识构建损失函数，其由曝光损失、色彩恒定损失及光照平滑度损失3个分量组成. 多种场景下的低照度增强实验结果显示:本文算法能够对输入图像曝光值进行自适应，对低曝光以及高曝光区域动态调整曝光率从而改善低照度图像的可视化效果，处理速度能够达到160帧/s，满足实时性处理的要求；通过在低照度增强前后的轨道分割及行人检测算法性能对比实验证明:所提出的算法能够大大提高暗光环境下的视觉检测效果，在RSDS （railroad segmentation dataset）数据集中轨道分割F值提高5%以上，在轨道场景下行人检测误检率及漏检率均有效降低.