针对转向架构架磁粉探伤缺陷识别环节人工目测效率低的现状,提出一种基于YOLO-CET(You Only Look Once based on CoTNet-Efficient-Transformer blocks)的探伤图像缺陷自动识别算法,实现对构架表面真伪缺陷的智能识别。以YOLOv5(You Onl...针对转向架构架磁粉探伤缺陷识别环节人工目测效率低的现状,提出一种基于YOLO-CET(You Only Look Once based on CoTNet-Efficient-Transformer blocks)的探伤图像缺陷自动识别算法,实现对构架表面真伪缺陷的智能识别。以YOLOv5(You Only Look Once version 5)为基础模型,在骨干特征提取网络引入轻量化CoTNet(Contextual Transformer Networks)网络层,实现缺陷特征的多尺度融合与提取。加入高效通道注意力机制,在不增加网络计算量的同时提高模型的鲁棒性和泛化性。增加一个小尺寸缺陷检测头用于减轻不同尺寸特征带来的尺度方差影响,同时引入视觉自注意力模块,增强小目标缺陷的抓取识别能力。利用自建的构架表面缺陷探伤数据集进行测试,结果表明,与YOLOv5相比,所提出的YOLO-CET使检测平均精度提升33.8%,F1-Score提升0.26,浮点运算量仅增加1.5 B,该模型可实现缺陷的自动检测,有效解决背景误判、细小缺陷漏检等问题。展开更多
根据构架在线路运行中的扭曲状态和标准JIS E 4207:2004《铁路车辆-转向架-转向架构架设计通则》中规定的构架扭转刚度测试方法提出改进的刚度测试方法,新的测试方法简单且实用性较强,误差有效地控制在7%之内。构架根据结构设计形式的...根据构架在线路运行中的扭曲状态和标准JIS E 4207:2004《铁路车辆-转向架-转向架构架设计通则》中规定的构架扭转刚度测试方法提出改进的刚度测试方法,新的测试方法简单且实用性较强,误差有效地控制在7%之内。构架根据结构设计形式的不同分为管梁型构架及箱梁型构架。利用新的扭转刚度测试方法分别对管梁型构架及箱梁型构架进行扭转刚度测试,同时理论分析两种类型构架扭转刚度不同的原因。利用ANSYS仿真分析软件对两种类型的转向架构架进行仿真分析,得出:构架扭转刚度的大小主要取决于测量的横截面积及横梁的结构形式,管梁型结构构架扭转刚度小于箱梁型结构构架的扭转刚度;在构架受扭转变形影响较大的区域,如横梁与侧梁的连接位置,由于箱梁型构架扭转模态频率较高,其动应力幅值较管梁型构架要小。展开更多
文摘针对转向架构架磁粉探伤缺陷识别环节人工目测效率低的现状,提出一种基于YOLO-CET(You Only Look Once based on CoTNet-Efficient-Transformer blocks)的探伤图像缺陷自动识别算法,实现对构架表面真伪缺陷的智能识别。以YOLOv5(You Only Look Once version 5)为基础模型,在骨干特征提取网络引入轻量化CoTNet(Contextual Transformer Networks)网络层,实现缺陷特征的多尺度融合与提取。加入高效通道注意力机制,在不增加网络计算量的同时提高模型的鲁棒性和泛化性。增加一个小尺寸缺陷检测头用于减轻不同尺寸特征带来的尺度方差影响,同时引入视觉自注意力模块,增强小目标缺陷的抓取识别能力。利用自建的构架表面缺陷探伤数据集进行测试,结果表明,与YOLOv5相比,所提出的YOLO-CET使检测平均精度提升33.8%,F1-Score提升0.26,浮点运算量仅增加1.5 B,该模型可实现缺陷的自动检测,有效解决背景误判、细小缺陷漏检等问题。
文摘根据构架在线路运行中的扭曲状态和标准JIS E 4207:2004《铁路车辆-转向架-转向架构架设计通则》中规定的构架扭转刚度测试方法提出改进的刚度测试方法,新的测试方法简单且实用性较强,误差有效地控制在7%之内。构架根据结构设计形式的不同分为管梁型构架及箱梁型构架。利用新的扭转刚度测试方法分别对管梁型构架及箱梁型构架进行扭转刚度测试,同时理论分析两种类型构架扭转刚度不同的原因。利用ANSYS仿真分析软件对两种类型的转向架构架进行仿真分析,得出:构架扭转刚度的大小主要取决于测量的横截面积及横梁的结构形式,管梁型结构构架扭转刚度小于箱梁型结构构架的扭转刚度;在构架受扭转变形影响较大的区域,如横梁与侧梁的连接位置,由于箱梁型构架扭转模态频率较高,其动应力幅值较管梁型构架要小。