当前位置:主页 > 科技论文 > 软件论文 >

复杂场景下动车底部螺栓丢失故障的自动检测

发布时间:2019-11-23 08:34
【摘要】:动车底部闸瓦部位的螺栓,对列车整体制动系统起着关键作用。闸瓦部位螺栓的丢失,会给列车安全制动以及安全行驶带来严重威胁。以螺栓丢失故障检测为例,提出动车中零部件丢失故障的在线检测与识别算法,为动车重点部位的故障诊断进行针对性检测提供了一种指导方法。结合螺栓几何结构的特点,提出了一种基于图像Sobel梯度边缘的完备局部二进制模型特征提取算法,结合二值分类器的训练与学习,完成螺栓丢失故障的自动检测。结果表明,所提算法对复杂场景下螺栓丢失故障的识别有很强的稳健性,其检测效率和精度也很高,能够满足现场应用需求。
【图文】:

直方图,样本,分类器,故障检测


54,111501(2017)激光与光电子学进展www.opticsjournal.net图3用于训练故障检测分类器的(a)正样本和(b)负样本Fig.3(a)Positiveand(b)negativesamplesusedfortrainingthefaultinspectionclassifier图4正负样本训练后得到的分类器结果Fig.4Resultsoftheclassifierafterpositiveandnegativesamplestraining图5螺栓丢失故障检测结果。(a)螺栓丢失检测结果;(b)故障在图像坐标中的位置Fig.5Faultinspectionresultofboltmissing.(a)Inspectionresultofboltmissing;(b)positionoffaultintheimagecoordinate故障;绿色矩形框表示检测出的螺栓没有出现丢失故障,红色矩形框表示为检测出的螺栓出现了丢失故障。图5(b)中显示了螺栓丢失故障在实际图像坐标中的位置,,记下此时图像的序列号和故障位置,发送给终端服务器,提醒现场列检人员该处螺栓出现丢失,需现场重点查看并确认。3.2不同特征下目标检测的对比分析螺栓故障的识别分为两个过程,即检测分类器的训练和目标故障的识别。利用滑动窗口法提取目标的特征,对检测分类器进行线下训练。为了验证这种基于Sobel梯度边缘下的CLBP算法的优越性,利用Edge-CLBP、LTP[12]和梯度编码直方图(GEH)[16]方法分别对训练集进行特征提取,并训练IKSVM分类器h

直方图,样本训练,分类器


54,111501(2017)激光与光电子学进展www.opticsjournal.net图3用于训练故障检测分类器的(a)正样本和(b)负样本Fig.3(a)Positiveand(b)negativesamplesusedfortrainingthefaultinspectionclassifier图4正负样本训练后得到的分类器结果Fig.4Resultsoftheclassifierafterpositiveandnegativesamplestraining图5螺栓丢失故障检测结果。(a)螺栓丢失检测结果;(b)故障在图像坐标中的位置Fig.5Faultinspectionresultofboltmissing.(a)Inspectionresultofboltmissing;(b)positionoffaultintheimagecoordinate故障;绿色矩形框表示检测出的螺栓没有出现丢失故障,红色矩形框表示为检测出的螺栓出现了丢失故障。图5(b)中显示了螺栓丢失故障在实际图像坐标中的位置,记下此时图像的序列号和故障位置,发送给终端服务器,提醒现场列检人员该处螺栓出现丢失,需现场重点查看并确认。3.2不同特征下目标检测的对比分析螺栓故障的识别分为两个过程,即检测分类器的训练和目标故障的识别。利用滑动窗口法提取目标的特征,对检测分类器进行线下训练。为了验证这种基于Sobel梯度边缘下的CLBP算法的优越性,利用Edge-CLBP、LTP[12]和梯度编码直方图(GEH)[16]方法分别对训练集进行特征提取,并训练IKSVM分类器h

【相似文献】

相关博士学位论文 前1条

1 熊庆;列车滚动轴承振动信号的特征提取及诊断方法研究[D];西南交通大学;2015年

相关硕士学位论文 前3条

1 井波;基于EEMD的高速列车安全性态数据的特征研究[D];西南交通大学;2015年

2 吴志丹;基于MEMD的高速列车安全性态评估应用研究[D];西南交通大学;2017年

3 袁雪;高速铁路接触网静动态性能退化特征提取方法[D];西南交通大学;2017年



本文编号:2564875

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2564875.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户84e85***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com