摘要：随着城市化进程的加速和人们对出行效率、舒适度需求的增长,轨道交通已经成为众多大城市居民日常通勤及出行的核心选择。然而,随着依赖程度的加深,乘客对轨道交通服务的稳定性和可靠性有了更高的期待。针对地铁车辆客室照明进行延时供电改造的深入探索与实践,旨在解决车辆在突发异常断电情况下客室照明熄灭的问题,以提升乘客的乘车体验,确保乘车的安全性。首先对常见地铁车辆客室照明的组成进行了分析,通过对光源、驱动电源以及电路原理的分析,提出了当车辆断电以后,由车辆的永久负载继续提供供电,确保可维持车辆照明45 min时间的设计目标。针对此设计目标,结合目前均由常规负载供电的情况,在永久负载代替常规负载方面,提出了两种改造方案,并对稳定性、便捷性以及改造成本方面进行了对比分析,确定了最终的改造方案。进行实际改造验证后,客室照明能够在车辆断电情况下由永久负载供电,维持45 min的照明,为乘客提供必要的光照环境,达到了预期的效果。通过改造,可确保乘客安全、有序地疏散,避免黑暗情况下的乘客恐慌,提升车辆运营方的服务品质。

摘要：以人工模式为主的方孔锁松动异常识别存在检修效率低且难以保证检修质量的问题。为了提高方孔锁松动检修效率和检修准确率,设计一种孪生残差多尺度特征融合网络用于方孔锁松动识别。针对孪生残差网络中无法充分利用浅层多尺度特征的问题,利用一种特征融合模块(feature fusion module,FFM),对不同尺度下的特征进行自适应融合。提出一种数据增广算法模拟方孔锁松动故障,解决方孔锁实际松动数据数量较少的问题。测试集上的试验结果表明,这种增广算法能够明显提高方孔锁松动识别准确率,F-Score评价指标提高。相比于孪生残差网络,孪生残差多尺度特征融合网络具有更高的识别准确率,在不同松动角度的测试集上,准确率提升最高可达2.66%。

摘要：针对城轨列车运营过程中非预期障碍物对行车安全造成的风险,设计了一套对列车运行前方限界内障碍物进行主动检测、识别及报警的主动防撞系统,为列车司机或车载系统提供前期预警信息,协助司机避免碰撞,保障列车在复杂运行环境下的运营安全。系统通过视觉摄像机、毫米波雷达以及激光雷达采集列车前方路况数据信息,通过以太网将数据信息发送给智能检测主机进行融合处理,将处理结果呈报给司机,以指导司机正线行车处理。通过对不同传感器优劣势的分析,选定特定的传感器,并结合不同传感器的优势,在数据层进行多传感融合,使系统具备高可靠、全天候、全天时的非接触式主动障碍物及异常情况检测能力。通过装车应用,对试验效果进行验证,能够实现对列车前方障碍物目标的正确检测。同时,针对主动防撞系统的未来研究,在传感器选型、算法成熟度以及控车可行性方面提出了相关建议,对推动主动防撞系统技术的发展具有一定的指导意义。