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.     

高铁接触网旋转双耳销钉状态检测方法研究

针对高速铁路接触网支撑装置旋转双耳部件销钉的松脱与脱落问题,提出一种基于图像不变性目标定位及灰度分布规律特征的销钉不良状态检测方法。通过分析现场接触网支撑及悬挂装置图像,利用SIFT(Scale Invariant Feature transform)算法和改进的RANSAC(Random Sample Consensus)算法实现双耳部件的定位;采用Hough变换实现目标图像中双耳套筒倾角的提取,并将其旋转至水平方向,进而实现旋转双耳部分的分割;累加目标图像的竖直方向像素灰度值,确定销钉受力部分和两端非受力部分长度;归纳销钉正常工作及故障时这些长度间相关比值的范围,从而判断销钉的工作状态。实验表明,该方法能够较准确地实现销钉不良状态的检测。     

基于深度学习的高铁接触网旋转双耳开口销钉缺失故障检测

针对高速铁路接触网支撑装置中旋转双耳开口销钉缺失故障检测的问题,提出一种基于深度卷积神经网络和集成学习的故障检测方法。通过Faster R-CNN网络对旋转双耳整体进行精确定位;在整体定位结果的基础上,进一步完成对开口销钉的精确定位,最大程度上降低背景对故障检测的干扰;通过多个深度卷积神经网络提取开口销钉图像的多种特征,最终由多个线性SVM构成的集成分类器实现开口销钉缺失故障检测。实验结果表明:本方法能在复杂的接触网支撑装置图像中实现旋转双耳开口销钉的精确定位,并且在销钉的缺失故障检测中表现出较高的可靠性。     

基于局部特征描述的高速铁路接触网斜撑套筒定位与故障检测

针对高速铁路接触网支撑装置斜撑套筒部件的螺钉松脱与脱落问题,提出一种基于采用局部特征描述的统计模式识别算法和螺钉灰度分布规律的图像检测方法。首先计算斜撑套筒部件正负样本的HOG特征,训练基于AdaBoost算法的级联分类器,实现接触网支撑装置图像中斜撑套筒部件的定位识别。为减少误匹配率,采用支持向量机分类器与AdaBoost分类器级联的方法完成目标的精确定位。对定位得到的斜撑套筒子图像利用Hough变换和边缘检测寻找分割直线分离螺钉和套筒,使螺钉可以被单独分析。实验表明,本文方法能够较准确地实现斜撑套筒2种不良状态的检测。     

基于模糊熵和Hough变换的受电弓滑板裂纹检测方法

针对受电弓滑板裂纹故障将严重危及行车安全的问题,提出一种基于模糊熵和Hough变换的滑板裂纹检测方法。首先依据像素邻域内的灰度分布,提出一种基于区间二型模糊熵的边缘检测方法,可以获得主体特征增强的滑板边缘图像;然后,采用连通域方法去除孤立噪声点,获得主要包含边界线、接缝、螺钉和裂纹四类图形元素的滑板边缘图像;在此基础上,采用Hough变换分析各类图形元素在参数空间的特征分布,从而提出一种基于极角约束Hough变换的裂纹提取方法,通过有效地排除非裂纹图形元素的特征点,最终实现滑板裂纹的自动检测。仿真实验表明,本文的边缘检测方法能够获得线性特征增强的滑板边缘图像,为后续的Hough变换提供有利基础;本文的裂纹提取方法能够准确实现滑板裂纹的识别和定位。     

基于图像识别的高铁接触网紧固件开口销故障分类方法

针对高铁接触网紧固件开口销缺失、松脱和安装不规范等现象,基于图像识别理论提出一种开口销故障等级划分方案和基于机器学习的开口销分类方法。在分类阶段,首先采用SSD算法对接触网4C系统的回图进行开口销定位与识别,并采用Deeplabv3+进行语义分割,最后采用SURF特征检测器对语义分割图片提取关键点,再利用视觉词袋模型BOVW生成视觉码本,利用视觉码本对极端随机森林ERF进行训练并生成模型。极端随机森林通过网格搜索和交叉验证(Gridsearch+CV)实现参数调优,使用ERF模型对开口销图片分类。采用该方法对实际线路的图片进行实验检测,准确率达到了93.2%,且节省人力,能有效保障高铁的供电安全。     

基于级联Faster R-CNN的高铁接触网支撑装置等电位线故障检测

在高速铁路接触网支撑与悬挂装置中,等电位线起到保证定位管与定位器间可靠电连接的作用。当其发生散股故障时,会对定位器支座造成电化学腐烛,甚至导致定位器与支座连接处断裂脱离,影响行车运行安全。针对高速铁路接触网支撑装置等电位线散股问题,提出一种基于级联Faster R-CNN目标定位的等电位线不良状态检测方法。通过分析接触网4C检测车采集到的接触网支撑及悬挂装置图像,利用第一级Faster R-CNN获得定位器支座部件特征并实现定位;利用第二级Faster R-CNN学习等电位线散股故障特征;通过对比分析等电位线正常及故障占比,实现等电位线正常与故障分类。实验表明,本方法能够较准确地实现等电位线不良状态检测,测试集识别准确率达到94.5%。     

高速铁路接触网承力索座识别与辅助承力索缺失故障检测方法研究

针对高速铁路接触网承力索座辅助承力索缺失的问题,基于DHOG特征及离散余弦变换特征增强提出辅助承力索缺失故障检测方法。该方法首先需对样本库图像提取DHOG特征,在此基础上训练AdaBoost分类器并给出承力索座的精确定位;其次使用离散余弦变换滤除图像背景信息,实现辅助承力索目标特征信息增强;随后通过可接受圆弧检测、圆弧段聚类拟合实现图像内的圆形检测和统计,并根据统计数目,给出故障判据,最终实现高铁接触网辅助承力索缺失的故障判断。实验结果表明本文方法在目标定位上具有较好的尺度、旋转不变性,在故障检测上具有较高的检测精度。     

基于几何特性的电气化铁路支撑装置管帽定位算法研究

针对接触网支撑装置图像(4C)中出现频率最高的管帽缺失故障,提出了一种基于几何特性的定位算法,实现了管帽区域的准确定位。首先对现场图像进行预处理;然后利用搜索阈值法二值化实现对支撑装置银色镀锌区域的提取;利用区域中心算法和最近像素定位法实现腕臂直线提取;最后根据支撑装置几何特性实现管帽区域的定位。实验表明,提出的定位算法能在复杂的接触网支撑装置图片中准确定位管帽区域。定位结果不受旋转、尺度、光照、支撑装置正反定位及图像中支撑装置主体结构是否完整等因素的影响,具有较高的实用价值和研究意义。     

高速铁路近景影像轨道边缘提取与匹配方法

近景摄影测量应用于铁路轨道几何平顺性检测具有较大潜力,为获得轨道几何状态参数,需对轨道数字影像进行定向与建模,本文探索一种高速铁路近景影像轨道边缘提取方法并构建轨道边缘线的同名点坐标映射模型。根据轨道数字影像的灰度信息与点位分布特点,利用Canny算法和概率Hough变换提取铁路轨道的内边缘特征,采用ORB算法与KNN算法匹配轨道表面同名点,建立轨道表面同名点的坐标对应关系。利用边缘线与轨道表面几何关系,构建轨道边缘线的多项式映射模型以匹配出边缘同名点。试验结果表明,该方法在轨道边缘识别与同名点匹配方面有较高的可靠性,可为高速铁路轨道几何状态检测提供影像处理技术支持。     

转向架轮对参数的结构光视觉测量方法与实现

为实现转向架轮对半径参数的精确检测,提出了一种基于结构光视觉传感器的非接触式检测方法。该方法首先采集轮对的线结构光条纹图像,采用中值滤波和最大间类方差法对图像进行去噪和阈值分割后,运用细化及Hough变换算法提取结构光条纹中心直线,最后结合视觉传感器标定参数计算出轮对特征点坐标及尺寸参数。通过轮对轮缘半径检测试验,验证了该方法的误差小于0.05mm,具有较好的检测精度,满足实际现场检测的要求。     

钢桥密集螺栓异常状态视觉识别方法

针对传统机器视觉方法无法从不同拍摄视角和拍摄距离的图像中较好地识别出异常螺栓的问题，依据钢桥密集螺栓区域自身视觉特点，提出基于区域异常点分析的密集螺栓异常状态视觉识别方法。该方法首先提取和比对图像蓝色和红色通道灰度，完成梁体颜色分割，并运用选定的Canny算子提取梁体区域内边缘，采用Hough线识别方法剔除杂波；其次依据密集螺栓呈现簇状分布特点，运用密度聚类分析定位螺栓簇区域，并依据密集螺栓位置呈现平行网格分布的特点，运用投影分析定位单个螺栓区域；然后依据各螺栓的阴影特征，利用切比雪夫不等式快速判定螺栓状态，完成螺栓异常识别；最后，制作钢桥节点板模型，采集不同螺栓松动或脱落图像，对该方法进行测试。结果表明：该方法对图像拍摄视角和距离的适用度高，对螺栓脱落的识别能力优于对螺栓松动的识别；不同场景下单个螺栓定位的平均交并比大于0.75，且螺栓脱落和松动识别的准确率和召回率分别在0.89和0.85以上。     

基于分段曲线模型的铁路轨道检测算法

针对现有铁路轨道检测识别算法的准确性和鲁棒性不高的问题,提出一种基于直线和双曲线相结合的分段曲线模型实现轨道线的检测、跟踪与验证。本算法首先依据轨道图像的边缘信息,通过多约束条件下的Hough变换初步检测轨道位置,确定轨道线消隐边界并标定近远景区域。然后,在近景区域,采用直线模型实现前方直轨拟合;在远景区域,融合轨间距离、轨道方向和像素灰度等先验知识构造边界置信度函数,设定可漂移窗口搜索算法完成特征点提取,以最小二乘法进行双曲线模型拟合。最后,依据模型切换及窗口搜索策略完成轨道线的跟踪。测试结果表明:该算法不仅较好地解决了弯轨描述问题,而且提高了检测的准确性和鲁棒性。     

基于帧间差分累积的铁路限界异物检测提取算法

为满足轨道交通全自动运行系统对铁路限界内异物检测提取的需求,改进帧间差分法,提出一种以帧间差分累积为基础的铁路限界内异物检测提取算法。算法针对图像序列帧匹配提取的轨道线为依据标定限界区域,通过多帧隔帧帧差法得到差分结果,根据铁路限界内道床纹理特征,通过数学形态学实现背景纹理的重构来降低背景噪声影响。最后,以侧向差分灰度的累积投影值来动态确定不同环境下的异物前景范围,并通过最大类间方差法提取得到前景目标。通过对47个路轨场景进行测试,算法对有前景目标场景的目标检测率为96.87%,定位提取过程的平均耗时为137 ms。实验结果表明:算法可完成对运动背景下的轨道限界内前景目标的定位和提取,具有较好的实时性和准确性。     

基于均值漂移和粒子滤波算法的接触网几何参数检测方法研究

随着高速铁路6C检测监测系统技术规范的提出,基于视觉技术的非接触式接触网检测方法越来越受到业内研究人员的重视。为提高接触线上激光斑点跟踪定位的实时性以及测量值的准确性,提出了一种基于均值漂移和粒子滤波算法的接触网几何参数检测的新方法。首先,基于灰度颜色直方图特征分布和接触网"之"字形架构建立光斑目标模型;其次,利用聚类方法对粒子进行聚类,以聚类中心为起点运用均值漂移算法进行迭代计算,对迭代计算的结果利用粒子滤波算法得到光斑目标的图像坐标;然后,将激光斑点在图像坐标系下的坐标进行空间变换,得出接触线的几何参数导高和拉出值在世界坐标系下的测量值。最后,结合检测车在某供电段测试区的实际运行数据,验证了该方法的实时性和准确性。     

基于二代曲波变换的电气化铁路接触网连接装置旋转双耳不良状态检测

针对电气化铁路接触网连接装置中旋转双耳耳片状态检测问题,提出一种基于二代曲波变换的非接触式自动检测方法。为降低复杂背景对后期状态检测的干扰,利用快速鲁棒性特征SURF(Speeded-up Robust Features)匹配方法完成旋转双耳模板与待检测旋转双耳局部不变特征点的匹配,实现双耳快速初识别;然后应用Hough变换实现耳片固有特征识别及耳片精确定位;最后利用二代曲波变换的多方向性和各向异性特点分解耳片局部图像,通过曲波系数分布规律及统计特性判别耳片状态。实验表明,基于二代曲波变换的系统方法能在复杂图像中较准确地识别耳片断裂特征,为旋转双耳的状态检测提供一定参考。     

结合桥梁梁端转角响应的损伤识别研究

基于桥梁转角响应易于获取的特点及桥梁影响线的准静态优势,以桥梁实际影响线精准提取前期研究为基础,提出一种结合桥梁梁端转角响应的损伤识别方法。针对梁式桥,结合实际转角影响线构建损伤定位指标,通过定位指标曲线局部峰值确定损伤位置。依此建立包含损伤信息的基函数,对实际转角影响线进行最小二乘拟合识别曲线系数,实现损伤定量。开展车辆过桥数值仿真研究,在20 m长简支梁模型上设置不同损伤工况,模拟二轴车过桥所致转角响应,考虑行车速度、路面平整度和测试噪声等因素影响,以此进行转角影响线的提取及损伤识别。结果表明,同等情况下损伤程度越大,识别结果偏差越小;相较2处损伤,单处损伤的定位更加准确。开展损伤识别模型试验,在5 m长试验梁不同位置处设置2处损伤,进一步进行损伤定位及定量研究。识别试验梁的损伤位置分别为2.09 m和3.05 m,损伤程度分别为0.31和0.47,均与实际值较为接近。上述研究表明：所构建的未损基函数及损伤基函数包含梁结构完整及损伤特征,结合当前状态下梁端转角响应可实现桥梁的损伤识别;损伤识别结果具备较高精度,可为直接利用梁端转角数据进行桥梁的损伤定位定量提供参考。     

高速公路隧道衬砌结构病害整治技术研究

以麂子岗隧道为研究对象,创新性地将左线和右线衬砌结构病害进行对比分析,基于自然地质条件及病害成因机理提出较为完备的整治措施,采用数值模拟方法对整治效果进行验证,结果如下:(1)对比统计分析左线、右线衬砌结构病害,得到在横断面不同位置及纵向里程上病害的分布规律及差异;(2)在横断面位置上,拱顶和拱腰处衬砌裂损及厚度不足病害最严重;在纵向里程上,左线、右线在ZK1963+600~ZK1964+180段多种衬砌结构病害均大量集中分布,建议加强对该区段的地质监测、衬砌结构健康状况检测及病害整治工作;(3)运用数值分析软件对套衬加固及钢带加固前后衬砌结构的受力进行模拟,得到衬砌厚度不足病害整治前后衬砌结构的安全系数及变化,对衬砌结构的安全性进行检验,证明相应整治措施有效。     

基于改进SSD模型的高铁扣件定位算法

高铁扣件的检测对于保障铁路的正常运行起着十分重要的作用。针对高铁扣件定位精度不足以及传统定位算法无法定位道岔处扣件的问题,设计一种改进的SSD(single shot detector)深度学习扣件定位算法,即Improved_SSD。首先采用ResNet101更换经典SSD深度学习模型中的VGG16,增加网络深度的同时提高特征的抓取能力;然后利用膨胀卷积扩大网络的感受野,以不增加模型额外结构的方式提高模型的鲁棒性;最后提出一种非极大加权抑制方法,进一步提高扣件的定位精度。实验结果表明:与经典SSD算法相比,本文算法对扣件定位的召回率和精度分别提高了3.4%和4.7%;与其他几种扣件定位算法相比,本文算法不仅提高了对普通轨道扣件的定位精度,而且解决了传统定位算法无法定位道岔处扣件的问题。     

含缺陷高铁隧道衬砌探地雷达检测模型试验

依托银西高铁某隧道建立含缺陷高铁隧道衬砌模型,采用900和400 MHz探地雷达天线分别进行检测试验,在分析雷达剖面缺陷表现形式的基础上,总结缺陷处波形特征和频谱特征;提出1种利用点状物体反射双曲线确定雷达波零线位置并反演雷达波传播速度,进而计算隧道衬砌厚度的方法;通过在模型中对应位置钻孔取芯,验证采用雷达波波形特征和频谱特征识别隧道衬砌缺陷的准确性和衬砌厚度计算方法的精度。结果表明:雷达波波形特征和频谱特征可用于辅助识别衬砌缺陷类型,2种天线对衬砌中空洞缺陷和钢筋分布的探测效果良好,能探测到面积不足0.1 m~2的空洞;计算8处设计缺陷的衬砌厚度,最大相对误差4.11%,平均相对误差1.53%,衬砌厚度计算方法具有较高的精度;目标体埋藏深度对检测结果的影响远大于目标体规模,如探测埋深较大的目标体,需提高设备的发射功率或降低天线的中心频率;缺陷检出率与缺陷规模、测线密度等因素相关,可通过增加测线数量来提高缺陷检出率。