基于自编码器的接触网定位器底座开口销缺失识别算法研究

随着接触网故障检测技术的发展,接触网悬挂状态检测系统可得到接触网定位器的海量高清图像用于线下故障排查。为提高接触网定位器底座开口销缺失检测的准确性和效率,基于自编码器无监督网络模型,根据定位装置开口销区域的图像特征设计开口销缺失识别算法,并通过实际现场图像数据验证算法的有效性和通用性。试验分析表明,该算法对于背景复杂、光照不均等现场实际图像均具有良好的适应性,算法检测准确率达90%以上,可提高接触悬挂零部件缺陷检测效率,具有重要的实际工程意义。

基于深度自编码网络的接触网开口销缺失识别

在对接触网悬挂装置状态进行检测时,因为缺少开口销缺失的样本,智能识别难以保证较高的准确率。本文提出了一种基于YOLO v2检测算法与深度降噪自编码网络的接触网开口销缺失识别方法,实现对开口销的定位及定位后开口销图像重构,通过分析重构误差判断接触网开口销是否缺失。试验证明该方法能有效识别开口销缺失情况。

基于深度学习的高铁接触网旋转双耳开口销钉缺失故障检测

针对高速铁路接触网支撑装置中旋转双耳开口销钉缺失故障检测的问题,提出一种基于深度卷积神经网络和集成学习的故障检测方法。通过Faster R-CNN网络对旋转双耳整体进行精确定位;在整体定位结果的基础上,进一步完成对开口销钉的精确定位,最大程度上降低背景对故障检测的干扰;通过多个深度卷积神经网络提取开口销钉图像的多种特征,最终由多个线性SVM构成的集成分类器实现开口销钉缺失故障检测。实验结果表明:本方法能在复杂的接触网支撑装置图像中实现旋转双耳开口销钉的精确定位,并且在销钉的缺失故障检测中表现出较高的可靠性。