基于动态规划的铁路三维空间智能选线方法

分析国内外线路平纵优化设计的理论与方法,总结目前国内外相关研究的优点和存在的问题.将线路设计的最优化问题视为三维空间中的路线最优决策问题,提出一种基于动态规划的三维空间智能选线方法.这种方法通过建立三维空间网格模型,利用动态规划法在静态已知的环境下搜索出满足约束条件的全局最优线路方案,利用双向动态规划策略,最终得到按代...     

基于深度强化学习的车车通信智能频谱共享

在城市轨道交通列车通信系统中,车车(Train-to-Train,T2T)通信是以列车为中心的新一代列控系统通信模式。与传统的以地面控制设备为中心的车地(Train-to-Ground,T2G)通信模式相比,T2T能降低系统的复杂度以及通信时延,提升列车运行效率。但为保障列车运行的安全性,当前的城市轨道交通列车通信系统中,车车通信与车地通信是并存的。为解决车车通信与车地通信并存场景下,通信链路资源复用引起的干扰问题,论文基于深度强化学习算法,提出了一种智能频谱共享方法。该方法以车车通信链路作为智能体,将频谱共享建模为多智能体深度强化学习(Multi-Agent Deep Reinforcement Learning,MADRL)模型。同时,由于传统深度强化学习对经验池的依赖,为提高经验池的稳定性,引入了能表征智能体行动轨迹的低维指纹信息。在该方法中,多个智能体采用分布式协作的方式与列车所处的通信环境进行交互,以此来迭代优化神经网络参数,使智能体获得的累计奖励不断提升直至收敛。最后,利用训练好的深度强化学习模型,智能体能够联合选择最佳的通信频谱和传输功率。在Python环境下的仿真结果表...     

基于深度强化学习DDDQN的高速列车智能调度调整方法

在高速铁路系统的日常运营中,列车经常受到各种突发事件的干扰而导致晚点,严重影响旅客出行体验。为在短时间内制定出列车运行调整方案并尽可能缩短列车晚点时间,提出一种将深度强化学习与整数规划模型相结合的列车智能调度调整方法(DDDQN)。首先,将线路划分为多个轨道区段相连接的形式,并基于车间作业调度问题,以最小化所有列车总晚点时间为目标,构建描述列车运行过程的整数规划模型。之后,将各列车视为智能体,根据实际运营需求定义了多智能体的状态、动作以及回报函数,并构造了2个深度神经网络以近似值函数。最后,结合上述整数规划模型设计了DDDQN的训练方法,先利用智能体在仿真环境中探索求出问题可行解,并通过2个神经网络之间的“互馈”机制,实现神经网络参数的更新。在此基础上求解整数规划模型,即可在短时间内得到问题最优解。利用京张高铁实际线路数据和运营数据进行仿真实验,通过比较3种不同求解方法在10个不同突发事件场景下得到的列车总晚点时间和求解时间,验证了所提出的DDDQN模型可以在短时间内得到问题的最优解,可降低至多30.43%的列车晚点时间以及至多68.33%的求解时间。DDDQN为提升高速铁路系统在突发...     

基于知识工程的铁路智能选线设计理论、方法及应用

铁路选线设计是一件关系铁路建设全局的总体性工作,也是一项集知识、经验为一体的工作.如何科学利用现代计算机技术,充分挖掘专家的经验知识,提高选线设计工作质量和效率,是现代铁路勘察设计不断追求的目标,也是建设一条高质量铁路的重要支撑.课题组依托渝利、渝万、贵广、中老等铁路项目,针对"选线设计本体、选线设计知识表达、地理信息...     

基于GIS的铁路选线智能环境及领域本体建模方法

提出基于GIS的铁路选线智能环境(GBRLIE)的智能选线综合解决方案。铁路选线智能环境的既有研究,以及GIS技术、人工智能技术和其他计算机技术的发展为解决方案的研究奠定了基础。在GBRLIE的知识表达上,本体提供了信息共享、互操作的中间件,可保证知识系统从概念分析到系统建立的概念一致性,能保持数据和知识的语义统一。本体位于GBRLIE的逻辑表示层,包括领域本体、方法本体和应用本体。领域本体是对研究领域可共享和重用静态知识的描述,采用UML和面向对象技术进行表示,可克服专用本体描述语言和表示方法的不足。领域本体的形式化描述把关系和规则当作概念处理,用UML表示本体、概念、关系、规则、约束、公理。应用提出的领域本体表示方法描述了铁路选线几何构成本体,列出选线设计中的部分规则及约束。     

基于智能CAD系统的铁路选线方案多目标综合评价方法

在分析铁路选线领域知识特点的基础上,建立了铁路选线多方案综合评价模型,阐述了评价铁路选线方案优劣的综合评优方法,即带偏好信息的设计方案多目标灰色关联度决策方法;提出了根据线路方案设计信息直接获取铁路选线方案的评价指标信息和自下而上逐层构造决策矩阵并进行多目标综合评价的思想.本文提出的方法已被成功地用于铁路新线设计智能CAD系统.     

基于3D卷积神经网络的高铁轨道质量指数预测方法

轨道质量指数（TQI,Track Quality Index）是反映高铁整体线路质量状态的重要指标,分析TQI数据的变化规律能够对高铁线路养护维修提供重要指导和参考依据。为提高TQI数据预测的准确性,提出了一种多项特征数据的3D卷积神经网络模型,分析了TQI数据特征,抽取时间、空间、检测项数据并形成三维特征数据集,基于3D卷积神经网络算法,构建8层TQI预测模型,并从初始化参数、学习速率、激活函数、损失函数、Dropout方法等角度对模型进行优化,并利用某高铁线检测数据进行试验验证。结果表明,3D卷积神经网络模型可较好的预测高铁线路状态变化趋势,且对比于BP神经网络和2D卷积神经网络方法,平均绝对误差分别降低了41.48%、26.32%,均方差分别降低了65.42%、39.93%,证明了该方法的准确性与有效性,对于预测TQI与制定高铁线路养护维修计划具有实用价值。     

基于逆向强化学习的铁路线路方案优选研究北大核心

铁路线路方案评价及比选多采用组合赋权法,其主观赋权过程计算冗杂。选取具备一定程度普适性的专家案例,采用最大熵逆向强化学习方法从专家案例中学习主观赋权“知识”,得到专家案例隐藏的“奖励”,从而获取可解释性的主观权重。将此主观权重与离差法所得客观权重组合并投入后续TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)评价流程,对线路方案进行最终评价。结合具体实例,建立设计阶段绿色铁路的评价指标体系。结果表明:该方法可以有效计算铁路线路方案评价的量化指标,减小现有赋权方法的计算复杂度,取得较好的评价效果,与真实案例比选结果一致。通过讨论该方法的适用性、局限性及原因,确定该方法在初步评价和泛用性评价中的定位。     

基于深度强化学习的轮毂电机驱动电动汽车垂向振动控制

轮毂电机驱动电动车作为分布式驱动的一种理想的解决方案,对于缓解能源问题具有重要意义,然而当轮毂电机引入轮毂时,其平顺性会恶化。为解决轮毂电机电动汽车平顺性问题,建立了考虑座椅、车身和簧下质量振动特性以及主动与半主动悬架时间迟滞因素的三自由度轮毂电机电动汽车的1/4车模型,并基于深度强化学习算法对轮毂电机驱动电动汽车通过主动悬架进行垂向振动控制。在此基础上,对轮毂电机驱动电动车在随机路面与减速带路面下行驶的情况进行训练,进而对其训练案例的控制效果进行测试,并将之与被动悬架和天棚阻尼控制策略的控制效果进行对比,最后对轮毂电机驱动电动车在随机路面的基于深度强化学习主动悬架控制策略进行泛化能力测试。结果表明,对于训练与泛化测试案例,针对轮毂电机驱动电动车的垂向振动控制,基于深度强化学习的主动悬架控制策略所产生的控制效果均优于被动悬架与天棚阻尼控制策略。     

基于深度学习与支持向量机的钢轨伤损智能识别系统

目前国内钢轨探伤车检测系统都带有自动伤损识别功能,但由于采用了基于既有规则的简单逻辑判断方法,其自动识别的准确率不高,误报较多,伤损漏报的现象时有发生。针对该问题,根据钢轨探伤车所检测数据的特点,提出了基于深度学习与支持向量机的钢轨伤损智能识别系统技术方案;采用深度可分离卷积与选择性搜索相结合的方法进行目标定位;基于人工构建的多维特征,采用支持向量机方式进行伤损图像分类;并通过使用实际线路所测数据中的人工标注样本进行测试,验证了方法的有效性。测试结果表明,该系统在各项技术指标上均表现优异,伤损检出率达到99.8%,误报率降为12%,分类准确率达到95%以上。     

基于并行多任务深度学习的铁路主要技术标准优选

铁路主要技术标准是铁路全生命周期最重要的先决技术决策之一.传统的基于经验驱动的决策方法工作量大、周期长、严重依赖设计者的经验水平、可能遗漏有价值的方案.而主要技术标准优选的关键在于揭示多维环境因素与主要技术标准值之间的潜在映射关系.受深度学习在规律特征识别方面成功应用的启发,提出基于并行多任务深度学习的铁路主要技术标准...     

基于深度学习的铁路辅助巡检系统

针对人工巡检方式错漏多、强度大、成本高的问题,设计基于深度学习和虚拟现实（VR）远程控制技术的铁路辅助巡检系统。该巡检系统结合开源数据集和定制数据集,采用深度学习算法,能可靠地识别异物位置与类别;采用服务器推流技术与终端进行数据交互,实现对远程设备的控制;客户段端采用VR+手机App技术,达到沉浸式视觉效果。多次实际测试结果表明:该系统实用性强,经济性好,准确率高,为铁路部门巡检体系提供良好的借鉴方案。     

基于深度学习的高铁接触网顶紧螺栓的缺陷检测

针对高铁接触网顶紧螺栓目标小、缺陷检测困难的问题,提出一种基于深度学习的顶紧螺栓缺陷检测方法。根据4C检测车拍摄的高铁接触网图片(大小为6600*4400 pixels),首先对特征信息更多的斜撑套筒进行定位,采用TDM模块与SSD相结合的算法提升算法对小目标的检测精度,并通过改变默认框的尺寸以得到更好的检测精度和速度;然后利用DeepLab v3 plus算法对顶紧螺栓部分进行语义分割;最后提出一种阈值法对顶紧螺栓的缺陷情况进行判别。为满足实际工程的速度需求,对训练好的模型进行优化。实验结果表明:相较于经典的SSD,本文改进的SSD方法对斜撑套筒的定位精度和速度都有提升;对于6600*4400 pixels的原始样本,本文提出的顶紧螺栓缺陷检测方法精度上达到95.9%,速度达到17.9 fps。     

基于WebGIS的铁路线路三维场景构建

文章基于WebGIS技术,研究了铁路线路三维场景构建方法并将其应用于工程实践中。利用数字高程模型（DEM,Digital Elevation Model）与高分辨率遥感影像构建了铁路线路三维带状地理环境;对铁路工程要素模型进行参数化建模,并将建筑信息模型（BIM,Building Information Modeling）与三维地理环境场景进行交互定位;基于ArcGIS Online平台,实现某条铁路线路三维场景的发布、在线浏览、空间分析等功能的应用。     

基于Multigen Creator的桥梁三维建模方法研究

铁路桥梁的三维可视化为桥梁设计人员提供了交流平台,为技术人员对桥梁的管理维护提供决策支持。本文通过分析桥梁的三维数据模型和结构特征,基于Multigen Creator提出了铁路桥梁三维建模的方法,并以桥梁为例展现铁路桥梁三维实例。     

基于级联滤波器深度学习的铁路安检人脸识别与验证研究

使用传统的全联通卷积神经网络（CNN）进行人脸识别和验证存在测试时间长、识别率低的问题。通过在铁路安检中使用多层（非线性）级联滤波器进行全向的抗噪声人脸识别与验证,提出一种基于级联滤波器深度学习的人脸识别和验证方法。与使用优化的全联通CNN相比,级联滤波器应用非线性阈值函数能有效提高滤波识别准确率和缩短识别时间。实验结果表明,这种结构可以级联以形成多层级联滤波器,平均识别率优于全联通CNN 8%以上,并在识别效率上提高3倍以上。最后,给出两层级联滤波器在人脸识别和验证中的性能,为铁路安检中的身份验证提供了理论支持。     

基于三维空间模型的铁路站场平纵横一体化设计软件研究

在分析铁路站场专业现有辅助设计软件不足的基础上,根据铁路站场专业设计工作特点,对铁路站场设计软件的需求分析、框架结构、软件流程等进行研究,提出基于三维空间模型的铁路站场平纵横一体化设计模式。该设计模式以构建铁路站场设备三维空间模型为基础,以站场设备三维数据与设计视角数据动态双向刷新为纽带,实现了铁路站场设计过程中的平纵横联动修改,提高了铁路站场设计效率和设计质量。     

三维地形可视化技术在铁路电力设计中的应用

三维地形可视化技术一直是地理信息系统、数字摄影测量、虚拟现实等领域的研究热点.铁路电力线路设计过程中,通过三维地形可视化技术,可以使设计人员对地形有较直观的认识,提高贯通线路设计的效率和质量.根据数字高程模型(DEM)数据,利用VC++6.0和OpenGL作为平台,重点讨论建立地形三维可视化系统的关键技术和实现过程.