基于图像处理技术的列车部件异常自动检测方法研究及应用

发布时间：2021-11-12 15:10

　　随着我国铁路列车的不断发展,铁路列车承担着全国交通运输重大责任,铁路列车的安全运行也受到越来越多的关注。列车结构复杂,零部件多,人工对列车检查需要大量的时间和人力,而目前广泛使用的基于图像的列车部件故障检测系统只能对列车的某些关键部位进行故障检测,无法完成列车的零部件检测。因此,对列车零部件故障检测的研究也是不可缺少的。为了有效完成零部件故障检测,本文以列车闸瓦螺栓、闸瓦插销和沙壶部件作为研究对象,运用相关图像处理技术的方法实现了列车闸瓦螺栓、闸瓦插销和沙壶部件异常自动检测。本文的主要内容分为以下三个方面:1、建立了基于GS-SIFT特征描述子的列车闸瓦螺栓丢失识别方法。首先对闸瓦图像进行预处理;由于SIFT算法自身的缺陷,通过对比分析,得出GS-SIFT算法在不同场景中,对待测闸瓦图像和模板闸瓦图像进行特征匹配时,有更强的适应性;进而又通过RANSAC算法筛选得到精确匹配点;对待测闸瓦图像进行旋转和缩放矫正;分割目标区域;最后取正常螺栓图像作为模板遍历目标区域图像,判断螺栓是否丢失。本算法运行稳定,准确率达到96%。2、建立了基于Canny的列车闸瓦插销开角故障识别方法。首先依据闸瓦... 

【文章来源】：长安大学陕西省 211工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

线段拟合示意图

直线的参数描述在图像分析文中，图像中边缘段(,)

列车故障识别流程图

【参考文献】：
期刊论文
[1]人工神经网络发展现状综述[J]. 王广.  中小企业管理与科技(下旬刊). 2017(02)
[2]TFDS动态检查集中作业系统的应用[J]. 黄宝君,陈尚泽,赵峰.  哈尔滨铁道科技. 2015(03)
[3]基于TFDS-4系统运用研究[J]. 刘护宪.  电子技术. 2014(03)
[4]青藏线格拉段5T综合预报关联TFDS信息的探讨[J]. 李刚.  铁道机车车辆. 2013(06)
[5]TFDS故障动态图像识别系统的设计[J]. 李九灵,冯维,孙国栋,宋丽萍.  湖北工业大学学报. 2013(05)
[6]TFDS-3型故障轨边图像检测系统的应用[J]. 刘立强.  华北科技学院学报. 2013(02)
[7]铁路货车故障轨边图像检测系统（TFDS）运用中存在的问题及改进建议[J]. 王跃.  哈尔滨铁道科技. 2013(01)
[8]基于边缘图像和SURF特征的可见光与红外图像的匹配算法[J]. 纪利娥,杨风暴,王志社,陈磊.  红外技术. 2012(11)
[9]基于模板匹配法的字符识别算法研究[J]. 李新良.  计算技术与自动化. 2012(02)
[10]TFDS系统在列检运用中存在的问题和对策[J]. 卢浒,罗业坤.  铁道运营技术. 2012(02)

博士论文
[1]多分辨率医学图像配准技术及自适应图像插值技术的研究[D]. 李晖.山东大学 2009
[2]多分辨率分析及其在图像处理中的应用研究[D]. 尚政国.哈尔滨工程大学 2008

硕士论文
[1]基于图像处理的动车轴端螺栓检测方法的研究[D]. 叶宏鹏.北京交通大学 2018
[2]高温合金铣削加工刀具磨损状态检测研究[D]. 徐莹.湘潭大学 2018
[3]图像识别技术在铁轨扣件异常检测中的应用研究[D]. 代国忠.哈尔滨工程大学 2018
[4]列车车号定位与识别算法研究[D]. 王浩宇.长安大学 2018
[5]心盘螺栓和闸瓦钎故障图像检测算法研究[D]. 冯映科.兰州交通大学 2018
[6]基于Matlab的车牌识别系统的研究[D]. 陈鼎.南昌大学 2018
[7]数字多用表表盘字符识别系统设计[D]. 倪楠.西安电子科技大学 2017
[8]基于图像的行人检测算法研究[D]. 刘晓龙.国防科学技术大学 2017
[9]基于SIFT的火车车底螺栓图像识别技术研究[D]. 吴应永.西南交通大学 2016
[10]基于目标轮廓特征的图像识别及列车转向架故障检测[D]. 顾超.苏州大学 2014



本文编号：3491165