江苏省重点营运车辆技术管理现状研究

近年来,江苏省内发生多起道路运输事故。调查表明,事故发生与涉事车辆的安全技术状况均有一定的直接关系。因此,对于交通运输管理部门来说,加强道路运输企业安全监管,督促企业认真执行道路运输车辆技术管理各项标准、规范和制度就显得尤为重要。本文从车辆技术状况抽检情况、车辆检验检测信息系统应用情况、事故发生与车辆技术状况抽检对比分析、车辆技术状况管理情况四个方面对2021年度江苏省车辆技术检测情况进行分析,归纳出车辆技术状况检测与管理中存在的主要问题,并提出相应的管理措施和发展建议。

基于电动汽车制动安全检测的短时工况及方法研究

常规的制动安全检测通常采用长时间、极端工况,但可能会失去准确的工作范围。针对这一不足,首先提出一种踏板稳定模式的短时工况试验方法,该方法结合了现有的测试标准,并不限于单一的极端制动模式,而是可以考虑电动汽车的快速稳态运行。在此基础上,基于机器学习对运行片段回归并通过连续拼接构建短时工况。利用短时工况提出一种改进的制动安全检测方法,该方法通过主成分分析对制动片段的特征参数进行降维,同时根据特征参数计算制动片段的重复性距离判断安全隐患。最后,通过在测试台架上跟随短时工况,验证所提出的短时工况和制动安全检测方法的有效性。

横风作用下地铁车辆运行平稳性及安全性分析

[目的]城市轨道交通列车在高架线路上运行时,横风对车辆运行的平稳性和安全性有较大影响,需要对横风作用下地铁车辆的动力学性能进行更为深入的研究。[方法]在MATLAB软件中分别采用3种经典的横风风载模型(定常稳态风载模型、瞬态中国帽风载模型及非定常随机风载模型)模拟动态风场,在SIMPACK软件中建立单节编组车辆的精细化刚体动力学模型,将3种风载模型作为外部激励分别施加到车辆上;对比分析了车辆在直线上运行时不同风载模型、不同风速、不同车速对地铁车辆运行平稳性的影响;从安全设计角度出发,选取非定常随机风载模型,对车辆在曲线上运行时的平稳性及安全性进行分析,探究了不同风速下车辆运行速度的安全域。[结果及结论]在横风作用下,地铁车辆车速、风速均对车辆的运行平稳性及安全性有显著影响。车辆高速运行时,风速对车辆的横向振动影响更为突出。3种横风风载模型中,非定常随机风载模型对车辆的平稳性影响最明显;基于对车辆平稳性及安全性的分析,给出了不同线路形态(直线或曲线)、不同风速下的车辆限速值。

基于BS 7910—2019标准的地铁车辆车体焊缝裂纹安全寿命评估

[目的]针对上海轨道交通铝合金车体焊接裂纹问题,探索科学合理的裂纹安全评估方法,这对保障列车的安全运营具有重要意义。[方法]通过BS 7910—2019中失效评估图和断裂力学理论,构建了一套适用于铝合金车体焊缝裂纹的安全寿命评估模型,并以上海轨道交通01A01型列车TC(带司机室拖车)牵引梁的10 mm焊缝表面裂纹为评估对象,进行铝合金车体焊缝裂纹安全寿命评估实践。[结果及结论]该车车体焊缝裂纹尺寸处于可接受的安全范围内,安全临界裂纹尺寸为45.8 mm,剩余安全寿命为3.8年。对该裂纹可采取每半年检查1次的维保策略,在列车退役前不必进行其他修复措施。评估模型已考虑到车体结构及载荷的复杂性,采取的保守估计方法能在确保安全性的前提下做到定量预测。评估模型可为生产实践提供指导,对裂纹状态管控红线的划定具有重要价值。建议在列车大修时,对车体进行全面的状态评估,包括车体探伤、材料分析、载荷数据收集,为后续裂纹安全寿命评估积累基础信息。

地铁钢轨焊缝不平顺的动力特性及其安全阈值

为研究钢轨焊缝短波不平顺对地铁车辆轮轨动力响应影响,基于高斯函数提出了一类表述焊缝短波的表达式,基于车辆-轨道耦合动力学理论及仿真分析软件(unversal mechanism,UM),研究了新模型与传统谐波模型对地铁车辆轮轨动力特性影响,并分析了焊缝短波波长及波深对轮轨动力响应的影响,在此基础上提出了地铁焊缝短波不平顺的安全阈值。分析结果表明:与传统谐波模型相比,新模型呈现“瘦高”特性,实测不平顺介于两类模型之间,且局部区域斜率更接近新模型。车辆高速通过焊缝区时,新模型所引起的轮轨高频瞬态冲击力(P_(1))、轮重减载率、钢轨加速度及轴箱加速度比传统谐波模型更大。两类焊缝模型引起的轮重减载率随波深的加深呈现指数型增长,而随波长的增加呈反比例下降。采用轮重减载率作为评判标准比采用轮轨垂向力更为严格,当波长较小时其差别不明显,而当波长较大时轮轨垂向力作为评判准则所得波深为轮重减载率的2倍。与传统谐波模型相比,新模型所计算得波深更为严格。

基于多特征融合的地铁车辆制动组件异常检测

地铁车辆驾驶环境多变,导致制动组件异常检测存在精度误差,为此提出基于多特征融合的地铁车辆制动组件异常检测方法。通过无人机与云台搭载相机,采集地铁车辆制动组件运行图像。通过Gabor特征提取方法提取组件图像空间方向与尺度上的多种纹理特征。采用信息熵实现地铁车辆制动组件图像多个提取特征的融合。基于CNN设计BD-YOLO地铁车辆制动组件异常检测模型,实施制动组件异常检测。测试结果表明,在实验地铁车辆静止时,该方法的组件异常检测精确率达到了100%。在车辆正常运行的情况下,其组件异常检测精确率较高。在正常运行中列车管不充风的情况下,其组件异常检测宏平均召回率整体高于95%。

基于特征物理量的铁道车辆脱轨检测技术研究

近年来,铁道车辆迅速发展,但伴随着的安全问题也愈发引起的社会关注,其中脱轨问题毋庸置疑成为人们关注的焦点,所以对于铁道车辆的脱轨检测技术的研究具有重大意义。经过长时间的探索研究,前人使用经典的脱轨系数、轮重减载率等指标判断铁道车辆是否面临脱轨风险时,存在日常运营车辆的轮轨力难以检测、信息传递滞后等问题。针对以上问题,本文首先进行铁道车辆脱轨模拟仿真实验,确定轮对脱轨失效显著且易测的脱轨特征物理量即轮对横向加速度和侧倾角;其次,使用复合传感器检测仿真模拟时的轮对运行状态,通过实时检测车辆运行时轮对的状态,从而设计出一种脱轨的在线检测方案;然后,基于铁道车辆脱轨模拟仿真实验,分析铁道车辆行驶在直线与曲线工况下的轮对脱轨时对应的观测量阈值,并对车辆行驶在曲线路段设置的超高所引入的额外侧倾角进行补偿;最后,根据脱轨检测方案设计一套脱轨检测与预警系统,采用仿真算例来验证设计方案的可行性与有效性。研究结果表明:设计的脱轨检测技术方案可实现对车辆脱轨故障的有效检测,能有效支撑脱轨预警系统的开发,达到保护乘客和车辆安全的目的。此研究对于铁道车辆的快速安全发展具有一定的价值,为铁道车辆的脱轨检测技术的研究提供了更多思路。

胶轮地铁车辆安全轮结构设计与仿真分析

国内暂无胶轮地铁车辆安全轮的相关计算标准及方法。针对该研究需求,文章首先介绍了安全轮的结构设计,然后通过分析不同运行工况下安全轮的承载特性,参考传统车轮的载荷计算标准,提出了安全轮的载荷计算方法,最后以12.5 t轴重胶轮地铁车辆的安全轮为例,对其结构强度及制动工况下的温度进行仿真分析,结果表明,安全轮的结构设计满足相关标准要求。

汽车碰撞测试假人的计量检测研究

汽车碰撞测试假人是评估汽车安全性能的关键工具,为了确保这些假人的准确性和可重复性,需要对其进行计量检测。本文首先对汽车碰撞测试假人的种类和用途进行了介绍,总结了目前国内外在汽车碰撞测试假人计量检测方面的研究成果。接着,重点分析了汽车碰撞测试假人计量检测中存在的问题和挑战,针对这些问题提出了一系列解决方案。最后,总结了现有的研究成果,提出了进一步的研究方向,致力于开发更为精确的计量检测方法和设备,提高假人模型的准确性和可重复性,为汽车安全性能的评估提供更加可靠的技术支持。

Deep Learning-Based Intrusion System for Vehicular Ad Hoc Networks

The increasing use of the Internet with vehicles has made travel more convenient.However,hackers can attack intelligent vehicles through various technical loopholes,resulting in a range of security issues.Due to these security issues,the safety protection technology of the in-vehicle system has become a focus of research.Using the advanced autoencoder network and recurrent neural network in deep learning,we investigated the intrusion detection system based on the in-vehicle system.We combined two algorithms to realize the efficient learning of the vehicle’s boundary behavior and the detection of intrusive behavior.In order to verify the accuracy and efficiency of the proposed model,it was evaluated using real vehicle data.The experimental results show that the combination of the two technologies can effectively and accurately identify abnormal boundary behavior.The parameters of the model are self-iteratively updated using the time-based back propagation algorithm.We verified that the model proposed in this study can reach a nearly 96%accurate detection rate.

低空无人机飞行冲突分类探测与差异解脱方法研究

针对低空空域这一民用无人机当前的主要活动空间,为解决低空无人机飞行冲突问题,保证无人机飞行安全,提出了一种无人机飞行冲突分类探测与差异解脱方法。首先,在分析无人机低空运行模式的基础上,从对头、交叉和追赶等视角构建低空无人机异质飞行冲突场景,设计了基于安全间隔的无人机飞行保护区,建立了基于改进速度障碍法的无人机飞行冲突探测方法;然后,采用调整高度、航向和速度的飞行调配思路,设计了无人机飞行冲突解脱策略及其适用条件,构建了以最小化冲突解脱时间成本为导向的无人机飞行冲突解脱策略最优配置规则及实施流程;最后,设计多种典型冲突场景对所提方法进行了仿真验证,并分析了时间约束的敏感性。仿真结果表明,所提方法可对低空空域内潜在的无人机飞行冲突进行有效探测,并实现异质冲突场景下解脱策略优先级的科学配置,最优解脱策略的求解时间可控制在2.5 s以下。研究成果可为提升低空空域系统内无人机运行安全管理水平提供依据。

Bi-PPYOLO tiny:一种轻量型的机场无人机检测方法

机场“黑飞”无人机的检测关系着整个机场的安全问题,机场现有基于雷达手段的无人机探测方法无法正确识别无人机的类型及个数。基于现有雷达探测无人机方法存在的缺点,对PPYOLO tiny目标检测方法在无人机检测中存在的问题进行改进,结合机场“黑飞”无人机的特性和硬件设备部署中模型参数量小的特性,提出了基于Bi-PPYOLO tiny的轻量型无人机检测方法,提出双锥台特征融合结构,并优化检测头部的锚框大小,有效提升了无人机的检测精度。经试验验证,该方法将平均检测精度PmA从68.07%提升至76.71%,模型参数量为4.06 MB,推理速度为32.21帧/s。所提方法有助于轻量型无人机检测方法在光电设备上的部署与实施,与现有机场无人机探测手段共同保障机场安全。

基于改进yolov4-tiny的地铁受电弓燃弧检测方法

地铁受电弓的燃弧会加剧受电弓滑板和接触网磨损,严重危害轨道交通安全。文章针对地铁车辆受电弓燃弧检测存在强光干扰和背景多变的问题,提出了一种基于yolov4-tiny模型改进的燃弧检测方法。为提升小目标检测能力,该方法在yolov4-tiny原有两个尺度的预测分支的基础上,添加第三尺度的预测分支以实现小燃弧在浅层网络中的定位,在主干网络后增加RFB(Receptive Field Block)模块以扩大网络的感受野,增强模型的特征提取能力。结果表明,改进的模型在测试集上的平均精度值(PAP)比yolov4-tiny提升了7.8个百分点,达到了98.2%,燃弧的定位效果与yolov4相当,但速度得到了极大的提升,单张图片的推理速度仅为6.5 ms,能有效、准确地完成地铁车辆中的受电弓燃弧检测任务。

基于实例分割的车道线检测算法

为实现在自动驾驶复杂场景下检测数量变化的车道线,提出一种基于实例分割的车道线检测算法。首先以ResNet18网络作为主干网络提取图像特征,采用特征金字塔网络进行特征融合。同时设计一种扩张卷积残差模块来提高检测的精度;然后基于车道线的位置进行实例分割,利用语义分割出的车道线点位置预测对应的聚类点位置,通过对聚类点采用DBSCAN聚类算法实现车道线实例区分。结果表明,该算法能够在复杂的自动驾驶场景下有效地进行多车道线检测,在CULane数据集和TuSimple数据集上的调和平均值分别达到75.2%和97.0%。

地铁车辆钢弹簧断裂后的扭曲轨道通过安全性研究

针对地铁车辆转向架常见的一系钢弹簧断裂故障,首先从理论上分析了钢弹簧断裂后的参数变化,然后建立了地铁车辆的动力学仿真模型,考虑弹簧端部支撑圈断裂和弹簧中部有效圈断裂两种故障类型,对比分析了故障车辆和正常车辆通过扭曲轨道的各项安全性指标。研究结果表明:钢弹簧断裂对车辆垂向相关的安全性指标影响明显,主要是轮重减载率和脱轨系数,对轮轴横向力影响很小;此外,不同的钢弹簧断裂类型对车辆的安全性指标影响规律类似,但是数值不同;虽然钢弹簧断裂会恶化车辆的安全性指标,但是各项安全性指标均小于相应的限值,满足标准要求。

YRNet:一种基于混合神经网络的多目标车辆检测方法

随着汽车保有量屡创新高,为提高道路交通安全水平,以目标车辆检测为核心,设计了一种用于多目标车辆检测的融合神经网络。为解决多尺度车辆难以检测、计算量大的问题,在Yolov5基础上将Backbone部分采用的CSP-DarkNet替换成了CSP-ResNext,搭建了新的融合网络YRNet;针对训练与推理过程中Batch Norm方法随batchsize变化效果极其不稳定的问题,改进了Group Norm方法;针对更好的性能,在计算量未显著增加的前提下将LeakyReLU激活函数换成了Mish激活函数。最后在自己制作的数据集上进行实验,并且通过TensorRT模型加速部署到实际应用中,平均检测精度达到了95.8%,速度达到了66FPS,能很好地满足实际应用需要。

基于机器学习的电动汽车无线充电异物目标检测方法

生物体和金属异物存在于发射线圈附近时,影响电动汽车无线充电系统的传输功率、传输效率,造成安全事故,线圈电路检测、超声波/雷达检测、图像特征检测等目前常见检测方法存在不足。文中研究并设计了一套基于机器学习的异物目标检测算法,并应用在电动汽车无线充电安全运行中,可及时对事故做出预警和处理。该系统由图像采集模块、无线传输模块、云平台和服务器四大部分组成,通过摄像头对充电过程中可能混入的猫、狗生物体,以及易拉罐、螺丝钉、硬币金属异物进行图像采集,无线传输到云平台服务器上,利用深度学习的YOLOv5训练模型检测区域内是否存在异物,检测结果发送给充电控制器和用户。实验结果表明:YOLOv5在测试集上经过1 000次迭代训练后,检测精度达到0.855 9,召回率达到0.998 1,速度达到62 FPS;在实际复杂的充电环境下,对不同光照条件、不同停车位地面、不同尺寸的5个类别异物进行推理测试,具有较高的检测精度和适应性,满足目标检测的高效性要求,为实现车辆充电安全提供了重要保障。

地铁车辆轴箱轴承故障智能检测系统

针对地铁车辆轴箱轴承故障诊断过程中隧道内强反射噪声干扰的问题,提出了一种基于小波包分解与大数据神经网络算法的故障智能检测系统。通过轨边非接触式声学传感器阵列,实现车辆走行部轴箱轴承声音信号采集;结合峭度计算方法,利用小波包分解进行特征提取;基于大数据神经网络算法进行故障分析识别,并完成智能诊断。实测验证了该系统对地铁车辆轴箱轴承故障检测的可靠性。

基于隧道结构检测的安全评价研究

文中以重庆某地铁隧道病害为例,介绍了衬砌外观检测、混凝土强度检测、净空断面检测、隧道衬砌地质雷达检测的实际应用效果,结合安全评价肯定了该检测方式的系统科学性。

基于巡逻无人机的轻量型安全帽佩戴检测方法与应用

目前,安全帽检测系统主要使用固定摄像头,无法实现全区域检测,而基于深度学习的检测算法结构复杂、计算成本高,无法满足移动端和嵌入式设备的部署要求。针对上述问题,该文提出一种基于无人机的安全帽轻量型视觉检测算法。系统通过无人机平台搭载的相机对施工现场进行图像采集,并无线传输至后台计算机进行处理,检测算法基于YOLOv5s框架进行了轻量化改进。针对无人机采集影像中目标占比较小的问题,该文采用了多尺度检测、图像预处理、正负样本不均衡等方法,对YOLOv5s目标检测算法进行针对性改进。测试结果表明,与原模型相比,轻量型目标检测模型的平均精度均值仅下降了1.72%,但在同一CPU上的推理速度提升了1倍,浮点计算量由原来的每秒165亿次压缩至每秒34亿次,模型大小约为原模型的1/10。