虚拟编组下基于跟驰模型的列车群运行控制方法研究

高速铁路移动闭塞方式下运输能力与运输需求之间依然存在缺口,虚拟编组是未来提高运输能力的新方式。本文基于虚拟编组概念,受道路交通跟驰模型启发,引入列车动力学和运动学理论,根据相邻两列车之间的速度和距离关系,提出一种新的追踪列车加速度调整策略,建立相应的列车群虚拟编组加速度控制模型,当实现列车群的虚拟编组时,列车群中所有列车的速度相等,任意相邻列车之间的间距等于期望间距,同时,能够确保列车安全与乘客舒适度。本文以CRH380A动车组为背景验证模型,算例仿真结果表明,本文提出的加速度调整策略能有效实现列车群的虚拟编组;与移动闭塞方式相比,采取虚拟编组方式达到列车协同的时间减少9.7%,列车间距缩小10.1%,效率更高;将列车群视为一个整体时,实现虚拟编组的时间比将整个列车群分为多组时更短。

基于建筑信息模型数据驱动的铁路设备运维多模态知识图谱构建

铁路信号设备是保障行车安全、提高运输效率的核心装备,加强信号设备智能运维是降低铁路运行风险的必要基础保障。目前,针对我国基于建筑信息模型(BIM)的智能运维平台存在不能精准映射各设备的行为规律和相互之间互馈作用的机理,须同时依靠经验知识进行推断等问题。首先构建了铁路设备运维文本知识图谱;其次构建卷积神经网络(CNN)-团组图卷积神经网络(cgGCN)模型对BIM图像模态数据进行处理,完成对20种铁路信号设备零件图信息的标注,实验结果表明模型准确率达到95.38%,精确率和召回率的调和平均值F1达到95.58%;最后将BIM图像信息以视觉模态嵌入运维文本知识图谱,利用Neo4j图数据库实现多模态知识图谱可视化展示,从而精准映射各信号设备相互之间互馈作用的机理,为后续现场铁路运维人员实施安全管理和运维决策提供在线服务和指导。

基于样本增强的列车卫星定位伪距欺骗检测方法

基于卫星导航的列车自主定位是列车控制系统等铁路关键装备的重要技术方向。然而,列车卫星定位面临诸多挑战,除信号可视性问题和多径效应之外,来自系统外部的蓄意欺骗等干扰攻击,会对定位功能及性能产生直接威胁。为此,本文以基于全球导航卫星系统(GNSS)的列车定位面临的伪距欺骗这一典型干扰模式为对象,研究并提出一种基于样本增强的伪距欺骗主动检测方法。该方法运用Wasserstein生成式对抗网络(WGAN)解决受欺骗干扰样本数据不均衡问题,利用扩充的数据集训练检测模型,并引入自注意力(SA)机制优化来自不同接收机输入特征之间的相对位置关系,采用生成式对抗学习思想形成一套完整的列车卫星定位伪距欺骗干扰检测方案。由列车卫星定位欺骗干扰注入测试结果可知,提出的方法能够充分运用生成式对抗网络思想解决受欺骗样本的典型受限问题,融合自注意力机制所得检测性能显著优于载噪比检测和代表性机器学习算法等常规检测方案;对建模样本未覆盖特征具备良好的适应能力,具有更优的检测精度和鲁棒性,在多个伪距欺骗干扰模式数据集上测试所得F1分数均超过0.99。该方法在欺骗干扰检测性能方面的优势能够为众多卫星导航系统铁路应用提供有力支撑,为有效防范卫星定位在信息安全层面的攻击入侵提供了有利条件。

基于单天线航向测量的股道占用判别方法研究

随着北斗卫星系统的建设完成,以卫星导航为核心的车载化列车定位成为列车定位系统的发展方向。在这一背景下,精准判别列车股道占用成为确保列车高精度位置感知的必要前提,对避免冲突、支撑列车调度决策和保障列车安全具有重要的意义。针对传统的股道占用判别方法通常依赖于地面设备,易受到成本、复杂性和维护困难等因素制约的问题,研究利用低成本的单GNSS天线进行高精度的列车航向角测量。特别是在道岔咽喉区,计算单天线测量结果与数据库中列车航向的偏差,评估对不同股道的占用概率。为此,首先构建了载波相位星间差分与历元差分的双差分模型,消除了电离层、对流层、钟差、模糊度等一系列卫星定位误差源的影响;其次,通过扩展卡尔曼滤波估计相邻历元间列车的位移变化量,同时计算伪姿态坐标系下的列车航向;最后,基于航向角偏差进行列车的股道占用判别,并利用列车进出青藏线联通河站的实测数据对所提算法进行了验证,并结合轨道电子地图,判别列车占用正线/侧线不同股道的置信概率。实验结果表明:通过单天线解算列车航向角的误差均方根为0.111°,根据航向角偏差进行股道判别的模糊区距离减少了约50m,模糊区时间减少了约5s。仅通过单天线航向解算完成高精度的航向测量,并根据航向角偏差实现股道占用判别,可作为轨道占用的一种判别方式,具有一定的工程价值。

严重遮挡场景下AOA-ENN辅助列车定位的方法研究

铁路周边卫星遮挡情况复杂多变,当列车在隧道等严重遮挡场景下运行时,北斗卫星导航系统/捷联惯性导航系统(BDS/SINS)列车组合定位系统无法接收到卫星信号,导致列车定位误差累积甚至定位失效。为提高列车在严重遮挡场景下的定位精度,提出阿基米德优化算法优化的Elman神经网络(AOA-ENN)辅助BDS/SINS列车组合定位系统进行列车定位的方法。首先,在无迹卡尔曼滤波算法中引入新息理论得到自适应无迹卡尔曼滤波算法(AUKF),将其作为BDS/SINS列车组合定位系统的信息融合算法。其次,基于模糊C均值聚类算法(FCM)建立列车运行场景识别模型,依据环境特征参数对列车运行场景进行自主识别。最后根据场景识别模型的输出结果,当列车在开阔、低遮挡、高遮挡场景运行时,通过AUKF对BDS和SINS解算的定位信息进行融合来完成列车定位,同时将采集的列车定位数据加入训练集,对AOA-ENN进行在线训练;当列车在严重遮挡场景下运行时,BDS无法正常接收信号,利用训练好的AOA-ENN辅助列车组合定位系统进行定位,利用AUKF对AOA-ENN的预测信息和SINS解算的信息进行融合后输出定位结果。实验结果表明:在严重遮挡场景下,AOA-ENN辅助列车组合定位系统得到的定位成功率达到98.2%;通过不同优化算法和神经网络的仿真对比实验,验证了AOA-ENN在辅助列车组合定位系统定位时的优越性。所得成果为优化列车在隧道等严重遮挡场景下的定位精度提供了参考。

面向高速铁路道岔运维文本的知识抽取方法

为实现高速铁路道岔运维知识图谱的自动构建,从而为道岔智能运维提供决策支持,须利用知识抽取技术从高速铁路道岔运维文本中提取关键知识。同时,为进一步解决道岔运维文本中的实体嵌套与知识三元组重叠问题,提出一种基于多模块联合学习的高速铁路道岔运维知识抽取模型RTOM-KE。首先,依据定义的实体与关系类型,采用基于BIOES的2阶段知识标注策略,分别标注头实体以及相对应关系下的尾实体;其次,通过轻量级预训练模型BERT-base与双向长短期记忆神经网络BiLSTM构成的编码器模块获取文本的多维共享编码表示,将编码器模块的隐藏状态和全局上下文特征组合之后作为头实体抽取模块的输入;最后,通过头实体抽取模块提取文本中的所有候选头实体。同时,将候选头实体标签和来自编码器模块的多维共享词表征作为尾实体抽取模块的联合输入,通过特定的关系门机制筛选与头实体相关联的尾实体,从而获得高速铁路道岔运维知识三元组。通过充分的对比实验以及消融实验,结果表明:RTOM-KE模型能够较为精准全面地抽取不同复杂程度的三元组,有效解决实体嵌套与三元组重叠问题,基于道岔运维数据集的模型精确率、召回率与F1值分别可达88.3%、86.9%和87.6%。研究结果可为进一步构建高速铁路道岔运维知识图谱以及道岔智能运维提供支持。

轨道交通信号联锁列控一体化系统软硬件设计

该文主要探究联锁列控一体化系统的软硬件设计内容。该系统的软件部分使用VC++6.0开发,包含4个功能模块,分别是进路选排、进路锁闭、信号开放与进路解锁,可以实现车站与区间范围内信号设备的一体控制,并处理进路命令和控制地面设备;该系统的硬件部分包括STM32主控芯片和PCI版驱动采集板,以及CAN通信接口等,在保证通信速率与通信质量的基础上,实现上位机与下位机的信息共享与可靠交互。该系统以轨道交通信号为基础数据,在数据采集、分析的基础上为监控列车运行和保障行驶安全提供帮助。

高速铁路信号系统网络入侵检测技术研究

入侵检测作为一种网络主动防御技术,能够有效阻止来自黑客的多种手段攻击。随着机器学习的发展,相关技术也开始应用到入侵检测中。本文采用sklearn库中preprocessing模块的函数对KDD CUP 99数据集进行预处理,基于朴素贝叶斯和逻辑回归算法,建立了网络入侵检测模型,并利用信息增益算法对入侵相关特征进行选择,然后进行训练与预测。实验结果表明,选择特征子集进行训练和预测能够保证预测准确率并大幅提高检测效率。研究成果可为高速铁路信号系统网络入侵检测模型的设计和建立提供参考。

智慧高速铁路运行控制系统发展趋势综述

在保障安全的前提下,高速铁路运行控制系统进一步结合现代感知、控制、通信以及人工智能技术实现智慧化,是未来高速铁路发展的前沿方向。分析目前高速铁路运营中仍存在异物侵限造成安全事故、突发事件导致列车延误、运力与运量不匹配等问题,提出高速铁路运行控制系统的智能化、智慧化是解决上述问题的重要手段,是保持和提升我国高速铁路技术整体竞争力的核心组成部分。新时期的智慧高速铁路运行控制系统以实现列车(群)全天候全无人自主追踪运行控制为目标,主要包括移动闭塞、列车运行净空感知、列车状态智能监测、列车自主追踪、智能调度指挥、车-地动态自组网通信等关键技术。结合新一代使能技术,研究高速铁路运行控制智能技术的应用及其发展趋势,对我国智慧高速铁路的发展具有参考价值。

都市圈轨道交通多网融合的信号系统方案研究

结合都市圈网络化、公交化特点,提出都市圈轨道交通信号系统融合的技术目标,即采用现有技术C2/C2+ATO与CBTC系统的融合以及采用新型互联互通技术的信号系统间的融合。分析现有信号主流的CTCS系统与CBTC系统的地面和车载设备在技术层面、工作机理、系统功能等差异的基础上提出“地对车兼容”和“车对地兼容”的互联互通方案,结合各目前相关单位在开展的研究情况,分析新型市域铁路互联互通技术路线。

高速铁路列控车载设备故障诊断的研究及应用

列控系统中车载设备故障具有复杂性和不确定性,且数据记录非文本化,传统的基于专家知识的诊断方法效率低下且精确度不佳。贝叶斯网络(BN)在处理不确定性和相关复杂性问题方面具有显著优势,本文以CTCS3-300T型车载设备为研究对象,建立贝叶斯网络模型进行故障诊断。通过分析典型车载设备故障处理现状,提出一种结合专家知识、故障数据集和K2算法的贝叶斯网络模型研究方法;利用K2算法和最大似然估计法分别进行结构学习、参数学习,从局部到整体优化贝叶斯网络诊断模型,实现故障的快速定位;建立最优贝叶斯网络模型,并进行推理计算,其故障诊断准确率为87.1%。与传统的专家知识模型相比,最优贝叶斯网络模型的故障诊断准确率提高了37.4%。经实例分析和模型验证,该模型能够保证故障诊断结果的准确性且提高故障诊断的效率。

基于参数优化VMD和改进LSSVM的道岔故障诊断方法

为了解决道岔设备智能故障诊断中特征指标难以提取以及模型训练时间较长的问题,以ZDJ9型转辙机带动的道岔设备为研究对象,以转辙机功率曲线为数据基础,提出一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)和改进最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)的道岔故障诊断方法。首先,采用鲸鱼优化算法(Whale Optimization Algorithm,WOA)优化VMD参数,得到模态(Intrinsic Mode Functions,IMF)分量个数和惩罚因子的最优参数组合。其次,计算IMF分量与功率曲线的相关系数,优选相关性较大的前3阶IMF分量,并计算功率谱熵、模糊熵及包络熵值,建立多特征融合样本数据库。最后,针对麻雀搜索算法(Sparrow Search Algorithm,SSA)易陷入局部最优的问题,通过改进Tent混沌映射初始化策略随机生成种群,正余弦算法(Sine Cosine Algorithm,SCA)更新追随者的位置,并采用改进SSA优化LSSVM算法的惩罚因子和核函数方差,构建基于TSSSA-LSSVM的道岔故障诊断模型。实验结果表明:所提道岔故障诊断方法是可行的,采用多特征融合能够更加全面地提取道岔典型故障特征,反映道岔的真实运行状态,提高了故障诊断准确率,而且较TSSSA-SVM,PSO-LSSVM,GWO-LSSVM以及SSA-LSSVM等方法具有较高的故障诊断准确率、召回率以及较低的漏报率,减少了模型训练时间,完全满足现场道岔故障导向安全的原则,具有更好的故障诊断性能,对现场道岔设备的故障维修具有一定的指导意义。

基于tSNE多特征融合的JTC轨旁设备故障检测

无绝缘轨道电路(Jointless Track Circuit,JTC)的轨旁设备在室外长期运营过程中,其可靠性会逐渐降低,进而给列车行车安全带来严重威胁。以轨道电路读取器(Track Circuit Reader,TCR)感应电压为基础,针对JTC故障诊断研究中轨旁设备故障类型复杂和故障特征提取不充分等问题,提出一种基于t分布随机邻域嵌入(t-distribution Stochastic Neighbor Embedding,tSNE)多特征融合的JTC轨旁设备故障检测模型。首先,根据不同轨旁设备故障对TCR感应电压信号的影响,分析各轨旁设备的故障特性。其次,提取TCR感应电压信号的方差、有效值、峰值因子等幅值域特征,以及排列熵、散布熵特征构成原始故障特征集。为了去除其中的冗余信息,得到具有较高判别性的融合流形特征,利用tSNE算法进行特征融合。最后输入深度残差网络(Deep Residual Network,DRN)得到故障检测混淆矩阵,实现轨旁设备故障定位。实验结果表明:tSNE算法融合后的特征在异类和同类故障样本之间分别有较大的类间间距和较小的类内间距,相比主成分分析(Principal Component Analysis, PCA)、随机相似性嵌入(Stochastic Proximity Embedding, SPE)、随机邻域嵌入(Stochastic Neighbor Embedding,SNE)算法具有更优的融合特征提取效果。此外,结合DRN可以有效识别多种轨旁设备故障,达到98.28%的故障检测准确率。通过现场信号进行实例验证,结果表明该故障检测模型能满足铁路现场对室外设备进行故障定位的实际需求。

基于国密算法的列车控制系统传输加密研究

为提高列车控制系统中铁路安全通信协议的机密性,消除数据明文传输存在的潜在威胁,提出了基于国家商用密码算法的列控系统核心网络加密技术实施方案。通过硬件、软件结合构建加密保护方案:在信号安全数据网子网内或子网间串接密码机,实现硬件的数据帧加密;采用三重SM4加密算法对通信报文的数据帧加密,实现列控系统软件应用数据的加密。搭建列控系统测试环境对加密技术方案进行验证,试验结果表明:该加密方案在对列控系统的业务处理能力无影响的情况下,可以有效提高列控系统重要数据在传输过程中的机密性和完整性。基于国密算法的列控系统传输加密研究为列控系统提供了传输加密可借鉴的方法和应用实例,也为铁路信号系统数据的安全高效传输提供了新的思路。

具有未知时变参数城轨列车的精准停车鲁棒控制

列车运行情况复杂多变,使得列车质量、基本运行阻力及线路状况等参数难以精确获得且随着列车运行存在明显的时变特性。列车模型参数的不确定性和时变特性会对列车的精准停车性能产生重要的影响。在动车组多质点动力学模型的基础上,根据Lyapunov再设计方法设计了一种非线性列车鲁棒控制器。该控制器将系统中的不确定性因素视为等价干扰,并设计相应的鲁棒补偿项。根据参数的先验区间,设计的鲁棒补偿项能够抑制模型估计误差,使得列车的位置和速度跟踪误差快速收敛,最终实现精准停车的控制目标;同时,也证明了系统的最终一致有界稳定性。最后,选取城市轨道交通场景进行仿真验证,仿真结果表明:本文提出的控制方法在列车模型参数未知且时变情景下也能实现对期望停车曲线的快速、精确追踪,表现出较强的鲁棒特性。

基于CS-BP的列车卫星定位欺骗干扰检测方法

随着列车运行控制模式车载自主化、系统智能化发展需求的不断深化,新型列车运行控制系统的设计与运用对列车测速定位自主性、可信性的需求愈发显著。全球导航卫星系统因其具备覆盖范围广、定位精度高、全天候等优势,成为新型列车控制系统实施列车自主定位的重要发展应用方向。卫星导航系统存在显著脆弱性,来自铁路沿线运行环境的干扰会对列车定位感知性能形成严重威胁,因此,准确、及时检测并识别干扰的发生是实施有效防护并确保列车运行安全的关键。欺骗式干扰通过信号转发或者定制生成虚假卫星信号信息,可诱骗接收机终端使其解算出错误的定位结果,具有复杂性、隐蔽性和危害性,对特定设备的影响极大。基于此,研究并提出一种列车卫星定位欺骗干扰检测方法。首先,分析列车卫星定位面临的欺骗干扰特征;其次,提取对欺骗干扰敏感的观测量构建典型特征量;然后,设计包括样本集构建、离线模型训练、在线检测识别等环节的欺骗干扰检测总体方案,提出基于布谷鸟搜索算法改进BP神经网络的卫星定位欺骗干扰检测模型构建方法;最后,搭建列车卫星定位欺骗干扰测试环境,采用多种观测信息及特征实施干扰样本的CS-BP模型训练并将其用于识别特定形式欺骗干扰的存在与特征,结合不同类型欺骗干扰注入测试对所提出检测方法的性能进行验证与对比。研究结果表明:布谷鸟搜索策略能够扩大搜索范围,跳出局部最优并实现快速迭代收敛,且收敛寻优性能受参数条件影响较小;基于布谷鸟搜索改进BP神经网络的建模方法相对常规地图匹配残差门限检测及代表性机器学习方法具有更优建模性能,对不同种类卫星定位欺骗干扰模式的检测准确率更为稳定,在时间敏感度、精确度、F1分数等方面更具优势。研究成果对列车卫星定位及其应用的欺骗干扰检测与干扰防护具有重要支撑意义,可为新型列控系统中卫星定位感知技术的可信应用提供有效途径,能够减少设置应答器、轨道电路等轨旁设备,有效降低建设及维护成本,有效提升车载设备应对复杂定位观测环境的自主性、灵活性及安全性。

速度350km/h高速铁路长大下坡地段闭塞分区设置方法研究

通过分析长大下坡道闭塞分区长度对CTCS-3级和后备CTCS-2级列控系统的影响,指出二者对闭塞分区长度的需求完全相反,并针对CTCS-3级列控系统的行车许可回缩、速度突降等问题的产生原因进行分析。阐述坡度、闭塞分区长度与不同列控模式下列车运行速度、追踪间隔时间等要素之间的关系,制定闭塞分区设置的基本原则。检算典型坡度下闭塞分区长度设置的合理区间范围及相应追踪间隔时间,指出坡度超过-30‰后将无法兼顾不同列控等级下的运行速度。设计模拟退火算法,根据闭塞分区设置原则及闭塞分区取值规律,给出压缩求解空间、提高求解效率的方法。以郑万高速铁路长大下坡地段为例,对闭塞分区设置进行优化,在不考虑其他约束的前提下,与设计院优化方案相比,本求解优化方案在确保CTCS-3级控车模式下允许速度可达350 km/h的同时,将CTCS-2级控车模式下的允许速度提高30 km/h,追踪间隔时间压缩23 s。

基于Sarsa算法的城轨列车节能控制策略研究

针对城市轨道交通节能运行问题,提出一种基于Sarsa强化学习算法的城轨列车节能控制策略,实现了城轨列车在自动驾驶状态下,面对不同路况,执行减少能源消耗驾驶策略的同时兼顾准时性和舒适性。根据线路条件将列车状态进行离散化处理,将连续的驾驶过程分为若干个子区间进行分段求解。结合区间限速、初始状态、终末状态等限制条件,基于能耗及运行时间分别构造适当的奖励函数。同时,用当前状态下可达的最大速度与最小速度对可选速度集合进行限制,缩小探索空间,加快算法收敛。最后,通过对北京铁路亦庄线小红门站至肖村站的实例进行仿真。实验结果表明,与传统的动态规划方法相比,Sarsa算法在满足舒适性和准时性要求的情况下节能9.32%。相比于强化学习中的Q学习算法,在速度的选取过程中,超速次数也有明显下降。仿真结果证明Sarsa算法具有更好的节能效果和安全性。在算法参数不变的情况下,调整限速条件,与传统动态规划算法进行二次对比,依旧节能4.21%,验证了算法的鲁棒性。

基于MDS和改进SSA-SVM的高速铁路道岔故障诊断方法研究

针对高速铁路道岔设备故障频繁,现场维修工作量大等问题,提出基于多维尺度缩放法(MDS)和改进麻雀搜索算法(SSA)优化支持向量机(SVM)的高速铁路道岔故障诊断模型。首先以ZDJ9道岔转换功率曲线为研究对象,总结现场典型道岔故障类型及故障原因,分别提取道岔功率曲线的时域、频域特征指标以及小波包能量熵,组成特征指标向量;其次采用MDS方法进行多维特征指标的降维优化,建立道岔故障特征指标样本数据库;最后利用改进Circle混沌映射初始化种群,并通过自适应t分布增强麻雀种群的多样性,再以改进SSA算法优化SVM模型中的惩罚因子和核函数方差2个关键参数,构建改进SSA-SVM的道岔故障诊断模型。故障诊断结果表明,本模型的故障诊断正确率高达96.25%,诊断效果优于其他方法,可以为道岔设备的故障维修提供理论依据。

基于抗差自适应滤波的高速列车融合测速算法

针对Kalman滤波在高速列车融合测速过程中因观测粗差和动力学模型误差而引起的融合精度下降问题,提出一种基于抗差自适应滤波的高速列车融合测速算法。首先,在Kalman滤波的基础上构建异常检测函数和误差判别统计量,用于检测和区分传感器异常观测导致的观测粗差和动力学模型误差;然后,针对观测粗差和动力学模型误差,分别采用三段式函数和指数函数构造抗差因子和自适应因子,通过2种因子合理调节观测信息和模型信息在状态估计中的权重,从而降低观测粗差和动力学模型误差对融合结果的影响;最后,通过2种运行场景以及算法对比,仿真验证抗差自适应滤波算法性能。仿真结果表明,与基于Kalman滤波的融合测速算法相比,所提出算法无论在观测粗差场景还是在动力学模型误差场景,均具有更高的精度和稳定性。