铁路机械设备智能制造车间数据低延时通信方法

传统的数据通信方法缺少对通信过程中产生的干扰量进行抑制,增加了通信时间和平均能耗。为此,针对铁路机械设备智能制造车间,提出一种新的数据低延时通信方法。在获取通信过程中产生的误码率的基础上,引入放大前传协议对接收端信号实施逆滤波处理,有效抑制通信过程中的干扰信号。然后根据不同传输路径的实际延时,对各路径的数据发送量进行分配,并通过引入并发通信机制,最大限度发挥路径中各节点的通信能力。最后,动态分析节点信任度和推荐度,最大限度发挥节点通信能力,从而实现低延时通信。实验结果表明:应用该方法可以实现更低延时的数据通信,同时还能够有效减少通信过程的能量消耗,有助于提高铁路机械设备智能制造车间的工作效率。

ZD6-E/J/J型直流电动转辙机电路改进

根据汉宜客专ZD6-E/J/J型转辙机调试情况,对其电路进行分析改进,满足道岔转换要求。

基于PLC的铁路信号机房焊接机器人控制系统设计

针对目前铁路信号机房在建设过程中过度依赖人工进行排线、布线以及焊接等问题,设计了一套基于PLC的智能化焊接机器人控制系统。选用三菱Q03UDVCPU PLC作为系统主控模块,通过与AGV以及视觉检测模块之间进行信息交互,并采用模块化编程协同控制多功能线缆处理平台、焊接机械臂和取线机械臂,能够高效地完成对柔性线缆的自动分类、抓取以及焊接工序。实验结果显示,与传统的人工焊接相比,智能化焊接机器人具有操作人员少、焊接速度快以及焊接质量高等优点。目前该焊接机器人已经投入使用,从而为建设高度自动化与智能化的铁路信号机房提供强大保障。

基于改进Faster R-CNN的轨旁设备识别算法研究

针对铁路建设过程中,人工检测轨旁设备安装位置与限界数据时存在的效率和准确度低等问题,研发一款可自主移动的便携式信号工程数据定测及检测装置。为实现该装置自动识别轨旁设备,提出一种改进的Faster R-CNN算法模型。以改进型的残差网络ResNet50-D为骨干网络提取特征图,将特征金字塔网络算法融入Faster R-CNN网络中,提高大小目标检测精度。采用余弦退火学习率策略对骨干网络进行预训练,将相机采集得到的图像进行数据加强与扩充并输入模型中,利用Momentum优化器对模型进行进一步训练。调整批量样本数和迭代次数,以及Intersection over Union(IoU)阈值和置信度阈值等参数,将最终生成的最优模型通过C++部署到Visual Studio 2017中,供检测装备系统实时调用运行。与一阶的YOLO算法模型和不同层数的骨干网络对比,Faster R-CNN[ResNet50-D]模型具有检测速度较快,对于小目标检测精确度高等特性。实验结果表明,改进的Faster R-CNN算法检测所有类别轨旁设备的平均准确度达到了97.6%,各个类别的精确率均在94%以上,符合自动识别轨旁设备的工程预期。搭载该模型的便携式信号工程数据定测及检测装置可实现轨旁设备的自动识别,结合该装置采集到的位置信息和限界数据,进而实现对各个轨旁设备安装位置和限界数据自动检测。

既有铁路提速改造信号过渡方案的探讨

针对既有车站进行提速改造的过程中,需要更换和插入提速道岔,减少行车干扰,同时考虑铁路信号的平稳过渡,保证行车安全,节约投资的方法。

简统化接触网技术经济评价

为更好地应用和推广简统化接触网,进一步明确简统化接触网与传统接触网的技术经济差异性,基于动态性能指数(CDI)和动态费用年值两大指标,从技术和经济两个角度出发,构建全寿命周期的价值工程模型,以盐通铁路为例,对比分析简统化接触网与传统接触网的成本系数、性能系数及价值系数。研究结果表明:简统化接触网的技术经济性优于传统接触网,并且随着简统化接触网的应用和推广,其经济效益会越来越显著。

基于目标识别的轨旁设备定测装置研究

为提高高速铁路信号专业施工设备智能化水平,解决人工进行轨旁设备定复测存在效率低、安全性差、准确度低等问题,课题组结合实际施工应用需求,研制一款轨旁设备定测装置。该装置采用RTK+光电编码器定位系统,可自动辅助铁路轨旁设备安装位置标识,并在轨旁设备安装完成后利用目标识别算法实现位置复测,同时利用激光扫描技术进行限界数据测量。现场试验结果表明:该装置能够正确识别轨旁设备,各项功能均可正常运行,且定位精度达到毫米级,测量限界数据精度为厘米级,符合实际应用相关技术指标。