期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
复杂场景下铁路货车锁紧板偏转故障检测 被引量:9
1
作者 邹荣 李健康 +1 位作者 徐家祥 许桢英 《铁道科学与工程学报》 CAS CSCD 北大核心 2015年第4期917-922,共6页
结合铁路安全运营的迫切需求,以铁路货车运行故障图像动态检测系统(TFDS)中锁紧板偏转故障检测为研究背景,在无故障目标自动识别模式下对锁紧板姿态进行故障判别。针对锁紧板姿态是否位于正常范围内,提出一种新颖的偏转角度估计方法。... 结合铁路安全运营的迫切需求,以铁路货车运行故障图像动态检测系统(TFDS)中锁紧板偏转故障检测为研究背景,在无故障目标自动识别模式下对锁紧板姿态进行故障判别。针对锁紧板姿态是否位于正常范围内,提出一种新颖的偏转角度估计方法。算法依据锁紧板轮廓由近直线段组构成,提出采用直线段特征描述物体,形成特征稀疏表达,并对直线段特征采用方向编码方式,在有向Chamfer匹配下实现偏转角度估计,整个过程仅需一个模板。实验证明该算法能有效识别出偏转角度位于正常范围内的物体,并具有较好的鲁棒性和准确性。 展开更多
关键词 直线段特征 方向编码 故障检测 锁紧板 铁路货车运行故障图像动态检测系统(tfds)
在线阅读 下载PDF
一种基于几何特征的列车集尘器形状匹配算法 被引量:8
2
作者 孙国栋 杨林杰 +1 位作者 梅术正 赵大兴 《中国机械工程》 EI CAS CSCD 北大核心 2016年第2期230-234,257,共6页
针对列车集尘器定位不准确的问题,提出了一种基于几何特征的形状匹配算法。该算法首先对轮廓点进行采样,基于极半径、局部曲率确定关键点的初始位置及点集的映射关系,然后以形心为基准,生成以角度和尺度为几何特征的双重描述子,并对其... 针对列车集尘器定位不准确的问题,提出了一种基于几何特征的形状匹配算法。该算法首先对轮廓点进行采样,基于极半径、局部曲率确定关键点的初始位置及点集的映射关系,然后以形心为基准,生成以角度和尺度为几何特征的双重描述子,并对其作标准量化处理。最后使用改进的曼哈顿距离计算描述子的相似性。实验结果表明,该形状匹配算法几乎不受伸缩、旋转、平移等几何变换的影响,具有一定的适应性和鲁棒性。 展开更多
关键词 货车故障图像检测系统 集尘器 几何特征 形状匹配 描述子
在线阅读 下载PDF
基于稀疏编码空间金字塔匹配和GA-SVM的列车故障自动识别 被引量:9
3
作者 孙国栋 周振 +2 位作者 王俊豪 张杨 赵大兴 《光学精密工程》 EI CAS CSCD 北大核心 2018年第12期3087-3098,共12页
针对货车运行故障动态图像中车辆挡键、集尘器和安全链锁紧螺栓的故障检测,提出一种基于稀疏编码空间金字塔匹配和遗传算法优化的支持向量机相结合的通用故障自动识别算法。首先在不同尺度空间对样本图像进行划分,对每个部分提取尺度不... 针对货车运行故障动态图像中车辆挡键、集尘器和安全链锁紧螺栓的故障检测,提出一种基于稀疏编码空间金字塔匹配和遗传算法优化的支持向量机相结合的通用故障自动识别算法。首先在不同尺度空间对样本图像进行划分,对每个部分提取尺度不变特征变换特征,利用随机抽取样本的SIFT特征通过迭代学习生成字典并进行稀疏编码;其次利用主成分分析定义编码后的特征对故障识别准确率的贡献值,并据此对编码特征进行降维;然后利用编码降维后的特征结合遗传算法对线性SVM分类器进行训练;最后用训练好的分类器模型对挡键、集尘器和安全链锁紧螺栓的故障进行识别。实验结果表明,本文提出的算法能较好的应用于3种不同类型的故障识别,识别率分别为97.25%、99.00%和97.50%,同时对噪声和光照变化具有一定的鲁棒性,能满足车辆故障的实际检测需求。 展开更多
关键词 故障动态图像检测 稀疏编码 空间金字塔 尺度不变特征变换 遗传算法 支持向量机
在线阅读 下载PDF
基于HCRD的列车锁紧板偏转自动识别方法 被引量:4
4
作者 雷蕾 宋冬利 +1 位作者 张卫华 何平 《铁道科学与工程学报》 CAS CSCD 北大核心 2021年第7期1895-1902,共8页
针对货车故障轨旁图像检测系统(TFDS)中锁紧板偏转故障,提出一种基于霍夫变换、Canny边缘检测和形状模板相结合的HCRD(Hough-Canny-RightangleDetection)方法。通过霍夫变化及数学几何模型定位转向架锁紧板部位,再对Canny边缘检测后的... 针对货车故障轨旁图像检测系统(TFDS)中锁紧板偏转故障,提出一种基于霍夫变换、Canny边缘检测和形状模板相结合的HCRD(Hough-Canny-RightangleDetection)方法。通过霍夫变化及数学几何模型定位转向架锁紧板部位,再对Canny边缘检测后的边缘图像进行角度特征的检测,整个识别只需要一个形状模板就能实现锁紧板偏转图像高精度自动识别,具有很好的判别能力。采用python编程,平均每张图像识别时间为0.067 s。且锁紧板下边缘处是否有角度特征作为锁紧板是否偏转的判断依据,具有很高的可靠性。实验证明,HCRD方法能精确检测出锁紧板的非正常范围(>5°)的偏转,且具有较好的鲁棒性和抗噪能力。该方法为TFDS故障图像识别提供了一种新的思路。 展开更多
关键词 形状模板 角度特征 故障检测 锁紧板 货车故障轨旁图像检测系统(tfds)
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部