基于改进UNet的轨旁槽盖板状态检测算法

针对当前高铁轨旁电缆槽盖板检测方法自动化程度和检查效率低等问题,提出一种基于改进UNet的槽盖板检测模型。在编码部分引入两种不同的残差结构,避免梯度消失等问题,同时融合SA注意力机制,抑制背景干扰,进一步提升槽盖板状态的检测能力。实验结果表明,该算法达到的MPA、MIoU分别为95.03%、90.88%。相较于UNet等其他分割网络,该算法能更好地分割出槽盖板区域。

基于TS-DBN的地铁牵引系统可靠性分析

论文提出一种结合连续时间T-S动态故障树和贝叶斯网络(TS-DBN)的可靠性评估方法来模拟实际运营过程中牵引系统的动静态失效行为。首先,构建基于牵引系统单元结构的故障树模型;然后,通过应用T-S动态门的时序规则,给出T-S门的逻辑定义,进而计算子节点后验概率及重要度参数;将敏感节点进行排序,建立系统连续时间状态下的稳定度函数数学模型。该方法能够直观地反映牵引系统结构单元的敏感薄弱环节,可以为后续维修策略优化提供理论参考。

基于振动信号图像特征的降噪残差网络轴承故障诊断

针对将一维原始轴承振动信号作为既有轴承诊断模型的输入所致训练效率、抗噪性欠佳的问题,提出一种基于振动信号图像特征的自适应降噪残差网络轴承故障诊断方法。首先将一维轴承振动信号进行截断、重叠采样后重构成信号矩阵,最后将其编码为图像得到振动信号图像;再对图像进行直方图处理,计算得到其灰度分布特征矩阵,并将振动信号图像和对应的特征矩阵作为算法模型的输入;同时,在提出的网络模型中在残差卷积映射的过程中插入基于通道注意力机制的降噪路径,通过自适应地获得阈值进行降噪,提高网络对含噪声样本的故障特征提取能力。最后通过对比实验证明:网络模型在加入灰度分布特征后有更好的性能表现,提出的自适应降噪残差网络模型在将含有噪声的振动信号作为输入的情况下仍具有较高的故障识别精度。

基于CEEMDAN-FastICA-MCNN的多传感信息融合轴承故障诊断

针对轴承振动信号易受噪声干扰、变工况及单一传感器提取特征信息不完备的问题,提出基于自适应噪声完备集成经验模态分解(Complete Ensemble Empirical Mode Decomposition of Adaptive Noise,CEEMDAN)、快速独立分量(Fast Independent Components Analysis,FastICA)降噪和多输入卷积神经网络(Multiple-input Convolutional Neural Networks,MCNN)的多传感信息融合轴承故障诊断方法。首先分别对多传感采集的振动信号划分数据集,并输入CEEMDAN得到本征模态函数(Inherent Nodal Function,IMF);随后,选择峭度大于3的IMF构造观测信号,其余IMF构造虚拟噪声信号,作为两个输入源输入FastICA,分离出特征向量;最后,设计MCNN识别故障类型。在CWRU和XJTU-SY数据集上的正确率分别为99.94%和99.64%。在信噪比为-8 dB的抗噪性能测试中,正确率分别为96.95%和98.29%;在信噪比为0 dB的抗噪性能测试中,正确率分别为99.00%和99.23%。对比实验结果表明此方法能够提取更为全面的故障特征信息,获得更高的准确率。

自发电式轨道车辆轴箱温度预测方法研究

针对上海地铁所采用的自发电式轴温监测系统中的轴箱温度预测问题,通过长短时记忆网络(LSTM)、BP神经网络以及支持向量回归机(SVR)三种预测方法进行轴箱温度预测并将结果进行对比分析。最后,利用实测数据,对各方法的预测结果进行对比,结果表明,SVR的预测结果均优于其他预测方法,且预测精度可达到98.59%。

基于CNN-LSTM的地铁空调控制器剩余使用寿命预测分析

阐述综合考虑地铁空调控制器的特点,构建基于功能层及经济层的空调控制器样本数据集,通过建立CNN-LSTM模型对空调控制器的剩余使用寿命进行预测。实验结果表明,该预测模型准确度较高。

基于级联网络的钢轨顶面缺陷检测方法研究

长期的高速行驶会引起车辆振动,使钢轨顶面形成孔洞、擦伤和疤痕等各种缺陷,这些缺陷不仅会影响钢轨顶面的外观,还会对钢轨的性能和安全性产生长期不利影响。针对钢轨顶面缺陷类型多变、背景杂乱、对比度低、噪声干扰等因素影响,提出一种基于级联网络的钢轨顶面缺陷检测方法。利用图像垂直微分投影法分割出钢轨顶面区域,在此基础上使用级联网络对钢轨顶面上的疤痕缺陷进行检测。其中,为更好地优化缺陷特征细节,在特征提取阶段引入轻量级的卷积注意力机制模块;采用信道加权模块与残差解码器模块相结合的方式进行缺陷特征恢复;为得到边缘清晰的缺陷对象,在特征恢复之后设计了一个边界精细化网络结构。实验结果表明,该方法的平均绝对误差仅为0.0012,AUC值达到0.9935,单张图片平均检测速度仅为0.041 s,对于Ⅰ型和Ⅱ型钢轨顶面疤痕缺陷的检测精度分别达到98.6%和96.4%。利用该深度学习网络模型能较好地检测出钢轨顶面的疤痕缺陷,具有较高的工程实用价值。

基于VMD灰度图像编码和CNN的多传感融合轴承故障诊断

针对滚动轴承振动信号非平稳、非线性且易受噪声干扰的特点,以及单一振动信号对某些轴承故障识别率偏低的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)灰度图像编码和卷积神经网络(convolutional neural networks,CNN)的多传感融合轴承故障诊断方法。首先,采用VMD对驱动端和风扇端振动信号分解,提取各阶本征模态分量与原始信号相关系数最大的分量;其次,将筛选出的本征模态函数(intrinsic mode function,IMF)分量依次排列并转换成灰度图像;最后,设计CNN结构,将训练集输入网络进行训练,测试集验证网络的有效性,实现滚动轴承故障识别。CWRU数据集和西安交通大学XJTU-SY数据集测试准确率分别达到99.90%和100%,结果表明:该方法能够准确识别变工况下轴承故障类别及损伤程度;对原始信号加入高斯噪声后的测试准确率分别达到99.75%和99.90%,证明该方法具有良好的泛化能力和抗噪性能。

多源异构信息融合光伏组件输出特性动态建模

针对应用广泛的载体运动发电中的载体运动状态对光伏组件输出特性的影响进行研究。通过构建多源异构信息融合光伏组件输出特性动态模型,实现了光伏组件运动机械参数与输出电参数的统一,获得光伏组件最大输出功率与载体运动状态参数间的耦合关系,并采用SIMPACK构建仿真系统进行实验,证明了方法的正确性,结果显示计算值与测量值最大偏差为0.67 W,最大相对偏差率为3.23%。所提方法可为运动载体下光伏组件最大功率点动态追踪控制方法提供理论依据,有助于实现光伏高效率零碳技术发电。

轨道车辆轴箱传感安装结构设计及强度分析

针对上海地铁阿尔斯通车型设计了一种轨道车辆轴箱传感安装结构。首先,通过对轴箱的结构及力学分析,确定了轴箱的载荷与约束条件;其次,利用实车试验,采集并分析获取了轴箱的振动主频特征和加速度功率谱密度;最后,应用ANSYS Workbench和nCode有限元软件,分析了安装结构的冲击强度、模态和疲劳强度。结果表明:在极限冲击下设计的轴箱传感安装结构最大等效应力为121 MPa,小于材料的屈服应力,且大于1.5倍的安全系数;安装结构的前6阶固有频率远离轴箱振动主频,保障了结构的稳定性;车辆3.60×10^(6) km里程对应的累计损伤为1.76×10^(-3),小于破坏阈值,安装结构满足车辆使用要求。经6个月的安装测试,该安装结构无明显裂纹、变形和损伤,实现了轴箱传感器的可靠安装,为车-轨安全监测的传感器安装提供了设计分析方法和工程实践经验。

列车牵引电机轴承故障特征稀疏在线监测方法

列车牵引电机轴承状态多传感数据无线感知及在线监测技术是确保轨道车辆可靠运行的关键技术之一,现有的方法存在数据量大传输困难及特征小数据监测可视化不明显的问题。为此,提出一种列车牵引电机轴承故障特征稀疏在线监测方法,利用粒子群优化多点最优调整的最小熵解卷积的方法(PSO-MOMED)提取了背景噪声下电机轴承故障特征信号,采用离散余弦变换的压缩感知方法实现电机轴承特征的小数量多传感器采集,基于高阶频率加权能量算子(HFWEO)增强轴承故障特征稀疏可视化,并通过搭建试验台及某线路现场实测验证了所提方法的有效性。实验结果表明,信噪比为-10 dB时,相比传统方法,粒子群优化多点最优调整的最小熵解卷积方法可以更加有效的提取故障特征信号;在压缩率90%的情况下,从牵引电机轴承故障特征稀疏感知信号中能清晰表征轴承故障特征频率成分,有效解决了列车牵引电机轴承状态多传感数据无线感知及在线监测技术难题。

轨道车辆扇形压电阵列式俘能器宽频响应设计

为提高轨道车辆振动可再生能源利用效率,提出了一种压电梁阵列设计方案。首先,基于欧拉-伯努利理论建立扇形双晶悬臂梁阵列的分布参数机电模型,对其机电耦合特性进行分析;其次,针对上海地铁列车采集的轴箱振动信号,采用ANSYS软件进行有限元分析,提出一种具有12个梁单元的多维圆盘阵列采集系统;最后,搭建振动测试平台进行了实验。结果表明,可以采取机械调谐策略调整压电阵列的设计参数,在20.95,40.45和204.19 Hz这3个振源频率处产生工作频率点,从而与轴箱振动环境实现宽频匹配,结构的前12阶低频谐振宽度达到35.68 Hz。提出的扇形压电阵列式俘能器的宽频响应及输出性能良好,可以根据所需轨道车辆环境振动特性进行匹配,提高智能监测用小型无源传感器的输出性能。

基于动态模板的钢轨磨耗测量方法研究

对CCD摄像机拍摄的钢轨表面轮廓测量光带进行图像处理,获得单个像素宽的二值化钢轨横截面轮廓;将结构光平面方程与摄像机投影矩阵相结合,对钢轨横截面轮廓进行三维重建,提取钢轨轮廓线中轨腰圆弧段圆心和轨头下端点2个特征点的世界坐标值;由2个特征点和钢轨上任意不与这两点共线的点以及标准钢轨横截面轮廓的空间几何关系动态生成标准模板;将钢轨实测轮廓和动态生成的标准模板轮廓的坐标映射到测量坐标系下,对比计算获得钢轨磨耗值。实验室验证结果表明:该方法能快速、准确地动态生成钢轨横截面轮廓模板,实现钢轨磨耗的高精度测量,且测量结果具有良好的重复性和稳定性。

基于CEEMDAN-Hilbert变换的振动信息分解

为了对轴箱振动信息进行有效时频分析,提出利用完备集合经验模态(CEEMDAN)分解对振动信息进行分解,再通过Hilbert变换求其时频谱、边际谱和奇异值,实现振动信息的分析。通过分析钢轨正常和道岔状态轴箱振动信息,实现对钢轨表面状态的判断。结论如下:正常状态的振动频率主要集中在低频,道岔状态高频部分显著增加,且能量幅值峰值约是正常状态的50倍。道岔状态的边际谱和奇异值幅值均大于正常状态,且幅值峰值约是正常状态的3倍和5倍。

圆盘形压电双晶片结构发电特性建模及仿真研究

为了实现轨道车辆走行部零碳传感自供电技术,针对圆盘形压电双晶片结构进行发电特性建模及仿真研究,基于欧拉-伯努力理论与基尔霍夫定律,构建结构频率响应模型与输出功率模型,得到了结构几何参数与固有频率及输出功率之间的关系,并利用COMSOL软件建立仿真模型验证了模型的正确性。结果表明,圆盘形压电双晶片结构在前三阶处固有频率及输出功率理论值与仿真值偏差均在3%以内。

基于词袋模型的地铁车辆螺栓丢失故障检测

螺栓作为地铁车辆上数量最多的零部件,其异常状态检测是日常巡检工作中的重中之重。针对螺栓体积小特征提取困难的问题,提出一种基于词袋模型的地铁车辆螺栓丢失故障检测方法。首先利用滑动窗口在轴箱图像上提取候选区域,接着使用Harris-SIFT结合算法对候选区域提取特征和描述,然后特征聚类构建词袋并获得各个候选区域的词袋描述,最后利用SVM在候选区域进行丢失螺栓检测。实验结果表明,基于词袋模型的地铁车辆螺栓丢失故障检测准确率可达91.5%,能够很好地代替人工进行检查。

基于改进Yolov5算法的地铁车辆轴箱盖螺栓定位方法研究

针对传统算法在地铁车辆轴箱盖螺栓检测任务中出现模型体积和模型参数较大的问题,本文提出了一种改进Yolov5s算法,采用GhostNet残差结构思想和挤压激励,构建一个GGS模型结构作为主干,在多尺度融合时使用深度可分离卷积进行降维和降采样的轻量化的目标检测网络算法。实验结果表明,本文基于改进Yolov5网络在螺栓定位平均精确度达到了72%,Yolov5网络提升了2.8%,网络模型尺寸更是减少到5.6 m,相比于Yolov5s网络模型降低了62.2%,相对Yolov5s网络精度无损失的情况下,本文的网络的模型尺寸和模型参数大幅度下降。

机器视觉与惯性信息融合的轨道线形检测

轨道空间线形检测是保障列车运行安全的一项关键技术,受陀螺仪及加速度计的累计误差的影响,使得基于常规的惯性单元的轨道线形检测方法在低速连续运动测量下精度较低。为了解决该问题,提出一种基于机器视觉与惯性信息多传感器融合的轨道空间线形检测方法。通过分别建立惯性测量单元与机器视觉转换矩阵,倾角仪与惯性测量单元旋转矩阵及惯性测量单元与机器视觉平移关系矩阵,将动态测量数据转换到世界坐标系下,实现多传感器间的融合定标。利用扩展卡尔曼滤波将机器视觉与惯性信息进行融合,提高检测精度。最后,通过搭建测量平台进行实验验证,结果表明该方法的测量精度小于0.5mm且标准差低于0.3。与常规惯性测量方法相比,测量精度提高近10倍。

基于机器视觉的轨距检测方法研究

提出了一种基于机器视觉的轨距检测方法,该方法采用4个CCD摄像机和2个红色扇形光源构成检测系统。对检测系统进行了定标分析,采用提取分量的方式对图像的目标区域和背景区域进行分割,利用图像差影法去除噪声,应用自适应迭代阈值法对图像进行二值化处理,并通过膨胀和细化算法得到轨道的截面轮廓线。试验结果表明,该方法能有效地实现轨距参数的高精度动态测量,精度可达到0.07mm。

高速磁浮轨道长波不平顺检测系统设计

加强轨道不平顺的控制是提高列车运行品质的重要措施,而利用自动化测试系统是检测轨道平顺性的有效手段。介绍一种用于高速磁浮轨道长波不平顺检测的便携式测试系统。该系统采用了基于惯性测量原理的检测方法,并结合GPS定位技术实现轨道的定位。应用多线程并行处理技术实现GPS数据和数采卡数据的同步记录,设计了相应的数字滤波器对信号进行处理。测量结果表明:该检测系统能实现磁浮轨道长波不平顺的精确测量,测量结果不受列车运行速度的影响。