轨旁故障图像检测设备智能检测装置的研究

轨旁故障图像检测设备智能检测装置的研究与应用,实现对轨旁故障图像检测设备性能状态的检测,快速定位设备故障点,提高设备维护质量,保障设备运行稳定。

基于tSNE多特征融合的JTC轨旁设备故障检测

无绝缘轨道电路(Jointless Track Circuit,JTC)的轨旁设备在室外长期运营过程中,其可靠性会逐渐降低,进而给列车行车安全带来严重威胁。以轨道电路读取器(Track Circuit Reader,TCR)感应电压为基础,针对JTC故障诊断研究中轨旁设备故障类型复杂和故障特征提取不充分等问题,提出一种基于t分布随机邻域嵌入(t-distribution Stochastic Neighbor Embedding,tSNE)多特征融合的JTC轨旁设备故障检测模型。首先,根据不同轨旁设备故障对TCR感应电压信号的影响,分析各轨旁设备的故障特性。其次,提取TCR感应电压信号的方差、有效值、峰值因子等幅值域特征,以及排列熵、散布熵特征构成原始故障特征集。为了去除其中的冗余信息,得到具有较高判别性的融合流形特征,利用tSNE算法进行特征融合。最后输入深度残差网络(Deep Residual Network,DRN)得到故障检测混淆矩阵,实现轨旁设备故障定位。实验结果表明:tSNE算法融合后的特征在异类和同类故障样本之间分别有较大的类间间距和较小的类内间距,相比主成分分析(Principal Component Analysis, PCA)、随机相似性嵌入(Stochastic Proximity Embedding, SPE)、随机邻域嵌入(Stochastic Neighbor Embedding,SNE)算法具有更优的融合特征提取效果。此外,结合DRN可以有效识别多种轨旁设备故障,达到98.28%的故障检测准确率。通过现场信号进行实例验证,结果表明该故障检测模型能满足铁路现场对室外设备进行故障定位的实际需求。

基于红外图像技术的运行设备热故障状态检测系统设计

变电站设备在发电过程中因老化与恶劣环境等因素的影响容易发生热故障,传统人工检测方法难度大且准确性低,提出基于红外图像的变电站设备热故障状态检测系统设计。硬件设计上,由红外图像采集模块与地面服务模块组成系统整体架构。软件设计上,采用串并联扫描方式采集变电站设备的红外图像,通过均值滤波法与直方图均衡化算法预处理原始采集的红外图像,基于红外图像的相对温差法完成热故障状态检测。最后通过对变电站常见设备进行热故障状态检测试验,验证了设计系统的可行性与可靠性。

基于红外图像配准的建筑夜景照明设备故障检测

当前的建筑夜景照明设备故障检测一般是针对固定的检测目标进行处理,检测效率低,检测精度及效率等较差。提出基于红外图像配准的建筑夜景照明设备故障检测方法,根据实际的检测需求及标准,进行照明设备红外图像采集与预处理,结合SIFT算法实现故障检测特征的提取,以提高检测效率。以此为基础,进行欧氏距离的计算,并通过RANSAC算法实现特征点的配准,最终完成故障检测。

基于Faster R-CNN图像处理的变电站异常设备红外检测方法

针对智能变电站内一次设备红外监测图像分析与处理智能化较低的问题,提出了一种基于Faster R-CNN的变电站异常设备红外检测图谱分析方法,并实现了变电站故障设备的智能识别和原因分析。将远程终端单元所采集到的红外图像进行预处理,并对图中的变电站设备进行识别;采用大津算法结合图像灰度值的特殊性对图像进行分割与图像配准;Faster R-CNN则用于对比判断设备是否处于故障状态并分析原因。实验测试结果表明,所提方法对于多种故障设备的识别准确率均在90%以上,具有较优的鲁棒性。

基于图像处理的轨旁组合信号灯识别方法

对列车轨旁信号灯进行准确辨识是保障列车安全运行的重要措施。然而,对于轨道系统而言,除了通常的单色信号灯外,还有组合(两种颜色)信号灯的指示方式。针对轨旁组合信号灯的识别问题,文中提出了一种基于图像处理技术对位于列车前方150 m内的轨旁组合信号灯的识别方法。根据组合信号灯的颜色和形状特征,采用颜色分割、形态学处理、霍夫变换等手段提取组合信号灯的候选区域。同时利用组合信号灯位于当前轨道右侧的位置特征以及组合信号灯之间圆心距的距离特征,定位其位置并识别组合灯颜色。实验结果表明,该方法能准确定位和识别轨旁组合信号灯,对绿与黄、两绿和两黄这3种组合灯的识别率分别为94.14%、96.21%、86.67%。

关于动车组故障轨边图像检测系统的设计

说明了图像检测技术在动车组故障检测上应用的必要性,在介绍目前成熟的客车故障轨边图像检测系统原理的基础上,结合动车组图像检测范围和动车组物理构造,对动车组图像检测内容进行分析。在详细描述了系统采用的关键技术后,给出了动车组故障轨边图像检测设备的设计方案,并对西安动车所系统的应用情况和故障进行了简单的展示,最后提出了未来动车组故障图像检测技术发展的前景。

电务轨旁设备外观巡检图像增强算法

提出一种变尺度Retinex(VSR)算法,实现对电务轨旁设备外观巡检图像的增强处理。首先对采集到的亮度不均的巡检图像进行全局自适应伽马校正;然后再对其进行基于Retinex算法的局部变尺度滤波,局部滤波器的高斯核函数尺度随之自适应改变,以最大限度地抑制Retinex算法带来的灰度溢出效应和光晕效应。采用该算法对高柱信号机、矮柱信号机、信号标志牌、信号箱盒和隧道漏缆等的巡检图像进行增强处理,并与具有类似功能的CLAHE,GF,IR,SSR,MSR,MSMCR算法的处理结果进行对比。结果表明:无论是图片的清晰度,还是局部对比度,VSR算法明显优于其他算法。VSR算法能有效校正巡检图像的亮度不均匀现象,并最大限度地抑制灰度溢出效应与光晕效应,使巡检图像中因局部亮度反差所掩饰的有用信息显示出来,从而提升巡检图像的显示质量,以利于巡检图像的浏览和后续智能分析。

动车组故障轨边图像自动检测系统图像对比算法研究

动车组故障轨边图像自动检测系统(TEDS)采用模块化、小型化的设计理念,运用图像自动识别技术,对异常图像进行分级报警。在图像自动识别技术基础上,设计了整个图像识别框架,针对不同部件,采用逐级细化、图像对比、分级预报算法,提高动车组故障自动识别效果,达到分级报警的要求。

基于人工智能技术的输电线路红外图像持续管过热检测

本文指出随着现代化社会的发展,人工智能技术不断应用于电网设备的运行维护当中。以往在输电线路红外图像中发现持续管过热的主要方法是人工诊断,效率低,主观性强,效果达不到预期。本文采用人工智能图像分析技术对红外图像中输电线路持续管过热故障进行自动检测。首先检测输电线路红外图像中的颜色条,自动建立颜色与温度间的映射关系;然后采用Yolov5算法自动检测图像中的持续管,再根据前述温度映射算法得到持续管每个像素的温度,当发现温度异常时,自动报警;最后在包含了100个点的数据集上对算法进行了测试。实验表明该方法能较为准确地检测图像中持续管的温度异常情况并主动报警,具有较强的实用价值。

基于红外热成像技术的变电设备故障检测方法

变电设备在运行过程中受环境等因素的影响,经常会发生热故障。为提高故障检测的准确性,提出基于红外热成像技术的变电设备故障检测方法。采用线性阵列的红外检测器,确定变电设备的扫描区域,将变电设备的红外线辐射量转化为电信号,采集变电设备图像。通过概率密度函数,计算红外图像的像素点,利用中值滤波原理预处理变电设备红外图像。根据变电设备故障点的相对温差,实现变电设备的故障检测。实验结果表明,该方法受噪声的影响较小,可以将变电设备故障检测的准确率提高到90%以上。

提高地铁车辆轨旁综合检测效率探讨

轨旁综合检测系统具有检测效率高、自动化程度高、全天候检测的优点。实现车体外观状况的室内可视化观测,辅助和优化人工检修,为列车预测性维护提供数据支撑。地铁车辆轨旁综合检测由轮对动态检测、受电弓动态检测、360°动态图像检测三部分组成。能对地铁车辆轮对直径和踏面磨损情况进行检测;对地铁车辆受电弓磨耗、缺口、开裂等情况进行检测;对车底部件和车侧部件的状态进行检测。

图像识别技术在铁路设备故障检测中的应用

为了提高铁路行车安全性,对铁路设备进行有效地故障检测是不可或缺的环节。文中提出一种基于图像识别技术的设备故障检测方法,该方法解决了机车在运行期间各设备状态的动态检测问题,主要以动态图像为研究对象并进行实时处理。最后通过实验验证了文中研究工作具有快速、准确度高等特点。

浅谈ITCS轨旁设备的维护与故障处理

青藏铁路格拉段运用的ITCS信号系统由中心设备、轨旁设备和车载设备组成,其中轨旁设备的稳定运行对于整个系统的稳定性起着至关重要的作用,文章主要介绍ITCS系统中轨旁设备VHLC和RBC的组成及功能,以及日常维护经验与故障处理。

铁路轨旁设备设施视频检测识别系统

随着铁路网的逐步完善,新ICT技术在各行业的广泛应用以及智能铁路发展的新要求,对铁路电务部门的运维工作提出了新挑战,迫切需要打破目前单一的运维模式,采用更加安全高效的监测检测技术手段,进一步保障铁路运营安全。高清视频图像感知技术、云计算、大数据、物联网技术的逐步成熟,给电务专业检测工作提供了新契机。铁路轨旁设备设施视频检测识别系统将轨旁设备设施的物理外观类故障等"直观"故障现象,通过车载视频图像分析处理的方式检测标记出来,大大提高了巡检效率和识别报警的准确率,构建了全新的电务专业巡检和检测方式,逐步形成"通信、信号双专业联动""固移联动""边缘与中心云平台"的电务智能分析预警与健康管理机制。

铁道车辆运行品质轨旁动态检测系统临时故障处理

铁路系统不断发展,铁道车辆的运输安全重要性不言而喻,铁道车辆轨旁东塔监测系统能实时监测列车的运行状态,保证列车的安全平稳运行,而5T设施在动态监测列车运行状况中的作用至关重要,本文将简单分析5T设施中TPDS(动态监测系统)的组成以及功能,随之分析TPDS系统的临时故障原因并给出相应的处理方法。

基于红外图像处理的变电站电气设备故障检测方法

传统设备故障检测方法在对变电站电气设备进行故障检测时,容易受人工主观意识的影响而降低检测准确度,影响检测工作效率,因此研究基于红外图像处理的变电站电气设备故障检测方法。获取电气设备特征图像,识别变电站电气设备的图像目标;采用二维Otsu阈值方法对目标图像进行分割;再通过红外图像来检测设备故障情况。使用红外图像处理的方法进行检测时,准确率最高可以达到90%,说明所提方法对变电站电气设备故障检测的准确率更高,具有一定的实用性能。

基于数字图像处理对设备故障检测的研究

随着社会经济的不断发展和人们生活质量的提升,网络化信息化已逐步融入到人们的生活当中,数字图像处理技术给人们的日常生活带来了更多的便利。为了能够使数字图像处理技术在实际应用当中得到更多的完善,需加强对设备故障的检测,以便对于设备出现的故障进行及时发现和解决。本文主要内容是基于数字图像处理对设备故障检测的研究。

地铁信号系统轨旁无线设备供电可靠性分析

轨旁无线设备(TRE)是地铁信号系统车地无线通信的重要组成部分,TRE供电系统是确保车地无线通信连续的重要系统。从地铁供电系统、信号电源屏系统、TRE及其电缆布置方式三方面着手,采用常规分析法和故障树分析法,定性、定量地分析常规结构下TRE供电系统的可靠性,以论证其可靠性是否满足要求,并探寻其短板。

基于图像处理的轨旁信号机识别方法

信号机是用于指挥列车运行的重要信号设备。为了进一步保障行车安全,文中提出了一种基于图像处理的准确定位轨旁信号机并识别其颜色信号的方法。该方法根据先验值提取ROI,对ROI图像在RGB色彩空间进行颜色分割以剔除无关背景干扰,同时利用形态学处理降噪。对处理后的图像进行霍夫圆变换来提取信号机的候选圆,并根据信号机位于轨道右侧的位置特点定位出指挥当前轨道列车运行的信号机,然后通过分析定位出的信号机区域内的像素值信息来识别其颜色信号。实验结果表明,该方法能精确定位和识别轨旁信号机,对单一红、黄、绿3种颜色的信号识别率分别为91.42%、85.00%和94.29%。