基于深度图像的列车乘客目标识别技术研究

针对轨道交通中高密度客流的特点,提出了一种基于深度图像的局部法向量特征提取方法,利用球面坐标系参数(,)表示物体表面切平面法向量的特征信息,通过提取检测区域的局部法向量作为目标特征,以实现目标识别及头部轮廓提取。采用深度图像能有效地解决轨道车辆高度及光照等环境因素的局限性,并通过试验验证该方法的实时性和准确性。     

不同降雨模式下土质路基边坡渗流场研究

研究目的:降雨是路基边坡失稳最主要的影响因素,其中降雨模式是主要的影响参数之一。本文基于二维饱和-非饱和渗流理论,利用数值计算的方法对后峰型、均布型、中峰型和前峰型4种降雨模式下路基边坡渗流场的变化规律进行研究。研究结论:(1)降雨强度和降雨持时对路肩处最大孔隙水压力umax和最大饱和深度Hsmax均影响显著;(2)渗透系数ks对Hsmax的影响存在一个敏感区,在敏感区之内,增加ks才能有效减小Hsmax和路基表层孔隙水压力,ks太小或太大均对路基稳定性不利;(3)中峰型和前峰型降雨模式下,路基边坡稳定性最不利时段受渗透系数影响显著,ks在敏感区之内和敏感区域之外较小一侧时,此时间段起点不受渗透系数影响,只与降雨模式有关,此时间段终点随ks的增大而提前;(4)后峰型降雨模式下路基边坡的稳定性最差,前峰型降雨模式下路基边坡的稳定性最好;(5)本文研究成果可为路基边坡防护与加固方案设计提供依据。     

津滨轻轨预留车站(滨海大学站)建筑设计

研究目的:总结津滨地铁一期工程建筑预留工程设计中的有关问题,提出切实可行的解决方式,同时对相关工程的具体预留内容及需要达到的深度进行探讨,为后续工程提供参考。研究结论:预留工程建筑设计应在初步设计阶段充分论证,设计深度必须达到相应的要求。在此基础上,对规划要求提出明确的用地控制等要求,为预留工程的实施提供场地和空间。设计细节应充分考虑二次施工对线路运营的影响因素,减少轨道附近作业、降低对运营的干扰。     

动车组运行状态智能检测装备

动车组运行状态智能检测装备设置于动车段入库线上,主要针对动车组走行部、车顶和受电弓在运用中出现内部缺陷、磨损、损坏及尺寸超限的故障比率问题。实时采集运行列车的底部、侧部和顶部图像,采用故障自动识别策略,对列车的车底走行部、闸瓦、转向架、接触网等与列车有关的各个部件进行动态监控。根据实验和现场使用情况,本检测设备满足铁路机车运行时对走行部和受电弓进行在线测量检测的要求,其中,走行部检测精度可达1 mm,滑板磨耗值测量精度可达0.2 mm。鉴于此,该动车组智能检测装备能及时发现故障隐患,为检修和更换提供依据,保证动车组运行安全。     

城际铁路列控系统车-地通信延迟时间估计的深度学习算法研究

为了降低通信延迟对城际铁路列车运行控制的影响,利用通信控制服务器（CCS）积累的车-地GSM-R消息延迟时间历史数据,形成延迟时间估计的算法框架。采用递归神经网络,结合无线传输数据包大小与延迟时间的关系,并使用规范化等深度学习技术,对数据和模型进行学习和训练。实验结果表明,可以有效地估计无线传输延迟时间,解决统计分析方法带来精确度不高的问题,为车地通信消息有效性的精确判断提供依据。     

有轨电车嵌入式轨道路基结构动应力分布规律

为分析列车荷载作用下有轨电车嵌入式轨道路基结构动应力分布规律,建立现代有轨电车车辆动力学模型和三维精细化的非线性轨道-路基-地基动力学计算模型,获得在不平顺谱激励下的动态轮轨垂向力,研究列车荷载作用下嵌入式轨道路基结构中动应力沿横向、垂向和纵向的分布规律。研究结果表明:在移动列车荷载作用下,轨道路基结构中的动应力沿横向都呈现驼峰形,且应力极值均出现在钢轨下方;同时在距轨道中心线约1.5 m处,基床表层竖向动应力约等于0,表明路基面宽度取为4m是合理的;当取自重应力的20%作为参考标准时,列车荷载在路基中的影响深度为0.75m;当列车速度为70 km/h时,路基基床表层动应力纵向影响范围约为8.8 m;在对轨道结构进行设计时,建议采用单轴双轮加载,而对路基结构进行设计时,建议使用双轴四轮进行加载。     

清筛机挖掘深度数字化精确控制设计方案

铁路高速重载化对于有砟轨道线路的结构和弹性要求比较高,由于以RM80为代表的大型清筛机存在固有缺陷,使得挖掘深度无法进行精确控制,影响道砟清筛质量和行车安全,需一种精确控制挖掘深度的解决方案,通过矢距传感器、控制电路、数显设备、数学模型、系统软件等软件和硬件所组成的数字化控制系统解决了这一难题。     

Moxa公司举办“论最佳化-Moxa总动员”全国迩演活动

南昌：《南昌市轨道交通1号线一期工程初步设计》得到来自北京、上海、广州、成都和南昌等地40位专家的一致肯定。专家们认为：设计方案采用的规范、规程、设计原则和技术标准合理,设计文件基本满足初步设计深度要求,设计方案总体合理可行。     

基于CNN和WSVDD的深孔镗削加工过程状态评估与监测

针对深孔镗削加工过程中易出现颤振以及传统监测方法监测效率低的问题,提出了一种将深度卷积神经网络和加权支持向量数据描述法相结合的深孔镗削加工过程颤振评估与监测方法。首先基于深度卷积神经网络提取加工过程状态内振动信号的特征矢量,然后以正常加工状态下的特征矢量训练加权支持向量数据描述模型,得到相应的描述加工正常状态下的超球体模型,再计算当前加工过程状态特征矢量与超球体之间的相对距离,作为加工过程状态的评估指标,并对稳定度阈值进行设定。结果表明:与文献中其他方法相比,文中方法的监测能力更强,对加工过程状态的稳定度描述更加准确。