流线型列车头部结构设计方法

为使列车头部结构完全吻合流线型外形,提出沿列车的纵剖面、横剖面和水平面3个方向布置平面曲梁,形成空间网格状结构形式的设计方法。通过NURBS曲面分割离散与迭代相结合的方法得到平面曲梁的主棱边;以主棱边为基础,采用三维实体几何造型技术生成平面曲梁的三维实体;采用形体的Brep法读取平面曲梁三维实体图的数据面,利用坐标轴变换,创建CAD平面图。运用NURBS曲面的求交理论及三维实体几何造型技术,在AutoCAD的ARX、I-deas的Open I-deas开发平台上开发了流线型列车头部结构设计模块;应用NURBS曲线的线段拟合理论拟合平面曲梁的轮廓曲线,并根据数控加工设备的参数,在AutoCAD的ARX开发平台上开发了流线型列车头部平面曲梁数控加工模块,在不同的数控加工设备上实现平面曲梁的数控加工。     

图像特征识别的m序列列车定位方法

提出一种图像特征识别的m序列列车定位方法,利用m序列(最大周期线性反馈移位寄存器序列)对轨道上的绝对位置进行编码,系通过安装在列车顶部的摄像机依次拍摄由二进制特征标志组成的轨道位置编码。提出基于虚拟轨迹获取目标图像方法,解决同一二进制特征标志重复采集的问题;提出基于BP(向后传播)神经网络的位置编码识别方法,以处理轨道现场环境干扰严重的问题。不同位置上的编码具有唯一性,以此位置编码值作为地址与车载数据库位置信息进行对比,来实现定位。试验结果表明,该方法可以有效地实现列车定位。     

流线型列车头部外形设计方法

基于流线型的列车头部外形由三维空间自由曲面构成,提出采用NURBS曲线设计外形型线和用三维NURBS曲面描述复杂三维曲面的车头外形设计方法。按照流线型列车头部外形的设计要求,首先生成基本控制型线,根据需要自动生成中间控制型线;对一些型线进行空间动态修改,使所有控制型线构成空间网状结构;将这些控制型线在空间的交点处断开,形成首尾相连的NURBS曲线段;自动将首尾相连的NURBS曲线段连接形成外形曲面片,并保证曲面片在空间相切;最后对外形曲面进行光顺性检查,得到最终的外形曲面。运用NURBS曲线曲面的数学模型,在AutoCAD的ARX及I-deas的Open I-deas开发平台上,开发了流线型列车头部外形设计模块,实现了按照人们的意志,自由、快速地设计复杂的空间三维曲面流线型列车外形。     

基于能量特征和神经网络的纹理图像分割

特征是描述纹理根本属性的一种有效手段,本文结合Gabor滤波器对不同频率和方向的选择特性及自组织特征映射神经网络对特征聚类的适应性和灵活性,提出了一种新的纹理图像分割方法。该方法首先通过Gabor滤波器提取纹理图像的能量特征,然后运用自组织特征映射神经网络进行特征聚类和分类,实现纹理图像的分割。仿真结果证明,该方法能有效地分割出区域特性不同的纹理,且错分率低于共生矩阵和K均值聚类相结合的分割方法。     

一种基于峰值计数的铁道车辆晃车评判方法

晃车现象普遍存在于铁道车辆中,成为影响旅客乘坐舒适性的重要因素。为了更好地评估铁道车辆在日常运营过程中的晃车程度,在原有评判体系的基础上,提出了一种基于峰值计数的晃车评判方法。该方法以车体横向加速度为研究对象,从时域的角度统计加速度峰值分布情况,同时兼顾了不同振动频率对人体舒适性影响的差异性。以某型动车组实测振动信号为例,计算对比了2种方法在评判结果上的一致性。分析结果表明,基于峰值计数的晃车评判方法与原有横向平稳性指标在晃车评判上具有很好的一致性,可以有效地识别车辆在运行过程中的晃车现象,并进行晃车等级的划分。文章通过动车组实测数据对该方法进行了验证,该方法同样可以推广应用于其他速度等级的铁道车辆中。     

编组站列车解体方案的计数方法

在分析编组站作业的基础上，建立解体距离、解体区间等概念，分别导出计算公式，然后应用组合数学理论确立不同条件下列车解体方案数的计算方法，并给出解体方案的构造方法，从而为列车解体顺序的优化奠定可靠基础。     

基于栅格元模型的纹理图像分割方法

提出了一种基于栅格元模型的纹理图像分割方法,该方法结合了视觉栅格元模型对不同纹理方向和频率的响应敏感性及特征变换的降维特性。首先通过栅格元运算模型提取图像的多维纹理特征,然后利用变换法将特征从多维空间映射到低维空间,最后依据降维后的纹理特征将图像分割为不同的纹理区域。仿真结果表明,该方法不但能有效地分割纹理图像,而且能分割出由纹理和非纹理区域组成的混合图像,与传统的Gabor滤波器法相比,分割效果更佳,适用范围更宽。     

一种特征库可更新的相关反馈图像检索方法

相关反馈方法是对基于内容图像检索系统的有效改进,它将人类视觉特性逐步引入检索过程,有效地减小了图像低层特征表示与图像语义理解之间的差异。但传统的相关反馈算法存在反馈次数多,且无法积累用户反馈信息等缺点。本文针对这些缺点,在相关反馈图像检索系统中引入了可更新特征库。即在原始特征索引库的基础之上引入了一个用户可修改的特征索引库,系统可以将用户多次反馈的信息逐步嵌入到这个特征索引库中。与此同时,我们提出了一种基于多分辨率分析的彩色图像纹理特征描述方法,并将其用于特征库的构建中。我们在一个含有10000幅图像的图像库上所做的测试结果表明:与Illinois大学的MARS系统相比[1],本系统可明显提高系统检索准确率和相关反馈的收敛速度。     

基于图形技术的钢轨头部磨损监测系统

基于图形技术的钢轨头部磨损监测系统代替了传统的机械式卡尺测量方式,实现了对钢轨头部磨耗的自动监测,通过两个位移传感器记录钢轨的垂直和侧面磨耗量,并自动计算出钢轨的综合磨耗,以旋转编码器记录测量部位.测量数据采用Access关系型数据库保存,通过ADO操作和SQL语言访问,提高了访问速度和数据安全性.系统能够对监测数据分析统计,预测钢轨的磨损趋势,最后以图形方式显示钢轨的磨耗量和磨损趋势.系统操作方便,消除了传统机械式卡尺测量中人为读数误差,测量结果精确,且人机交互性好,结果直观明了.     

基于双通道特征融合的轴承故障诊断方法

基于卷积神经网络（Convolution Neural Network,CNN）的智能诊断方法在轴承故障诊断中应用广泛,但是大多数诊断模型以单源信息输入为主,这将影响基于CNN的故障诊断准确性和可靠性。针对这个问题,文章提出一种基于双通道特征融合的滚动轴承故障诊断方法。首先利用多重Q因子连续Gabor小波变换（Multiple Q-factor Continuous Gabor Wavelet Transform,CMQGWT）和快速谱相干（Fast Spectral Coherence,Fast-SC）分别构造滚动轴承振动信号的时频分析图;然后搭建1个具有双输入通道的CNN网络模型,通过特征融合层将各个通道提取的深度时频特征融合成1个新的特征;最后利用分类器输出诊断结果。在高速列车滚动轴承单故障和复合故障的分类识别试验中,较之于单输入通道的CNN模型,该模型具有更高的诊断准确性和鲁棒性。     

基于双边滤波和Retinex算法的货车图像预处理方法

针对货车故障轨边图像检测系统(TFDS)中的图像光照不均匀问题,提出一种基于双边滤波和Retinex算法的货车图像预处理方法。该方法首先利用双边滤波法把图像分成两部分(粗略图像和细节图像),然后利用Retinex算法对图像的粗略部分进行增强,最后把细节部分与处理好的粗略部分进行合成,以达到最佳的图像视觉效果。实验结果表明,该方法在保留图像细节的同时很好地克服了光照不均匀对图像的影响。     

基于卷积神经网络的隧道掌子面图像质量评价方法研究

鉴于隧道掌子面图像的多样性和复杂性,提出一种基于深度卷积神经网络(Convolutional Neural Network,CNN)的图像质量评价方法,以筛选出满足工程需求的掌子面图像。基于多条隧道创建掌子面图像数据集,采用Keras深度学习框架,应用多种主流的CNN进行对比试验,并结合传统的图像评价指标,分别从清晰度、分类和相似度3个方面对掌子面图像质量进行评价。其中基于DenseNet169的多分类模型可达到88.7%的准确率。研究结果表明:跟传统的图像处理技术相比,深度学习方法在隧道掌子面图像识别上具有精度高、效率高的显著优势。该方法可为实现隧道掌子面的自动素描提供技术支持,具有良好的工程应用前景。     

基于单幅图像的轨检车位置校正方法研究

列车通常利用里程计实现连续定位,但其累积误差必须加以修正.由于轨检车无法利用传统方法校正里程计累积误差,本文提出一种利用地面标志图像进行轨检车位置定点校正方法.它利用安装在轨检车顶部的相机获取相机前方的图像,通过地面标志在图像中的像素坐标计算它到相机的距离,然后由该距离和事先存储的地面标志实际位置计算轨检车位置.本文首...     

基于视频图像的弓网接触位置动态监测方法

针对列车人工检测受电弓状态效率低下的问题,提出基于视频图像的弓网接触位置动态监测方法.首先,将运用帧间差抓取受电弓视频中得到的包含弓网的图像作为原始训练数据集;然后,对复杂的受电弓图像背景进行分割处理,采用超像素分割获得最大特征区域,结合特征图像的HOG(方向梯度直方图)获得最大特征ROI(感兴趣区域),形成训练数据集...     

基于灰度特征码映射匹配修正的大容量图像隐写算法

研究在宿主图像内以最小比特修改量实现最大秘密信息嵌入的映射匹配隐写技术中映射关系建模问题。首先在分析既有映射匹配算法EMD算法、GLM算法基础上,进一步将二进码流的嵌入模型化为像素灰度特征码的映射匹配修正过程,并讨论了灰度特征码的映射匹配规则;随后由此提出一种采用两位灰度特征码直接映射匹配,每像素至多修正两个LSB比特位的大容量图像隐写算法:GLC3M算法。实验与理论分析结果表明,相比EMD算法、GLM算法而言,在PSNR值大于44dB的条件下,其容量比GLM算法多1倍,比EMD算法多0.7倍,并且能够有效抗击直方图差异比较与RS等隐写分析攻击。     

基于图像集大小优化的图像集压缩算法

与单幅图像不同,图像集中存在大量的集合冗余,因此如何去除集合冗余以提高图像集的压缩效率是一个很有意义的问题。目前针对图像集中存在的集合冗余已经提出了多种图像集压缩的方案,但是究竟多少幅图像作为一个集合来编码压缩却少有研究。本文主要研究图像集压缩的增益和图像集大小之间的关系,并提出利用图像集相关系数的平均值作为确定图像集大小的依据,进而对图像集进行分组压缩。实验证明,本文所提出的算法可以有效地确定最优的图像集大小,使图像集压缩增益达到最大。