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

    基于云模型和累积前景理论的山区铁路绿色低碳线路优选

    丁天贵谭衢霖王雪甜谭浩银...
    3822-3830页
    查看更多>>摘要：铁路作为一种绿色的交通方式,在我国的交通强国战略和双碳目标中扮演重要角色,开展绿色低碳研究势在必行.铁路选线设计统领项目全局的阶段,对后续的建设、运营具有决定性作用.然而,设计比选易受到专家和决策者的影响,专家评价存在不确定性和模糊性,而决策者存在主观偏好,难以定性评判方案优劣.此外,项目初期需要反复修改优化设计方案,难以获得全面的方案数据,而目前贯彻绿色低碳理念的选线设计研究较少,缺少相应的工程案例做参考,定量描述线路设计低碳设计水平存在挑战.为了解决上述问题,提出一种基于云模型和累积前景理论的山区铁路绿色低碳线路设计优选方法.结合山区铁路特征和绿色低碳设计理念构建评价体系,用熵权法和CRITIC法获取指标权重.采用云模型综合考虑专家评语中的不确定性和模糊性,借助累积前景理论考虑决策者的主观偏好.提出在设计阶段估算铁路线路碳排放量和车站光伏发电潜力的公式,实现了对线路低碳设计水平的定量描述.以中老铁路孟阿至班普亚一段为例进行分析,所得结论与专家一致,验证了方法的有效性.这将为山区铁路线路设计提供决策支持,为交通碳排放计算和光伏潜力评估提供一种新的思路,有助于我国的绿色低碳转型和经济高质量发展.

    铁路选线云模型累积前景理论中老铁路绿色低碳

      原文链接:
    • 维普
    • 万方数据

    高铁走廊的内涵探析与建设管理框架构建

    许璨宇德明张飞涟杨武西...
    3831-3841页
    查看更多>>摘要：高铁时代的到来,改变了高铁沿线地区资源的配置和沿线城市的经济发展,同时赋予了高铁项目建设管理更广泛的价值和意义,对项目规划与管理提出了更高的要求和挑战.为解决当前人们对高铁走廊的认知局限问题以及推动高铁走廊的形成与成熟,实现高铁对沿线地区产生最优影响的共同愿景,通过文献研究和知识图谱先了解国内外研究现状,然后通过精读文献和政府政策文件,从学术和实践溯源2个方面深度探析高铁走廊的内涵,并进一步明晰高铁走廊的界限与多元主体.在此基础上,利用工程管理学思维,构建高铁走廊建设管理理论框架,推动高铁走廊的形成、成熟及可持续发展.研究结果表明:1)国内外有关高铁走廊的研究比较分散,研究不够丰富和系统化,绝大部分研究都停留在微观和中观层面.2)高铁走廊的内涵包括:以高铁为中心的综合交通干线;以高铁站为依托的城镇化建设以及大中型城市建设;以促进要素优化配置为基础的产业合作;以资源共享为目标,实现区域一体化发展的带状区域经济系统.3)建设管理理念、目标管理、组织体系、实施模式及支撑保障体系是高铁走廊建设管理理论体系的重要组成部分,各部分内容紧密联系、相互作用,形成一个有机整体,能够有效指导高铁走廊的发展.研究成果能够弥补高铁走廊相关理论研究的空白,有助于提高高铁项目管理者的认知水平,为实现高铁沿线地区均衡发展提供理论依据,具有重要的理论和现实意义.

    高铁走廊内涵探析知识图谱项目管理建设管理框架

      原文链接:
    • 维普
    • 万方数据

    铁路路基挡墙碳减排方案优选及降碳策略研究

    鲍学英申中帅刘北胜李慧...
    3842-3853页
    查看更多>>摘要：铁路路基挡墙在铁路路基全生命周期产生的碳排放不可忽视.为探析不同类型挡墙碳排放水平,选取3种典型挡墙展开研究,提取碳减排最优方案并剖析不同策略组合对其碳排放影响,进而提出碳减排综合策略.首先基于LCA理论,将加筋土挡墙、重力式挡墙及土钉墙全生命周期碳排放分为建材生产、建材运输、施工建造与运营维护4个阶段,基于功能单位,利用碳排放因子法并依据碳排放计算模型测算各类型挡墙各阶段与总碳排放量.研究结果表明,加筋土挡墙因边坡植被固碳能力使其全生命周期表征出固碳效应,且固碳量为197.300 t,重力式挡墙与土钉墙总碳排放量分别为489.344 t和51.834 t,故将加筋土挡墙作为碳减排最优方案.然后以加筋土挡墙为研究对象,提取其设计阶段碳排放影响因素,并利用敏感性分析方法识别出其碳排放最敏感的因素为边坡植被类型,其次为挡墙坡度.最后选取百喜草、结缕草、黑麦草3种植被与1∶0.4、1∶0.5、1∶0.6、1∶0.7这4种坡度,分析不同策略组合对加筋土挡墙全生命周期碳排放综合影响.研究表明,对碳汇能力较强的百喜草,降低坡度可提高全生命周期固碳量;对碳汇能力一般的结缕草,避免不利坡度以提高全生命周期固碳量;对碳汇能力较弱的黑麦草,提升坡度可提高挡墙全生命周期固碳量.研究成果可为铁路挡墙降碳设计提供理论依据.

    铁路路基挡墙LCA理论碳排放计算模型加筋土挡墙敏感性分析方法

      原文链接:
    • 维普
    • 万方数据

    重大建设工程技术创新合作关系与风险防控能力研究

    郭珍旭王青娥彭春艳彭玉珍...
    3854-3863页
    查看更多>>摘要：技术创新合作是破解重大建设工程难题的关键手段,但合作关系的建立和管理也带来了新风险.为有效降低技术创新合作风险,技术创新合作关系对风险防控能力的作用值得深入思考.基于"结构—行为—绩效"范式和风险管理理论,结合已有研究,构建"合作关系—合作行为—合作绩效—风险防控能力"的链式中介模型,采用问卷调查法得到235份有效样本,采用回归分析和中介效应分析进行假设检验.回归分析结果显示,合作关系、合作行为、合作绩效均对风险防控能力有显著正向影响,且影响程度依次减弱.良好的合作关系显著提高合作行为的执行效果,提升合作绩效,进而对风险防控能力产生积极影响.中介效应检验结果表明,合作行为、合作绩效在合作关系与风险防控能力之间起链式中介作用,合作关系不仅直接影响风险防控能力,还通过合作行为和合作绩效对风险防控能力产生间接影响.在此基础上,为提高重大建设工程技术创新合作能力,提出重视合作关系的建立与维护、强化合作行为的执行与管理、关注合作绩效的评估与提升及构建良好的风险防控机制等对策建议.研究揭示了重大建设工程技术创新合作主体通过合作路径影响风险防控能力的内在机理,为重大建设工程技术创新合作提供参考.

    重大建设工程技术创新合作合作关系合作行为合作绩效风险防控能力

      原文链接:
    • 维普
    • 万方数据

    基于语义增广与YOLOv8的钢轨表面缺陷检测方法

    吴永军崔灿何永福
    3864-3875页
    查看更多>>摘要：针对钢轨表面缺陷检测中存在的表面反光导致缺陷不明显、样本数量少、检测实时性要求高、检测精度偏低等问题,提出一种融合语义增广与YOLO模型的钢轨表面缺陷检测方法.以RSDDs数据集为例,截取钢轨表面缺陷区域,采用傅里叶变换提取缺陷语义特征,并结合原始图像进行语义增广,构建了表面缺陷增广数据集;基于YOLOv8检测模型,增加了融合低层特征的检测头,构建了面向钢轨表面缺陷实例分割的检测模型;通过模型训练与测试,对比图像语义增广、YOLOv8模型改进在钢轨表面缺陷检测、语义分割精度上的效果.研究结果表明:傅里叶域提取语义特征能够抑制表面反光影响,图像的语义增广和YOLOv8模型改进的策略均能够有效提升钢轨表面缺陷检测的准确率和召回率,语义增广在检测精度和实例分割精度的mAP50指标分别提高2.1和3.0个百分点,YOLOv8模型改进策略在检测精度和实例分割精度的mAP50指标分别提高1.0和1.4百分点;结合语义增广与模型改进,将钢轨表面缺陷的检测精度和分割精度的mAP50指标分别提升至0.937和0.934,在mAP50～95指标上分别达到11.4和11.9个百分点的提升,显著提升了钢轨表面缺陷检测的准确性,同时保持了较好的实时性.研究结果为进一步提升钢轨表面缺陷检测的准确性和效率提供解决思路,为铁路基础设施的数字化、智能化运维管理提供参考.

    傅里叶变换语义增广钢轨表面缺陷实例分割YOLOv8

      原文链接:
    • 维普
    • 万方数据

    跨模态特征融合模板驱动的盾构隧道管片孔缝智能识别

    谭兆高贤君杨元维王少宁...
    3876-3887页
    查看更多>>摘要：基于点云的隧道数据处理方法已逐步替代人工用于盾构管片接缝识别中.但常规点云处理算法提取螺栓孔和接缝时会存在因附属设施遮挡造成错误识别的问题,导致目标识别精度降低.针对此问题,以广州2003年开通的某地铁线路某段地铁隧道数据为例,提出一种跨模态特征融合模板驱动的盾构隧道孔缝识别方法.首先将隧道断面点云的几何中心作为视点,以扫描测线为单元进行逐测线投影生成隧道二维图像;然后通过Canny边缘检测和Hough变换缓冲识别纵缝,对二维图像进行环片分割,并基于双模板匹配实现盾构环分类,依据环片模板进行螺栓孔和横缝的粗定位;最后利用螺栓孔点云DBSCAN聚类后的中心坐标对环片模板进行精校正,实现盾构隧道管片孔缝智能识别.研究结果表明:该方法在附属设施遮挡干扰等情况下能较好地实现孔缝精确识别.其中,设计的基于局部形态特征双模版驱动的盾构环片分类方法,可实现盾构环片的精确分类;设计的顾及盾构管片空间位置关系的孔缝识别方法,可有效提升孔缝识别精度.在识别率与耗时相近的情况下,本方法比同类方法识别精度更高,平均偏差更少,具有更好的准确性和鲁棒性.该方法将盾构隧道三维点云和二维点云投影图像进行数据特征融合的同时,能够顾及局部形态特征凭借双模板实现盾构环片的精确分类以及依据盾构管片的空间位置关系进一步提高孔缝识别精度.研究结果为进一步自动化精准识别盾构隧道接缝和螺栓孔目标信息提供参考.

    盾构隧道孔缝识别特征融合模板驱动跨模态移动激光扫描点云

      原文链接:
    • 维普
    • 万方数据

    基于迁移卷积神经网络的桥梁结构损伤识别方法

    罗旭欣陈龙梁韬黄天立...
    3888-3899页
    查看更多>>摘要：针对实际桥梁结构损伤模式识别时有限元模型与实际结构存在差异的情况,为了提高有限元数值模拟数据集训练的深度神经网络识别实际桥梁结构损伤模式的准确率,提出一种结合迁移学习(Transfer Learning,TL)和一维卷积神经网络(One Dimensional Convolutional Neural Network,1D-CNN)的结构损伤识别方法.首先,基于结构有限元数值模拟数据训练1D-CNN模型,选择损伤识别效果较好、性能优良的模型作为源模型;然后,将源模型中的网络结构和超参数迁移到实际结构实测数据集(目标域)网络模型的对应位置并冻结,得到预训练模型;最后,使用实测数据微调预训练模型得到目标模型.为验证该方法的有效性,通过3层钢框架结构实验室试验和日本某简支钢桁梁桥的现场试验,对比源模型(模型Ⅰ)、仅采用实测数据训练得到的CNN模型(模型Ⅱ)和采用迁移学习得到的CNN目标模型(模型Ⅲ)等3种神经网络模型的结构损伤模式识别准确率.研究结果表明:3层钢框架结构实验室试验中,3种CNN模型的最高损伤模式识别准确率分别为63.44％,98.44％,99.06％;日本某简支钢桁梁桥的现场试验中,3种CNN模型的最高损伤模式识别准确率分别为59.50％,97.00％,99.50％.针对不同结构,目标模型(模型Ⅲ)的损伤模式识别准确率均最高,收敛速度最快,优于其他2种CNN模型.基于迁移卷积神经网络的桥梁结构损伤识别方法具有较好的实际结构损伤识别能力,为解决数据有限情况下的结构损伤识别问题提供了一种有效的解决途径.

    桥梁结构损伤模式识别一维卷积神经网络迁移学习源域目标域

      原文链接:
    • 维普
    • 万方数据

    基于BO-CNN-LSTM的轨道车辆车体横向振动状态识别

    周军超刘乙翰陈奥章杰...
    3900-3910页
    查看更多>>摘要：轨道车辆实际线路运行中振动状态是评价车辆运行稳定性、乘坐舒适性及安全运营的重要信息,但运行时面临多变工况条件会造成轨道车辆振动状态实时测量困难的问题.针对这一挑战,提出一种融合贝叶斯优化算法(BO)、卷积神经网络(CNN)和长短期记忆网络(LSTM)的车辆振动状态识别新方法.通过对测量得到的振动相关数据进行归一化预处理;利用处理后的数据以转向架横向速度及横摆角速度作为模型的输入,以车体横向加速度及横摆角加速度作为模型的输出,采用CNN学习并提取转向架横向速度及横摆角速度的波形特征,将相应的特征输入LSTM;同时利用BO优化得到LSTM模型的最优超参数配置,进而输出车体横向加速度及横摆角加速度,实现实时状态识别轨道车辆车体横向振动状态.考虑到轨道车辆实际运行的工况特点,采用3个评价指标来分析模型有效性,并与其他经典的方法进行对比分析.研究结果表明,相较于传统的BP神经网络和CNN-LSTM模型,通过BO-CNN-LSTM模型实时识别车体横向振动状态能有效降低误差,准确性最高,并且功率谱密度波形也最为接近.面对不同车速及载荷等工况条件,模型的平均绝对误差和均方根误差分别在0.019和0.029以下,拟合度均在0.99以上,验证了BO-CNN-LSTM模型用于轨道车辆车体横向振动状态识别的有效性.研究结果为轨道车辆运行状态实时识别的研究提供了新思路.

    轨道车辆车体横向振动贝叶斯优化算法卷积神经网络长短期记忆网络状态识别

      原文链接:
    • 维普
    • 万方数据

    结合Transformer和SimAM轻量化路面损伤检测算法

    杨杰蒋严宣熊欣燕
    3911-3920页
    查看更多>>摘要：道路表面的损坏不仅会严重影响驾驶舒适性,还对行车安全造成威胁.若不及时检测和修复,可能导致交通事故的发生.因此,及时检测路面损伤对路面安全和维护有重要意义.针对现有路面损伤检测模型中存在识别精确度低和计算量大的问题,提出一种结合Transformer和SimAM轻量化路面损伤检测算法.首先,结合Transformer的优势,在模型中引入COT模块加强特征提取性能,其可以利用特征图的上下文信息构建自注意力机制,有效捕获路面损伤图像的上下文信息,加强信息表征能力.其次,针对不同大小的路面缺陷,提出MSC模块捕获全局信息,其可以结合多个池化操作动态地增加感受野的大小.同时,MSC模块与COT模块相结合,不仅有效减少了模型的计算量和参数量,而且进一步提升了检测精度.随后,融入SimAM注意力机制调节特征,增强模型在复杂场景下的特征表达能力,抑制无关特征的干扰.研究结果表明,改进算法的平均准确率为70.1％,其精度与YOLOv7、YOLOv7-tiny、YOLOv6-m、YOLOv5-l相比,分别提升2.8％、10.9％、10％、1.4％.此外,所提模型的计算量为40.3 G,约为YOLOv7、YOLOv7-x、YOLOv6-m、YOLOv5-l的38.4％、21.4％、49％、35.2％.通过与主流目标检测模型相比,所提出的模型在提高检测精度的同时,兼顾了模型的计算复杂度,在公开数据集上取得了良好的识别效果,能够有效地检测路面损伤.

    路面损伤检测YOLOv7卷积神经网络TransformerSimAM

      原文链接:
    • 维普
    • 万方数据

    投稿须知

    封3页
      原文链接:
    • 万方数据