基于深度学习的铁路列车关键零部件图像故障检测

提出一种基于深度学习中卷积神经网络的列车关键零部件图像故障视觉检测算法。首先,引入故障区域复合提议网络和一组先验包围盒来生成高质量的故障区域;然后,采用线性非极大值抑制算法来保留最合适的故障区域并去除冗余;最后,结合故障区域复合提议网络,提出一种多尺度故障检测网络来进行故障区域分类和精确检测。本文将提出的算法在多个典型列车故障的数据库中进行实验,结果表明,本算法检测精度高,检测速度为每张图像0.246s,检测性能明显优于现有的最先进的方法,能更好地应用于实际工程中。

基于AMEsim的公铁两用牵引车液压系统的仿真与改进

基于我国对外贸易的增长和大陆桥多式联运的发展,传统的单功能公路、铁路牵引车已经难以满足铁路系统高效维护的需求。提出一种改进的公铁两用牵引车液压系统,在原有的研究基础上通过添加叠加式双向缓冲阀,进一步提升系统稳定性;引入行走轮可升降功能,使得牵引车能够适应各种路况。利用AMEsim对改进前后的液压系统进行仿真。研究结果表明:改进后的液压系统较原系统波动性更小,稳定性更高,运作执行时间更符合实际要求,且左右两轮在下降以及上升过程中在同一时刻位移差分别不超过1.1 mm和1.4 mm,同步性较强。故改进后的公铁两用牵引车液压系统应用范围更广,稳定性高,液压工作时间适宜,两侧轮同步性好,能更好地应用于实际工程。

恒温无尘车间中重载运输机械臂的设计

针对某企业将开放式车间升级为封闭式恒温无尘化车间,设计了一种用于恒温无尘车间的大型棒料重载运输机械臂,满足棒料运输的准确性及运行稳定性要求。首先,利用SolidWorks和ADAMS软件构造虚拟样机,其次,通过建立刚柔耦合模型并仿真,以确认模型的有效性,并获得应力和变形云图;最后,对机械臂进行结构轻量化设计,减轻其质量,并促使其运转更加灵活流畅。仿真结果表明,优化后的重载机械臂最大变形由0.532 mm降至0.409 mm,最大应力由480.33 MPa降至237.67 MPa,降幅高达50.5%,A级机械臂减重7.6%。

基于AMESim的公铁两用牵引车的液压系统设计

公铁两用牵引车是新型的铁路牵引车,为了提升牵引车模式转换的效率,将驱动轮翻转油路独立并利用AMESim软件建立牵引车液压系统仿真模型,模拟该牵引车的典型工况,通过设置主要系统参数,实现牵引车液压系统的动力学仿真。仿真结果表明,牵引车液压系统中的翻转油缸工作状态稳定,公路与铁路模式切换时,行走轮复位速度快,导向轮同步性良好,升降动作稳定性强,为进一步制定公铁两用牵引车的动力系统和控制策略奠定了基础,能满足实际工程需求。

轨道动态检测系统设计

基于轨道几何状态及其相关部件的检测要求,从硬件与软件系统设计出发,设计了轨道多功能动态检测系统。该系统利用激光测距仪与电子罗盘等传感器实现钢轨几何状态与不平顺性的动态测量。结合图像分析算法与小波马尔科夫随机场理论,实现与轨道相连部件如扣件和枕木的无损检测。实验结果表明,该系统的轨距测量范围在1375~1455mm之间,误差不超过0.05mm,不平顺的测量误差不超过0.03mm,能准确识别扣件与枕木是否破损与脱落,能满足实际轨道动态检测的需求。

基于嵌入式wifi和App服务的电力仪表视觉校准系统

电力仪表的准确度在各行各业中一直备受关注,如果因某些原因发生测量不准确的情况,将会造成严重的经济损失,所以对电力仪表的校准有着十分重要的意义。而传统的视觉检测方法因其需要PC机执行算法,故每台相机均需配备电脑,机动性和灵活度较差,且成本高。而以往记录检测数据多采用人工手写,不易调取文件,也无法保证存档的完整性。故本文提出了一种基于嵌入式wifi图像传输的电力仪表视觉校准系统,且开发了App应用,使得检测人员的检测工作更加方便、灵活,也降低了硬件成本,应用性好。

基于轻量化YOLO的X射线焊缝图像信息检测

为了对X射线焊缝图像上包含许多信息的识别标记进行准确识别,提出了YOLO-G网络和YOLO-D网络.设计基于YOLO(you only look once)的X射线焊缝图像信息检测方法,并通过引入多种轻量化技术大幅降低了网络模型的参数量与计算量,在保证高检测精度的同时加快检测速度,降低对高算力硬件的依赖性.同时根据检测对象的特点对网络结构的预测层以及锚点框的尺寸和个数进行了适应性调整.最后在数据集上进行实验,结果显示:相比于YOLO-V3,YOLO-G与YOLO-D具有更高的准确率,网络模型分别降低了89.6%和79.68%,计算量仅为YOLO-V3的11.4%和21.3%.