基于图像处理和双BP神经网络的电气化铁路接触网立柱标识牌识别算法研究

故障位置点定位是实现轨道维护及保养的前提,利用接触网立柱标识牌实现定位是一种常用的轨道定位方法,但常规的识别方法存在识别率低且速度慢的缺点。针对该问题,提出一种基于图像处理和双神经网络的接触网立柱标识牌识别算法。首先利用Hough变换提取出接触网支柱区域,减小识别区域,其次通过形态学方法实现标识牌的定位与裁剪,再采用水平投影方法对字符进行分割,最后对字符中的字母和数字分别进行特征提取,利用两路并行的反向传播神经网络进行识别。通过实验验证了该算法的有效性,结果表明:该方法精度可达98.3%,相较于传统识别方法速度提高了17%。因此该识别算法能够实现轨道故障位置的快速精确定位,可用于轨道智能巡检系统。     

地铁接触网缺陷检测中的多重融合定位技术

根据城市轨道交通系统接触网检测中的缺陷定位需求,提出了基于多普勒雷达、激光测距及无线射频技术的多重融合定位技术。该技术完全独立于车上列控系统,不与车载系统产生任何干涉,可配合智能融合算法应用在弓网检测设备中,为检测到的缺陷提供准确的定位信息。     

一种刚性接触网缺陷智能检测系统的开发与应用

针对刚性接触网核心部件汇流排和接触线缺陷项目多、智能化检测手段少的问题，提出一种基于图像智能采集及深度学习算法识别的刚性接触网缺陷智能检测系统的总体设计方案，详细介绍系统构成、功能及其应用情况。该系统在应用中能自主完成智能化的采集检测任务，实现刚性接触网缺陷的智能检测。     

基于启发式Q(λ)学习的铁路绝缘子定位研究

智能化冲洗是解决电气化铁路绝缘子人工冲洗弊端的有效途径,而智能化冲洗的关键在于绝缘子识别、定位。通过对现有智能冲洗设备的分析,提出一种铁路绝缘子定位、跟踪方法,该方法基于传感器信息,采用启发式Q(λ)学习算法,可快速、准确找到绝缘子。首先建立铁路绝缘子水冲洗环境模型,接着为解决传统Q(λ)学习算法盲目学习导致收敛速度慢的问题,通过搜索支柱特征调整奖赏函数,设计启发式策略函数并融入Q(λ)学习中,提高算法的学习和收敛速度。最后分别对传统Q(λ)学习算法和启发式Q(λ)学习算法进行Matlab仿真实验,确定最佳参数设置,仿真结果表明启发式Q(λ)算法的正确性和可行性。     

城轨交通接触网悬挂状态智能检测算法及应用

通过高清成像对接触网悬挂状态进行检测,及时发现零部件松脱卡磨断等缺陷问题并维修,是保障城轨交通接触网系统安全运行的重要手段。采用YOLOV4的最小版本YOLOV4-tiny作为检测算法的基础模型,将原有Dropout层去掉,将上层特征直接经过卷积层后输入到下层卷积层,并加入Mosaic数据增强方式提高算法的泛化性,同时将原有Leaky-Relu函数替换为更加平滑的Mish函数。接触网缺陷定位的流程为：根据改进后的YOLOv4-tiny算法训练得到零部件区域定位模型,用于定位零部件的位置;再根据改进后的YOLOv4-tiny算法训练得到缺陷识别模型,用于判断该零部件是否有缺陷,并给出缺陷的具体位置和缺陷类别。实际应用表明：该算法能准确、快速定位零部件缺陷位置,并给出缺陷类型,总精度达90%以上,大大地降低了检测耗时与成本,并保障了作业人员安全。     

基于卷积神经网络的接触网支柱号识别方法研究

接触网支柱号是铁路供电部门现场运营维护的重要定位参数。基于卷积神经网络的接触网支柱号自动识别方法结合接触网图像的实际特点,对视频图像进行了归一化图像预处理,并对实际的支柱图片进行了卷积神经网络的训练,在支柱号识别确定的过程中考虑了接触网支柱号的分布特点,提高了支柱号识别的准确性。利用实际线路数据进行测试,取得了较好的识别精度和较快的识别速度。通过实验验证,该方法能够辅助铁路基础设施检测系统中缺陷的定位,指导现场运营维修。     

接触网检测定位方法探讨

在目前的接触网检测过程中,支柱的定位是以接触网数据库中的支柱位置和支柱跨距检索为主,依靠对车轮上角度传感器的距离脉冲采样计算距离,利用定位点检测系统对支柱的定位点进行识别确认和人工修改定位支柱号等4种方法组合确定的。而距离脉冲采样存在信号变换和处理的误差,定位点识别存在找不着定位及误判的缺陷,人工定位隐含观察和修改设定等误差,数据库则有线路改造与输入误差。这些误差的产生,造成检测到的接触网缺陷定位不准,给检修工作带来很大困难。为了改变这种状态。应该建立以接触网设备自行定位为主,数据库、距离脉冲为辅的接触网…     

车载式地铁轨道缺陷巡检系统设计

提出一种新的车载式地铁轨道缺陷巡检系统,利用机器视觉技术,通过对系统硬件和软件的设计,实现轨道道床空间全断面高清晰成像、检测位置信息获取、轨道缺陷智能识别以及轨道缺陷数据无线传输保存等功能。最后,将该巡检系统应用在广州地铁8号线上,试验结果表明,该巡检系统具有定位精准、轨道缺陷检测精确、实时传输和分析的优点,适用于我国地铁轨道缺陷巡检,可有力保障列车安全、可靠运行。     

基于铁路5C装置的受电弓滑板缺陷智能检测技术

受电弓的异常状态是对高速铁路运营安全影响较大且备受关注的问题.基于计算机视觉的受电弓滑板缺陷智能检测技术,结合改进的YOLOv4模型与边缘提取等传统图像处理算法,研究适用于受电弓滑板监测装置(5C)的缺陷智能识别模型.铁路现场试验证明该智能识别模型在受电弓滑板缺陷检测中的有效性和实时性.     

基于工业CT的铁路货车铸件缺陷自动检测

针对采用传统方法检测铸件缺陷存在检测效果不明显的问题,为提高检测效率,研究基于工业CT的铁路货车铸件内部缺陷自动检测算法.首先用工业CT扫描重建得到铸件的断面图像,然后对图像计算分形维数,利用铸件缺陷区域分形维数较高的特点自动定位出缺陷的大致区域,再用Facet模型对定位区域进行边缘检测,以便确定缺陷的准确形状.用工业CT对摇枕和侧架进行缺陷检测的结果表明,该方法不仅能获得铸件内部缺陷的位置和准确形状,而且处理自动化程度较高.     

基于深度自编码网络的接触网开口销缺失识别

在对接触网悬挂装置状态进行检测时,因为缺少开口销缺失的样本,智能识别难以保证较高的准确率。本文提出了一种基于YOLO v2检测算法与深度降噪自编码网络的接触网开口销缺失识别方法,实现对开口销的定位及定位后开口销图像重构,通过分析重构误差判断接触网开口销是否缺失。试验证明该方法能有效识别开口销缺失情况。     

构建 Delaunay 三角网的一种新型生长法——壳外插入法

基于逐点插入法中影响域的概念,提出一种新的三角网生长算法——壳外插入法。该算法以三角网外围的凸包生长为基础,通过查找生长边、内蚀既有网、重构三角网3个基本操作,达到既有网在保持Delaunay特性的同时纳入新点,从而实现三角网的生长。该算法克服了传统生长法需要查找第3点的缺陷,也避免了逐点内插法大量三角形定位的操作,因而算法的平均复杂度达到O(NlogN)。使用了大量的随机散点数据和常吉高速的实测地形点数据对算法进行测试,证实该算法快速有效。     

一种多路径环境下的智能选路算法设计与实现

为解决目前一些多路径软件的选路算法需手动设置所带来的盲目性问题，提出并设计了一种智能选择选路算法的策略，进而实现了一种智能选路算法。该算法主要通过系统独立的线程自动监控主机与存储系统中各条物理路径的I/O情况，动态地选择一种较为恰当的选路算法进行最优路径的选择。该算法在多路径环境下利用微软MPIO框架实现，实验表明，该算法具有较好的I/O传输性能。     

城轨车辆用多股道智能巡检机器人检测系统

城轨车辆用多股道智能巡检机器人检测系统通过采用智能机器人技术、同步定位与地图构建(Simultaneous Localization And Mapping,SLAM)技术、多自由度柔性机械臂控制技术、高清光学成像技术、人工智能(Artificial Intelligence,AI)算法实现对地铁车辆车底和两侧的自动化...     

基于接触网成像技术的绝缘子故障检测方法

在电气化铁路接触网设备中,绝缘子是最易发生故障的零部件之一。文章运用接触网成像检测图片,采用SVM分类器,基于HOG特征对接触网成像数据中的绝缘子进行初步定位,再使用局部二值化实现绝缘子精确定位。针对绝缘子破损缺片、闪络放电、附着异物等3种典型缺陷,分别设计了故障识别算法,且该方法已在中国铁路广州局集团有限公司部分线路中进行实测,效果良好。     

基于双目定位和同步触发的城市轨道交通工务综合检测车

[目的]目前城市轨道交通隧道及轨道的工务巡检大多仍采用传统的人工巡检方式,亟需有效提升巡检效率及准确率。[方法]提出了一种基于双目定位和同步触发技术的城市轨道交通工务综合检测车(以下简称“综合检测车”),阐述了该综合检测车的系统架构,并介绍了同步定位模块、供电模块及人机交互模块的功能,以及工务病害故障检测所采用的识别算法。介绍了该综合检测车的定位计算和同步控制技术,并对其在城市轨道交通工程中的实际应用效果进行了分析,对其技术优势进行了总结。[结果及结论]该综合检测车可在2 h内完成城市轨道交通线路隧道及轨道的巡检工作,实现对多类病害故障的智能综合检测。与人工检测相比,其准确率提升了60%,巡检成本降低了30%。     

基于深度学习的铁路关键部件缺陷检测研究

关键部件缺陷图像自动检测对于复兴号动车组运营维护意义重大,但目前主要依靠专业人员对检测图像进行分析,耗费大量人力、物力,造成检测周期长,检测准确率无法保证。提出一种结合部件检测与缺陷分类流程的双通道缺陷检测框架MCDDF(Multi-channel Defect Detection Framework),部件检测通道基于目标检测算法实现动车组关键部件定位,定位后的关键部件经裁剪进行超分辨率提升,传入缺陷分类通道基于迁移学习方法实现缺陷类别的准确分类,结合两通道信息实现缺陷检测任务。实验分析两通道的性能提升方法,对比MCDDF与传统基于目标检测方法在铁路关键部件缺陷图像上的检测效果,验证了MCDDF方法的有效性。     

基于ROS的铁路客站自主移动机器人关键技术研究

智能服务机器人已成为当前国内外机器人领域的研究热点,其研究成果在人工智能技术的推动下逐步进入人们的日常生活。自主移动作为智能服务机器人重要的智能特征,是保证智能服务机器人实用化的关键。以机器人操作系统(ROS)为基础,对自主移动机器人的架构展开研究,提出自主移动机器人的硬件、软件架构,以该硬件、软件架构为导向,研究基于即时定位与地图构建(SLAM)的地图构建、定位、导航技术,设计了导航系统框架,提出改进型A*路径搜索算法用于导航路径规划,并在车站对算法进行验证,结果表明比传统A*路径搜索算法提高约30%的效率,降低了算法搜索时间及复杂度,提高了路径寻优效率,能够满足铁路客运车站内移动机器人定位、导航及路径规划的需求。     

一种基于深度神经网络的腕臂底座开口销缺失检测算法

在接触网装置故障中,腕臂底座(包含平腕臂底座和斜腕臂底座)开口销缺失较常见,包括横向和垂直销钉开口销缺失两种.为对腕臂底座开口销缺失缺陷进行自动识别,本文提出一种基于深度神经网络的腕臂底座开口销缺失检测算法:首先采用YOLO算法对原始大图进行一级定位得到腕臂底座区域,然后对腕臂底座区域进行二级定位得到开口销区域小图,最后采用CNN(卷积神经网络)分类算法对横向和垂直开口销小图进行分类识别.实验测试证明该检测算法识别准确率高、漏检率低,可对腕臂底座开口销缺失进行有效检测.     

汽车车牌的自动检测与识别

车牌识别系统是智能交通系统的重要组成部分.研究进行车牌识别的各项关键技术,提出基于数学形态学与多特征组合分析相结合的快速汽车车牌定位方法.在分析近年来一些典型的车牌识别算法的基础上,给出改进算法的BP神经网络.实验表明,该算法可以有效提高识别速度和准确率.