用于动车组故障检测的车号识别算法

列车车号是其身份的唯一标识，动车组运行故障动态图像检测系统（TEDS）根据列车车号在图像库中找寻该列车拍摄的历史图像，以其比对现场采集图像，从而实现对运行列车状态的实时监测。然而动车组目前尚未安装射频识别电子标签，鉴于此，利用视频分析技术对动车组车号图像进行自动识别成为亟需解决的问题。文章提出一种基于语义共生概率的模板匹配算法对车号字符进行识别。实验结果表明，本算法对车号的识别正确率和有效性满足铁路总公司的相关要求，保障了TEDS的工作效果。     

基于算法优化的中国高速动车组车外噪声源识别研究

为提高我国高速动车组车外噪声源识别分辨率,获得更准确的噪声源分布特征,对传统的噪声源识别波束形成算法进行多普勒效应消除算法和基于快速傅里叶变换的非负最小二乘迭代反卷积算法(FFTNNLS)的优化,并基于优化后的算法测试我国某新型动车组以不同速度通过桥梁线路区段时的车外噪声源分布。结果表明:算法优化后动车组车外噪声源识别分辨率大幅提高;动车组高速运行时,声能量主要集中于受电弓、转向架和头车排障器等区域;动车组运行速度由200km·h-1提高至350km·h-1,车辆下部区域声功率占比由91.3%降至78.9%,车体区域由6.5%升至11.5%,受电弓区域由2.2%升至9.6%。算法优化后得到的动车组车外噪声源的定位更加准确、频谱特征更加明显。     

基于深度学习的TFDS货车故障图像智能识别算法研究

货车关键部件故障的准确识别对车辆的运用工作非常重要。目前主要依靠动态检车员基于TFDS系统所获取的图像进行人工分析,耗费大量人力、物力,分析效率较低,并且易出现故障漏报,对车辆的运行安全造成隐患。文章提出了基于深度学习的目标检测加部件故障识别的两阶段车辆故障识别算法,通过对标注的图像进行模型训练,实现车辆故障的智能识别。该算法已经在中国铁路郑州局集团郑州北车辆段完成有效性的验证,结果表明,该算法可实现对车辆部件的准确定位、故障自动识别及结果的综合分析,有效提升了TFDS系统的故障识别准确率,大幅降低了漏报率,对于提高货车车辆运用工作的智能化水平,保障运行安全具有重大意义。     

基于多源数据分析的TEDS故障识别技术研究

单点运行的动车组运行故障动态图像检测系统（TEDS）故障自动识别功能存在识别准确率不足，误判率高的问题。为此，提出了一种基于多源数据的动车组故障图像识别方法，以联网运行的TEDS数据为基础，结合传统的差异检测法，对不同空间与时间TEDS采集的同一列车图像进行多源数据融合与权重差异计算，实现了动车组车体异常部位的检测。试验表明，该方法建立了更为准确的对比参考源，减少了环境对成像内容的影响，能够提高动车组运行故障自动识别率，降低误报率。     

Relief算法在关门车故障自动识别中的应用

针对货车运行故障动态图像检测(TFDS)系统中的图像识别问题,提出一种基于Relief算法的解决方案.该方案采用梯度-共生矩阵的数字特征来描述一幅图像,然后通过Relief算法进行有效的特征选择,根据这些特征,通过模板匹配技术,最终检测出关门车故障.现场运用表明,该方案具有很高的实用性.     

动车组故障轨边图像自动检测系统的设计与实现

动车组故障轨边图像自动检测系统(TEDS)是集高速数字图像采集、大容量图像数据实时处理技术、精确定位技术、模式识别技术、智能化与网络化技术以及自动控制技术于一体的智能系统,可采集运行中动车组车体底部、车体两侧裙板、车辆连接装置、转向架等可视部位的外观图像,并实时传输至监测中心,对图像进行故障识别报警。TEDS系统采用人机结合方式,可及时发现动车组关键部位故障,有助于提高动车组检修作业质量,保障行车安全。     

CR400BF平台动车组故障预警预测研究

根据动车组运维现场实际需求,基于动车组状态参数监控标准、车载报故障逻辑,以及现场重点故障特征等信息,建立故障预警预测模型,制定预警预测故障代码及故障处置建议措施。依托动车组故障预测与健康管理系统开展模型试用,验证了模型的可行性和适用性。通过开展CR400BF平台动车组故障预警预测研究,为动车组的远程监控提供了有力的技术支撑,有效降低了动车组的运行安全风险,保障了动车组的运行秩序。     

基于SIFT特征匹配的高速铁路接触网支撑装置耳片断裂检测研究

针对高速铁路接触网支撑结构中旋转双耳耳片断裂的问题,提出一种基于尺度不变特征变换(Scale-invariant Feature Transform,SIFT)的图像检测方法。利用待分析接触网支撑与悬挂装置图像和标准旋转双耳图像之间的局部特征点匹配,实现旋转双耳的定位与提取,通过分析旋转双耳上边界曲线上各点的弯曲度,判断是否存在耳片断裂故障。实验表明:本文所提方法能在复杂的接触网支撑与悬挂装置图像中准确识别耳片断裂故障,不受拍摄距离、拍摄角度以及曝光度等因素的影响,且具有较高的检测效率。     

基于BP神经网络的动车组客室空调故障识别与预警研究

动车组客室空调良好的制冷效果是旅客舒适度和动车组稳定有序运行的重要保证,但客室空调故障的发生具有突发性和隐蔽性特点,给空调系统的日常检修维护带来极大困难。采用BP神经网络算法建立客室室温预测模型,并运用Matlab编程计算实现客室室温理论预测。根据预测模型在CRH380B(L)型动车组客室空调系统中的实际验证情况,制定客室空调故障识别与预警的阈值、规则和等级,为后期客室空调系统故障自动识别与预警系统的开发奠定基础,完善动车组客室空调故障识别和预警机制,对动车组客室空调故障的在线实时识别与潜在故障的预警具有重要意义。     

动车组车辆故障动态图像检测系统(TEDS)运用研究

动车组车辆故障动态图像检测系统(TEDS)是我国第一种在高铁线路上安装的车辆检测设备,介绍了TEDS的设备研制、试验及运用情况,针对设备特点及存在的问题提出相应对策。     

高速铁路建设动车组运行故障图像检测系统的实践

动车组运行故障图像检测系统(简称TEDS)是动车组运行安全监控的有效检测设备.其部署与安装具有建设难度大、技术要求高、业务涉及面广的特点.本文主要介绍2013年郑州铁路局在已运营的京广高速铁路郑州东站南北咽喉处,建设2套TEDS的实践过程,对TEDS完整的实施方案、架构设计、业务管理等进行了有效的探索,保证TEDS正常稳定运行,为确保高速动车组运行安全提供了可靠的装备保障.     

铁路入侵运动目标实时检测技术

针对铁路场景下入侵异物的特点,采用智能视频技术,对监控视频图像序列中入侵运动目标检测方法进行研究．提出基于参考点的“相对背景差分法”、基于目标特征的跟踪算法和基于透视规律的目标分类方法,实现对多目标场景运动目标的实时检测识别。典型场景实验结果表明：上述算法实现了铁路入侵运动目标的高效检测,与基础背景差分法相比,误检率和漏检率分别减小了24．56％和54．17％;与基于区域的传统目标跟踪方法相比,误匹配率和漏匹配率分别减小了64．78％和22．58％,且算法具有较强的实时性和鲁棒性。     

关于动车组故障轨边图像检测系统的设计

说明了图像检测技术在动车组故障检测上应用的必要性,在介绍目前成熟的客车故障轨边图像检测系统原理的基础上,结合动车组图像检测范围和动车组物理构造,对动车组图像检测内容进行分析。在详细描述了系统采用的关键技术后,给出了动车组故障轨边图像检测设备的设计方案,并对西安动车所系统的应用情况和故障进行了简单的展示,最后提出了未来动车组故障图像检测技术发展的前景。     

基于计算机视觉技术的接触网定位器坡度动态测量算法

为实现对接触网定位器坡度的动态测量,提出基于计算机视觉技术的定位器坡度的动态检测算法。采用中值滤波算法和维纳滤波算法对拍摄到的图像序列进行图像预处理;对序列图像中的接触网定位器进行提取识别以及角点检测;选用NCC角点匹配算法对检测序列图像中检测到的角点进行匹配;在匹配角点的基础上,利用基于仿射不变性的直线匹配算法,对各幅图像中的直线进行匹配,从而可以自动获取图像序列中各图像直线的夹角,实现定位器坡度的自动动态测量并且减小了测量结果的不确定性。     

基于图像增强与深度学习的钢轨表面缺陷检测

相比传统的物理检测算法,基于机器视觉的检测算法具有检测速度快、操作便捷等诸多优点,但因受光照不均、相机失焦抖动、雨雪天气等外界因素的影响,导致检测精度降低。针对这一问题,提出一种基于图像增强与深度学习的钢轨表面缺陷视觉检测算法。首先,对图像进行Gabor滤波去噪,以减少噪声对缺陷检测的影响;然后,利用HSV空间变换方法增强缺陷图像的关键特征信息;最后,通过改进Faster R-CNN卷积神经网络,实现了多尺度钢轨表面缺陷的检测与识别。通过对所提出的检测算法进行对比实验,实验结果表明:裂纹、剥落、磨损三类缺陷的识别精度分别为91.87%,92.75%和91.52%,检测速度为每张图像0.265 s,优于已有的钢轨表面缺陷检测算法,能够很好地应用于实际项目中。     

动车组运用计划和检修计划一体化编制模型及算法

针对动车运用所的动车组运用计划和检修计划编制问题,在动车组运用交路已知的前提下,以动车组的运用交路和检修规程为主要约束,以减少动车组使用数量、降低检修成本为优化目标,建立动车组运用计划和检修计划一体化编制的整数规划模型.根据动车组的可能运用情况和检修规程约束,求解动车组的可行运用路径集合;以该集合为基础,设计求解模型的模拟退火算法.通过算例分析,验证所提出的模型和算法可以有效解决动车组运用计划和检修计划的编制问题.     

高速动车组牵引制动仿真系统的自动控制状态转换图

状态转换图是为了在动车组仿真系统中实现全自动模拟驾驶功能。本转换图以中国铁道科学研究院集团有限公司机车车辆研究所(简称:铁科院机辆所)开发的高速动车组仿真系统软件为基础,基于高速动车组仿真系统配置参数,并结合动牵引计算规程,来实现动车组自动驾驶的功能。在自动驾驶过程中,程序根据状态转换图中的状态,决定控制动车组运行的手柄位置,实现全自动的模拟司机驾驶动车组。通过软件仿真,证明该算法切实可靠,能够保证动车组按照预定的加减速方式,实现全程自动驾驶,能够精准停站,并防止超速。