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。

TFDS系统及其在检测中存在的问题分析

分析了TFDS系统度其在检测中存在的问题.

TFDS系统在列检运用中存在的问题和对策

介绍了铁路货车故障轨边图像检测系统(TFDS)的组成、原理和功能,并对该系统在实际运用中存在的问题,提出了采用彩色高像素数字摄像机、改进抗阳光成套技术、加装防雨和吹尘装置、增加智能判断货车车辆故障功能相应的对策,以完善系统的各项功能,提高保安全能力。

TFDS货车图像数据应用系统

货车故障轨旁图像检测系统(TFDS,Trouble of moving Freight car Detection System)是保障铁路货车运行安全的重要技术装备。为适应TFDS检车作业场所集中化的管理变革,建设了TFDS集中检车系统(简称:TFDS检车平台),通过汇集多个轨旁TFDS探测站的检测数据,实现TFDS动态检车任务的统一分配和作业过程的闭环管理。随着TFDS动态检车任务量不断加重,亟需强化动态检车作业质量考核,提高检车员辨识车辆故障的能力,以确保运用货车安全运行、满足货运装车需要。本文针对TFDS检车平台在应用中存在的不足,充分利用该平台的TFDS货车图像数据,研究开发TFDS货车图像数据应用系统,满足动态检车作业质量评价、检车员培训等实际需求,有助于提升TFDS集中检车作业的质量和效率。

TFDS检测系统常见设备故障的处理及原因分析

通过简述TFDS设备在日常运用过程中出现的几种常见的故障,进行原因分析,并提出相应的处理措施。

TFDS系统在运用中存在的问题和改进措施

本文根据货车运行故障动态图像检测系统运用的相关要求,结合郑州北车辆段商丘西运用车间TFDS试运行情况,分析了该系统在使用中存在的问题,提出了相应的改进措施。

关于减少TFDS系统漏检误判的几点思考

本文对影响TFDS系统发现车辆故障的因素进行了分析,并就减少TFDS系统漏检误判提出几点思考建议。

浅谈铁路TFDS系统及其应用

本人作为一名铁道车辆专业教师,为了提高自身能力,适应发展的需要,通过自学、现场调研等方式,对TFDS系统进行了一些了解和学习,就下文简单介绍TFDS系统的设备情况,工作过程以及在现场运用中存在的一些问题,以供探讨。

TFDS-3型故障轨边图像检测系统的应用

TFDS即货车故障轨边图像检测系统,主要利用计算机网络技术、图像采集处理技术、自动控制等技术对铁路轨边通过的货物列车进行图像拍摄,实现从人检转向机检的目的。传统的TFDS系统采用的是面阵扫描相机对货车部件进行扫描。而TFDS-3型货车故障轨边图像检测系统采用线阵相机进行拍摄。TFDS-3系统的应用提高了列检作业效率,减轻了列检作业人员的劳动强度,实现列检不停车技术检查,由人工室外手锤检查向室内图像分析转变的模式,为车辆安全防范提供了重要保证。

TFDS集中作业系统的设计与实现

针对货车故障轨旁图像检测系统(TFDS,Trouble of moving Freight car Detection System)探测站存在的作业量不均衡、作业关系未有效利用、作业质量差异较大等问题,基于数据传输、数据挖掘、智能判别等技术,将多套TFDS采集的图像和列车信息进行统一存储和任务的智能分配,实现智能管理、作业联控、信息传递等功能。该系统在中国铁路郑州局集团有限公司上线以来,运行效果良好,故障发现效率提升20%以上,为车辆系统深化改革创造了条件,为专业化管理提供了技术支持。

对大准线货车故障轨边图像检测系统(TFDS)运行情况的分析

文章通过对大准线铁路货车故障轨边图像检测系统(简称TFDS)基本指标的分析,提出TFDS系统对于大准铁路的确保行车安全和运输效率的提高,发挥着越来越重要的作用。

TFDS室外设备加装遮挡棚的必要性探讨

简要介绍TFDS系统轨边设备的概况,对目前系统采集图片受外界因素干扰问题进行实例说明,并针对这些问题提出设备改造设想建议。

图像边缘增强与麻雀搜索算法相结合的TFDS图像自适应增强方法

针对货车运行故障动态图像检测系统(Trouble of moving Freight car Detection System,TFDS)中存在的列车图像曝光不足、对比度低以及边缘细节模糊的问题,提出了图像边缘增强与麻雀搜索算法相结合的TFDS图像预处理方法。首先,利用高斯-拉普拉斯算子对图像进行边缘检测与锐化处理,增强列车零部件边缘细节清晰度;其次,利用麻雀搜索算法寻找非完全Beta函数的最佳参数;最后,实现低照度图像的自适应增强。实验结果表明:该方法在信息熵、平均梯度以及对比度等方面优于TFDS图像预处理常用算法。

基于图像特征的铁路车辆制动组件异常检测

铁路车辆制动组件图像目标与背景无法分离,导致组件异常检测结果不精准,提出基于图像特征的铁路车辆制动组件异常检测方法。使用TFDS系统采集车辆制动组件图像,构建图像区域阶段矩阵和中心矩阵,使用二值化处理方法预处理图像。构建图像特征模型,将RGB空间转换为HSV空间,根据颜色感知度对图像进行非均匀量化处理,利用欧氏距离分析图像帧间差异。利用K-means统计理论,将不同位置特征与背景属性值转换为距离矩阵,通过计算被聚类对象和其感知范围内所有对象整体相似性,结合异常序列实现制动组件异常检测。由实验结果可知,该方法能够清晰识别制动缸体压强异常情况,经过7 min保压后检测的压强为127 kPa,与实际压强一致,检测结果精准。

复杂场景下铁路货车锁紧板偏转故障检测

结合铁路安全运营的迫切需求,以铁路货车运行故障图像动态检测系统(TFDS)中锁紧板偏转故障检测为研究背景,在无故障目标自动识别模式下对锁紧板姿态进行故障判别。针对锁紧板姿态是否位于正常范围内,提出一种新颖的偏转角度估计方法。算法依据锁紧板轮廓由近直线段组构成,提出采用直线段特征描述物体,形成特征稀疏表达,并对直线段特征采用方向编码方式,在有向Chamfer匹配下实现偏转角度估计,整个过程仅需一个模板。实验证明该算法能有效识别出偏转角度位于正常范围内的物体,并具有较好的鲁棒性和准确性。

脱轨自动制动装置常见故障原因分析及处理

本文介绍了货车脱轨制动装置的结构和基本原理,分析了在运用过程中的常见故障与处理方法。针对具体故障,提出了改进检修方法、采用新材料、调整集装箱的起吊作业方式等措施,以减少脱轨自动制动装置故障的发生,避免脱轨事故扩大,降低事故损失。

基于HCRD的列车锁紧板偏转自动识别方法

针对货车故障轨旁图像检测系统(TFDS)中锁紧板偏转故障,提出一种基于霍夫变换、Canny边缘检测和形状模板相结合的HCRD(Hough-Canny-RightangleDetection)方法。通过霍夫变化及数学几何模型定位转向架锁紧板部位,再对Canny边缘检测后的边缘图像进行角度特征的检测,整个识别只需要一个形状模板就能实现锁紧板偏转图像高精度自动识别,具有很好的判别能力。采用python编程,平均每张图像识别时间为0.067 s。且锁紧板下边缘处是否有角度特征作为锁紧板是否偏转的判断依据,具有很高的可靠性。实验证明,HCRD方法能精确检测出锁紧板的非正常范围(>5°)的偏转,且具有较好的鲁棒性和抗噪能力。该方法为TFDS故障图像识别提供了一种新的思路。