摘要：以某预留400 km·h^(-1)速度条件的高速铁路为研究背景,基于代理模型和优化思想,从系统设计层面提出考虑经济性的高速铁路隧道气动效应关键参数优化方法。首先,采用流体力学软件建立隧道气动效应数值模型,并基于列车以300 km·h^(-1)速度通过隧道的实测数据,验证数值模型的有效性;然后,以隧道净空面积和车辆动态密封指数为变量,依托既有350 km·h^(-1)高速铁路数据,构建列车以400 km·h^(-1)速度通过隧道时车内气压变化3 s极值的Kriging代理模型;最后,以建造成本为目标函数,构建考虑经济性的高速铁路隧道气动效应关键参数优化模型,设计布谷鸟搜索算法,求解满足舒适度标准的最优隧道净空面积和车辆动态密封指数。结果表明:代理模型预测的相对均方根误差为0.59%、相关系数为0.9999,能够精确描述车内气压变化3 s极值与车辆动态密封指数、隧道净空面积的非线性关系;对于400 km·h^(-1)高速铁路,建设成本最小时隧道净空面积为100 m^(2)、车辆动态密封指数为11 s,此时车内气压变化3 s极值为1163.4 Pa,满足气动舒适度要求。

摘要：为研究随机列车荷载作用下钢弹簧浮置板轨道(steel spring floating slab track,简称SSFST)上线运营后的减振效果,选取某地铁线路同一区间、同一曲线段内的普通无砟轨道及钢弹簧浮置板轨道典型测试断面,在同一天内开展了现场对比测试。研究结果表明:钢弹簧浮置板轨道减振效果的线上评估结果与列车、轨道的实际运营状态直接相关;在不同列车的随机激励作用下,Z振级相对插入损失(ΔVL_(Z,max))相差超过10 dB,且部分测试样本无法满足特殊减振的设计需求;为获得保守的评价结果,应选择轮、轨平顺状态良好的运营区段开展对比测试;通过合理的养护维修,使运营列车及轨道保持良好的运行状态,是减振轨道区段满足振动控制需求的关键。

摘要：为破解超大视觉场景下人群密度估计的局限性,提出1种适用于铁路客站的多视角特征图投影融合的人群密度估计模型,包括多视角特征图提取处理和多视角特征图投影融合处理2部分。首先,对站内多路旅客视频图像分别进行多尺度特征提取,并引入注意力机制模块分离背景和前景人像,得到注意力密度特征图;再将不同视角下经过提取处理后二维的特征图投影到三维地面坐标系;然后,对投影后的特征图进行融合计算,实现整体融合特征图的密度估计;最后,在传统密度估计损失基础上增加注意力密度特征损失,设计得到损失函数。依托公开数据集和基于清河站的自建数据集,对比验证模型性能。结果表明:该模型在均值绝对误差上优于当前同类先进模型;引入的注意力机制模块进一步优化了模型对人群密度估计的效果;200次迭代后模型平均损失梯度下降逐步稳定,梯度策略设置合理,收敛效果较好;在清河站实际应用场景下,该模型能基于3个不同视角视频图像准确估计人群密度。

摘要：针对高速铁路列车运行中因干扰而产生的列车运行晚点情况,以车站作业、区间运行、追踪间隔等时间为约束条件,以最小化列车总晚点时间和最小化列车到发时刻调整次数为双优化目标,构建高速铁路列车运行调整的双目标优化模型,并通过定义辅助矩阵将其转化为线性规划模型;设计改进的ε-约束法,通过商用求解器GUROBI求解模型。以京沪高铁北京南至泰安段为例,设计3种干扰场景,采用该模型和算法进行列车运行调整,并与其分别采用加权法和先到先服务法求解的结果进行对比验证。结果表明:提出的模型和改进的ε约束法能够有效生成不同列车到发时刻调整次数下的调度策略,为调度员提供不同偏好下的决策方案;与加权法和先到先服务法相比,改进的ε-约束法能够得到整个帕累托前沿,尤其是非凸前沿,并且在非支配解个数、逆代距和超体积3个优化性能评价指标上均具有明显优势,能得到更优的列车运行调整方案。

摘要：为实现无线调车机车信号监控系统对调车车列前方停留车的全部自动识别,提出1种基于卷积神经网络的调车机车前方车列图像识别算法。首先,基于视觉几何群网络(Visual Geometry Group Network, VGGNet)架构和目标分类网络GoogLeNet里的Inception层建立调车机车前方车列图像识别模型;其次,利用高清相机采集调车机车前方图像,对有效图像进行预处理并存入数据库,根据数据库已有的新图像数量判断是否需要更新模型,将图像输入模型,判断前方进路是否有停留车列;最后,通过红外线测距仪测出调车机车车列到前方车列的距离,在显示屏显示距离,并据此判断是否报警。研究结果表明:模型验证精度为98.5%,训练精度为99.9%;每张图的平均测试时间为0.4 ms,相较于主流分类网络VGGNet-16和GoogLeNet分别减小了43%和38%,同时测试精度达到98%。图像识别的准确率与实时性均满足工程实际应用。

摘要：列车速度控制是轨道交通发展领域的重要基础问题。面向真实列车速度控制应用场景的列车动力学模型及其控制器设计更具挑战性。一方面,传统基于反馈的无模型控制策略存在收敛速度慢、参数要求高、环境变化敏感等问题,目前难以从优化角度设计控制器且应对复杂系统的约束。另一方面,传统的列车单质点动力学模型很难解决高速列车运行过程中的非线性特性。针对上述瓶颈,首先对列车各节车厢进行受力分析,且考虑车厢间的安全距离,将相对位置和相对速度作为可变状态构建列车多质点模型。然后采用模型预测控制策略,综合考虑列车速度控制的非线性成本函数,处理列车运行过程中的复杂约束,预测控制系统的未来动态行为。然后,针对列车预测控制中的复杂动态约束非线性优化问题,设计对数障碍函数处理不等式约束,进而从拟牛顿法角度设计一种具有稳定收敛性的基于BFGS方法的列车速度预测控制算法,完成列车速度的精准跟踪控制。最后,以国内某线站间列车运行数据为例,与其他先进控制方法进行对比实验,以验证所提出的BFGS列车速度预测控制算法的优越性能。实验结果表明,本文所设计的基于BFGS方法的列车速度预测控制算法能够有效地减小列车速度跟踪误差和位移误差,提升列车速度跟踪精度,有利于保障列车的安全、准点、高效、平稳运行,为轨道交通列车速度控制技术发展提供新思路。

摘要：为准确反映城轨电车的瞬时行驶特征,提出一种基于多维度状态空间的工况构建方法。首先,参考电动汽车领域的标准测试规程以及结合城轨电车的短行程行驶特征组建样本数据库,提取出特征参数中反映行驶特征累计贡献率最高的参数以进行降维,并按照得分矩阵的参数风格划分短行程类型;其次,以贡献率最高的三个样本参数作为输入,构建电车运行状态多维度状态转移概率矩阵,采用累积泊松分布函数与蒙特卡洛采样相结合的方法生成随机数确定下一时刻状态,以获取实时工况;最后,对不同维度下构建的工况进行对比分析。结果表明,三维状态空间下构建的各特征参数相对样本平均值的偏差和运行速度瞬态误差最低;速度和需求功率历程对运行场景的时空相关性和鲁棒性最强;电车续驶里程相较于传统一维和改进二维方法分别提升了93.5%和23.9%;验证了提升马尔科夫链维度对推演城轨电车实际工况的有效性和优越性。