铁路TFDS故障风险预测的贝叶斯决策模型构建

TFDS是重要的铁路监测设备,但铁路TFDS故障风险因素过多,导致预测精度不高,因此需构建铁路TFDS故障风险预测的贝叶斯决策模型。采用贝叶斯网络结构统计铁路TFDS故障风险发生的概率,根据贝叶斯演绎运算结果与数据相关强度判断故障风险类型,对故障风险数据进行挖掘处理与安全评价,得到铁路TFDS故障预测结果。实验结果表明,该文构建的贝叶斯决策模型的预测精度较高,预测时间短,在铁路TFDS故障风险预测领域具有极高的应用价值。

基于稀疏重构的铁路货车TFDS网络传输时延估计

铁路货车TFDS网络传输时延估计过程中易受到噪声干扰,造成估计结果不精准,故提出基于稀疏重构的铁路货车TFDS网络传输时延估计方法。分析铁路货车TFDS网络传输集成信号,以信号稀疏表达为基础计算增益稀疏向量,完成信号预处理。根据稀疏字典原子匹配原理得到稀疏重构信号输出结果,根据信号权重计算铁路货车TFDS网络传输时延估计值。实验结果表明,该方法无噪声干扰下时延为350 ns,有噪声干扰时延变化范围为310~380 ns,与实际值一致,估计结果更精准。

基于深度学习的TFDS货车故障图像智能识别算法研究

货车关键部件故障的准确识别对车辆的运用工作非常重要。目前主要依靠动态检车员基于TFDS系统所获取的图像进行人工分析,耗费大量人力、物力,分析效率较低,并且易出现故障漏报,对车辆的运行安全造成隐患。文章提出了基于深度学习的目标检测加部件故障识别的两阶段车辆故障识别算法,通过对标注的图像进行模型训练,实现车辆故障的智能识别。该算法已经在中国铁路郑州局集团郑州北车辆段完成有效性的验证,结果表明,该算法可实现对车辆部件的准确定位、故障自动识别及结果的综合分析,有效提升了TFDS系统的故障识别准确率,大幅降低了漏报率,对于提高货车车辆运用工作的智能化水平,保障运行安全具有重大意义。

基于Token的TFDS异物检测改进方法

针对TFDS异物检测种类多、识别难的问题,提出了一种基于Token的列车异物检测优化方法,该方法将Token表示与异物检测相融合,探索一种有效的异物类别特征表示方法和异物检测模型,能够实时采集的货车车辆部件图像,实现对货车各部位不同种类异物的动态实时监测。通过多组交叉对比试验验证了该方法的有效性,研究对于强化货车安全保障有重要意义。

铁路TFDS系统中轴端螺栓缺失故障的定位识别算法

本文基于数字图像处理技术,提出一种铁路TFDS系统中轴端螺栓缺失故障的定位识别算法。首先采用直方图均衡化,局部增强,均值滤波,高斯滤波的预处理一定程度上减少拍摄环境的影响,再通过Canny算子提取图像边缘信息和细节,经两次Hough变换进行感兴趣区域(ROI)的提取和轴端螺栓的准确定位,进而判断轴端螺栓是否丢失。该方法综合考虑了可行性以及运行速度,能够较好地解决实际问题。

面向多维信息融合的铁路TFDS设备协调智能调度

铁路TFDS设备存在布局分散,调度指令执行时间过长的问题,为解决上述问题,提出面向多维信息融合的铁路TFDS设备协调智能调度方法。在LAMP平台的基础上,定义多维信息融合标准,联合设备调度的物理量建立目标函数,通过推导可调度区间的方式,计算灵活裕度指标求解结果,设置风险约束条件,构建铁路TFDS设备协调智能调度模型,实现面向多维信息融合的铁路TFDS设备协调智能调度。实验结果表明,在多维信息融合思想作用下,单一调度指令执行时长不超过13.1 ms,铁路TFDS设备的统一化行为能力大大提升,与多时间尺度优化调度方法相比,更符合实际应用需求。

基于TFDS智能检测技术的铁路货车技术交接平台研究

目前,对于厂矿企业专用线铁路货车的技术交接普遍采用室外人工检查方式,受人员素质、作业环境等因素影响易出现漏检问题,给铁路货车运行安全埋下隐患。基于“科技保安全”工作理念,研究采用TFDS(Trouble of moving Freight car Detection System,货车故障轨旁图像检测系统)[1]智能识别技术对专用线铁路交出货车进行技术交接检查作业,在TFDS采集线阵图像基础上,综合利用深度学习和AI图像处理技术,实时分析采集图像信息,利用智能识别技术交接车辆存在的故障并进行预警,把控专用线发出列车质量,保障铁路运输安全畅通。

基于拍摄装置自动调节的TFDS设备故障识别

为了获得理想的故障识别结果,提出基于拍摄装置自动调节的TFDS设备故障识别方法。该方法首先自动拍摄货车故障图像,采用均值滤波器去噪处理拍摄的故障图像,并将处理完成图像分成训练和测试样本,训练样本经卷积和池化操作后,通过随机梯度下降算法更新参数构建卷积神经网络模型,经测试样本测试后,使用softmax回归函数输出货车故障识别结果。实验证明TFDS设备故障识别效果好,方法具有较高的实际应用价值。

TFDS动态检测存在问题及控制措施

文章介绍TFDS动态检测作业的控制类型、问题分析、应对措施,了解TFDS动态检测存在的问题,实现难点控制。提高动态检测作业整体的控制力度,为动态检测作业质量以及运输生产奠定良好基础。

TFDS自动识别的原理及应用

货车运行故障动态图像检测系统(TFDS)是铁路系统的重要组成部分,系统通过高速摄像机的拍摄完成列车运行图像采集,并通过人工查看图像或自动识别的方式完成车辆故障检测[1]。TFDS系统运用早期以人工查看图像的检测方式为主,但随着深度学习和自动识别技术的发展以及自动识别准确率的提高,部分故障已经可以通过自动识别结合人工复核的方式进行检测,大大提高了故障检测效率,节省了人工成本。本文对TFDS系统自动识别原理及TFDS系统自动识别的运用进行介绍。

提升TFDS动态检查质量思考

通过对柳州5T运用车间TFDS动态检查质量存在的问题,有针对地提出了提升TFDS动态检查质量的建议,为加强TFDS动态检查质量提供参考。

TFDS的使用效果分析及改进措施

介绍了TFDS系统的构成和功能,并根据使用情况,提出了该系统的改进措施。

TFDS系统心盘螺栓丢失故障的自动识别检测技术

基于数字图像的检测与处理技术,提出了一种TFDS系统心盘螺栓丢失故障的自动识别方法:经直方图均衡化的预处理消除拍摄环境的影响,通过确定制动梁的位置间接确定4个心盘螺栓所在的区域,由Hough变换得到4个心盘螺栓所处的位置,进而判断螺栓是否丢失.算法设计综合考虑了检测技术的可靠性和算法运行的速度,能够很好地解决实际问题.

应用于TFDS的以太网高速数采系统设计

介绍了一种应用于光学轨边监测的基于以太网的高速数据采集系统。阐述了基于嵌入式处理器ARM920T、FPGA和100兆以太网控制器的数据采集平台的系统框架,设计思路。对于硬件设计和可编程逻辑的设计做了较详细的讨论,最后介绍了操作系统的移植和软件的实现。

对TFDS货车运行故障动态图像检测系统运用情况的初步探索

针对货车运用工作存在问题,西安铁路局安装了货车运行故障动态图像检测系统(TFDS),该系统采用高速摄像机对货车进行在线监测,提取关键部位的图像,通过网络传输到列检分析中心,采用人机结合的方式对图像进行分析,及时发现故障,提高了列检效率,改善了作业条件。现介绍该系统在西安铁路局的基本使用情况及取得效果,对下步工作提出意见和建议。

TFDS图像自动识别技术的分析

对TFDS图像自动识别系统的系统需求、系统资源配制、系统总体设计进行论述。

青藏线格拉段5T综合预报关联TFDS信息的探讨

为提高车辆红外轴温探测系统THDS的兑现率,现以青藏线格尔木—拉萨段实施的5T系统预报为基础,关联TFDS信息,进行了热轴综合预报探讨。文中给出了关联TFDS信息的解决方案,应用效果良好。

货车故障轨边图像检测系统(TFDS)图像质量自动化评价方法研究

通过对货车故障轨边图像检测系统(TFDS)图像质量评价现状的分析,提出了采用自动化评价方法实现对货车故障轨边图像检测系统(TFDS)图像质量进行无参考量化评价的思路,可为建立我国铁路货车故障轨边图像检测系统(TFDS)图像质量评价标准奠定基础。

TFDS中螺栓故障的自动识别算法研究

近年来,已有300多套TFDS系统安装在我国铁路线上,以监视货运列车的安全。然而,TFDS系统只能采集、传输图像,列车故障的识别仍然以人眼观察为主。针对TFDS系统中人工识别螺栓故障效率低下的问题,提出了一种基于图像处理的螺栓故障自动识别算法。首先,根据先验知识,从原始图像中截取包括螺栓的感兴趣区域并使用模板匹配技术得到螺栓的精确子图。然后,使用改进的自适应LTP算子提取螺栓子图的特征直方图。最后,将螺栓特征直方图送入训练好的支持向量机实现故障螺栓的识别。不同光照的TFDS图像被用于实验。实验结果表明,该算法对螺栓故障识别取得了很好的表现(漏检率为0.36%,误检率为3.33%,准确率为90.88%),可以满足工程应用。

利用辅助手段提升TFDS系统自动识别技术的方案及建议

对货车故障轨边图像检测系统(TFDS)故障自动识别技术运用情况进行分析,试验以增加辅助手段来提升货车故障轨边图像检测系统(TFDS)故障自动识别技术运用水平,以高效地实现货车运用途中故障的监控。在明确可以利用辅助手段改进车辆配件在TFDS显示方式基础上,对货车故障轨边图像检测系统(TFDS)故障自动识别技术运用技术发展方向提出可行性建议。