基于机器学习的列车设备故障预测模型研究

决策树作为机器学习和数据挖掘领域中广泛应用的预测模型,其输出结果易于理解和解释。针对高速铁路车载智能设备数量庞大的流数据且设备故障复杂和诊断效率低等问题,采用CVFDT决策树算法,通过对规范化的列控设备流数据进行机器学习,构建车载设备智能故障预测模型（低概率发生、高概率发生和已发生故障）,实现对设备潜在故障“事前排除”,提高故障分类精度、定位和诊断准确性,保障高速铁路运营安全和运输效率。     

无线智能化铁路基础设施数据采集系统的研究与应用

随着我国西部山区铁路建设的迅猛发展,以桥梁、隧道、路基为代表的铁路基础设施面临各种地质灾害的威胁,其服役状态直接关系到铁路的安全运营。目前,铁路部门多采用人工测量的形式对基础设施服役状态开展检测,其实时性与环境适应性无法保证。为实现铁路基础设施服役状态实时监测,研发了一种基于433Mhz的无线传感器网络通用数据采集系统。该系统通过μC/OS-Ⅲ操作系统实现多任务处理功能,并且具有无线数据传输、多类型传感器接入能力。系统通过融入自适应卡尔曼滤波算法大幅提高了传感器数据采集精度,并采用外扩SD卡及文件系统实现数据断点续传,确保采集数据不丢失。另外,系统基于自定义协议,采用主被动相结合的形式,实现突发灾害的实时报警。该系统已在国内多条重大铁路干线应用,其运行效果良好。     

基于西原模型的蠕变型滑坡预警判据及滑坡智能监测预警系统研究

针对滑坡临滑预报难点问题,以建立滑坡的监测预警系统为目标,依据原有T-t模型的固定临滑判据,以西原模型为基础通过理论推导出蠕变型滑坡等速应变速率和临滑切线角的关系式,建立了通过滑坡均速阶段速率确定临滑切线角的动态评估方法,继而通过对20个典型蠕变破坏与23个未破坏滑坡监测数据验证了该方法的可靠性。在此评估方法的基础上结合当今流行的无线传感器网络、云平台技术研发了一套基于无线组网技术的滑坡智能监测预警系统。结果表明,该滑坡监测预警系统具有滑坡自动评估、无线组网、自适应Kalman滤波、变频采样控制、数据掉线重传、虚拟化存储、三维地理信息展示等技术特点。目前该系统已在川黔铁路裁缝岩滑坡取得应用,为铁路运营提供准确、可靠的监测预警信息。     

基于无线自组网测振仪的被动网落石监测系统

山区铁路沿线崩塌落石灾害频发,及时、准确地发现崩塌落石事件并发出报警信息,对铁路运营安全具有重要的意义。通常在一些危岩落石高发地段会设置被动防护网拦截滚石,然而该方式并不能完全防止落石上道。为确保“落石不上道,上道不撞车”,迫切需要研发一套无人值守、全天候实时准确监测铁路沿线被动网落石监测系统。本文研发一种基于三轴MEMS无线自组网测振仪的被动网落石监测系统,通过前端感知振动并对振动信号进行边缘计算处理得到最大加速度值,并调用摄像头对发生振动的被动网预置点进行拍照,将最大加速度值和摄像头拍摄到的照片上传至服务器;最后由服务器及时推送报警信息,实现了铁路沿线被动网落石的自动化监测功能。工程实际应用表明,该系统能满足铁路边坡崩塌落石自动化监测的需求,该研究成果可应用于铁路、公路危岩落石自动化监测领域。     

旋转机械油路磨粒传感器的设计及仿真研究

设计一种应用于旋转机械油路检测系统的在线式油路磨粒传感器,其性能直接影响油路检测系统的监测结果。重点对传感器检测原理和结构特性等进行定性分析,根据电磁场原理和毕奥-萨伐尔定律等电磁学理论,推导并建立平衡线圈磁场分布数学模型以及传感器输出模型,研究影响传感器输出和磁场分布的几大因数,最后利用电磁场仿真软件对传感器平衡结构线圈的磁场分布进行仿真,为传感器的设计、优化改进提供了重要的理论依据。