基于半监督深度学习的无砟轨道扣件缺陷图像识别方法

提出基于置信图的扣件子图快速定位算法,即基于概率图模型构建扣件子图邻域纹理图和初始引导图与被定位图之间的置信图,并通过计算置信图的最大极值点实现对扣件子图中心点的快速定位。在此基础上,针对无砟轨道扣件缺陷样本相对稀缺的问题,提出基于半监督深度学习的扣件缺陷图像识别方法,即首先采用稀疏自编码(SAE)网络在无标签的数据集进行迭代学习获得扣件子图稀疏表征,然后将训练好的SAE网络连接softmax层组成分类网络,最后在有人工类别标注的小数据集进行二次训练及参数微调获得最终的识别模型。通过在装配WJ-7型扣件的CTRS-Ⅰ和WJ-8型扣件的CTRS-Ⅱ型无砟轨道图像进行应用测试和方法验证。结果表明:该方法可快速精确定位扣件并识别扣件缺失、弹条折断、弹条移位3类缺陷,有效检出率达95%以上。     

潘得罗扣件的弹条状态识别算法

为实现潘得罗扣件的自动化巡检,提出一种融合弹条纹理特征与形状特征的潘得罗扣件的弹条状态识别算法.该算法首先根据人工巡检的经验划分检测区域,然后增强弹条的纹理与轮廓,接着分别提取弹条的纹理特征与形状特征,组成复特征向量后将其放入SVM(支持向量机)分类器中建立训练模型,最后使用SVM分类器识别钢轨扣件的弹条状态.试验结果表明,最终检测效果为:漏检率7.1％,误检率2.9％,正确率92.9％,均达到钢轨扣件的检测要求.     

基于YOLOv3算法的轨道扣件自动定位与检测

针对目前轨道扣件人工检测效率低、准确率低等问题,提出了基于YOLOv3算法的轨道扣件自动定位及检测方法。采集有砟轨道和无砟轨道的扣件图像并进行标注,通过K-means聚类确定预设边界框大小;为了更好地检测到细粒度特征,采用4个不同尺度的特征图来进行对象检测;对Darknet-53网络进行改进,有利于解决深层次网络的梯度问题,增加轨道扣件目标识别模型的识别效果。试验结果表明,该方法对轨道扣件目标识别效果较好,检测准确率较高。     

钢轨扣件横向偏移特征检测算法研究

针对无砟轨道中钢轨扣件发生横向松动、脱离正常工作位置产生偏移的问题,提出一种钢轨扣件横向偏移检测法.首先,该算法为解决传统的扣件图像定位不够精准问题,采用k-means聚类和类二值算法强化分割前景、背景与轮廓矩特征,实现对采集图像中扣件位置的精准定位;其次,不同于传统扣件特征提取采用复杂语义,提出一种基于机器视觉的轮廓分析方法,通过提取扣件的绝缘帽与螺母的轮廓特征,计算相邻绝缘帽间距和相邻螺母间距,并与安全状态下扣件轮廓特征计算得到的安全距离阈值进行对比,进一步计算偏移量,从而判断扣件是否发生横向松动.结果 表明:该算法计算速度快,能够准确地定位弹条位置和偏移量,与传统的识别算法得到扣件的偏移量数据相比准确率显著提高,可达98％.     

基于3D相机的轨道扣件部件丢失与松动智能检测

轨道扣件在运营过程中会出现松动甚至掉落、断裂等异常情况,不利于列车行驶稳定和安全,需要进行定期、及时的检查与维修。传统的人工巡检效率低,难以匹配我国轨道交通的快速发展,且对于部件松动等不易察觉的问题检测效果差。利用计算机视觉形成自动化的检测设备逐渐成为发展趋势,其中基于三角测量原理的线结构光技术因其成本低、精度高、速度快等优点得到广泛应用,且适合轨道检测场景。该技术核心设备为可以采集并分析线结构光进行三维重建的3D相机,基于成像原理设计可搭载于轨道检测车的扣件检测系统并进行现场试验,经过数据分析和处理可以分别得到高质量的图像数据和三维模型。针对图像数据利用目标检测的方法,构建数据集,搭载YOLO(You Only Look Once)v5深度学习模型,实现挡肩及扣件部件的快速识别,进行部件丢失检测;针对三维模型利用轨道扣件相对位置固定的特点,根据阈值筛选扣件数据并进一步得到弹条及螺栓等部件的坐标信息,通过边缘提取、平面拟合等方法计算位移量,进行部件松动检测。研究结果表明,检测系统可以采集高质量的扣件数据,扣件部件识别平均精准度达到99.0%,速度满足现场实时检测的要求,同时对于弹条和螺...     

脉冲荷载激励下扣件弹条扣压力检测方法

为了更准确检测出高速铁路扣件弹条扣压力不足,提出了利用脉冲荷载激励下扣件弹条模态特征来快速无损检测扣压力的方法。通过对不同扣压力状态下的扣件弹条进行力锤激励试验,获得相应的弹条模态参数,进而得到扣压力与弹条固有频率的对应关系,最后通过测试弹条模态频率推算出其扣压力。结果表明：标准安装状态下的WJ-7型扣件弹条在0～1 200 Hz内共有两阶模态,分别为781.60、922.86 Hz;移动激励点得到的加速度导纳值有差异,但固有频率相同;不同扣压力下弹条第1阶模态振型特点主要为两侧肢的垂向振动,后肢承受较大扭矩;扣件弹条扣压力与弹条第1阶频率基本呈线性关系,实际线路中可通过测试弹条固有频率来得到扣压力。     

基于模态分析的扣件弹条扣压力测试方法

为了提出一种方便高效的扣件弹条服役状态下扣压力的测试方法,首先建立扣件系统精细化的三维实体有限元模型,分析得到扣件弹条扣压力与其固有频率的对应关系,进而提出通过测试弹条工作振动模态从而推测出弹条扣压力的间接测试方法。研究结果表明:扣件弹条扣压力与弹程基本呈线性关系,其对应关系不随轨下胶垫刚度变化而改变,就Ⅲ型弹条而言,其扣压力同弹程之比约为1. 0 kN/mm;服役状态下弹条第1阶固有频率随扣压力变化近似呈线性变化,根据Ⅲ型弹条正常服役状态设计要求以及考虑最大残余变形的安全扣压力,可得在有效扣压力范围内弹条对应的第1阶固有频率为800～1 040 Hz;通过测试服役状态下扣件弹条工作模态频率,即可间接得到服役状态下扣件弹条的实际扣压力,为辨别扣件是否失效提供科学依据和有效便捷的测试方法。     

锤击固有频率法弹条扣压力无损检测仪研发及应用

针对铁路服役弹条实时扣压力不能定量检测问题，研究弹条扣压力激振频率采集测试技术，提出利用弹条扣件系统结构应力与固有频率的关联特性进行弹条扣压力检测方法。对服役弹条Ⅱ型扣件各阶模态和振型进行有限元分析，得到振动传感器最佳布设方向及位置；开展基于弹条在不同激励强度下的响应分析，提出锤击装置锤击力、方向及位置方案。研制弹条扣压力无损检测仪，阐述检测仪硬件主体构成和软件系统功能。通过开展实验室环境下声响与振动传感器采集固有频率对比试验，初步验证了检测仪具有较好的应用效果与推广前景。     

基于改进二维卷积滤波技术的轨道伤损检测方法

基于改进卷积滤波技术和自适应阈值分割法,提出边缘检测轨道结构识别与伤损检测方法.使用改进二维卷积进行图像滤波,对原图像矩阵通过行列式变换处理,增强图像边界元素;根据边缘检测所得到的线形特征进行扣件弹条及钢轨识别,以线形急剧变化判别钢轨伤损及位置.通过既有线路轨道进行图像识别试验验证.试验验证结果表明,采用该方法可提高轨...     

地铁扣件e型弹条受载特征分析

为了科学探究地铁扣件e型弹条真实受载情况下的受载特征,基于DTⅢ型扣件系统建立e型弹条精细化三维有限元模型,结合金属材料塑性变形和断裂机理研究中的应力状态参数概念,计算分析正常安装状态与共振状态下弹条的断裂危险位置和断裂类型.研究结果表明:弹条现场断裂位置普遍出现在小圆弧与中肢连接处,弹条在正常安装状态下其等效应力最大...     

基于流行排序的轨道扣件定位方法研究

针对利用图像处理技术在进行轨道扣件定位的过程中易受到拍摄条件及复杂背景干扰的难题,提出一种基于流行排序的轨道扣件定位方法。对轨道扣件图像进行超像素分割和基于图论的特征图构建;根据特征图节点基于背景尺度和前景尺度的相关性进行排序,得到前景突出且背景抑制的轨道扣件显著图,完成轨道扣件区域在图像中的的准确定位。引入准确率-召回率曲线、F度量值和平均绝对误差作为评价扣件定位准确程度的指标。研究结果表明:本文方法对不同类型的轨道扣件图像均能进行精确的扣件定位,且与其它算法相比具有更好的定位效果、较高的效率和鲁棒性。     

与Pandrol扣件配套使用的Ⅲ型无挡肩轨枕的制造技术

沪汉蓉客运专线采用潘德路快速弹条扣件系统,探讨潘德路快速弹条扣件配套使用的Ⅲ型预应力混凝土枕的设计和生产工艺.分析国外同类轨枕生产工艺特点,以及在国内先张流水机组法长模生产线生产的可行性.设计方案优化后,经过对产品检验数据的统计分析,产品完全满足潘德路扣件的接口技术要求和客运专线建设的需求.     

地铁扣件弹条失效分析及结构阻尼优化

为研究弹条断裂失效原因,以地铁常见DI弹条为研究对象,分析和总结断裂DI弹条材料宏观及微观特征,初步发现伤损弹条裂纹源区凹凸不平,存在表面缺陷。建立扣件弹条及铁垫板有限元简化模型,分析弹条中肢与扣件铁垫板不同安装深度对弹条强度的影响,发现非正常安装2 mm以上弹条中趾接触位置出现接触应力集中斑,且超过正常安装深度4 mm时应力急剧增大。通过对DI弹条自由、安装下试验模态参数识别,首次得到弹条中肢相对于扣件铁垫板不同安装深度下模态参数特征,弹条模态仿真结果与试验结果对比误差在3%以内。借助行车条件下弹条模态特征及钢轨波磨测试分析结果,揭示DI弹条中肢在超过正常安装深度2 mm以上其安装模态频率与钢轨磨耗激励频率范围(462～668 Hz)基本吻合,导致在周期性强迫振动激励作用下发生共振失效的机理。基于DI弹条断裂失效机理,以“远离激励频带、减小振动幅值及保证互换安装”为改进目标,对弹条进行结构阻尼优化。相对原DI弹条参数特征,优化结果显示,阻尼弹条强度满足材料要求,且疲劳寿命提高4.86倍;阻尼弹条安装模态频率先减小后增大,成功避开钢轨波磨激励频率范围;阻尼弹条主峰值频率幅值下降8.4%...     

基于声振互易法的铁路扣件弹条模态试验研究

在铁道车辆的安全运行中,部分路段的轨道扣件系统的折断率比较高,因此掌握轨道扣件弹条的模态参数对减少弹条折断率,提高铁路运营安全性是十分必要的。首先介绍利用基于声振互易法进行模态测试的基本原理,然后利用加速度传感器和声传感器分别对弹条进行测试,得到加速度传感器的附加质量,使弹条各阶固有频率降低3%左右,对于类似扣件弹条这样的小阻尼结构,较小的频率变化会引起较大的频响函数幅值变化,并且通过后续的现场实验对比得到,利用声振互易法对现场弹条的模态测试不会受到钢轨的辐射噪声干扰,可以有效消除接触式传感器附加质量对弹条扣件小阻尼结构模态参数影响,因此得到的实际弹条扣件测试结果更加准确客观。     

基于截线法的铁路扣件骨架提取算法

为了能够精确描述铁路扣件端部形状,提高铁路扣件的识别率,以及满足扣件检测的实时性要求,提出了一种基于截线法的铁路扣件骨架提取算法。首先,通过预处理得到原始图像的二值图像及其感兴趣区域;其次,应用不同方向的方位距离变换计算扣件各端部区域的骨架生长点;然后,以骨架生长点为中心沿扣件的弯曲方向分别利用水平线族和竖直线族扫描扣件端部轮廓,得到截线段后,计算其中心点;最后依次连接骨架生长点和所有截线中心点即可得到完整的扣件图像骨架。理论分析与实验结果证明,本文算法对扣件形状的描述能力强,并且可以准确识别扣件形状。对于复杂图像的识别具有较好的效果,在识别缺陷扣件时具有较强的应用优势。算法运行时间较短,可以达到实时性的要求。     

铁路扣件缺陷自动检测研究进展

基于计算机视觉和三维激光成像技术的扣件检测算法发展历程,重点针对铁路扣件图像的预处理、定位以及分类3个主要环节的算法进行综述,并探讨现有扣件检测算法存在的问题与困境。介绍三维激光成像技术及其在扣件检测领域的应用前景。     

地铁弹条Ⅱ型分开式扣件力学特性研究

为完善优化地铁扣件的设计理论,针对弹条Ⅱ型分开式扣件的伤损特性,参考深圳地铁一期采用的WJ-3弹条Ⅱ型分开式扣件的结构形式,简化建立扣件系统静力学模型。基于有限单元法,计算分析弹性模量对扣压力的影响以及列车横向力、列车荷载作用下的垂向振动、压紧位移对弹条内部应力分布的影响。结果表明:压紧位移对弹条中的应力分布和最大应力的影响更为显著,当压紧位移超过10 mm时,弹条后肢弯位置可能折断。依据计算结果得出3种荷载下的弹条应力分布规律,同时从弹条强度出发,初步提出弹条的预压缩量和压紧位移限值,预压缩量不超过5 mm,压紧位移应小于9 mm。     

南京地铁DTⅥ2型扣件弹条折断原因分析

根据南京地铁DTⅥ2型扣件弹条折断情况的统计和分析,发现折断主要集中在小半径曲线地段.从曲线地段轨道振动强烈、弹条安装不规范、设计缺陷、轨道不平顺等方面找出弹条折断的原因,并提出整治弹条折断的措施.如:通过定期对曲线地段钢轨打磨、增加扣件弹性、合理选择轨道减振形式等来减缓曲线地段轨道的振动,规范弹条安装,加强线路养护等.     

基于改进Mask R-CNN的轨道扣件状态检测方法

为提高轨道扣件状态检测的准确率,基于K均值聚类算法改进掩膜区域卷积神经网络(Mask R-CNN)实例分割算法中的区域建议网络。进行基于改进Mask R-CNN的轨道扣件状态检测方法研究,并将该方法分别应用于普速铁路有砟轨道2个扣件数据集和高速铁路无砟轨道1个扣件数据集上进行轨道扣件状态检测。结果表明:该方法能对普速铁路有砟轨道和高速铁路无砟轨道图像中的扣件状态进行准确检测,扣件的定位准确率和分类准确率平均分别达到97.05%和98.36%,均优于YOLO V3,Faster R-CNN和Mask R-CNN算法;相较于前2种算法,本方法对普速铁路有砟轨道扣件状态检测的优势更为明显。     

基于深度残差网络的轨道结构病害识别

传统的轨道检测方法需要事先对图像进行定位和分割等预处理操作,而定位和分割操作的误差又会直接干扰到后续的分类识别,多环节误差叠加,使得识别准确率低。同时,传统检测方法还需要理想的背景环境,当背景环境或结构类型发生改变时,其算法不再适用,不具备良好的鲁棒性。因此,提出一种基于深度残差网络的轨道结构病害检测方法,该方法不需要对原始图像进行预处理,同时深度残差网络以其更深的层数和更复杂的网络结构可以高效提取出各类轨道结构图像的特征并进行分类识别。以某客货共线线路隧道的钢轨踏面、钢轨扣件和支承块图像建立数据库,通过迁移学习的方式在数据库上训练网络模型,实现对钢轨、扣件及支承块三种轨道结构的病害识别,识别准确率高达98.51%。在此基础上,从识别准确率、损失函数值等方面对深度残差网络在轨道结构病害识别中的应用效果进行对比、分析,验证方法的有效性。