鐵路運輸是我國的交通運輸中的重要運輸方式之一,我國國民經(jīng)濟對鐵路運輸提出了很高的要求。我國的高速動車組是通過接觸網(wǎng)—受電弓來獲取電網(wǎng)中的電能,進(jìn)而驅(qū)動列車和保證控制或輔助設(shè)備運行。因此,接觸網(wǎng)—受電弓是保障動車組整個系統(tǒng)安全穩(wěn)定運行的關(guān)鍵。我國的高速動車組在運行時最高速度可達(dá)350km/h,因此受電弓受到了高速摩擦、強風(fēng)阻、強沖擊和高頻振動的影響。在這種情況下,受電弓極易發(fā)生結(jié)構(gòu)損壞或位置不合理等故障。我國目前在高速動車組針對受電弓、接觸網(wǎng)運行監(jiān)控裝有車載接觸網(wǎng)運行狀態(tài)監(jiān)測裝置（3C）,通過該裝置記錄的監(jiān)控視頻,可事后了解受電弓故障發(fā)生時的可見光下和紅外線下的視頻和數(shù)據(jù)狀態(tài)。但是該裝置目前的用途為事后的監(jiān)控回看記錄,且判別手段為依靠維修工的目視檢查,無法記錄可疑的不正常狀態(tài)和難以預(yù)測故障的發(fā)生。因此,對該裝置的監(jiān)控視頻進(jìn)行自動識別,不但可以大大提高故障判別的準(zhǔn)確性,同時判別結(jié)果也可作為高速動車組檢修的參考依據(jù)。起到了節(jié)省人工成本,高效保障動車組安全穩(wěn)定運行,提高檢修效率的作用。論文研究了圖像處理與識別技術(shù)在車載接觸網(wǎng)運行狀態(tài)監(jiān)測裝置（3C）獲取的圖像中的應(yīng)用。在動車組列車正常運行時,計... 

【文章來源】：蘭州交通大學(xué)甘肅省

【文章頁數(shù)】：95 頁

【學(xué)位級別】：碩士

【部分圖文】：

接觸網(wǎng)的組成

蘭州交通大學(xué)工程碩士學(xué)位論文172.3弓網(wǎng)故障的檢測方法和鐵路信息化檢測手段的應(yīng)用2.3.1傳統(tǒng)的檢測方法傳統(tǒng)的檢測方法采用的是定期檢查的維修策略，維修時需要達(dá)到以下要求：①①受電弓弓角無裂紋、腐蝕、變形和破損。碳滑板接觸面平整，各個滑條之間應(yīng)平滑過渡，間隙不得超過規(guī)定值，弓頭和支架無變形。②碳滑板石墨條無嚴(yán)重缺損和磨損。碳滑板滑條應(yīng)安裝相互密貼、表面平整、接觸牢固。其厚度、局部磨耗深度和接縫間距離不得超過規(guī)定值。③升弓彈簧狀態(tài)良好。弓頭的運動部分在其任意工作高度都能靈活動作。④弓角涂層處厚度均勻、無磨損，且厚度大于1mm。圖2.5動車組受電弓的庫內(nèi)維修如圖2.5所示為動車組受電弓的庫內(nèi)維修，采用人工檢測的方法，依次檢測上述規(guī)定的部位，但是人工檢測費時費力，且比較依靠檢修人員自身的經(jīng)驗和技術(shù)水平。并且定期維修難以發(fā)現(xiàn)故障發(fā)生的機理和數(shù)學(xué)模型，并難以在實時運行中發(fā)現(xiàn)問題，因此需要將檢修流程信息化改造。2.3.2信息化改造后的檢測方法在高速動車組運行的環(huán)境下，機器視覺比人類肉眼的生理視覺更具優(yōu)勢，它更加準(zhǔn)確、客觀和穩(wěn)定，并且實時性遠(yuǎn)超人腦。在有了成熟合適的圖像識別技術(shù)框架下，加以

高速動車組弓網(wǎng)關(guān)系的數(shù)字圖像處理和識別研究22理后的圖像。如圖3.2所示為直方圖均值化后的直方圖對比，其中（a）圖為原始圖像的直方圖，（b）為處理過的圖像的直方圖。在計算直方圖時，灰度級設(shè)置為64。（a）原始圖像（b）均衡化后的圖像圖3.1直方圖均衡化（a）原始圖像的直方圖（b）均衡化后圖像的直方圖圖3.2圖像的直方圖(2)直方圖規(guī)定化處理直方圖均衡化處理所產(chǎn)生的直方圖是平坦的、近似均勻的，但有時需要實現(xiàn)原始圖像中規(guī)定的灰度級增強，得到具有特殊規(guī)定和需要的灰度直方圖的圖像，從而產(chǎn)生了對灰度直方圖進(jìn)行規(guī)定化處理的方法。

【參考文獻(xiàn)】：
期刊論文
[1]動車組入所在線智能檢測系統(tǒng)圖像自動識別的研究與實現(xiàn)[J]. 張偉,周斌,鄭煜,謝名源,劉錚.  鐵道車輛. 2020(01)
[2]離焦模糊圖像序列微弱運動目標(biāo)自動檢測仿真[J]. 鐘小莉,樊吉亮.  計算機仿真. 2019(07)
[3]動車組受電弓視頻監(jiān)控系統(tǒng)智能識別技術(shù)研究[J]. 馬文龍.  科技創(chuàng)新導(dǎo)報. 2019(18)
[4]基于二分查找的Radon變換直線檢測改進(jìn)算法[J]. 彭凱飛,沈?qū)W舉,黃富瑜,王龍,楊佳.  半導(dǎo)體光電. 2019(03)
[5]基于MATLAB的動態(tài)位移監(jiān)測圖像處理方法[J]. 賈政權(quán),劉利平,杜哲民.  華北理工大學(xué)學(xué)報(自然科學(xué)版). 2019(01)
[6]離焦模糊圖像復(fù)原技術(shù)綜述[J]. 于春和,祁奇.  沈陽航空航天大學(xué)學(xué)報. 2018(05)
[7]動車組運行故障圖像檢測系統(tǒng)（TEDS）運用研究與思考[J]. 劉彬.  中國鐵路. 2017(12)
[8]基于遺傳自適應(yīng)的維納濾波圖像去模糊算法[J]. 梁曉萍,羅曉曙.  廣西師范大學(xué)學(xué)報(自然科學(xué)版). 2017(04)
[9]特征融合的卷積神經(jīng)網(wǎng)絡(luò)多波段艦船目標(biāo)識別[J]. 劉峰,沈同圣,馬新星.  光學(xué)學(xué)報. 2017(10)
[10]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應(yīng)用. 2016(09)

博士論文
[1]基于視覺信息的圖像特征提取算法研究[D]. 戴金波.吉林大學(xué) 2013
[2]基于盲解卷積的圖像盲復(fù)原技術(shù)研究[D]. 周籮魚.中國科學(xué)院研究生院（長春光學(xué)精密機械與物理研究所） 2013
[3]航空異速像移模糊實時恢復(fù)算法研究與GPU平臺實現(xiàn)[D]. 李仕.中國科學(xué)院研究生院（長春光學(xué)精密機械與物理研究所） 2010

碩士論文
[1]基于機器視覺的黃瓜葉部病害程度檢測系統(tǒng)研究[D]. 劉寶洋.西京學(xué)院 2020
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的交通方式識別研究[D]. 方浩.北京交通大學(xué) 2019
[3]面向大風(fēng)條件下列車安全行駛預(yù)警的風(fēng)速預(yù)測算法研究[D]. 王騰飛.蘭州交通大學(xué) 2019
[4]基于圖像識別的綠通車管理關(guān)鍵技術(shù)研究[D]. 申通.長安大學(xué) 2019
[5]基于數(shù)據(jù)挖掘的弓網(wǎng)故障診斷[D]. 周正.遼寧工程技術(shù)大學(xué) 2018



本文編號：3226813