船舶采集图像智能分类研究

为实现不同角度和不同距离下,船舶采集图像的智能分类,提出基于多尺度注意力深度卷积神经网络分类算法的船舶采集图像智能分类。将采集的船舶图像输入该网络中,网络的多尺度深度卷积层采用3个多尺度特征注意力模块结合深度残差模块,提取船舶采集图像不同层次的局部不变性特征;池化层对该特征转换处理后形成特征向量;全连接层池化层引入尺寸匹配函数融合特征向量,形成多尺度纹理特征向量并输入分类层,实现船舶采集图像智能分类。测试结果显示：该方法可实现不同船舶类别图像特征提取,gini指数结果均在0.963以上,可依据分类需求,实现不同角度以及距离条件下、不同的船舶图像类别的准确分类。     

多传感器信息融合的船舶机械设备状态智能检测研究

研究基于多传感器信息融合的船舶机械设备状态智能检测方法,智能化诊断船舶机械设备异常状态。采用改进小波阈值去除多振动传感器采集的机械设备振动信号噪声成分后,经基于多传感器信息融合的信号特征提取方法,提取去噪后振动信号幅值的均方根、方差、峰值、脉冲、峭度、均值、最大值、最小值、峰峰值、方根幅值特征,并使用特征级与数据级融合方式,将多信号特征信息融合;通过基于极限学习机优化的设备状态智能检测方法,以特征信息分类的方式,将融合后的设备振动信号特征作为分类目标,根据特征值的上下限,判断设备运行状态。实验验证表明,此方法应用下,多传感器对船舶机械设备振动信号的感知时间差极短,可缩短设备状态检测延迟,并准确检测设备异常状态。     

基于关键站点识别的区域轨道交通路网抗干扰性研究

区域轨道交通系统是一个开放的巨系统,易受突发事件干扰且处置难度大。为研究突发事件影响下区域轨道交通路网(RRTN)吸收和抵御干扰的能力,以粤港澳大湾区轨道交通系统为研究背景,采用复杂网络理论,基于度、中介中心度、紧密中心度和聚类系数等指标挖掘区域轨道交通路网拓扑特征,统筹考虑物理网和秩序网评价指标,分析基于度与介数、TOPSIS全要素的权重确定方法,提出基于网络融合的区域轨道交通路网关键站点识别方法,采用网络效率与网络连通度,仿真分析蓄意、随机攻击模式下区域轨道交通路网抗干扰性能。研究结果表明：区域轨道交通物理网、秩序网均不是无标度网络,但后者具备小世界网络特征,且区域轨道交通路网是介于随机网络与无标度网络之间的特殊网络。区域轨道交通路网面对蓄意攻击呈现脆弱性,在对区域轨道交通路网的关键站点加以保护后,面对随机攻击具有更强的抗干扰性能。与基于节点度、度与介数的评价方法相比,所提出的基于网络融合的关键站点识别方法执行效果更好,对区域轨道交通路网抗干扰性能研究更有效。     

区域铁路车站股道运用在线融合实时调整优化方法

区域铁路网络化运营背景下相邻车站股道运用经由列车运行和到发时刻呈现强关联及时效性特征,易受突发事件影响,股道运用在线调整是列车运行调整的重要内容。基于双层规划理念,兼顾区域铁路多站股道运用在线协同编制和列车时刻表调整,构造抗二次干扰能力评估函数,统筹考虑列车最小停站时间、接发车和股道占用最小安全间隔时间、进路占用等约束,建立以时刻表波动性最小和抗二次干扰能力最大为优化目标的列车时刻表动态调整模型、以股道占用整体波动性最小和均衡性最大为优化目标的多站股道运用在线实时调整优化模型,并以车站实际到发时刻为融合因子,构建区域铁路车站股道运用在线融合调整双层规划模型;基于多站股道运用、时刻表之间的正反馈-负反馈作用机制和模拟退火思想,设计多站股道运用在线融合实时调整启发式求解算法,提出一种兼顾调整方案波动性、抗二次干扰能力和均衡性的区域铁路车站股道运用在线融合实时调整优化方法。算例分析表明：所提方法在兼顾调整方案波动性、抗二次干扰能力和均衡性的同时,能高效制订出合理的区域铁路多站股道运用在线融合调整方案,满足实时调整强时效性的要求,能够为区域铁路多站股道运用在线协同编制和列车运行实时调度管理提供...     

大型断裂融合带特长铁路隧道修建关键技术探讨

为研究在多条区域性大断裂影响下的融合地段修建特长隧道的关键技术,文中依托广通至大理铁路祥和隧道的建设过程,针对大型断裂融合带地质复杂多变,结构受力环境差,整个隧道均位于软弱破碎地质环境中,安全风险高;同时在复杂地应力作用下,围岩稳定性差,支护变形普遍,隧底及无砟轨道动力稳定问题突出等高风险性和不确定性,采用“加强预报、平导超前、支护加强、调整工法、创新注浆、圆形衬砌”等措施,取得较好的效果;采用“排水减压、锚杆锁定、注浆补强”等措施,可有效解决隧底及无砟轨道动力稳定控制性难题。     

基于多层级特征融合的钢轨表面伤损检测方法

现有的钢轨表面伤损检测方法存在鲁棒性差、误检率高和容易漏检小面积伤损区域的问题.为此,提出一种基于多层级特征融合的钢轨表面伤损检测方法.首先,利用高速综合检测车搭载轨道图像采集系统,在实际的铁路线路采集轨道图像,并对表面伤损进行人工标注;然后,在钢轨图像数量有限的情况下,利用钢轨表面伤损数据集构建策略,提升训练样本图像...     

朔黄铁路隧道衬砌表观病害检测技术

为实现朔黄铁路隧道衬砌表观病害远距离非接触快速检测,提出一种基于多源数据深度融合的隧道病害检测方法。首先利用高清线阵相机、激光扫描传感器等检测设备获取隧道衬砌表观高清图像和激光点云数据,然后利用特征提取网络提取图像和点云特征图,并采用空间变换方法将图像特征图投影到点云特征俯视图上得到融合特征图,最后利用候选区域网络和金字塔场景分析网络对融合特征图进行检测识别,输出病害的类型与位置信息。在朔黄铁路重点隧道开展的现场试验表明,该方法能检测隧道裂缝、掉块、渗水等表观病害状态,有效提升重载铁路隧道运维的智能化程度及综合检测水平。