- 张丞;张梓鸿;赵正阳;柴志伟;尹文泽;
在城市轨道交通行业中,由于隧道内壁图像的复杂性及病害样本的稀缺性,传统有监督学习方法在检测病害时面临挑战。针对这一问题,文章提出一种非监督学习框架,用于检测隧道内电缆托架的病害。首先,采用非监督学习方法对隧道图像进行预分割;随后,利用多边形形态特征进行快速的人工筛选,将筛选出的图像作为训练样本;接着,通过蒸馏监督学习方法训练一个图像分割网络;最后,利用非监督异常检测网络,基于正常样本训练,通过分析病害样本与正常样本的特征分布差异识别稀有病害。该研究可提高电缆托架病害检测的准确性,为复杂环境下的城市轨道交通病害检测提供一种有效的技术路径。
2025年06期 93-99页 [查看摘要][在线阅读][下载 1788K] - 刘力;周近;袁英强;吕彦朋;戴泽宇;
针对当前智能诊断模型在钢轨波磨识别中准确率低以及难以去除钢轨信号中无关噪声的问题,文章提出一种基于改进波噪比(Improved Corrugation-noise Ratio,ICR)的自适应降噪方法,并结合卷积神经网络(Convolutional Neural Network,CNN)构建钢轨波磨识别框架。首先根据噪声和钢轨波磨在频域的分布特点,利用短时傅里叶变换的能量分布计算出时域信号权重系数,对钢轨信号进行加权处理,实现自适应降噪。然后采用梅尔谱的声纹提取方法结合CNN对降噪后的信号进行训练,以最大化分类准确率。实验结果表明,提出的ICR自适应降噪方法可有效降低钢轨声学信号中的无关噪声,并显著提升CNN对钢轨波磨的识别准确率。通过北京地铁某线路的实测数据验证,该方法可有效识别钢轨波磨,识别准确率稳定在97.62%左右,基本满足钢轨波磨识别的实际需求。
2025年06期 100-107页 [查看摘要][在线阅读][下载 2113K] - 袁英强;刘力;吕彦朋;张又强;戴泽宇;
随着我国铁路及城市轨道交通线网规模的持续扩大,钢轨作为轨道结构的关键部件,其质量与性能直接影响行车安全与运营效率。基于此,文章针对被动式钢轨快速打磨技术展开研究,系统分析砂轮式打磨的分类及其作业特点,重点介绍被动式钢轨打磨的工作原理。对比国内外被动式钢轨打磨设备的发展现状,先对德国HSG-2型铁路被动式钢轨打磨车和我国自主研发的2款铁路被动式钢轨打磨车的技术特点进行对比,之后对德国HSG-city型地铁被动式钢轨打磨车和我国自主研发的GKMC-24型地铁被动式钢轨打磨车的技术特点进行比较分析。此外,提出对制定地铁被动式钢轨快速打磨维修技术规范和制定地铁被动式钢轨快速打磨砂轮供货技术条件的展望,以期为轨道交通钢轨维修养护提供参考。
2025年06期 108-113页 [查看摘要][在线阅读][下载 1624K] - 孙崇玮;靳文琦;
随着北京地铁网络的日益密集,地铁运营成本中的人工成本和管理成本不断上升,优化人力资源和降本增效成为地铁运营商亟待解决的难题。文章以北京地铁10号线为研究对象,探讨乘务计划的优化路径,力求提升运营效率与资源利用率。通过引入新质生产力的概念,提出精细化管理策略。在高峰时段加大服务人力投入,在需求较低时段适当减少人力配置,同时优化乘务交路,提高人员和设备的使用效率。通过实施排班优化策略,成功精简人力资源,运营效率和资源利用率显著提升。研究结果表明,优化乘务计划编制对降低运营成本和提升运营效率具有重要意义,可为其他城市轨道交通系统的运营管理提供参考与借鉴。
2025年06期 114-120页 [查看摘要][在线阅读][下载 1816K] 下载本期数据