列車運(yùn)行動(dòng)態(tài)監(jiān)測(cè)系統(tǒng)中故障圖像識(shí)別算法的研究.pdf

1、自2000年以來,列車運(yùn)行動(dòng)態(tài)監(jiān)測(cè)系統(tǒng)(TFDS)在各大列檢所相繼投入使用。該系統(tǒng)通過布置于鐵軌邊的高速攝像機(jī)陣列,拍攝列車關(guān)鍵部件圖像,列檢員從圖像中分辨列車部件的故障,使得列檢方式由現(xiàn)場(chǎng)作業(yè)轉(zhuǎn)向了室內(nèi)作業(yè)。但是TFDS系統(tǒng)現(xiàn)有的列檢方式勞動(dòng)強(qiáng)度依然很高,并且受主觀因素影響較大。因此,設(shè)計(jì)一套列車部件故障自動(dòng)檢測(cè)系統(tǒng),改進(jìn)當(dāng)前TFDS系統(tǒng)的故障檢測(cè)與定位方法,實(shí)現(xiàn)人工檢測(cè)方式到自動(dòng)識(shí)別方式的轉(zhuǎn)變,具有重要的意義。
　　 TFD

2、S部件故障自動(dòng)檢測(cè)系統(tǒng)分為圖像預(yù)處理、特征提取、特征選擇、故障圖像識(shí)別和故障部位定位五個(gè)關(guān)鍵步驟。首先,針對(duì)列車部件圖像存在的噪聲污染、模糊、曝光不均勻、圖像維數(shù)過高等問題,對(duì)部件圖像運(yùn)用基于均值和中值濾波、Laplacian銳化、直方圖均衡和尺度變換的預(yù)處理技術(shù),提高了列車部件圖像的可視對(duì)比度,降低了噪聲干擾,為后續(xù)故障圖像判別和定位打下基礎(chǔ);其次,針對(duì)列車部件圖像紋理信息復(fù)雜、故障類型較多、不易定位的特點(diǎn),提出了一種基于灰度共生矩陣

3、的紋理特征提取方法,實(shí)現(xiàn)了對(duì)圖像局部信息的特征提取;然后,提出了一種改進(jìn)的Q-ReliefF特征選擇算法,選擇出與圖像模式相關(guān)性最大的特征,解決了Releif算法中對(duì)個(gè)別特征盲目選擇的問題。圖像分類采用k近鄰、支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)的分類方法,利用已選擇出的圖像特征,分別對(duì)列車側(cè)架、制動(dòng)梁、搖枕、蓋板、提鉤桿和枕簧等關(guān)鍵部位進(jìn)行故障識(shí)別;最后,提出一種基于尺度不變的SIFT特征匹配算法,解決了不同圖像中故障部位存在的幾何形狀差異性較大