首页期刊导航|铁道科学与工程学报
期刊信息/Journal information
铁道科学与工程学报
铁道科学与工程学报

余志武

双月刊

1672-7029

jrse@mail.csu.cn

0731-82655133；82656174

410075

长沙市韶山南路22号

铁道科学与工程学报/Journal Journal of Railway Science and EngineeringCSCD北大核心CSTPCD
查看更多>>本刊是中南大学主办的以理工为主的综合性学术刊物。1979年创刊，1982年公开改进，主要刊登土木工程、建筑工程、交通工程、自动控制、计算机科学与技术、运输管理工程、机电工程、数学力学、基础研究等方面的学术论文。1992年起被列为全国中文核心期刊，1994年被列为美国Ei Page数据库核心期刊。
正式出版
收录年代

    山区铁路隧道钻爆法施工安全风险演化路径及防控研究

    李昌友王昱张彦春
    3358-3369页
    查看更多>>摘要：山区铁路隧道钻爆法施工安全风险突出,探索安全风险演化路径并提出安全风险防控措施,对减少安全事故发生意义重大.针对山区铁路隧道钻爆法施工特点,运用文本挖掘分析历史安全事故资料、铁路标准规范资料、现场安全风险评估报告、相关研究文献资料等,结合"4M1E"理论和专家经验识别山区铁路隧道钻爆法施工主要安全风险因素和安全风险事件.采用质性分析法,结合现场调研和专家访谈,提取安全风险因素间、安全风险事件间、安全风险因素及事件间相互关系,构建山区铁路隧道钻爆法施工安全风险演化网络模型.基于风险演化理论、复杂网络理论等,利用度中心性、介数中心性、聚类系数、特征向量中心性、中间中心度等多项指标分析山区铁路隧道钻爆法施工安全风险演化网络节点重要度、边的关键性,从而确定关键链演化路径,并提出安全风险防控措施.研究结果表明:山区铁路隧道钻爆法施工安全风险包括人员、设备、技术、管理、环境5类共41个主要安全风险因素和塌方、突泥涌水等6个主要安全风险事件,确定了安全风险演化网络中8个关键节点、20条关键边和3条关键链,针对关键链风险演化路径提出了安全风险防控措施,为提高山区铁路隧道钻爆法施工安全风险管理水平提供参考.

    山区铁路隧道钻爆法安全风险识别安全风险演化路径安全风险防控复杂网络

      原文链接:
    • 万方数据
    • 维普

    基于改进FP-Growth算法和贝叶斯的营业线施工安全风险分析

    蔡近近宋瑞何世伟赵日鑫...
    3370-3381页
    查看更多>>摘要：铁路营业线施工事故致因因素众多且存在关联关系,挖掘事故致因之间的关联关系和因果关系对事故的预防管控具有重要意义.通过文本挖掘对2010—2022年某路局营业线事故调查报告进行处理,提取出51个事故致因因素.基于事故因果连锁理论将致因因素分为人因层、设备层、环境层、管理层4个层级进行分层分析,构建铁路营业线施工事故致因体系.基于压缩算法和差分编码对传统FP-Growth算法进行改进,以此对铁路营业线施工事故致因进行挖掘,找到满足提升度要求的高支持度关联规则和高置信度关联规则,发现关键致因关联和事故致因规律.基于贝叶斯网络理论、致因关联关系和专家经验建立营业线施工安全风险贝叶斯网络,结合复杂网络理论分析网络节点度、聚类系数与节点介数等特征,找到关键致因因素.在此基础上,运用因果推理和故障诊断推理进一步剖析营业线施工过程中的高风险致因,并从"人防、物防、技防"3方面提出预防管控措施.案例结果表明:施工人员操作不当、施工造成接触网故障、施工导致设施设备侵限、施工作业损害电缆设备、施工造成轨道电路故障和施工、检修、清扫设备耽误列车类事故之间的关联关系较为频繁,且为红光带事故的高概率致因,在施工作业过程中应多层次重点预防管控.研究成果为铁路营业线施工安全管理提供一种新的风险分析方法.

    铁路营业线施工事故改进FP-Growth算法关联规则挖掘贝叶斯网络推理致因体系

      原文链接:
    • 万方数据
    • 维普

    基于情景推演的铁路降雨灾害预测性防控方法

    马小平李松张瀚青王旭...
    3382-3393页
    查看更多>>摘要：铁路降雨灾害类型众多且十分容易引发铁路事故,现有的降雨量等单一指标监测、阈值式报警方式,导致铁路降雨灾害误报率、虚报率居高不下.为了有效应对铁路降雨灾害监测预警难、风险预测不准确以及防控措施选择难等关键问题,提出一种创新的基于情景推演的预测性防控方法.首先,依据铁路事故报告和降雨灾害的成因机制,将12种铁路降雨灾害分为五大类情景;接着,基于扎根理论为每种情景类型识别并分类相关的情景要素,运用情景削减方法为每种情景类型构建最优情景集和防控策略集,从而形成一个包含5类情景的情景网络.其次,为了满足铁路防灾决策需求,建立了灾害计划推演预测和实时推演预测2种模型,并提出一种将情景网络转换为灾害贝叶斯网络的方法,通过将实际情景与情景网络进行精确匹配进行推演预测,并根据"情景−应对"方法选择合适的防控策略.最后,以石庙沟车站的滑坡灾害为例进行了实例分析和验证,结果显示,通过本方法进行的推演预测能够准确反映灾害的发展过程,推演得到的情景与实际灾害发展情景高度一致,情景相似度达到93％,灾害发生的概率为88％.采取相应防控措施后,滑坡灾害的发生概率显著降低至12％,列车脱轨的可能性也从70％降至1％,证实了本方法的准确性和实用性.该研究可为铁路降雨灾害的预测与主动防控提供重要的理论与技术支撑.

    铁路降雨灾害情景推演扎根理论贝叶斯网络"情景−应对"

      原文链接:
    • 万方数据
    • 维普

    基于三稳态随机共振的ZPW-2000移频信号检测方法研究

    武晓春刘欣然
    3394-3405页
    查看更多>>摘要：针对ZPW-2000移频信号谐波干扰检测技术在抑制噪声时,不可避免损害有用信号的问题,提出三稳态随机共振系统,将部分噪声能量向移频信号能量转化,减少移频信号能量损失.首先,将移频信号的中心频率从较高频段搬移到较低频段,着重研究移频信号的有用频段.选取尺度变化系数为1000,保证输入信号在尺度变化的过程中满足数值计算的稳定性,使尺度变换后的小参数信号满足绝热近似理论.其次,使用混沌麻雀算法(chaos sparrow search optimization algorithm,CSSOA)优化三稳态随机共振系统,得到输出信噪比(signal-to-noise ratios,SNR)最大时的系统参数a、b、c以及γ.然后,将搬移至低频区段的移频信号输入至优化后的三稳态随机共振系统,实现信号降噪.最后,对降噪信号采用复调制快速傅里叶算法(zoom fast fourier transformation,ZFFT)实现低频信号的检测.仿真结果表明:对比三稳态随机共振系统处理前后移频信号频谱图,显示频域特征增强,在降噪的同时不损害移频信号的能量;以−5 dB为步长将噪声注入至移频信号时,输出信噪比至少可提升16.54 dB;降噪后的信号通过ZFFT算法解调能够完成ZPW-2000移频信号低频信号的检测.对比经验模态分解算法、小波阈值算法等算法处理不同信噪比的含噪移频信号,验证混沌麻雀算法优化的三稳态随机共振系统输出信噪比较大,降噪效果较好,具有良好的抗干扰能力.研究结果为实现在抑制噪声的同时减少移频信号能量损失提供参考.

    三稳态随机共振ZPW-2000移频信号尺度变换输出信噪比信号检测

      原文链接:
    • 万方数据
    • 维普

    基于多维数据耦合?小波变换的固支梁损伤特征识别方法

    郭佳管德清王玉奎钟俊萍...
    3406-3420页
    查看更多>>摘要：为了解决固支梁的损伤特征识别问题,提出基于多维数据耦合−小波变换的固支梁损伤特征识别方法.以均匀损伤和非均匀损伤为研究对象,提出非均匀损伤的简化思路.以固支梁的应变模态为损伤参数,对梁进行多维切片,从而将梁不同维度的应变模态独立以便获取各维度应变模态数据,通过多维数据耦合方法将不同维度的应变模态数据耦合,放大损伤特征,使单维应变模态数据具有多维特性.对耦合数据进行小波变换得到耦合数据的小波系数图,对比小波系数图中奇异点位置的奇异性大小识别固支梁的损伤特征(损伤位置与形状).含均匀损伤与非均匀损伤固支梁的数值模拟与试验分析表明:多维数据耦合能有效放大损伤特征,使得小损伤在实际工程中能被识别;同一工况下损伤程度越大则其对应的小波系数奇异性也越大,因此根据小波系数的奇异性大小能有效识别固支梁的损伤位置与损伤形状;在试验情况下,多维耦合数据的小波系数能有效规避边缘效应,使得固支梁的边缘损伤特征能被识别.上述研究表明所提出的损伤识别方法能有效解决固支梁损伤特征识别问题,为解决基于小波变换损伤识别方法在损伤特征识别方面的不足提供了途径,并能有效解决实际结构的边缘损伤识别问题,为实际结构的损伤识别提供理论依据和技术支持.

    非均匀损伤损伤特征识别多维数据耦合小波变换结构试验

      原文链接:
    • 万方数据

    基于轻量级Transformer的隧道裂缝分割

    邝先验徐姚明雷卉程福军...
    3421-3433页
    查看更多>>摘要：裂缝检测对保证隧道结构安全至关重要,及时发现隧道裂缝缺陷,有利于降低工程维修成本和保障行车安全.然而,传统卷积神经网络在隧道裂缝检测任务中主要侧重提高检测精度和算法复杂度,如何平衡裂缝检测的精度和实时性是当前研究的一个难点.针对这一问题,本文提出一种基于轻量级Transformer的裂缝分割方法CrackViT.首先,采用卷积神经网络与Transformer混合的MobileViT网络构建裂缝特征提取网络,减少网络模型参数和计算量,并且有效提取裂缝图像全局信息和局部特征信息.然后,提出改进空洞空间金字塔池化解码器实现不同尺度的特征提取和信息融合,实现像素级概率分布.同时,裂缝图像存在细节信息缺失问题,引入高效通道注意力模块,增强对裂缝特征信息的提取能力.此外,针对裂缝与背景类别不平衡问题,设计了在线困难样本挖掘损失函数进行缓解.实验结果表明:在单个3050Ti GPU上,CrackViT算法最终在裂缝数据集上以63 FPS的速度获得了75.62％的IoU,模型参数量仅为2.43 M.CrackViT-L模型精度IoU为76.83％,模型参数量为3.56 M,模型推理速度达到61FPS.算法测试精度优于大多数主流模型,并且需要更少的模型参数.研究结果表明,CrackViT所预测的隧道裂缝分割图像边缘更加清晰和完整,保持推理速度的同时,能够有效检测裂缝,该算法有助于隧道裂缝检测实际应用.

    裂缝分割TransformerMobileViT空洞空间金字塔池化轻量级模型

      原文链接:
    • 万方数据
    • 维普

    OCTEM法探测地下空间地质病害体的应用研究

    杨旭东席振铢龙霞黄基文...
    3434-3444页
    查看更多>>摘要：城镇地下空间地质病害体造成地面塌陷事故时有发生,对人民群众的生命财产安全构成巨大威胁.采用地球物理方法探测和预报地下空间地质病害体是预防城镇地面塌陷事故的重要方案.瞬变电磁法(TEM)是探测地下空间地质病害体的重要方法之一.等值反磁通瞬变电磁法(OCTEM)采用免接地、小体积、弱耦合的收发一体小型天线,便于在城镇硬化地面及施工空间受限的场地进行快速探测.本文结合理论计算和实际应用来研究OCTEM对地下地质病害体的探测能力.首先基于矢量有限元实现OCTEM三维正演,研究不同地电类型地质病害体的OCTEM响应特征.根据地下地质病害体的电性特征,构建了纯低阻型、纯高阻型、低阻−高阻复合型3类地质病害体地电模型,对比分析不同地电类型的地质病害体的异常响应,并计算包含地质病害体时的响应与不包含地质病害体时的背景响应之间的相对异常.计算结果表明:OCTEM对纯低阻型和低阻−高阻复合型地质病害体比较敏感,对纯高阻型地质病害体相对不敏感.对于低阻型或低阻高阻复合型地质病害体,低阻部分与围岩电阻率差异越大、厚度越大、埋深越浅,则相对异常越大,越容易被探测.随着深度加大,OCTEM探测分辨能力将减小.最后,通过在湖南浏阳某村镇试验剖面探测地下岩溶地质病害体案例,分析OCTEM的探测效果.

    等值反磁通瞬变电磁法探测地下空间地质病害体相对异常

      原文链接:
    • 万方数据
    • 维普

    地铁沿线高层住宅建筑室内振动与结构噪声的相关性分析

    曾钦娥宋瑞祥吴丹邬玉斌...
    3445-3454页
    查看更多>>摘要：结构噪声是引起地铁临近住宅建筑居民烦恼的最直接原因,结构噪声与室内楼板振动之间相关性是进行地铁临近住宅建筑室内结构噪声预测及控制的关键问题.以某地铁邻近某高层住宅为研究对象,通过多点同步测试获得4个不同大小房间的楼板垂向加速度及室内结构噪声,分析楼板垂向加速度、声压的频率特性及两者之间的相干性,对比分析不同房间振动噪声的卓越频段及其相干频段的差异性,结合数值仿真方法,揭示不同房间加速度−声压相干性的差异原因,同时,利用不同列车通过时振动离散性特点对室内结构噪声典型1/3频带处的加速度级与声压级进行线性拟合优化,分析两者的相关性及其与房间特性之间的关联性.研究结果表明,楼板振动加速度卓越频段、噪声卓越频段均随房间大小改变而显著变化,4个房间的声压峰值频率分别为49、40和50、49、65 Hz,且振动卓越频段与噪声卓越频段之间非完全重叠;房间振动与噪声的相干频段与振动的卓越频段部分重叠,与噪声的卓越频段基本不重叠,受声腔简正模式的影响,在噪声峰值频率处的相干性较低,相干系数均小于0.5;受房间简正模式的影响,不同尺寸房间4个典型1/3频带处(40、50、63和100 Hz)楼板垂向加速度级与声压级的修正量变化范围为12.0～34.9 dB,对结构噪声的预测建议按房间尺寸及频带进行分类处理.研究成果可为地铁临近住宅建筑室内结构噪声的预测提供参考.

    地铁住宅建筑振动结构噪声相关性

      原文链接:
    • 万方数据
    • 维普

    基于C3F-YOLOv5的轻量化列车车底螺栓检测方法研究

    董华军韩华豫李籽骁朱晔...
    3455-3468页
    查看更多>>摘要：提高目标检测在列车车底复杂背景下螺栓的识别精度及检测速率,对于提高列车行驶安全性具有重要意义.为高效检测螺栓,提出一种基于C3F-YOLOv5的轻量化列车车底螺栓检测方法.使用自行设计的履带式车底检测机器人获取车底螺栓图片,并混合自行搭建的模拟平台螺栓图片与真实的列车车底螺栓图片作为最终数据集.将C3模块中的Bottleneck结构替换为Faster_Block结构,改进为C3F模块;并分别与FasterNet、GhostNet和MobileNetV3轻量化结构进行对比.此外,引入注意力机制CA模块,同时将原有损失函数LGIoU替换为更为契合的LMPDIoU;使用SE模块和CBAM模块分别与CA模块进行比较,作为消融实验.最后采用LAMP分数的计算方法对模型权重参数排序,并将不重要的权重参数剪枝,作为新型模型压缩的方法.将最终模型压缩后的C3F-YOLOv5s网络模型分别与YOLOv4、YOLOv7、Mask R-CNN、RetinaNet进行对比试验.研究结果表明,在使用混合数据集的情况下,最终网络模型的平均检测精度达到了92.8％,检测速度达到了256.7 FPS.相较于其他4种经典的深度学习网络模型,改进后的模型检测效果更好,同时模型表现出较强的鲁棒性和泛化性能.该方法可在无法获得更多真实车底螺栓图片时,使训练后网络更加适应真实车底的情况,改进后的算法可以同时提高螺栓的识别精度和检测速度,可以为后续相关研究提供技术参考和理论支撑.

    螺栓检测YOLOV5注意力机制损失函数模型压缩

      原文链接:
    • 万方数据
    • 维普

    投稿须知

    封3页
      原文链接:
    • 万方数据