城市轨道交通学院柴晓冬教授、郑树彬教授领衔的课题组在“轨道车辆智能监测与安全运维”领域取得了一系列研究成果。团队彭乐乐博士，2022年9月在国际著名期刊《Mechanical Systems and Signal Processing》（中科院SCI分区升级版工程技术大类一区TOP期刊，影响因子为8.934）发表“A bagged tree ensemble regression method with multiple correlation coefficients to predict the train body vibrations using rail inspection data”；2022年7月在《IEEE Transactions on Circuits and Systems I: Regular Papers》（中科院SCI分区升级版工程技术大类二区期刊，影响因子为4.140）发表“Base-2 Softmax Function: Suitability for Training and Efficient Hardware Implementation”；2021年11月在《IEEE Transactions on Instrumentation and Measurement》（中科院SCI分区升级版工程技术大类二区期刊，影响因子为5.332）发表“A Comprehensive Detection System for Track Geometry Using Fused Vision and Inertia”等一系列研究成果。针对轨道车辆车体振动预警瓶颈问题，构建了基于运维数据的轨道车辆车体振动预警算法及系统。
针对轨道交通内嵌信息网络模型式智能感知技术的瓶颈问题，提出了基于Base-2 Softmax Function的 AI芯片加速技术。
针对轨道线路病害检测中缺少集成度高、使用便携的智能检测设备，构建了一种基于惯性与视觉技术的轨道多参数检测方法及设备。
同时，课题组研发的“智能自发电式轴温在线监测及协同预警系统”，通过了振动、冲击、电磁兼容及灼热丝等国际认证。该系统具备能源自俘获、状态信息自感知、能源自洽与自管、有效状态信息自识别和数据自互联互通的功能，具有完全自主知识产权，授权核心发明专利5 项。2021年1月—2022年10月已完成设备安装并运行，实现了轴温数据的数字化监测，为轨道交通行业智能运维提供了新方法、新技术。
