×
一、团队概况
科研团队从轨道交通现场需求出发，专注交通安全检测和系统故障诊断研究。基于机器视觉技术，结合深度学习理论和方法，对轨道交通系统的基础设施（轨道线路和接触网）和关键装备进行病害或者伤损识别；基于振动信号，采用高级信号处理技术、深度学习理论和方法，对轨道交通设备和系统开展故障诊断和故障预测研究，对轨道交通系统开展可靠性分析、失效机理、服役能力评估、剩余寿命预测以及维修策略的优化，为轨道交通检测技术的智能化发展贡献了力量。通过融合机器视觉与深度学习技术，团队深入研究并成功研发出了高效、精准的轨道和受电弓在线检测系统，实现了对轨道扣件、钢轨表面、受电弓病害等关键部件的自动化检测与评估，显著提高了检测效率与准确性。此外，运用高级信号处理技术和深度学习理论，开发了轨道交通设备的故障诊断与预测相关的模型，研制了列车轴承和悬挂系统故障检测与诊断系统，并开展了示范应用，为列车系统可靠性的提升与服役能力的评估提供了有力支持。研制了列车继电器监测试验台，并在北京地铁投入生产使用。
二、团队成员介绍
魏秀琨，交通运输学院教授、博士生导师，《控制与决策》期刊编委，《中国控制与决策会议》国际程序委员会委员，中国电工技术学会轨道交通电气设备技术专业委员会委员。主要研究领域为轨道交通检测技术领域，致力于推动该领域的科技进步与人才培养，带领团队在《Engineering Applications of Artificial Intelligence》、《IEEE Transactions on Intelligent Transportation Systems》等顶级期刊上发表了20余篇高水平论文，相关科研成果获得了省部级科技进步奖2项，行业和协会奖2项。参与并主持了多项国家及省部级科研项目，累计科研经费超1000万，作为第一发明人获得了20余项专利授权，涵盖了轨道交通检测技术的多个关键领域。
此外，团队包括博士生和硕士生10余人。
三、科研成果（视频请点击播放）
3.1 代表性论文
|
论文名称 |
期刊 |
发表时间 |
|
Subtle defect detection on the surface of railway PCCS based on deep learning |
MEASUREMENT |
2024 |
|
RTLSeg: A novel multi-component inspection network for railway track line based on instance segmentation |
ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE |
2023 |
|
High Precision Robust Real-Time Lightweight Approach for Railway Pantograph Slider Wear Estimation |
IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS |
2023 |
|
A survey of the application of machine vision in rail transit system inspection [机器视觉在轨道交通系统状态检测中的应用综述] |
控制与决策 |
2021 |
|
Multi-Target Defect Identification for Railway Track Line Based on Image Processing and Improved YOLOv3 Model |
IEEE ACCESS |
2020 |
|
Squats and corrugation detection of railway track based on time-frequency analysis by using bogie acceleration measurements |
VEHICLE SYSTEM DYNAMICS |
2020 |
|
Wear analysis and prediction of rigid catenary contact wire and pantograph strip for railway system |
WEAR |
2020 |
|
Railway track fastener defect detection based on image processing and deep learning techniques: A comparative study |
ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE |
2019 |
|
Defect Detection of Pantograph Slide Based on Deep Learning and Image Processing Technology |
IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS |
2020 |
|
Urban rail track condition monitoring based on in-service vehicle acceleration measurements |
MEASUREMENT |
2016 |
3.2 代表性著作
|
著作名称 |
出版社 |
发表时间 |
|
地铁车辆与供电系统维修策略优化及预测技术 |
电子工业出版社 |
2024 |
|
城际动车组系统修维修策略 |
西南交通大学出版社 |
2022 |
|
基于深度学习的地铁基础设施病害检测 |
科学出版社 |
2021 |
|
地铁行车设备服役能力建模及预测维保策略 |
科学出版社 |
2021 |
|
地铁车站机电设备服役能力建模及可靠性分析 |
科学出版社 |
2021 |
|
现代铁路轨道不平顺与病害动态检测 |
科学出版社 |
2017 |
|
轨道交通列车轴承与悬挂系统故障诊断 |
人民交通出版社 |
2015 |
3.3 代表性科研项目
|
项目名称 |
项目来源 |
项目时间 |
|
在途智能监测预警与运维保障技术研究 |
科技部“科技支撑” |
2015-2017 |
|
超大城市轨道交通网络集约维护新模式研究 |
国家重点研发计划-任务 |
2020-2023 |
|
复杂环境下行车设备材料性能劣化机理、服役能力建模与线路检测技术研究 |
国家重点研发计划 |
2017-2020 |
|
城轨车站设备材料性能劣化机理、服役能力建模及车站导向通行能力提升技术研究与示范 |
国家重点研发计划 |
2017-2020 |
|
车地一体化超视距协同感知及安全保障装备与系统研发 |
国家重点研发计划-课题 |
2023-2028 |
|
基于图像识别技术的高速磁浮列车在线智能健康检测技术研究 |
国家重点研发计划-任务 |
2024-2027 |
|
货运列车运行行为评估核心要素集、要素间的关系及先进优化节能算法研究 |
科技部“科技支撑” |
2013-2016 |
3.4 代表性知识产权
|
专利名称 |
专利号 |
时间 |
|
基于带测量误差的维纳过程的车辆轴承剩余寿命预测方法 |
ZL202111142187.5 |
2021 |
|
基于图像分割的受电弓碳滑板磨耗估计方法和装置 |
ZL202210973857.6 |
2022 |
|
轨道交通车载信号系统的优化维修策略的获取方法 |
ZL202010240479.1 |
2020 |
|
基于多特征量相关向量机的车辆轴承剩余寿命预测方法 |
ZL202010017661.0 |
2020 |
|
钢轨小半径曲线内轨的波磨波长和波深的估算方法 |
ZL202010207617.6 |
2020 |
3.5 代表性奖项荣誉
|
获奖项目名称 |
奖励名称 |
获奖时间 |
|
城轨交通基础设施全息化移动检测与运维关键技术及系统研制 |
上海市科学技术奖二等奖 |
2015 |
|
下一代地铁车辆技术研究及示范应用 |
吉林省科学技术奖二等奖 |
2021 |
|
高速列车、城轨列车主动安全保障关键技术及应用 |
第九届国际发明展览会“发明创业奖”金奖 |
2016 |
|
高速列车在途状态感知预警与运维保障关键技术及应用 |
科学技术奖一等奖 |
2018 |
|
《机器视觉在轨道交通系统状态检测中的应用综述》，2021年第36卷第2期 |
《控制与决策》2021年度（学术热点）最佳论文 |
2022 |
3.6 代表性项目应用示范
（1）轨道异物入侵检测
检测在铁路限界以内可能会危及行车安全的障碍物，包括岩石、行人等。以深度学习为理论基础，基于计算机视觉技术去识别和定位异物，达到提前感知、提前判断、提前预警的目的，避免发生重大事故，保障铁路列车运营安全。
（2）城轨列车司机行为检测
针对目前城轨司机手势监测依赖人工、不能自动识别手势问题，基于司机室监控视频数据，利用目标检测、人体姿态估计等深度学习方法，提出城轨列车司机手势自动实时识别方法，具有准确度高、实时性强等特点。
（3）天气多标签识别
使用多级特征融合和注意力机制构建轨道交通环境天气多标签精细分类模型，增强天气图像语义表达能力。应用于轨道交通环境监测，高效识别晴天、阴天、雨天等多种天气状态，实现轨道交通环境安全状态监测与实时预警。
（4）基于激光雷达的铁路障碍物检测
检测列车运行前方会危及行车安全的障碍物，点云数据具有目标障碍物的三维信息，通过深度学习网络训练，可以准确预测目标物体的位置、⼤小等，从而使列车可以提前感知、提前预警。
（5）轨道线检测
使用深度学习、图像处理等技术来检测和定位列车前方的轨道。通过对轨道的准确识别，可以有效地划分高铁限界，帮助定位列车行驶的特定空间，提升列车环境感知能力。
（6）轨道交通受电弓精细化检测
监控轨道交通受电弓实时安全状态和重要几何结构参数。采用深度学习理论，基于机器视觉技术去检测和测量位置结构，提高运维检测精度、自动化和智能化⽔平。
（7）继电器智能预测性维护系统应用示范
搭建继电器智能预测性维护系统，对继电器时间参数、电参数等特征参数采集后，利用维纳过程、高斯过程回归、DS证据等实现继电器健康状态评估及剩余寿命预测。
（8）高速磁浮关键系统状态监测示范
针对600公里高速磁浮关键系统开展系统解耦、失效机理分析及特征参数研究，基于物理模型的数据驱动及仿真模型的健康状态管理。
（9）可靠性分析及维修策略优化
通过系统分析，基于失效模型、冲击理论、马尔可夫过程等方法构建退化模型，采用智能优化算法、机器学习等优化技术，针对轨道交通运⾏系统，分析设备或制定和改进设备或系统的维护计划和策略，以实现设备的高效、可靠和经济的运⾏。
四、团队联系人及联系方式
联系人：魏秀琨
联系方式：xkwei@bjtu.edu.cn