基于边缘检测的空域自适应差错掩盖算法

针对视频传输中帧内编码帧(Intra帧)出错情况,提出一种基于边缘检测的自适应空域差错掩盖算法。根据丢失宏块周围正确宏块的边缘信息,将丢失宏块分为平滑块和边缘块。对平滑块采用双线性插值进行恢复;对边缘块采用一种多方向插值加权平均方法进行恢复。实验结果表明,提出的空域差错掩盖算法能很好地适应不同的视频传输差错情况,并对不同类型的图像内容具有良好的差错掩盖效果,与传统的差错掩盖算法相比,具有更好的差错恢复能力。     

基于卷积自编码的沥青路面目标与裂缝智能识别

目前基于深度学习的路面裂缝识别经常面临训练数据集小，以及路面图片标注成本高等问题，基于小规模路面图片数据集，利用卷积自编码（CAE）方法进行数据增强，开展包括路面裂缝在内的路面目标智能化识别方法研究。在传统图像几何变换数据增强的基础上，采用CAE重构图片方法对原始数据集进行两步骤扩增；利用卷积神经网络DenseNet，设置了不同数据扩增方法的对比试验；针对沥青路面裂缝图片背景较黑，裂缝特征不清晰，无监督聚类学习难度大等问题，采用了一种基于CAE预训练的深度聚类算法DCEC，对经数据增强的路面图片进行无标注的聚类识别。研究结果表明：经过DenseNet网络100代的训练，在同一测试集的测试下，基于原始数据集训练的网络分类准确度为78.43%，利用传统图像处理方法进行扩增后准确度为83.44%，利用所提出的图片增强方法进行数据扩增后准确度达87.19%；在保持扩增后数据集样本量大小相同的情况下，与几何变换、像素颜色变换等经典数据增强手段相比，CAE重构图片的数据扩增方法有较高的路面图片识别精度；CAE数据扩增方法较受训练数据集样本量的影响，利用传统方法将数据集扩增后进行CAE特征学习，重构后的图片样本更易被机器识别；相较于传统机器学习聚类算法，所提出的的DCEC深度聚类方法将聚类准确率提升了约10%，初步实现了无需人工标注的路面目标的端到端智能识别。     

浅谈8K电力机车在役车轴超声波探伤方法

分析了8K电力机车在役车轴疲劳裂纹产生原因,提出了超声波探伤方法,并介绍了疲劳裂纹波形特点和疲劳裂纹定量影响因素。     

故障树分析法在汽油发动机电控系统故障诊断中的应用

发动机电控系统是由传感器、执行器和控制单元三部分组成的,发动机正常运转过程是以控制系统为基础,通过不同信号的采集、处理和传输来实现发动机进气、喷油、点火等环节的有序进行。一旦发生故障,则症状的界限模糊。通常情况下系统故障发生在某个部件的具体位置,其他位置表现的状态正常,因此当发生局部故障时,最好是查清故障的具体位置然后作出相应的故障处理策略,不然更换整体部件虽然也排除了故障但是造成了很大程度的资源浪费。本文具体的阐述了故障树分析法在汽车发动机电控系统故障诊断过程中的应用研究,并通过实际的案例分析证明了故障树分析法的实用性和有效性。在未来故障诊断的相关研究中可以不断深化新型诊断技术的研究和开发。     

EQDN系列CNG电喷发动机燃料喷射阀及火花塞优化

为了解决EQDN系列CNG发动机在使用过程中表现出的动力不足的问题，通过改进天然气喷射阀及火花塞的结构，提升其性能，从而使发动机动力性和燃油经济性大幅度提升。     

基于USB的机车故障检测记录仪数据传输技术

针对当前机车故障检测记录仪所存故障的快速提取需求，结合USB接口的结构、特点，介绍基于Cypress EZ-USB2131的USB软硬件系统的开发方法，阐述该系统在机车故障检测记录仪中的应用。从实际的检测记录仪装车运行效果可以看出，USB接口技术能够为车载设备信息的提取提供高速可靠的连接，满足实际需求。     

隧道及地下工程渗漏水诱发原因与防治对策

渗漏水防治是隧道及地下工程全寿命周期内必须面对的难点和挑战。为此，综述了隧道及地下工程渗漏水防治实践与研究的最新进展，探讨了渗漏水类型及诱发原因、服役期渗漏水检测方法及原理、设计施工阶段渗漏水预防的理念及技术措施、施工运营期渗漏水处治的内涵及方法，展望了值得重视的未来发展及研究方向。研究结果表明：隧道及地下工程渗漏水可按照渗漏水发生部位、形式、水量分为不同类型；渗漏水诱发原因极其繁杂，涉及水文地质条件、设计、施工、使用环境等多个方面；服役期渗漏水快速无损检测法的精度还有待提高，现阶段应与传统检测法相辅相成，其未来发展趋势为智能化、轻巧化和实时监控预警；渗漏水预防的核心在于防排水设计原则合理、防排水系统施工质量可靠、防水材料强度及耐久性满足要求；渗漏水处治的主要方法是注浆封堵，浆液扩散机理、注浆量及注浆厚度确定、浆液与水相互作用以及新型注浆材料研发等方面值得进一步研究。所得研究结论与展望对于隧道及地下工程渗漏水防治的实践和研究具有积极意义。     

受电弓动态包络线检测

介绍国内外防止机车受电弓与接触网之间弓网故障的思路、方法 ,介绍受电弓动态包络线检测尺对接触悬挂进行动态包络线检测的应用情况。     

Fault detection of vehicle suspension system using wavelet analysis

This paper presents a method based on continuous wavelet transform to detect the faults of vehicle suspension systems. The Morlet wavelet functions are employed to approach the natural frequencies of the system and the frequency components of the signal with relative maximum energy. To evaluate our method, we use a full vehicle dynamic model which has been simulated in ADAMS/CAR and validated by laboratory test results. The suspension faults have been considered due to the damage of shock absorbers (dampers) and upper damper bushings (UDBs) and assumed as the decrease in damping force and loose joints, respectively. In this paper, the incapability of the spectral analysis by using fast Fourier transform in analysis of the signals is revealed through applying the inputs that include transient characteristics and then wavelet transform employed to achieve more proper results. A swept frequency is applied as an input to the wheels that simulates the road irregularities. After detection of faulty sections of the system using signal energy distribution, the defects of damper and UDBs are distinguished from each other through observing the changes of natural frequencies and corresponding energy amplitudes.     

Application of observer-based fault detection in vehicle roll control

This paper describes how observer-based techniques for intelligent fault detection were applied to monitoring an active suspension control system in an experimental articulated heavy vehicle. The aim was to define a practical method for detecting faults, taking into account the nonlinearities of the vehicle. The experimental vehicle was divided conceptually into subsystems, namely the passive dynamics of the trailer, the dynamics of the hydraulic actuators, and the expected response of the closed-loop system. A linear dynamic model was designed for each subsystem. A fault detection observer was then designed for each dynamic model. The observer feedback gains were chosen to optimise estimation by the observer residual of specified errors on the output measurements. The observer residuals were then normalised and combined logically to provide a fault diagnosis. The performance of the fault detection scheme is demonstrated in the case of sensor faults and changes in the operation of the active control system.