排序方式： 共有34条查询结果，搜索用时 15 毫秒
31.
“自动倾卸车”是众人联合协作的团队项目。自动倾卸车可能是近年来铁路网络收购的最引人注目项目，但他们仅仅是S＆C革新系统中的一部分，该项目从原来的54小时批权时间下降到只有8小时。这个项目改变了观念，S＆C革新系统通过组装建筑材料“改造设计产品”。 相似文献
32.
设计了一种基于全阶观测器的自适应磁链观测器,通过引入定子电流反馈使观测器对电机参数具有一定的鲁棒性,减少了电机参数的误差以及参数在运行过程中的变化对磁链观测准确性的影响.同时在系统中实现了电机转速的在线辨识,并对不同的离散化方法进行了比较,在基于TMS320F2407型DSP的异步电机控制系统上完成了控制系统的设计和实... 相似文献
33.
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... 相似文献
34.
长期的高速行驶会引起车辆振动，使钢轨顶面形成孔洞、擦伤和疤痕等各种缺陷，这些缺陷不仅会影响钢轨顶面的外观，还会对钢轨的性能和安全性产生长期不利影响。针对钢轨顶面缺陷类型多变、背景杂乱、对比度低、噪声干扰等因素影响，提出一种基于级联网络的钢轨顶面缺陷检测方法。利用图像垂直微分投影法分割出钢轨顶面区域，在此基础上使用级联网络对钢轨顶面上的疤痕缺陷进行检测。其中，为更好地优化缺陷特征细节，在特征提取阶段引入轻量级的卷积注意力机制模块；采用信道加权模块与残差解码器模块相结合的方式进行缺陷特征恢复；为得到边缘清晰的缺陷对象，在特征恢复之后设计了一个边界精细化网络结构。实验结果表明，该方法的平均绝对误差仅为0.001 2,AUC值达到0.993 5,单张图片平均检测速度仅为0.041 s,对于Ⅰ型和Ⅱ型钢轨顶面疤痕缺陷的检测精度分别达到98.6%和96.4%。利用该深度学习网络模型能较好地检测出钢轨顶面的疤痕缺陷，具有较高的工程实用价值。 相似文献