厦门地铁综合检测车设计

厦门地铁综合检测车集轨道检测和接触网检测于一体,采用惯性测量原理、机器视觉及激光摄像等非接触测量技术,可快速高效地对轨道几何状态、轨道全断面廓形及架空接触网几何参数、弓网动态作用参数进行检测。文章阐述了检测车的主要技术特点和技术参数,并从检测系统、设备布置、电气原理、机械部件和制动系统等方面介绍了技术方案。     

列车尾部安全防护装置主机检测台电参数测量结果不确定度评定

本文介绍了对列尾装置主机检测台电参数：电压、电流测量结果进行不确定度评定的方法。     

面向布局问题求解的混合全局优化算法研究

布局问题属于NP完全问题。由于布局函数的病态性状，传统的优化算法很难解决此问题。遗传算法、模拟退火算法等对全局优化展示了一定的前景，但是它们的求解精度和效率不能令人满足。本文将启发式随机搜索策略和局部优化算法相结合，构造了混合全局优化算法（MGOA）来解决这一困难。通过典型测试函数与经典遗传算法，模拟退火算法，复合形法进行比较验算，表明该算法具有优良的求解质量和较好的求解效率；并以旋转卫星舱布局的简化模型为背景，建立多目标优化数学模型，通过一个已知最优解的布局算例与遗传算法和乘子法的计算结果比较，该算法求解的质量和效率更优。表明此算法在布局优化中具有应用潜力。     

基于Zigbee技术的城市轨道交通客流检测系统的设计

对城市轨道交通车辆空气弹簧的工作原理进行了研究,分析了列车载客量的计算方法,并提出城市轨道交通客流检测系统的设计方案.通过采集空气弹簧的内压值来计算列车的载客量,采用Zigbee技术实现车地数据传输,最终由以太网传输到客流分析服务器,实现对城市轨道交通客流的实时检测.     

基于渗流场变化的基坑止水帷幕缺陷

止水帷幕存在缺陷一直是基坑工程中的重大风险,若能在基坑开挖前判断出止水帷幕缺陷的位置,便能预先采取加固堵漏措施,可避免基坑开挖时的风险。局部渗漏必然会引起附近渗流场的变化,利用有限元软件ABAQUS分别对缺陷的长度、深度以及土体渗透性与帷幕外侧渗流场分布规律的关系进行研究,得出不同工况下缺陷对渗流场分布的横向和竖向影响范围变化规律,证明了根据流速变化判别缺陷存在及位置、规模的可行性。提出采用声纳法可对土体中渗流场分布进行检测,进而可根据渗流场分布判别出缺陷的规模与位置。通过工程实践,验证了研究结论及声纳法检测技术的准确性,为轨道交通深基坑工程止水帷幕缺陷判别提供指导和借鉴方法。     

基于光纤光栅压力传感器的轨道区段占用检测方法研究

轨道电路是用于检测列车是否占用轨道区段的设备,正确判断其分路状态对行车安全十分重要。当出现轨面生锈或积污等问题时,由于分路电阻过高导致轨道电路分路不良,这将影响分路状态的可靠判定,轨道区段占用检测方法仍存在瓶颈。对此,利用光纤光栅(Fiber Bragg Grating, FBG)压力传感技术的优势,结合轨道电路的工作原理和轨道动力学分析结果,设计轨道占用检测的系统结构;监测FBG的中心波长漂移量,统计列车进出轨道区段的轮对轴数,通过轴数比较解决轨道电路分路不良时的轨道区段占用检测问题。对光纤Bragg光栅纵向应力特性进行仿真实验,结果表明:FBG的中心波长漂移量和纵向应力的改变成正比,即和钢轨受力形变所产生的弯矩变化成正比,这种应力特性可有效应用于轨道区段的检测问题。     

高频雷达信号的双线性时频分布性能研究

针对海杂波背景下高频地波雷达的目标探测问题,采用时频分析方法研究对海杂波中的非平稳多分量目标探测。讨论了海杂波背景下的目标检测问题,以及信号的双线性时频分布,通过仿真研究了时频分布性能,尤其是核函数抑制多分量目标的交叉项作用。仿真结果显示,伪Wigner-Ville分布较Wigner-Ville分布对于交叉项的抑制作用较大,而平滑伪Wigner-Ville分布降低交叉项的效果更好。     

S变换在水下目标识别中的应用

研究了基于S变换模时频矩阵相似度的水下目标识别方法。根据测试样本对应的S变换模时频矩阵与标准样本对应的S变换模时频矩阵之间的相似度最大原则对测试样本进行识别。该方法不需要辅助分类器而直接实现目标识别,计算简单快速。仿真实验表明,该方法的识别率较高,且受噪声影响小,适合于水下目标识别。     

便携式水下机器人设计

出于对近海海洋探索的目的,本文应用了上次研究[1]的水下ROV空间姿态控制系统设计了一种便携式水下机器人。该水下机器人系统硬件部分主要由电源模块、无刷电调、遥控部分以及姿态传感器模块组成,软件控制以及相关数据处理由一块ARM-M3内核的处理器完成,编译软件使用Kile。水下机器人结构采用3D打印机制作,材料选用PLA。遥控通讯采用CAN总线协议。水下机器人经过实际调试可以达到相关技术要求,下潜深度100 M,能实现简单的水下作业要求。     

基于YOLO的铁路侵限异物检测方法

基于现有的铁路侵限异物检测方法只能识别出静态障碍物且识别速度较慢的问题,提出一种基于YOLO算法的铁路侵限异物检测方法.针对铁路侵限异物检测的特殊性,合理设计YOLO模型结构.采用24个卷积层、4个最大池化层及2个全连接层完成异物图像的提取、降维、识别输出,并使用实拍疑似侵限异物图片对YOLO模型进行预训练,达到学习及降低过拟合的目的,最终实现了异物定位及识别的功能.实验中通过对1 660张单幅疑似铁路侵限异物图片进行检测,结果表明,该方法对正常曝光的侵限异物图片检测准确率较高,而且在识别速度方面较AlexNet及Adaboost算法具有较大的优越性.