双块式轨枕外形质量快速检测系统研制及应用

SK?2型双块式混凝土轨枕是高速铁路无砟轨道结构中的重要预制件,单一生产厂日均产量达到800~1400根,但目前的人工检测方式无法满足双块式轨枕的出厂检验要求。本文提出的双块式轨枕外形质量快速检测系统可满足TB/T 3397—2015《CRTS双块式无砟轨道混凝土轨枕》的出厂检验要求,与双块式轨枕生产线相匹配,大大提高了检测效率,实现了双块式轨枕全参数、自动化、智能化检测。检测数据自动上传至生产管理平台,可对双块式轨枕生产质量进行跟踪管理。     

探地雷达在桥梁预应力管道定位检测中的应用

对预应力管道进行定位检测,是目前桥梁无损检测技术的一个重要问题,在阐述探地雷达无损检测技术原理和方法的基础上,通过室内模型试验,并结合工程实例说明了高精度探地雷达在桥梁预应力管道定位检测中的应用,及其无损、简易、效率高、精度高、抗干扰能力强的优点,为准确评价桥梁结构耐久性和安全使用功能提供科学依据。     

A signal-based fault detection and classification method for heavy haul wagons

This paper proposes a signal-based fault detection and isolation (FDI) system for heavy haul wagons considering the special requirements of low cost and robustness. The sensor network of the proposed system consists of just two accelerometers mounted on the front left and rear right of the carbody. Seven fault indicators (FIs) are proposed based on the cross-correlation analyses of the sensor-collected acceleration signals. Bolster spring fault conditions are focused on in this paper, including two different levels (small faults and moderate faults) and two locations (faults in the left and right bolster springs of the first bogie). A fully detailed dynamic model of a typical 40t axle load heavy haul wagon is developed to evaluate the deterioration of dynamic behaviour under proposed fault conditions and demonstrate the detectability of the proposed FDI method. Even though the fault conditions considered in this paper did not deteriorate the wagon dynamic behaviour dramatically, the proposed FIs show great sensitivity to the bolster spring faults. The most effective and efficient FIs are chosen for fault detection and classification. Analysis results indicate that it is possible to detect changes in bolster stiffness of ±25% and identify the fault location.     

提高车用发动机活塞环摩擦学性能的试验研究

制备了直接离子渗氮环与超声滚压加工-离子渗氮环两类摩擦学试样。利用电子显微镜、硬度计、X射线衍射仪和能谱仪,对表面改性层进行了表征,分析了超声滚压预处理对316L不锈钢活塞环离子渗氮行为的影响;在润滑油条件下,使用往复式摩擦磨损试验机,对比考察了直接渗氮环和超声滚压-渗氮环的摩擦学性能。结果表明,超声滚压-渗氮环相对于直接渗氮环渗氮层的氮含量增加了2.9倍,显微硬度提高了1.1倍,摩擦因数降低了0.04,耐磨性提高了2.8倍。发动机台架试验表明,超声滚压-渗氮环与硼铸铁氮化气缸套的匹配性最好。     

京珠高速公路隧道病害检测与处治对策研究

通过京珠高速公路隧道病害现场检测,对其主要病害进行了分类统计。考虑该隧道的勘察、设计、施工等因素影响,对该隧道主要病害产生原因进行了分析,在此基础上,对隧道病害等级进行了判定,并针对不同等级病害,提出了具体的处治措施。     

船用中压变压器电弧故障检测方法研究

通过分析各种故障电弧检测技术方案,确定基于弧光的电弧检测方法适合船舶中压变压器,该检测方法可靠性高、速度快,能够满足船用环境要求。     

自行车流视频识别判断方法研究

考虑算法的实时性,交通流个体识别往往采用轮廓特征来描述。由于自行车与行人的很多轮廓特征值相近,在复杂城市交通环境中,从慢行交通流中准确地识别出自行车是目前采用视频检测交通流的难点之一。通过现场视频检测获取足够的样本外轮廓数据,分析检测目标轮廓的高、宽、高宽比、面积等典型轮廓特征,发现目标轮廓高宽比特征能较好地识别出行人、自行车等慢行交通,并给出合适的取值范围。研究表明自行车高宽比能够较好地成为视频识别的依据,为自行车视频识别提供数据。     

����ʱ�չ켣���ٵĽ�ͨ�����Բ���������

基于视频的交通流检测在智能交通系统中具有重要意义。本文针对广泛采用的低位摄像机,提出了一种交通流特性参数的检测分析方法。首先基于三级虚拟检测线和自适应更新率局部背景建模来快速提取车辆特征点并消除活动阴影对提取精度的影响;然后基于Adaboost（Adaptive Boosting,自适应增强）分类器实现特征点按车分组,并在跟踪过程中根据运动特征相关度消除分组误差,获取高精度的车辆轨迹;进而自动生成多车道轨迹时空图并提取各车道交通流的多种特性参数。实验结果验证了算法的高效性;同时,自动生成的多车道轨迹时空图也为更多的交通信息获取和更深入的交通流特性分析提供了有力支持。     

基于多模式弱分类器的AdaBoost-Bagging车辆检测算法

针对现有车辆检测算法在实际复杂道路情况下对车辆有效检测率不高的问题,提出了融合多模式弱分类器,并以AdaBoost-Bagging集成为强分类器的车辆检测算法。结合判别式模型善于利用较多的特征形成较好决策边界和生成式模型善于利用较少的特征排除大量负样本的优点,以Haar特征训练判别式弱分类器,以HOG特征训练生成式弱分类器,以AdaBoost算法为桥梁,采用泛化能力强的Bagging学习器集成算法得到AdaBoost-Bagging强分类器,利用Caltech1999数据库和实际道路图像对检测算法进行了验证。验证结果表明:相比于单模式弱分类器,AdaBoostBagging强分类器在分类能力和处理时间上均具有优越性,表现为较高的检测率与较低的误检率,分别为95.7%、0.000 27%,每帧图像的检测时间较少,为25ms;与传统级联AdaBoost分类器相比,AdaBoost-Bagging强分类器虽然增加了12%的检测时间和30%的训练时间,但检测率提升了1.8%,误检率降低了0.000 06%;本文算法的检测性能显著优于基于Haar特征的AdaBoost分类器算法、基于HOG特征的SVM分类器算法、基于HOG特征的DPM分类器算法,具有较佳的车辆检测效果。     

自动液位监控系统的设计

结合工业生产和生活中的实际问题,以STC89C52单片机为核心,通过外围硬件电路达到液位监控的目的.该系统主要是实时监测液位变化并进行显示输出.此外,系统在液位不满足要求的情况下,实现自动注水或放水,保证系统的水位在规定的范围内.本设计的液位显示通过LCD1602实现,液位测量部分使用了超声波测距模块,分辨率高,且为非接触式测量,抗干扰能力强.而对于液位的控制部分主要通过C语言编程来实现,同时增加了液位报警功能.