基于深度学习的联锁测试序列推荐方法

测试序列的组织与选取是保证铁路信号联锁系统测试质量和效率的关键环节,现阶段主要采用人工方式进行,工作量大且容易遗留漏洞。通过结合专家经验及历史测试信息,提出一种基于深度学习的联锁功能测试序列推荐方法,用以辅助测试人员开展测试工作,提高测试效率。针对联锁拓扑结构特征难以通过深度学习提取和训练的问题,构建了基于站场拓扑结构的树形递归神经网络,提高模型对联锁测试数据的特征提取能力;针对联锁测试序列特点,设计加入注意力机制的编码器-解码器框架,解决模型训练时产生的信息压缩问题,提高模型对联锁逻辑及测试案例间逻辑关联的学习能力。基于实际站场数据进行了一系列对比实验,结果表明,将递归神经网络与加入注意力机制的编码器-解码器框架相结合的测试序列推荐模型在训练集及测试集精确度方面均高于其他模型,达到90%以上并通过测试序列的执行时间和缺陷检测速率证明了该推荐模型的可行性。

铁路站场无线Wi-Fi安全接入方案研究

针对目前铁路站场各类应用所使用的无线Wi-Fi网络接入存在的问题和风险,提出一种安全接入方案。依据等级保护相关技术要求和标准,从终端接入认证、用户身份认证、终端安全监测等方面对铁路站场移动终端安全接入方案进行构思,设计了铁路站场无线Wi-Fi安全接入框架及移动终端安全接入流程,明确了无线接入点、无线网络控制器、Wi-Fi安全接入网关、移动终端安全管理平台的功能定位。通过安全性分析,验证了该方案可实现铁路站场接入终端安全可控、接入用户安全可信、终端安全状态持续检测和异常终端拒绝接入等功能,支持铁路各站场Wi-Fi的统一管理和运维,降低了铁路站场网络安全防护的建设成本和运维成本,适用于各铁路局站场无线Wi-Fi环境。

基于LSTM的煤场热值损失多因素线性回归预测

针对火力发电厂煤场热值损失问题,提出了一种基于长短期记忆(LSTM)的多因素线性回归综合热值损失预测模型。使用LSTM神经网络预测煤场所在地的环境因素,建立煤堆热值变化与时间累积下各因素总值之间的回归方程,代入预测因素的影响值以计算未来的热值损失。在煤场进行实地数据采样,对高位热值进行同值灰分处理,利用所记录的环境因素数据对因变量热值进行多因素回归分析,建立热值损失数学模型。通过构建LSTM神经网络预测多因素变化,将预测数据导入回归模型进行热值变化的预测。仿真结果表明:多因素LSTM神经网络对环境因素的预测精度要高于单因素及传统差分自回归移动平均(ARIMA)模型,并且具有较强的稳定性。

中老泰铁路国际货物联运通道发展策略研究

中老昆万铁路的开通,打通连接国内市场和南亚、东南亚的经济通道,打破中国—中南半岛间国际物流传统通道格局,助力实现中老泰铁路互联互通。通过分析老挝、泰国交通现状,阐释中老泰贸易及中国与东盟国家的跨境贸易发展现状,剖析中老泰铁路国际货物联运通道发展现状及存在问题,提出中老泰铁路国际货物联运通道发展策略,即:补强国际联运通道设施设备,加强铁路通道能力;打造特色国际联运货运产品,增强信息服务水平;建立境内外运输组织协调机制,优化运输组织效率;构建中老泰公铁海多式联运体系,提高经营服务水平。在此基础上,更好地发挥中老昆万铁路“黄金通道”辐射效应,加强中国与东盟地区互联互通发展格局。

铁路货运站场车辆终到停留时间预测模型研究

为应对显著增加的铁路货运作业需求,提高铁路货运站场作业效率,在收集相关影响因素的基础上,设计了铁路货运站场车辆终到停留时间预测模型(简称:预测模型)。该模型通过统计数据,预测车辆出发空重状态,再根据出发状态预测终到停留时长。采用同时训练随机森林和BP(Back Propagation)神经网络、选取较优结果的方式构建3个子模型。通过数据验证,该预测模型的预测结果均方误差与平均绝对误差均优于仅使用随机森林算法或BP神经网络算法的模型,能够有效预测车辆终到停留时间,为货运站场作业计划安排和作业效率分析提供技术支撑。

电气化铁路大型货场新型移动接触网设计探讨

随着我国铁路运输的发展,电气化铁路成为我国主要铁路运输方式之一。而在电气化铁路货场的装卸作业中,移动接触网是一种常用的设备。对目前使用的移动接触网系统进行了总结分析,在此基础上提出了一种新型的移动接触网设计方案。该方案具有架设简单、施工方便、经济性好等优点。目前,该移动接触网系统已在国内多个电气化货场投入使用,运行效果良好,并取得了良好的经济效益和社会效益。

储煤场扬尘防治技术及节能对比改造研究

为有效控制储煤场的扬尘污染,保证大气环境,提出了封闭式储煤场防尘方式。当储煤场作业时,棚内扬尘浓度大于棚外,且棚内配套使用抑尘网、水雾喷淋等能有效防止扬尘外溢。在此基础上,还采取了建立控制洒水系统、改善装卸抑尘工艺等措施进一步预防扬尘。最后,通过改变封闭结构、减小封闭面积及降低挡墙高度等措施改造储煤场,约降低成本1100万元、减小封闭面积3245 m2,实现了封闭降尘和节能效果。

基于改进型SSD算法的铁路货场异物侵限小目标检测研究

为解决铁路货场异物侵限场景中小目标检测难度大、准确率不高、检测效果不佳的问题,提出基于特征金字塔网络的改进型单阶多框检测(SSD)算法。通过研究现阶段铁路货场业务管理现状、异物侵限场景及对应的检测技术,对小目标检测现存问题进行归类总结;通过在SSD算法的检测网络部分增加不同特征层信息的金字塔网络结构,提高小目标检测效率。根据改进前后2种算法在铁路货场异物侵限场景的试验数据对比,得出改进型SSD算法推理阶段的检出精度更高,可有效提高小目标检测效率和准确率,为铁路货场智能化安全管控提供有力的技术支撑。

散货料场设备的集中管控系统

利用神经网络算法将各台堆取料设备、各料堆状况构成散货料场运行系统的节点,采用对料场按地理位置做区域网格划分,对料场内设备进行区域规划编号并做主从设置的方法,由料场作业经验数据库和上位机监管软件完成对料场的无人化监管和智能化运营。

高含硫天然气站场定量风险评价技术研究

为保证高含硫天然气站场的安全平稳运行,在梳理失效机理的基础上,对站内压力容器及管道的失效概率进行计算,并评价了单体设备的风险等级;按照介质流向,结合GO (以成功为导向的方法)建立了站场子系统流程,将GO图中的操作符和信号流向贝叶斯网络映射,最终得到各系统的故障率、维修率和稳态不可用概率,继而得到站场的整体风险水平,通过实例分析对定量风险评价技术进行了验证。结果表明,不同子系统及站场的风险水平与实际情况相符;子系统的风险水平与腐蚀情况、设备备用情况及设备使用频率等有关,应在经济和安全条件允许的情况下,对风险水平较高的系统设置防护及风险减缓措施。研究结果可为站场风险减缓措施的制定提供实际参考。

基于超图语义模型的铁路站场路网数字化设计

提出以道路及相关设备为节点、约束关系为边的路网约束关系超图语义模型,全面准确地描述路网复杂耦合约束关系;建立交叉口判别准则,研发交叉口自动判别算法以及路网超图更新算法,实现了路网超图模型的动态维护;以诺尔盖车站工区路网设计为例对模型进行验证,结果表明该模型很好地满足设计需求。此外,该模型可拓展应用于城市路网、地下管线设计等领域。

基于状态节点网络的龙门吊路径优化问题研究

为提升集装箱堆场的作业效率和服务水平,研究了集装箱堆场龙门吊的作业路径问题。将龙门吊的作业任务划分为阶段任务和阶段内子任务后,通过定义状态、状态值以及状态间距,提出了基于状态节点网络的龙门吊路径优化模型。并针对模型的特点,设计求解算法,算法由递归算法生成状态节点空间,用整数编码的遗传算法进行状态组合寻优。最后,以某集装箱码头实际作业数据为基础,进行了模型和算法的验证计算,结果显示基于状态节点网络的路径优化方法有效地减少了龙门吊的作业移动距离。

路网、区域性编组站现状评价及对策研究

本文简要介绍了我国 15个路网性编组站和 17个区域性编组站目前的主要设备及能力状况 ;指出了编组站在整体布局上、与区间能力及内部各系统的能力协调上、编组站的改扩建及自动化改造中、编组站的设计观念和设备的维护维修等方面所存在的问题 ;分析了导致车流不均衡性加剧的原因 ,并指出车流不均衡性的加剧是目前编组站面临的新挑战。研究了运输新产品的开行对编组站的影响 ,收集了全路受影响较大的八个编组站的有关数据 ,利用统计分析、计算机模拟的方法 ,着重对到达流进行了研究 ,并引入参数Ф、Ψ来描述车流的不均衡程度。研究结果比较表明 ,目前车流的不均衡程度已十分严重。文章从编组站的布局及编组站自身两方面 ,提出了消除不均衡影响的对策 ;分析研究了编组站为适应我国铁路大发展的对策。

铁路编组站目标毁伤效果评估

针对铁路编组站的特点,对其子目标进行分析并建立毁伤模型。在此基础上构建网络图评估模型,并运用联系数对毁伤效果进行量化和计算,算例结果表明评估模型合理有效。

Controller link 现场总线在编组站自动化中的应用

简要介绍集中式和分布式控制系统的结构,重点阐述controllerlink现场总线的技术特点,该现场总线应用于TXJK驼峰自动控制系统后,使整个系统的通信过程完全由智能化和标准化的Controllerlink通信卡管理,不需用户干预通信过程。

基于网络流的自动化集装箱码头堆场空间分配

为解决自动化集装箱码头堆场空间分配问题,突出自动化集装箱码头堆场的布局特征以及制定堆存计划时的特点,将堆存计划视为一个具有时间和空间维度的网络优化问题,提出一种基于网络流的自动化集装箱码头堆场空间动态分配的模型,并使用禁忌搜索算法来求解。结果表明,通过该方法可以确保同一时间段内作业的进口箱和出口箱均衡的分配在箱区中,同时满足场桥的"重进重出"。最后对CPLEX和禁忌搜索算法求解的结果进行比较,证明了禁忌搜索算法的优越性。

中国铁路货运网编组站布局特性

以铁路货运网为基础,构建了铁路地理网和铁路运输网,运用复杂网络理论分析编组站的布局特征,研究得出了编组站的度、介数、脆弱性、出入度与出入强度、强度相关性等网络指标.基于铁路地理网的统计结果显示,我国编组站的平均度为4.36,介数与度是正相关的,丰台西、山海关、向塘西等编组站的脆弱性较为突出.基于铁路运输网的统计结果显示,编组站的平均入度为11.3,平均入强度为3 331.7,平均出度为11.2,平均出强度为3 478.9,入强度与入度、出强度与出度均呈现正相关趋势.编组站强度相关性研究显示铁路运输网属于非同类混合网络,出入强度较高的编组站倾向于与其他出入强度较低的节点连接.

人工神经网络在现代农业园区机械化程度综合评估中的应用

通过将人工神经网络应用于现代化农业园区机械化程度的综合评估,介绍了神经网络的评估原理,建立了农业园区机械化程度的评估模型。

新世纪中国西部大开发呼唤铁路大建设大发展

本文根据中国西部大发展的重要意义 ,论述中国西部铁路大建设与大发展的必要性与重要性。对如何规划和建设好中国西部铁路网 ,提出了应将区际铁路、通道建设与改造列为重中之重 ,并应搞好点线能力协调的建议。对如何加快和优化中国西部铁路建设与发展 ,就五个重大关键问题提出了相应建议。

基于网络技术的铁路站场施工工期优化研究

大型站场改造工程往往规模大,改造过程复杂,质量要求高,这些特点增加了站改施工阶段控制的难度。对此在传统网络技术工期费用优化模型的基础上,考虑到工期与质量的关系,引入工期质量模型对工程质量进行量化,最后综合项目工期、费用和质量3个因素建立目标函数对所得方案进行排序,选出了最佳施工方案。