HXD1型机车自动驾驶系统设计与应用

主要介绍HXD1型交流传动电力机车的自动驾驶系统方案设计与应用情况,以机车改动最小、成本最低为原则,通过加装自动驾驶系统设备、通信及供电线缆实现自动驾驶功能。通过机车自动系统的成功运用,降低了人工劳动强度,杜绝了人为失误因素,提升了机车操纵水平和操纵一致性。     

城市轨道交通全自动运行线路在无人值守模式下的应急处置

基于不同的场景,详细阐述了无人值守模式下全自动运行线路的应急处置方法、区间疏散方式及救援方式。结合专门的自动应急或远程应急功能,使无人值守全自动运行线路应急处置能兼顾运营效率和安全,避免列车迫停区间。建议做好多职能队员的相关培训工作,并合理选择列车自动运行控制系统的应急功能。     

探地雷达在桥梁预应力管道定位检测中的应用

对预应力管道进行定位检测,是目前桥梁无损检测技术的一个重要问题,在阐述探地雷达无损检测技术原理和方法的基础上,通过室内模型试验,并结合工程实例说明了高精度探地雷达在桥梁预应力管道定位检测中的应用,及其无损、简易、效率高、精度高、抗干扰能力强的优点,为准确评价桥梁结构耐久性和安全使用功能提供科学依据。     

Plate scanning tools to obtain travel times in traffic networks

The management of vehicle travel times has been shown to be fundamental to traffic network analysis. To collect travel time measurement, some methods focus solely on isolated links or highway segments, and where two measurement points, at the beginning and at the end of a section, are deemed sufficient to evaluate users' travel time. However, in many cases, transport studies involve networks in which the problem is more complex. This article takes advantage of the plate scanning technique to propose an algorithm that minimizes the required number of registering devices and their location in order to identify vehicles candidates to compute the travel times of a given set of routes (or subroutes). The merits of the proposed method are explained using simple examples and are illustrated by its application to the real network of Ciudad Real.     

A signal-based fault detection and classification method for heavy haul wagons

This paper proposes a signal-based fault detection and isolation (FDI) system for heavy haul wagons considering the special requirements of low cost and robustness. The sensor network of the proposed system consists of just two accelerometers mounted on the front left and rear right of the carbody. Seven fault indicators (FIs) are proposed based on the cross-correlation analyses of the sensor-collected acceleration signals. Bolster spring fault conditions are focused on in this paper, including two different levels (small faults and moderate faults) and two locations (faults in the left and right bolster springs of the first bogie). A fully detailed dynamic model of a typical 40t axle load heavy haul wagon is developed to evaluate the deterioration of dynamic behaviour under proposed fault conditions and demonstrate the detectability of the proposed FDI method. Even though the fault conditions considered in this paper did not deteriorate the wagon dynamic behaviour dramatically, the proposed FIs show great sensitivity to the bolster spring faults. The most effective and efficient FIs are chosen for fault detection and classification. Analysis results indicate that it is possible to detect changes in bolster stiffness of ±25% and identify the fault location.     

京珠高速公路隧道病害检测与处治对策研究

通过京珠高速公路隧道病害现场检测,对其主要病害进行了分类统计。考虑该隧道的勘察、设计、施工等因素影响,对该隧道主要病害产生原因进行了分析,在此基础上,对隧道病害等级进行了判定,并针对不同等级病害,提出了具体的处治措施。     

船用中压变压器电弧故障检测方法研究

通过分析各种故障电弧检测技术方案,确定基于弧光的电弧检测方法适合船舶中压变压器,该检测方法可靠性高、速度快,能够满足船用环境要求。     

自行车流视频识别判断方法研究

考虑算法的实时性,交通流个体识别往往采用轮廓特征来描述。由于自行车与行人的很多轮廓特征值相近,在复杂城市交通环境中,从慢行交通流中准确地识别出自行车是目前采用视频检测交通流的难点之一。通过现场视频检测获取足够的样本外轮廓数据,分析检测目标轮廓的高、宽、高宽比、面积等典型轮廓特征,发现目标轮廓高宽比特征能较好地识别出行人、自行车等慢行交通,并给出合适的取值范围。研究表明自行车高宽比能够较好地成为视频识别的依据,为自行车视频识别提供数据。     

����ʱ�չ켣���ٵĽ�ͨ�����Բ���������

基于视频的交通流检测在智能交通系统中具有重要意义。本文针对广泛采用的低位摄像机,提出了一种交通流特性参数的检测分析方法。首先基于三级虚拟检测线和自适应更新率局部背景建模来快速提取车辆特征点并消除活动阴影对提取精度的影响;然后基于Adaboost（Adaptive Boosting,自适应增强）分类器实现特征点按车分组,并在跟踪过程中根据运动特征相关度消除分组误差,获取高精度的车辆轨迹;进而自动生成多车道轨迹时空图并提取各车道交通流的多种特性参数。实验结果验证了算法的高效性;同时,自动生成的多车道轨迹时空图也为更多的交通信息获取和更深入的交通流特性分析提供了有力支持。     

基于多模式弱分类器的AdaBoost-Bagging车辆检测算法

针对现有车辆检测算法在实际复杂道路情况下对车辆有效检测率不高的问题,提出了融合多模式弱分类器,并以AdaBoost-Bagging集成为强分类器的车辆检测算法。结合判别式模型善于利用较多的特征形成较好决策边界和生成式模型善于利用较少的特征排除大量负样本的优点,以Haar特征训练判别式弱分类器,以HOG特征训练生成式弱分类器,以AdaBoost算法为桥梁,采用泛化能力强的Bagging学习器集成算法得到AdaBoost-Bagging强分类器,利用Caltech1999数据库和实际道路图像对检测算法进行了验证。验证结果表明:相比于单模式弱分类器,AdaBoostBagging强分类器在分类能力和处理时间上均具有优越性,表现为较高的检测率与较低的误检率,分别为95.7%、0.000 27%,每帧图像的检测时间较少,为25ms;与传统级联AdaBoost分类器相比,AdaBoost-Bagging强分类器虽然增加了12%的检测时间和30%的训练时间,但检测率提升了1.8%,误检率降低了0.000 06%;本文算法的检测性能显著优于基于Haar特征的AdaBoost分类器算法、基于HOG特征的SVM分类器算法、基于HOG特征的DPM分类器算法,具有较佳的车辆检测效果。