机车检修数据标准化用特制大语言模型

机车检修数据标准化是确保机车检修数据进行以可靠性为中心的维修(RCM)数据分析的关键步骤之一,但目前存在样本数量少、数据格式不规范、分析难、人工成本高等问题,导致使用传统的人工方式进行数据标准化的工作难度大。大语言模型在理解自然语言处理和处理复杂任务方面具有强大的性能,近几年来在学术界和工业界取得了很大的发展。文章首先研究了大语言模型在机车检修数据上进行信息抽取的应用性能,发现统一信息抽取大语言模型(UIE)适用于机车检修领域进行信息抽取,扩大机车数据数量可以提升UIE对机车检修数据信息抽取的性能,平衡故障标签种类对UIE进行机车检修数据信息抽取的性能提升不大;然后,针对数据标注困难的问题,通过采用编写脚本方式,实现数据标注自动化,并利用ChatGLM对机车检修数据进行标准化处理,Bleu-4、Rouge-1、Rouge-2、Rouge-L指标分别达到86.87%、89.60%、87.54%、94.26%,满足工程应用要求;最后,开发了一个封装大语言模型的辅助数据标准化预处理工具,简化了数据标准化流程。

基于3D点云的地铁车辆车底部件表面异常检测方法研究

列车部件表面异常检测是确保地铁安全运行的关键技术之一,其核心往往是图像处理,因部分异常在图像颜色、形状和纹理特征上并无明显变化,导致在2D图像上难以完成检测。3D点云在2D图像的基础上增加了深度信息,能更好地反映部件表面的特征,从而更有利于异常情况的准确检出。文章针对地铁车辆车底箱体部件大多为刚性结构这一共性特征,结合3D点云处理技术,归纳出一套通用的异常检测方法。其采用点云预处理、点云配准等技术,可检测地铁车辆车底刚性结构部件表面深度信息的变化;但该方法在处理高亮反光部件和网格表面部件方面效果欠佳。为此,文章以高压分线箱接头区域和空心电抗器斜面区域为例,对该方法进行改进。其中,高压分线箱接头区域先采用区域分割方法得到纯接头区域和线束区域,进而用统计学方法完成前者的检测,以通用检测方法完成后者的检测;空心电抗器斜面区域则结合平面滤波对通用检测方法的流程加以调整,既消除了网格平面后噪声点的干扰,又避免了平面滤波导致点云配准效果不佳的问题。最后,以某地铁公司的实际数据作为测试集,验证了新方法在确保检出率不低于原有方法的前提下,消除了90%以上的误报,大大降低了误检率,为相关异常检测系统的实际应用提供了理论指导。

光学识别技术在机车检修记录单电子化中的应用

由检修人员填写的机车检修记录单在电子化归档过程中,采用人工筛查分类,存在效率低、耗时长的问题。为此,文章提出一种改进的基于PaddlePaddle-OCR的文本识别方法,其能准确识别检修单中关键文本内容,并依据所识别的信息实现检修单的快速分类归档。该方法首先基于傅里叶变换进行文本倾斜角度检测校正;接着,采用以可微二值化模块为头部的分割网络来实现文本区域的检测;最后,采用卷积循环神经网络完成文本区域的文字识别。实验结果表明,采用该方法后,检修记录单中关键表头信息的识别准确率在0.94以上,单张图像识别耗时小于17 s,且可批量化操作,能满足机车检修单电子化分类归档的精度与效率要求;同时,相比原版PaddlePaddle-OCR,文中所提方法在文本倾斜场景下的识别效果更好。文章最后还探索了主干网络卷积核尺寸比例对文本检测器与文本识别器的影响。

散斑干涉条纹的窗口傅里叶变换滤波阈值研究

为了改善滤波效果,提出了一种新的阈值选择方法。基于相位频谱系数的理论分析,综合考虑条纹自身振幅对频谱幅度的放缩影响,利用频谱系数最大值得到条纹振幅,进而计算得到适用于散斑干涉条纹图的窗口傅里叶变换滤波阈值。经过模拟散斑干涉条纹图和实验所得真实条纹图验证可知,该阈值选择方法能有效滤除高频噪声,滤波效果较好。