【摘要】：動(dòng)車底部閘瓦部位的螺栓,對(duì)列車整體制動(dòng)系統(tǒng)起著關(guān)鍵作用。閘瓦部位螺栓的丟失,會(huì)給列車安全制動(dòng)以及安全行駛帶來嚴(yán)重威脅。以螺栓丟失故障檢測(cè)為例,提出動(dòng)車中零部件丟失故障的在線檢測(cè)與識(shí)別算法,為動(dòng)車重點(diǎn)部位的故障診斷進(jìn)行針對(duì)性檢測(cè)提供了一種指導(dǎo)方法。結(jié)合螺栓幾何結(jié)構(gòu)的特點(diǎn),提出了一種基于圖像Sobel梯度邊緣的完備局部二進(jìn)制模型特征提取算法,結(jié)合二值分類器的訓(xùn)練與學(xué)習(xí),完成螺栓丟失故障的自動(dòng)檢測(cè)。結(jié)果表明,所提算法對(duì)復(fù)雜場(chǎng)景下螺栓丟失故障的識(shí)別有很強(qiáng)的穩(wěn)健性,其檢測(cè)效率和精度也很高,能夠滿足現(xiàn)場(chǎng)應(yīng)用需求。
【圖文】：

５４，１１１５０１（２０１７）激光與光電子學(xué)進(jìn)展ｗｗｗ．ｏｐｔｉｃｓｊｏｕｒｎａｌ．ｎｅｔ圖３用于訓(xùn)練故障檢測(cè)分類器的（ａ）正樣本和（ｂ）負(fù)樣本Ｆｉｇ．３（ａ）Ｐｏｓｉｔｉｖｅａｎｄ（ｂ）ｎｅｇａｔｉｖｅｓａｍｐｌｅｓｕｓｅｄｆｏｒｔｒａｉｎｉｎｇｔｈｅｆａｕｌｔｉｎｓｐｅｃｔｉｏｎｃｌａｓｓｉｆｉｅｒ圖４正負(fù)樣本訓(xùn)練后得到的分類器結(jié)果Ｆｉｇ．４Ｒｅｓｕｌｔｓｏｆｔｈｅｃｌａｓｓｉｆｉｅｒａｆｔｅｒｐｏｓｉｔｉｖｅａｎｄｎｅｇａｔｉｖｅｓａｍｐｌｅｓｔｒａｉｎｉｎｇ圖５螺栓丟失故障檢測(cè)結(jié)果。（ａ）螺栓丟失檢測(cè)結(jié)果；（ｂ）故障在圖像坐標(biāo)中的位置Ｆｉｇ．５Ｆａｕｌｔｉｎｓｐｅｃｔｉｏｎｒｅｓｕｌｔｏｆｂｏｌｔｍｉｓｓｉｎｇ．（ａ）Ｉｎｓｐｅｃｔｉｏｎｒｅｓｕｌｔｏｆｂｏｌｔｍｉｓｓｉｎｇ；（ｂ）ｐｏｓｉｔｉｏｎｏｆｆａｕｌｔｉｎｔｈｅｉｍａｇｅｃｏｏｒｄｉｎａｔｅ故障；綠色矩形框表示檢測(cè)出的螺栓沒有出現(xiàn)丟失故障，紅色矩形框表示為檢測(cè)出的螺栓出現(xiàn)了丟失故障。圖５（ｂ）中顯示了螺栓丟失故障在實(shí)際圖像坐標(biāo)中的位置，，記下此時(shí)圖像的序列號(hào)和故障位置，發(fā)送給終端服務(wù)器，提醒現(xiàn)場(chǎng)列檢人員該處螺栓出現(xiàn)丟失，需現(xiàn)場(chǎng)重點(diǎn)查看并確認(rèn)。３．２不同特征下目標(biāo)檢測(cè)的對(duì)比分析螺栓故障的識(shí)別分為兩個(gè)過程，即檢測(cè)分類器的訓(xùn)練和目標(biāo)故障的識(shí)別。利用滑動(dòng)窗口法提取目標(biāo)的特征，對(duì)檢測(cè)分類器進(jìn)行線下訓(xùn)練。為了驗(yàn)證這種基于Ｓｏｂｅｌ梯度邊緣下的ＣＬＢＰ算法的優(yōu)越性，利用Ｅｄｇｅ－ＣＬＢＰ、ＬＴＰ［１２］和梯度編碼直方圖（ＧＥＨ）［１６］方法分別對(duì)訓(xùn)練集進(jìn)行特征提取，并訓(xùn)練ＩＫＳＶＭ分類器ｈ

５４，１１１５０１（２０１７）激光與光電子學(xué)進(jìn)展ｗｗｗ．ｏｐｔｉｃｓｊｏｕｒｎａｌ．ｎｅｔ圖３用于訓(xùn)練故障檢測(cè)分類器的（ａ）正樣本和（ｂ）負(fù)樣本Ｆｉｇ．３（ａ）Ｐｏｓｉｔｉｖｅａｎｄ（ｂ）ｎｅｇａｔｉｖｅｓａｍｐｌｅｓｕｓｅｄｆｏｒｔｒａｉｎｉｎｇｔｈｅｆａｕｌｔｉｎｓｐｅｃｔｉｏｎｃｌａｓｓｉｆｉｅｒ圖４正負(fù)樣本訓(xùn)練后得到的分類器結(jié)果Ｆｉｇ．４Ｒｅｓｕｌｔｓｏｆｔｈｅｃｌａｓｓｉｆｉｅｒａｆｔｅｒｐｏｓｉｔｉｖｅａｎｄｎｅｇａｔｉｖｅｓａｍｐｌｅｓｔｒａｉｎｉｎｇ圖５螺栓丟失故障檢測(cè)結(jié)果。（ａ）螺栓丟失檢測(cè)結(jié)果；（ｂ）故障在圖像坐標(biāo)中的位置Ｆｉｇ．５Ｆａｕｌｔｉｎｓｐｅｃｔｉｏｎｒｅｓｕｌｔｏｆｂｏｌｔｍｉｓｓｉｎｇ．（ａ）Ｉｎｓｐｅｃｔｉｏｎｒｅｓｕｌｔｏｆｂｏｌｔｍｉｓｓｉｎｇ；（ｂ）ｐｏｓｉｔｉｏｎｏｆｆａｕｌｔｉｎｔｈｅｉｍａｇｅｃｏｏｒｄｉｎａｔｅ故障；綠色矩形框表示檢測(cè)出的螺栓沒有出現(xiàn)丟失故障，紅色矩形框表示為檢測(cè)出的螺栓出現(xiàn)了丟失故障。圖５（ｂ）中顯示了螺栓丟失故障在實(shí)際圖像坐標(biāo)中的位置，記下此時(shí)圖像的序列號(hào)和故障位置，發(fā)送給終端服務(wù)器，提醒現(xiàn)場(chǎng)列檢人員該處螺栓出現(xiàn)丟失，需現(xiàn)場(chǎng)重點(diǎn)查看并確認(rèn)。３．２不同特征下目標(biāo)檢測(cè)的對(duì)比分析螺栓故障的識(shí)別分為兩個(gè)過程，即檢測(cè)分類器的訓(xùn)練和目標(biāo)故障的識(shí)別。利用滑動(dòng)窗口法提取目標(biāo)的特征，對(duì)檢測(cè)分類器進(jìn)行線下訓(xùn)練。為了驗(yàn)證這種基于Ｓｏｂｅｌ梯度邊緣下的ＣＬＢＰ算法的優(yōu)越性，利用Ｅｄｇｅ－ＣＬＢＰ、ＬＴＰ［１２］和梯度編碼直方圖（ＧＥＨ）［１６］方法分別對(duì)訓(xùn)練集進(jìn)行特征提取，并訓(xùn)練ＩＫＳＶＭ分類器ｈ

【相似文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 熊慶;列車滾動(dòng)軸承振動(dòng)信號(hào)的特征提取及診斷方法研究[D];西南交通大學(xué);2015年

相關(guān)碩士學(xué)位論文 前3條

1 井波;基于EEMD的高速列車安全性態(tài)數(shù)據(jù)的特征研究[D];西南交通大學(xué);2015年

2 吳志丹;基于MEMD的高速列車安全性態(tài)評(píng)估應(yīng)用研究[D];西南交通大學(xué);2017年

3 袁雪;高速鐵路接觸網(wǎng)靜動(dòng)態(tài)性能退化特征提取方法[D];西南交通大學(xué);2017年

本文編號(hào)：2564875