基于区域级和像素级特征的路面裂缝检测方法

路面裂缝图像普遍存在光照不均匀,对比度低,噪声干扰严重等问题,传统图像处理方法无法有效检测路面裂缝。提出一种综合区域级和像素级特征的分步路面裂缝检测算法,将检测过程分为裂缝区域检测和区域内裂缝精确检测2部分依次进行。设计一种基于拟合图像背景的匀光算法,并结合其他预处理算法改善图像质量;而后基于图像连通域特征,采用基于多特征的滤波方法以及基于SVM的裂缝区域分类法完成裂缝区域检测;在裂缝区域内采用基于像素灰度与梯度特征的种子生长法提取裂缝目标。实验结果表明,该算法能够较好的检测和标识出复杂路面裂缝图像中的裂缝目标。     

深度学习在接触网定位器缺陷检测中的应用

高速动车接触网运营安全的需求使得接触网关键零部件的缺陷自动检测成为一份有意义的工作。针对接触网巡检图像的定位器缺陷检测问题,本文提出了一种基于图像深度表示和直线检测的目标检测一体化算法。该算法采用选择搜索算法获得定位器在图像中可能存在的备选区域,利用深度卷积神经网络计算图像的深度特征,通过多任务学习的算法求得定位器的局部区域。随后,利用Canny边缘提取和Hough直线检测的方法在局部区域内精确检测定位器直线。针对接触网巡检图像的实际应用场景,对该算法在不同场景下进行验证,试验结果表明,该算法可以有效解决实际场景下的定位器缺陷检测问题。     

基于点云处理的机车车辆车底中心鞘螺栓故障检测方法

针对机车车辆车底中心鞘螺栓松动和缺失这一常见故障,提出了一种基于三维点云处理的检测算法。首先对目标点云进行下采样和离群点的移除,然后根据欧式距离对点云进行聚类分割,最后通过计算分割后每个点云包围盒形状系数和平均Z坐标实现螺栓点云定位,进而通过采样一致性算法拟合点云平面计算出螺栓松动程度,识别螺栓故障。将文中提出的算法与传统的基于2D图像的识别算法进行了对比,最后在地铁车辆智能巡检机器人中进行了应用,结果表明,该算法检测精度约为0.1 mm,且检测速度快,可满足实时检测的要求。     

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。     

智轨列车基于稀疏点云和图像的车辆识别技术

针对识别智轨列车的前方车辆三维信息来保证其行车安全的问题,提出一种面向智轨列车基于稀疏点云和图像的车辆识别技术.首先采用基于角度阈值的算法分割地面并提取障碍物点云,然后提出距离角度约束算法遍历障碍物点云求解聚类点集,通过二次求解优化聚类结果获取预融合聚类点集,最后采用YOLOv3网络模型进行车辆检测,构建基于几何模型的图像点云映射关系,将车辆图像识别信息与预融合聚类点集进行匹配,实现了车辆三维信息识别.研究结果表明:在16线激光雷达稀疏点云条件下,所提方法在多障碍物共存的开放式场景中具有较高的识别率和实时性,满足智轨列车动态检测需求.     

基于Faster R-CNN网络模型的铁路异物侵限检测算法研究

行人和车辆等异物侵入铁路周边限界内的情况严重威胁了行人自身安全及铁路行车安全。针对传统铁路异物检测算法识别精度不高、分类不明确和结果易受外界环境影响等缺点,提出了一种基于Faster R-CNN网络模型的铁路异物侵限检测算法,并对该模型做适应性改进以满足铁路异物检测的现实需要。提出将全连接层用全局平均池化层替代来减少参数量;通过增加锚点个数来提高对目标区域建议的精确性;引入迁移学习思想训练网络以解决铁路异物侵限数据匮乏问题。在铁路异物侵限视频数据集上进行测试表明,本算法对于人、车及部分动物的综合检测精确度达到了97.81%。     

一种基于检测技术的地铁列车动态包络线修正算法

针对地铁列车动态包络线计算校核缺乏实测数据支撑和修正算法的情况,提出了一种基于精确位移、倾角检测技术的动态包络线修正算法。首先通过线路试验获取地铁列车关键截面的位移、倾角数据,然后运用提出的修正算法计算得到列车运行时的动态包络线偏移,最后将修正算法结果与CJJ/T 96—2018中的理论计算结果进行对比分析。研究表明：提出的修正动态包络线算法有效,结果与理论方法吻合;修正算法能更加贴近车辆的真实运行状态;为160 km/h及以上高速地铁列车的限界制定提供了理论及测试方法参考。     

德国基于惯性测量的轨道缺陷检测模拟研究

为准确快捷地检测轨道缺陷、保障铁路安全运营,德国斯图加特大学铁路和运输研究所创建车辆-轨道模型,模拟多种不同程度的轨道缺陷状态,并在模型车辆上搭载集成惯性测量系统以同时测量三轴加速度和陀螺仪角速度,然后利用连续小波变换和袋装决策树算法对测量结果进行分析,从而显著提高轨道缺陷检测的精度。文章将对该模型及相关研究进行介绍。     

基于轮廓特征拐点的遮挡车辆分离方法研究

遮挡是智能交通系统中车辆检测、跟踪和识别时较难解决的问题之一.本文主要针对智能交通系统中车辆之间的遮挡,以车辆常用的矩形模板为先验知识,首先对存在车辆遮挡的连通区域提取边缘轮廓,然后获取轮廓上的4类特征拐点,最后采用本文提出的基于轮廓特征拐点的车辆分离算法,将相互遮挡的车辆分离开来,便于后续对车辆的跟踪、匹配等处理.实验结果表明,本文提出的算法具有有效性、可行性和良好的应用前景.     

基于随机森林的轨道车辆门亚健康诊断应用研究

提出一种基于随机森林算法的轨道车辆门亚健康诊断方法,以实现对轨道车辆门对中异常、缓冲头磨损等亚健康状态的识别。该方法对一组试验数据提取特征值,生成类型标签,利用随机森林算法,经过训练得到亚健康诊断模型。再利用另一组试验数据对模型进行测试,调整随机森林训练模型参数,以预测准确率为评判标准,选取最优参数,确定最优模型。最后将模型用于实际运营的地铁车辆门,验证该方法的有效性和可行性。根据诊断规则推送车辆门亚健康预警信息,为地铁运维提供参考。     

关于检测铁道车辆爬轨脱轨趋势的研究

介绍了运用缩小比例模型车辆进行再现脱轨试验的有关情况。根据测试、分析试验用车辆动力学的结果,建立了一种判定算法,用于既有线车辆低速条件下爬轨脱轨的趋势检测。     

城市轨道交通车辆漏雨密封性的超声波检测技术

针对城市轨道交通车辆漏雨试验时泄漏率高达30%的现状,提出了一种基于超声波检测技术,将超声波发生器作为信号源置于车辆车厢内,利用车外超声波接收装置,将超声振动波转换成电压信号输出,经计算机处理分析后可自动评定城市轨道交通车辆的漏雨密封性能。在车外操作超声波柔性探头扫描车辆,可检测到车辆孔洞、缝隙或密封不良部位漏出的超声波声音信号,超声波耳机可听到泄漏声或看到数位信号的变动,从而确定泄漏部位,进行预先控制和处理,可大大降低因漏雨造成的车辆返工返修率。该方法检测成本低、可靠性高,对车辆制造商和车辆运营单位具有现实意义。     

基于目标识别与跟踪的嵌入式铁路异物侵限检测算法研究

铁路线路异物侵限是威胁行车安全的一个重要隐患。基于机器视觉与嵌入式技术设计了异物侵限自动检测系统,利用FPGA和ARM芯片实现了图像采集处理硬件平台。提出异物目标分类和运动行为分析相结合的嵌入式异物侵限检测算法。算法采用两级判别结构,首先利用支持向量机及一组特征向量对背景差分图像得到的异物目标进行分类,根据分类结果滤除大部分行进列车目标,之后运用Kalman滤波器设计目标跟踪算法,对其余目标进行行为和运动趋势分析,滤除其中非侵限干扰信息提高报警准确率,并对有侵限趋势的异物提前预警。实验表明,该系统能够有效地识别检测区域内的异物目标,系统侵限报警准确率达到97.11%,平均检测频率达13帧/s。     

一种波长固定的车轮多边形在线故障检测方法

针对多边形磨耗对列车安全性和舒适性的影响提出一种适用于列车车轮多边形不圆故障在线检测的方法。该算法的核心是:根据轨道及车辆的几何参数定位车轮多边形故障的感兴趣阶次,根据定位后的感兴趣阶数,计算轨枕通过频率。联合列车轴箱垂向、横向振动加速度信号,提出时域、频域相结合的多特征参数表征车轮多边形故障的方法。这种与车轮周长以及轨枕跨距相关的车轮多边形检测方法称为波长固定的车轮多边形检测方法。对我国某型高速列车在线监测车轮多边形数据应用该算法验证其有效性,结果表明:该方法实时性好,准确性高,具有良好工程适应性。     

不断轨剪力型动态轨道衡检测信号处理

为了保证计量精度,使被称车辆的过衡速度不会受到很大限制,从分析检测信号入手,提出运用Hilbert- Huang变换对检测信号进行分析,采用基于经验模式分解(EMD)算法,利用MATLAB编程对检测信号进行分解,以最终分解后的残余相均值作为所求称重值.实例证明,采用该方法可大大提高动态轨道衡的计量精度和被称车辆的过衡速度.     

求解带软时间窗的开放式车辆路径问题的遗传算法

通过应用交叉、变异概率的自适应机制和交叉算子A等技术,构造了一个求解带软时间窗的开放式车辆路径问题的遗传算法。用标准测试算例对算法进行测试,并将运算结果与文献中相关算法的运算结果相比较。结果表明,该算法具有较好的性能。     

基于模式识别技术的地铁车辆图像检测系统研究

地铁车辆在运行过程中产生的疲劳缺陷、变形、异物掉落、部件缺失等车体异常状况的检查,现阶段主要检查方式为人工目视。这种检查方式受人员检查水平、检测手段、段场股道空间等条件限制,检查效果、效率均有待提高。基于模式识别技术的地铁车辆图像检测系统,采用隐式形状模型算法(ISM),HTM神经网络算法及支持向量机算法(SVM),实现地铁车辆各关键部件异常的图像自动识别,并研究出一套适用于地铁车辆的车体外观自动化检测系统,为车辆的自动化检查奠定基础。     

具有时间窗的物流配送模型及其算法

在分析车辆路径问题现有启发式算法的基础上,建立了具有时间窗的物流配送方案模型,提出了求解该问题的一种搜索算法.实验结果表明,该算法可有效求得问题的优化解或近似优化解,且具有运算速度快、算法简便的特点.     

车辆轮对尺寸动态检测系统在城轨中的应用与分析

车辆轮对尺寸动态检测系统是一种安装在铁路线上的安全检测系统,该系统可以应用在城市轨道交通车辆运用检修区段。通过高速数字摄像机动态拍摄轮对轮缘轮辋情况,能够将运行车辆轮对几何参数数据进行实时检测。通过计算机分析,对车辆轮对安全状态进行预报,使车辆检修工人能够及时处理车辆故障,保证轨道交通列车的安全运行。     

基于概念格的城市轨道交通车辆系统故障风险综合评价算法研究

在现有的分析城市轨道交通车辆系统故障风险的文献中,通过机器学习的方式智能地对城市轨道车辆系统故障风险进行综合评价的算法还很少见。通过引入概念格相关理论,建立了一个基于概念格的城市轨道交通车辆系统故障风险综合评价算法(LRA)。与现有算法比较,LRA的优势表现在:第一,将连续数次检测数据作为评价数据,减少了因人为检测误差造成的错误警报概率。第二,现有算法往往在数据清理后再对数据进行分析,数据清理与数据分析的脱节加大了算法的时间和空间的复杂度;而LRA将数据清理与数据分析通过形式背景熵统一到了一起,从而提高了算法的效率。