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。

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。

基于多源数据的铁路5G-R运用质量评估系统设计

铁路5G-R网络性能监控和故障排查技术研究是提升5G-R运用水平的重要手段,针对各类网络性能数据获取困难、铁路管理和技术人员对于5G-R网络运用质量关注的颗粒度不同、智能化手段支撑不足、缺乏系统级网络性能评估体系设计等问题,探究如何充分利用多源数据建立5G-R网络性能智能化评估系统以支撑智能铁路发展成为迫切需要。深入分析DPI、Uu接口、网管北向接口、路测等用于评估的数据源的特点和构成,并介绍各类数据的获取方法。提出基于劣化度理论的5G-R总体健康状态判断思路,并利用机器学习技术对网络异常和故障进行分析。在以上关键技术研究的基础上,提出基于微服务的5G-R运用质量评估系统架构。针对5G-R运用质量评估开展的关键技术研究和系统架构设计可为未来5G-R运维支撑系统研发提供技术支持。

四网融合的信号系统方案研究

城市轨道交通、市域(郊)铁路和城际铁路建设均在向网络化运营推进,各种轨道交通之间的互联互通已经是工程建设必须面临的问题,而信号系统的兼容性则是实现各种轨道交通互联互通的一个基础条件。目前,CBTC系统和CTCS列控系统在各自轨道交通领域均处于统治性的市场地位,两种列控系统对土建条件的需求截然不同,由此导致工程规模、功能定位等各方面的重大差异。重点论述两种列控系统在运营能力、公交化运营等方面的差异,针对目前互联互通所面临的技术难点,提出解决方案,为后续工程设计提供一个可行的思路。

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。

基于云平台的铁路无线电信号DOA跟踪算法

在高速铁路场景下,准确估计和跟踪无线电信号的波达方向(Direction of Arrival, DOA)能够有效提升无线通信服务质量.然而,高速移动的无线信道具有快速时变特性,对信号处理的速度和准确性提出了更高的挑战.针对传统的基于信号子空间的DOA估计算法,由于巨大的计算量而无法应用于高速铁路快速时变系统中进行DOA跟踪的问题,提出了基于卡尔曼滤波和正交压缩近似投影子空间跟踪(Kalman Filter-Orthonormal Projection Approximation and Subspace Tracking of deflation, K-OPASTd)的DOA算法.首先,搭建基于云平台的铁路信号动态测向系统;然后,建立列车接收信号模型,提出K-OPASTd算法对DOA进行动态跟踪;最后,将本文提出的算法与OPASTd算法所得到的估计角度的均方根误差进行仿真对比实验.研究结果表明:信噪比均为10dB时,本文所提算法的均方根误差比OPASTd算法低约60%;阵元均为20时,K-OPASTd算法的均方根误差比OPASTd算法低约80%.

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。

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。

基于ARIMA-TCN混合模型的高速铁路时间同步方法

列控系统作为高速铁路的核心系统,保持其系统的时间同步对于行车安全至关重要。针对现有时间同步方法易受时变上下行传输时延、随机时钟跳变等影响,导致主从时钟偏移估计不准确的问题,提出一种基于差分自回归移动平均-时域卷积神经网络(ARIMA-TCN)混合模型的高速铁路时间同步方法。首先,根据上下行链路传输速率的不对称比,建立高速铁路时钟的数学理论和实际观测模型。然后,使用拉依达准则识别处理跳变异常值,完成实际时间序列的预处理。再次,使用ARIMA模型平滑时间序列中不确定时延带来的噪声抖动,获得平稳的时间序列。最后,通过提出的注意力增强TCN模型进行预测补偿,完成时钟偏移的补偿校正。通过实验仿真,得到基站区间内位置、基站间距以及车速对高速铁路时间同步的影响性分析。实验结果表明:与对比方法相比,所提方法补偿后的均方根误差较最小二乘法减少了75%、较最大似然估计方法误差减少了44.4%,较BP神经网络方法误差减少了16.7%,验证所提方法具有更低的同步误差和更高的同步精度。

基于格密码的5G-R车地认证密钥协商方案

5G-R作为我国下一代高速铁路无线通信系统,其安全性对于保障行车安全至关重要。针对5G-AKA协议存在隐私泄露、根密钥不变和效率低等问题,基于格密码理论提出一种新型5G-R车地认证方案。首先,使用临时身份信息GUTI代替SUCI,克服了SUCI明文传输的缺点。其次,设计基于格密码的根密钥更新策略,采用格上公钥密码体制、近似平滑投射散列函数和密钥共识算法,实现了根密钥的动态更新和前后向安全性。再次,加入随机质询和消息认证码,实现了通信三方的相互认证,可有效防范重放、DoS等多种恶意攻击。最后,采用串空间形式化方法进行安全验证,结果表明:本文方法较其他方法有更高的安全性,被攻击成功的概率最低,仅为O(n^(2))×2^(-128),且有较低的计算开销和通信开销,能够满足5G-R高安全性的需求。

基于区块链高效安全的多部门铁路工程数据访问控制策略

针对铁路工程建设中各参建部门之间的数据资源,具有共享效率差、利用率低和安全程度不高的问题,提出一种基于区块链(Blockchain)铁路工程数据的共享及安全存储方案来弥补现有的铁路工程数据平台的不足。在工程建设平台中,引入了基于外包的属性加密技术(Outsourcing-Attribute Based Encryption technology, OABE)、区块链技术和星际文件系统(Interplanetary File System, IPFS)以及边缘节点(Edge Nodes, EN),并提出一种适用于铁路工程建设的多部门区块链与IPFS的协作网络。研究结果表明:当施工现场资源设备有限时,相比于较为传统基于云辅助的密文策略属性基加密技术(Ciphertext Policy Attribute Based Encryption, CP-ABE),通过将铁路工程数据外包给边缘节点,可以更好地为资源受限设备提供大量的计算,减轻设备的计算负担,确保了数据的安全性并且提高了设备的计算效率。而且将铁路工程数据存储在星际文件系统上,避免集中式的服务器机制在故障时造成数据的丢失和泄露。此外,通过使用区块链网络可以提高参建单位之间的数据资源共享效率,增强了数据的利用率,利用区块链的共识性来实现每个参建单位之间数据的一致性,确保了不同参建单位间的信任度。经过安全性证明,采用基于双线性迪菲赫尔曼指数假设(Decision q-Bilinear Diffie Hellman Exponent Assumption, q-BDHE)下具有不可区分性是安全的。实验结果表明,该策略在本地用户计算时间效率上与现有的带关键字搜索的外包属性基加密方案以及属性基加密的方案相比是最优的,可以很好地减轻现场设备的计算负担。

基于对比学习的电液转辙机故障智能诊断方法

道岔转辙机是铁路运行调度的关键设备,由于其外部使用环境恶劣、内部设备结构复杂,使得转辙机在工作过程中容易产生不同的运行故障。针对广泛应用于高速铁路的电液转辙机,提出基于对比学习的电液转辙机故障智能诊断方法:对电液转辙机左右液压缸油压监测信号使用对比学习的思想正则化特征空间;使用实例级权重策略增强模型泛化能力;使用多种数据增强方法提高模型鲁棒性。最后通过电液转辙机的运行故障实验验证本方法的有效性与优越性。

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GADF与2D CNN-改进SVM的道岔故障诊断方法研究

针对道岔故障特征不易提取以及道岔故障诊断准确率较低的问题,提出一种格拉姆角差场(Gramian Angular Difference Fields, GADF)与二维卷积神经网络(Two Dimensional Convolutional Neural Network, 2D CNN)-改进支持向量机(Support Vector Machine, SVM)的道岔故障诊断组合方法。首先,结合现场实际应用情况,选取道岔设备正常转换与典型故障的转辙机功率曲线,建立转辙机功率曲线样本数据库;采用GADF编码将一维转辙机功率曲线信号转换为具有时间相关性的二维特征图,分别选择16×16、32×32以及64×64大小的特征图并提取图像数据。其次,在LeNet-5模型的基础上设计2D CNN网络结构,并将图像数据输入至基于2D CNN的道岔故障特征提取模型中,经多层的卷积层、池化层以及全连接层提取特征指标,建立道岔故障诊断样本数据库。最后,通过北方苍鹰优化(Northern Goshawk Optimization, NGO)算法优化SVM算法的惩罚因子与核函数方差,构建基于NGO-SVM的道岔故障诊断模型。实验结果分析表明,将转辙机功率曲线数据经GADF编码为64×64大小的特征图,并通过2D CNN模型提取道岔典型特征数据,较其他数据处理方法具有较高的故障诊断准确率,同时提高了故障诊断实时性;将建立的道岔故障诊断样本数据库输入至NGO-SVM道岔故障诊断模型,其故障诊断准确率高达97.5%,较其他故障诊断模型具有更好的故障诊断性能,为道岔故障诊断提供了一种新方法,对现场道岔设备的日常维修具有一定的指导意义。