北京交通大学-机械与电子控制工程学院--文章页

机构介绍

基本情况
研究方向
科研成果与荣誉
代表性科研项目
代表性论著
联系方式

您当前的位置是：学院首页|学院概况|学院介绍|机构设置|轨道交通智能检测技术研究所

轨道交通智能检测技术研究所

基本情况

轨道交通智能检测技术研究所主要从事无损检测与智能信息处理相关的基础理论与关键技术研究，近年来在机器视觉、超声导波、智能信息处理等方面的理论研究取得系列成果，开发出高速铁路周界入侵检测系统、城市轨道交通隧道智能巡检车、无缝钢轨完整性与应力监测系统等先进技术装备，相继在京沪高铁、沪宁高铁、杭甬高铁、宝兰高铁、北京地铁、广州地铁、神华重载铁路、CIT400高速综合检测列车等投入使用，获得中国铁道学会铁道科技奖一等奖两项，为我国轨道交通安全检测技术发展做出贡献。

研究所现有教师7人，博士研究生10人，硕士研究生40多人，先后获得茅以升科学技术奖（铁道科学技术奖）、詹天佑科学技术奖（成就奖）、教育部新世纪人才等奖励称号，是我国轨道交通安全检测领域有影响力的研究团队。

研究方向

研究轨道交通线路安全状态的监测、检测基础理论和关键技术，智能感知直接承载和容纳列车运行的轨道和线路净空的安全状态，为列车平稳安全地运行控制提供基础。

主要研究方向包括：

(1)面向轨道交通线路环境与周界入侵检测的图像智能分析技术

(2)轨道、线路、隧道安全状态与病害缺陷智能巡检技术

(3)基于超声导波的无缝钢轨断裂、温度应力在线监测与钢轨裂纹快速检测技术

(4)基于车路耦合的轮轨缺陷动态检测技术

科研成果与荣誉

序号	获奖成果名称	奖励名称	奖励等级	颁奖单位	获奖年份
1	高速铁路周界入侵检测技术	铁道科学技术	一等奖	中国铁道学会	2018
1	轨道交通线路全断面动态检测技术	铁道科学技术	一等奖	中国铁道学会	2012

代表性科研项目

序号	项目名称	项目来源
1	神华重载铁路货车状态检修成套技术研究及装备研制-状态修诊断决策综合判别模型及系统研究	国家能源集团
2	铁路综合视频智能识别（高铁周界入侵监测）应用技术研究	中国铁路总公司重大
3	高速铁路系统安全保障技术	国家重点研发计划
4	基于车地的轨道交通系统状态信息获取与融合技术	国家重点研发计划
5	高速铁路基础设施服役状态检测技术	国家863 重大
6	高速铁路服役状态智能感知与综合监测	国家自然科学基金重点

代表性论著

1.周界入侵与视频智能分析
1.18	Wei Wang, Liqiang Zhu. Structured feature sparsity training for convolutional neural network compression [J]. Journal of Visual Communication and Image Representation. 2020, 71:102867(1-8)
1.17	Wei Wang, Liqiang Zhu, Baoqing Guo. Reliable identification of redundant kernels for convolutional neural network compression [J]. Journal of Visual Communication and Image Representation. 2019, 63:102582(1-12)
1.16	Wang, Yao; Zhu, Liqiang; Yu, Zujun. Foreground Detection for Infrared Videos using Multi-scale 3D Convolutional Neural Networks. IEEE Geoscience and Remote Sensing Letters, 2019，16((5):712-716
1.15	Wang Yang, Zhu Liqiang, Yu Zujun, Guo Baoqing. An Adaptive Track Segmentation Algorithm for a Railway Intrusion Detection System [J]. Sensors，2019, 19(11)：2594(1-21)
1.14	Baoqing Guo, Gan Geng, Liqiang Zhu, Hongmei Shi and Zujun Yu. High-Speed Railway Intruding Object Image Generating with Generative Adversarial Networks[J], Sensors, 2019,19(14):3075
1.13	Wang Yao, Yu Zujun, Zhu Liqiang. Foreground Detection with Deeply Learned Multi-Scale Spatial-Temporal Features [J]. Sensors, 2018,18(12):4269
1.12	Guo, Baoqing, Zhou Xingfang, Lin Yingzi, Zhu Liqiang, Yu Zujun. Novel Registration and Fusion Algorithm for Multimodal Railway Images with Different Field of Views, Journal of advanced transportation, 2018
1.11	王玮，朱力强. 基于特征图裁剪的高铁周界入侵实时检测算法. 铁道学报，2019, 41(9):74-80.
1.10	王尧，余祖俊，朱力强，郭保青. 基于高阶全连接条件随机场的高速铁路异物入侵检测方法[J]. 铁道学报，2019，41（5）：82-92
1.9	王洋,朱力强,余祖俊,郭保青. 高速铁路场景分割与识别算法[J]. 光学学报, 2019,39(06),119-126
1.8	郭保青，马学志，余祖俊，王耀东，朱力强*.基于PTZ相机极向投影的铁路限界自动识别方法，铁道学报，2018，40(11):62-69.
1.7	郭保青，王宁. 基于改进深度卷积网络的铁路入侵行人分类算法，光学精密工程，2018， 26（12）：3040-3049.
1.6	郭保青*，余祖俊，张楠，朱力强，高晨光.铁路场景三维点云分割与分类识别算法，仪器仪表学报，2017，38(9):2103-2111.
1.5	王洋,余祖俊,朱力强,郭保青.基于CNN的高速铁路侵限异物特征快速提取算法[J].仪器仪表学报,2017,38(05):1267-1275.
1.4	郭保青，杨柳旭，史红梅，王耀东，许西宁*.基于快速背景差分的高速铁路异物侵入检测算法[J],仪器仪表学报，2016，37（6）：1371-1378.
1.3	王尧，余祖俊，王中卫，李长春. 基于PFGA的铁路异物入侵检测. 铁道学报，2016, 38(3)
1.2	史红梅, 柴华, 王尧, 余祖俊. 基于目标识别与跟踪的嵌入式铁路异物侵限检测算法研究[J]. 铁道学报, 2015, 37(07): 58-65.
1.1	同磊,朱力强,余祖俊,郭保青.基于车载前视摄像机的轨道异物检测[J].交通运输系统工程与信息,2012,12(04):79-83+134.

2.超声与无损检测
2.15	Xiangyu Duan, Liqiang Zhu, Zujun Yu, Xining Xu. Estimating the Axial Load of In-Service Continuously Welded Rail Under the Influences of Rail Wear and Temperature [J]. IEEE Access, 2019, 7(1):143524-143538
2.14	Hongmei Shi, Lu Zhuang, Xining Xu, et al. An Ultrasonic GuidedWave Mode Selection and Excitation Method in Rail Defect Detection[J]. Applied Sciences, 2019,9,1170,1-22.
2.13	Bo Xing, Zujun Yu, Xining Xu, et al. Research on a Rail Defect Location Method Based on a Single Mode Extraction Algorithm[J]. Applied Sciences, 2019,9,1107,1-16.
2.12	Xu Xining, Xing Bo, Zhuang Lu, Shi Hongmei and Zhu Liqiang. A Graphical Analysis Method of Guided Wave Modes in Rails. Appl. Sci. 2019, 9, 1529，1-19.
2.11	XU XINING, ZHUANG LU, XING BO, et al. An Ultrasonic Guided Wave Mode Excitation Method in Rails[J]. IEEE Access, 2018,6: 60414-60428.
2.10	牛笑川,朱力强,余祖俊,李国直.无缝钢轨中温度对应力非线性超声检测的影响[J].声学学报,2019,44(02):241-250.
2.9	朱力强,闻志强,邬成健,王尧.高寒地区高速铁路路基冻胀远程监测[J].铁道学报,2019,41(01):109-116.
2.8	邢博,余祖俊,许西宁等. 基于激光多普勒频移的钢轨缺陷监测[J]. 中国光学，2018,11(6):991-1000.
2.7	王嵘,余祖俊,朱力强,许西宁.基于导波多模态融合的无缝钢轨温度应力估计算法[J].铁道学报,2018,40(06):136-143.
2.6	王嵘,余祖俊,朱力强,许西宁.基于导波速度的无缝钢轨应力检测方法[J].中国铁道科学,2018,39(02):18-27.
2.5	史红梅, 余祖俊, 朱力强, 刘文琪. 高速铁路无缝钢轨纵向位移在线监测方法研究[J]. 仪器仪表学报, 2016, 37(04): 811-817.
2.4	朱力强,许西宁,余祖俊,史红梅,段翔宇.基于超声导波的钢轨完整性检测方法研究[J].仪器仪表学报,2016,37(07):1603-1609.
2.3	余祖俊，许西宁，史红梅等.钢轨中超声导波激励响应计算方法研究[J]. 仪器仪表学报, 2015, 36(9): 2068-2075.
2.2	许西宁，郭保青，余祖俊，等. 半解析有限元法求解钢轨中超声导波频散曲线[J]. 仪器仪表学报, 2014, 35(10): 2392-2398.
2.1	许西宁, 余祖俊, 朱力强, 史红梅. 半解析有限元法分析兰姆波频散特性[J]. 仪器仪表学报, 2013,34(2): 247-253.

3.隧道裂纹与全断面检测
3.6	王耀东,朱力强,史红梅,方恩权,杨玲芝.基于局部图像纹理计算的隧道裂缝视觉检测技术[J].铁道学报, 2018,40(02):82-90.
3.5	王耀东,朱力强,余祖俊,郭保青.用于机械系统瞬时目标的双视角高速视觉检测系统[J].光学精密工程, 2017,25(10):2725-2735.
3.4	朱力强,王春薇,王耀东,余祖俊,郭保青.基于特征点集距离描述的裂缝图像匹配算法研究[J].仪器仪表学报,2016,37(12):2851-2858.
3.3	王耀东,朱力强,史红梅,郭保青.高速机械系统运动特性的实时视觉检测技术研究[J].机械工程学报, 2016,52(02):82-90.
3.2	朱力强,白彪,王耀东,余祖俊,郭保青.基于特征分析的地铁隧道裂缝识别算法[J].铁道学报,2015,37(05):64-70.
3.1	王耀东,余祖俊,白彪,许西宁,朱力强.基于图像处理的地铁隧道裂缝识别算法研究[J].仪器仪表学报,2014,35(07):1489-1496.

4.轮轨缺陷动态检测
4.5	Shi Hui, Zhu Liqiang, Shi Hongmei, Yu Zujun. Estimation of Cement Asphalt Mortar Disengagement Degree Using Vehicle Dynamic Response[J]. Shock and Vibration, vol. 2019, Article ID 4281514, 11 pages, 2019.
4.4	Shi Hui, Yu Zujun, Shi Hongmei, Zhu Liqiang. Recognition algorithm for the disengagement of cement asphalt mortar based on dynamic responses of vehicles[J]. Proceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit, 2019, 233(3): 270-282.
4.3	Li Jianbo, Shi Hongmei. Rail Corrugation Detection of High-Speed Railway Using Wheel Dynamic Responses[J]. Shock and Vibration, vol. 2019, Article ID 2695647, 12 pages, 2019.
4.2	赵蓉, 史红梅. 基于高阶谱特征提取的高速列车车轮擦伤识别算法研究[J]. 机械工程学报, 2017, 53(06): 102-109.
4.1	史红梅, 赵蓉, 余祖俊, 朱力强. 基于钢轨振动响应分析的车轮扁疤检测方法研究[J]. 振动与冲击, 2016, 35(10): 24-28+54.

联系方式

所长	余祖俊
联系人	朱力强
办公电话	51684151
办公地点	机械实验馆308
通信地址	北京市海淀区上园村3号
邮编	100044
电子邮件	lqzhu@bjtu.edu.cn

登录|交大首页|旧版入口|English