摘要：随着我国高速铁路快速发展,“八纵八横”高铁路网加密成型,呈现出运行环境复杂、行车密度高及长交路跨线运营等典型特征.一旦遭受大风、红光带、接触网挂异物和设备故障等突发事件,则将导致列车偏离运行计划,进而影响到发线运用和动车组(Eletric multiple units,EMU)周转计划.如何在调整运行图的同时保证动车组和到发线运用的可行性是提高列车运行调整效率的关键.针对区间双向中断场景下到发线运用冲突和动车组接续计划失效问题,采用取消列车、变更列车到发时刻、更换到发线、备用动车组接续等策略对运行图、动车组和到发线运用计划进行调整.基于事件−活动网络建立考虑动车组接续和到发线运用的列车运行协同调整模型,设计两阶段求解方法对模型求解.运用京津城际实际数据对模型和方法进行仿真验证,结果表明相比于先到先服务(First come,first served,FCFS)策略,多计划协同调整策略能有效降低列车晚点时间.与整体求解方法相比,两阶段求解方法能够保证模型求得解的质量且有效提高模型求解效率.

摘要：为实现网络控制系统(Networked Control Systems,NCS)中重放攻击的检测,在现有研究利用物理水印检测重放攻击的启发下,设计了利用主动丢包对重放攻击进行实时检测的方法 .首先,在理论层面上,利用系统输出的残差构建检测函数,并通过受攻击前后检测函数的变化,证明该检测方法的有效性.然后,以一辆四轮汽车为被控对象,比较车辆受攻击前后速度与检测函数的变化.最后,综合考虑车辆对重放攻击的检测结果与速度跟踪结果,确定车辆的最优主动丢包率的范围区间.结果表明:加入主动丢包前,车辆受到重放攻击时,速度会发生剧烈变化而检测函数几乎没有变化;加入主动丢包后,车辆受到重放攻击时,速度剧烈变化的同时检测函数也产生了剧烈的变化;主动丢包率为12%~16%时,系统既能够准确地检测出重放攻击,又能够保证车辆平稳行驶,为后续的重放攻击检测研究提供了参考.

摘要：针对并联骨科机器人在微创骨折复位手术中工作空间相对较小、规避奇异位形能力相对较弱等问题,提出一种基于Gough-Stewart平台(Gough-Stewart parallel mechanism,GSPM)的新型运动学冗余并联机构。对所提新型冗余并联机构进行了介绍,建立了该新型机构的运动学模型,并对其工作空间进行了仿真。基于三点法构建了维度齐次雅可比矩阵,比较了该新型并联机构和GSPM的灵巧性与奇异性。采用多变量多目标优化方法对所提出的新型并联机构的几何参数进行了优化。最后,在3D打印样机上进行了实验,实验结果表明:相比GSPM,新型并联机构的工作空间体积扩展了273.5%,且灵巧性更优,验证了仿真和分析方法的有效性。

摘要：列车的运行安全对轨道交通的可持续发展至关重要。牵引制动系统的故障可能导致严重的安全问题和运行延误。通过准确检测运行中的牵引制动故障,可以提高列车安全性,降低事故发生的可能性。本研究旨在提高列车运行牵引制动故障的诊断分类准确性与有效性。首先,基于时序特征的数据分析列车牵引制动故障数据集。设计数据重采样逻辑和特征提取方法,解决原始数据类别不平衡的问题,实现了显著的性能提升。实验表明,在使用相同的数据规模进行机器学习训练时,各个机器学习模型的分类性能均提升了10%以上。接着,建立基于SVM和决策树的机器学习模型,对数据集进行故障分类识别,并通过网格搜索进行超参数调整。此外,尝试多种基于基础分类算法的集成学习策略,并对所设计的模型进行仿真验证。其中,随机森林算法表现突出,测试准确率达到96.12%。通过分析分类报告和混淆矩阵,验证该方法的有效性和可靠性,为列车运行牵引制动故障诊断提供一种新的解决方案。

摘要：城市轨道交通是城市交通运力的主要承载系统之一,随着近年来智慧城市发展的需要越来越迫切,智慧城轨系统的设计、研究与优化也成为许多学者的研究方向和重心。智慧城轨系统要求列车具有智能算力,进而实现多种智能服务需求。由于列车的车载设备具有诸多限制,在其上部署高算力的计算机设备并不现实,故需引入其他设备为其提供算力支撑。本研究面向智慧城轨系统的特殊场景,基于5G和边缘智能,设计了一种面向智能任务的云边协同计算架构,并将该架构中资源分配的流程进行了数学建模,将其转化为最小化任务延迟的最优化问题。针对该最优化问题,本文采用离散随机逼近算法进行求解,以最小化智慧城轨系统的任务总处理延迟。仿真结果表明,该算法能够有效降低智慧城轨系统中的智能任务处理时延。

摘要：轨道交通系统是当今社会中交通运力的主要承载系统,对安全性有极高的要求。轨道交通系统的多个组件由于直接暴露在环境中,受多种外界因素影响,易出现故障。这些故障可能会导致列车延误、乘客滞留、服务暂停,甚至是灾难性的生命或资产损失。因此,需要设计针对轨道交通系统的实时故障检测方案,进而才能采取有效的维护措施。不同于基于传统的机器学习(Machine Learning,ML)的故障检测工作,本研究采用中文双向编码器表示转换器(Bidirectional Encoder Representation from Transformer,BERT)深度学习(Deep Learing,DL)模型进行实时的智能故障检测。该模型能够在处理故障检测任务时获取双向上下文的理解,从而更准确地捕捉句子中的语义关系,使得其对故障描述的理解更为精准。BERT的训练需要大量的数据支持,而轨道交通领域中存在多个运营商,它们各自持有独立的故障检测数据。由于数据的保密性,这些数据无法进行共享,从而限制了模型的训练,故采用了联邦边云计算方法,允许多个运营商在保持数据隐私的前提下共同训练BERT模型。联邦学习结合边云计算方法,在本地对轨道交通各运营商的数据进行初步处理,然后将汇总后的梯度上传至云端进行模型训练,最终将训练得到的模型参数发送回各边缘设备,实现模型的更新。研究结果表明,采用联邦边云计算方法进行BERT模型训练,在轨道交通领域的故障检测任务中优于目前已有的先进方案。这一方法在解决数据保密性问题的同时,有效提升了轨道交通故障检测的准确性与可靠性。

摘要：围绕城市轨道交通列车高密度追踪控制问题,研究基于分布式模型预测控制(DMPC)的列车协同控制方法。首先,对列车进行受力分析并建立列车运行的状态空间模型,在此基础上提出系统控制目标并设计控制策略;其次,在保证行车安全的前提下,基于DMPC设计考虑位置、速度和加速度等前车动态行为的列车一致性协同控制方法,并应用李雅普诺夫稳定性定理对该系统的稳定性进行分析和验证;最后,结合北京地铁11号线西段线路,对提出的列车协同控制方法进行仿真验证。试验结果表明:提出的列车协同控制方法能够在保障列车安全运行的前提下,使列车间的状态达到一致,且具有良好的同步性。将本方法与跟随控制方法进行对比分析,结果表明:采用协同控制方法能够使列车间隔和速度差更小,满足城轨列车高密度追踪控制要求。

摘要：人工智能、大数据等新一代信息技术的兴起使网络空间安全面临的威胁与挑战进一步复杂化。传统防御技术多采用"打补丁"式的被动检测防护机制,很难满足由新的攻击特征带来的安全防护需求。首次系统性地提出以平行智能ACP理论为基础思想的平行安全系统框架,利用生成式对抗模型、平行情报、平行区块链等方法,融入社会学、心理学和行为学等因素,建立了集描述性安全、预测性安全和引导性安全于一体的防护体系,旨在实现以"增强免疫力"为目标的预测引导防护。以工业互联网典型场景为实际案例,设计并研发了首个以平行安全框架为基础的生成式对抗安全智能系统平台,从而为平行安全在不同领域的实际应用提供指导和借鉴。

摘要：从立体视觉与机器人控制集成的角度出发,建立了一个主动立体视觉跟踪和定位系统,用于柔性装配线中装配零件的运动跟踪和装配工位的精确定位。该系统具有五个自由度,其中三个是平移自由度,两个是转动自由度,该文针对平台的结构进行了运动学建模和分析,采用D-H方法建立了五自由度立体视觉平台的运动学模型,得到运动学的正解。在该运动学方程基础上开发了系统仿真平台,介绍了系统仿真平台的设计原理和操作特点。该仿真平台验证了机构设计的正确性,验证了五自由度平台运动学分析的正确性。该仿真平台采用虚拟现实建模方法,建立了五自由度平台的三维立体模型和立体视觉跟踪运动物体的实验模型,具有良好的交互性和开放性。

摘要：城市轨道交通带来的土地价值提升归因于交通邻近溢价、可达性提升溢价以及车站周边的建设溢价三方面,后两项对土地价值提升的影响研究尚不充分。融合多源城市大数据提出城市轨道交通TOD建成环境的“5D”变量及其计算方法,放松既有研究中房价与其影响因子的线性关系假设,采用基于机器学习模型XGBoost的特征价格非线性模型和局部解释方法SHAP,分析TOD建成环境对土地价值提升的非线性影响及其空间分布特征。针对北京市的案例研究表明:TOD建成环境变量对土地价值的影响程度达64.30%,其中公共交通可达性相对重要度达17.66%,较车站邻近性更重要;TOD建成环境对土地价值的影响存在明显的非线性关系和阈值效应,这种非线性影响的空间分布特征表明针对不同区域的车站用地开发应采取因地制宜的差异化发展策略,城市外围区域车站应注重资源聚集,中心城区车站应侧重出行品质和环境质量提升。