基于图像识别技术的轨道交通缺陷检测研究

传统人工巡检轨道交通缺陷存在效率低、误差大等缺点,运用综合轨道检查车(CTIV)为检测平台,建立了一种车载式轨道交通图像识别智能巡检系统。利用CTIV采集连续轨道边界框图像建立数据集,在C++中使用应用程序开发框架(QT)设计了可视化数据标注的定制软件工具。通过全卷积网络(FCN)建立了多任务学习扩展网络架构,结合多个检测器可以提高轨枕和轨道弹力紧固件的缺陷检测性能。实验结果表明,提出方法在检测轨枕和紧固件缺陷时具有较高的精度。

基于动态稀疏注意力的地铁客流预测模型

地铁客流预测是随时间演变的多维时间序列数据,不同序列之间存在复杂的动态相互依赖关系。为挖掘多种监测指标之间存在的内在复杂关系,提出动态稀疏注意力模型:利用全局变量注意力自动选择相关驱动序列,增强模型预测的判别性;根据局部紧密相关和全局稀疏相关的先验知识,对历史时间步和相关变量分别卷积和稀疏卷积,提取局部时间和局部变量特征;设计了稀疏注意力对相关时间步加权和变量加权,提高预测表现。结果表明,与其他常用客流预测模型相比,动态稀疏注意力模型能高度准确地预测客流。

基于梯度差的声速剖面自适应分层算法

声速剖面表示声速与深度的函数关系,常用于水声定位,以纵轴表示海深,横轴表示声速。针对高精度水声定位系统中定位精度与计算量相互矛盾的问题,提出一种声速剖面自适应分层算法。该算法根据声速在有限范围内规律变化的特点,对声速剖面逐层搜索。通过声速层之间声速变化梯度差情况找出声速变化的节点,保留原始声速剖面特征,实现对声速剖面的简化。仿真实验结果表明,根据阈值选取的大小,算法自适应分层处理后对原声速剖面的精简可达70%。在选取合适阈值时,与D-P算法相比可以获得更小的定位误差,具有良好的工程应用价值。