车辆关键零部件磁粉探伤中值得注意的几个问题（二）

7 照度及辐照度问题 目前,关于荧光磁粉探伤紫外线辐照度和非荧光磁粉探伤白光照度问题,国内外意见基本一致.如:美国ASTME709<磁粉检测实施方法>规定:白光强度控制试验,非荧光磁粉检测法的白光强度应定期复查,保证被检零件表面具有由检测人员确定的合适白光;紫外线强度控制试验,当采用合适的紫外线辐照计测量时,被检表面处紫外线强度应不低于800 μW/cm2.     

荧光磁粉探伤缺陷识别系统的研究现状与关键技术

介绍了荧光磁粉探伤的原理和特点以及研究现状；分析了荧光磁粉探伤缺陷识别系统的关键技术。     

采用离心方法测定磁悬液体积浓度的探讨

在磁粉探伤中，如果磁悬液体积浓度不成比例，就不能进行正确的探伤。浓度过稀时，因磁粉吸附不足，不能进行微细缺陷的探伤；浓度过浓时，因磁粉的集积，在缺陷部位产生过厚的磁粉吸附，造成识别困难。在磁粉探伤过程中，随着探伤次数增加，磁粉被探伤零部件吸附后逐步地消耗，为了调整磁悬液浓度，每日开工前必须对磁悬液进行体积浓度的测试，按测试结果来确定磁粉的补充或更换磁悬液。     

荧光磁粉探伤裂纹智能识别图像处理研究

磁粉探伤的发展趋势是自动化、智能化,而工件表面状况、真伪裂纹、工况条件等使得现有的检测识别方法难以满足工件表面裂纹缺陷自动检测识别的需要。在分析工件表面荧光磁粉图像特征及裂纹缺陷特征的基础上,研究表征裂纹邻域像素空间相关度的二维直方图分布,提出基于多重分块极值的图像边缘检测算法。根据裂纹邻域像素空间相关度参数,以及裂纹缺陷的长宽比、圆形度等特征,设计了基于Fisher线性判别方法的工件裂纹识别算法。以此为基础的荧光磁粉探伤工件裂纹缺陷自动检测识别技术,应用于列车轮轴检测线实时检测,裂纹缺陷的有效检出率达99%。     

CJW-3000III(D)型微机控制轮对荧光磁粉探伤机

正CJW-3000III(D)型微机控制轮对荧光磁粉探伤机由北京磁通设备制造有限公司研发生产,具有轮对全表面荧光磁粉探伤功能,满足铁道部对轮对(含车轮辐板)磁粉探伤要求,主要适用于铁路机车、车辆(货车、客车)、动车、地铁、轻轨轮对的磁粉探伤。该设备2005年通过铁道部运输局(运装管验[2005]323号)技术评审,目前已经应用于北京铁路局西、南动车段。     

轴承磁粉探伤时实物试块与A型试片的关系

目前,国内磁粉探伤常用A型灵敏度试片的显示来表征探伤系统灵敏度,衡量磁化工艺参数。经试验,机车车辆轴承磁粉探伤时,由于轴承钢具有高矫顽力,灵敏度试片只能显示磁场方向,不能真实反映磁化工艺参数,应采用实物试块。     

机车齿轮磁粉探伤方法的研究

分析了一种适用于铁路机车齿轮磁粉探伤方法－多磁路磁轭法的工艺原理，并据此制作了一套多磁路磁轭对轮进行磁粉探伤，经实际使用，效果较佳。     

影响荧光磁粉探伤机探伤效果的原因及处理方法

铁道车辆是完成铁路运输任务的重要运载工具,车辆轮对是车辆上极为重要的部件,是保证车辆安全运行的关键部位。磁粉探伤是发现车辆轮对车轴表面疲劳裂纹的重要无损检测手段。荧光磁粉探伤机就是对铁道车辆轮对车轴进行磁粉探伤检查的专用设备,在确保车辆运行中不发生冷切事故上     

车辆关键零部件磁粉探伤中值得注意的几个问题（一）

磁粉探伤应用非常广泛,尤其在铁道车辆行业更是如此.目前,磁粉探伤已成为保证车辆关键零部件质量的重要手段.车辆用车轴、摇枕、侧架、车钩等关键零部件,无论新制还是检修,都普遍采用磁粉探伤进行质量控制.     

铁路货车车轮磁粉探伤方法研究

论述磁粉探伤机原理和探伤方法。针对货车车轴表面疲劳裂纹缺陷,阐述和分析采用3000型磁粉探伤机对车轮轮毂、辐板、轮辋进行磁粉探伤检查,提出修订轮对检修工艺,增加车轮探伤内容;对3000型磁粉探伤机进行技术改造;增加车轮探伤功能和建立故障反馈机制,并进行质量追溯建议。     

关于轮轴探伤机存在缺陷问题的探讨

对CJW-3000Ⅲ型轮对荧光磁粉探伤机在紫外辐照度检测过程中全轴各部位的紫外辐照度分布不均匀和轮轴微机控制超声波自动探伤机误判率较高的问题进行了分析,并提出了相应的措施.     

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。     

改进Canny算子的列车轮对踏面边缘检测算法

现有对高速列车轮对踏面损伤检测逐步以动态检测系统代替人工检测,针对动态检测系统中对踏面损伤图像处理时,存在大量边缘信息丢失、图像细节不完整等问题,提出一种基于改进Canny算子的边缘检测算法。该算法利用自适应双边滤波代替传统高斯滤波对图像进行平滑处理,能够很好的保持图像边缘和滤除噪声;采用水平、垂直、45°和135°4个方向梯度模板来确定梯度幅值;用Otsu算法(大津法)自适应地根据图像灰度值生成高阈值和低阈值,克服人为设定高低阈值的缺陷,增强了算法的自适应性。通过仿真实验结果表明:改进的算法能够有效的保留更多的踏面图像边缘信息,也具有较强的自适应性,为轮对踏面损伤动态检测的后处理提供了有效的技术支持。     

用于动车组故障检测的图像识别算法

动车组运行故障动态图像检测系统（TEDS）通过比对现场图像与其历史图像,实现列车运行状态的实时监测和自动报警。由于不同时间采集的图像存在一定程度的差异性,使得单纯基于SIFT特征匹配的故障识别算法误报率较高。为此,本文提出一种自适应融合局部和全局匹配的图像故障识别算法:将图像以车厢为基准对齐配准;基于SIFT特征匹配,通过局部比对粗略定位故障区域;以上述区域为模板,搜寻历史图像以精准定位故障位置。实验结果表明,本算法能有效地分析和预警运行动车组的异常情况,使得系统用户可及时发现重大故障,提升动车运营质量。     

一种基于人脸序列模式的机车驾驶员疲劳检测方法

驾驶疲劳是导致事故的重要原因,本文在综述基于面部特征的机车驾驶员疲劳检测方法的基础上,提出了基于Gabor变换的人脸特征融合抽取模型,并在此基础上,结合隐马尔可夫模型(HMM)提出基于人脸图像序列的机车驾驶员疲劳检测方法。根据在疲劳和非疲劳状况下人脸模式特征的不同,首先利用Baum-Welch学习方法从疲劳图像序列训练学习得出疲劳模式下的HMM参数;然后,在疲劳模式识别时,把待识别的人脸图像序列表示成Gabor融合特征序列,再利用Viterbi算法计算该特征序列属于疲劳模式的概率值,从而实现对人脸图像序列的疲劳识别;最后,对各种姿态下的不同人脸图像序列数据进行了仿真测试。实验结果表明,与已有基于单幅人脸图像的疲劳识别方法相比,具有更好的疲劳识别性能。%     

基于Canny边缘检测和聚合接续法的路轨边缘提取方法

在铁路视频路障检测报警系统设计中,关键技术之一是提取路轨边缘以确定障碍物检测的有效范围,对范围内障碍物报警。本文提出一种基于Canny边缘检测技术和聚合接续法的路轨边缘提取方案。通过直方图均衡化,实现对原始图像的空间增强,突出图像细节,经过Canny边缘检测提取图像的边缘组合,采用本文提出的聚合接续法提取出符合条件的边缘组合中最长的两条线,并对其实施接续,可达到路轨边缘提取的目的。本算法经过MATLAB编程实现,并移植到TI的DM642视频开发板上进行硬件测试,能够有效地实现路轨边缘的提取,为铁路路障检测报警系统设计提供参考。     

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Faster R-CNN的铁路扣件定位方法研究

准确的扣件定位是进行扣件状态检测、保障轨道交通车辆安全运行的基础,传统的基于图像处理的方法难以满足快速准确智能检测的需要。针对这一情况,提出一种基于改进FasterR-CNN的深度学习理论方法,进行扣件定位。首先,建立检测图像数据集并进行图像标注,然后根据实际扣件图像特点建立FasterR-CNN检测模型,利用标注数据优化模型中区域候选网络边框信息以提高检测的召回效率及精度。通过实际检测数据分析验证,本文提出方法提高了检测效率和定位效果,与其他目标检测方法相比,具有更高的召回率和识别准确度,能够快速准确进行扣件定位。