貨車(chē)典型故障圖像識(shí)別算法研究.pdf

1、隨著我國(guó)鐵路運(yùn)輸事業(yè)的蓬勃發(fā)展，貨運(yùn)列車(chē)(貨車(chē))大幅提速、運(yùn)量急劇增加，傳統(tǒng)的人工巡檢安全保障模式已不能滿足需求。因此，對(duì)貨車(chē)進(jìn)行圖像采集，并應(yīng)用基于圖像信息的模式識(shí)別理論對(duì)貨車(chē)機(jī)械故障進(jìn)行機(jī)器識(shí)別，有著廣闊的理論研究前景和重要的工程應(yīng)用價(jià)值。
　　在貨車(chē)機(jī)械故障檢修的研究中，基于圖像信息進(jìn)行機(jī)器識(shí)別的研究工作目前在國(guó)內(nèi)外都處于起步階段。本文以車(chē)廂鉤尾扁銷(xiāo)螺栓丟失、轉(zhuǎn)向架心盤(pán)螺栓丟失、轉(zhuǎn)向架安全鏈脫落以及交叉桿彎曲四類(lèi)典型故障在圖

2、像信息中的模式特征為研究背景，著重研究了特征快速提取算法、形狀特征描述算子以及故障特征辨識(shí)分類(lèi)器的設(shè)計(jì)與實(shí)現(xiàn)，并對(duì)故障識(shí)別系統(tǒng)的整體設(shè)計(jì)和算法集成策略進(jìn)行了研究。本文的主要研究?jī)?nèi)容包括：
　　對(duì)車(chē)廂鉤尾扁銷(xiāo)螺栓丟失故障識(shí)別算法進(jìn)行了研究。分析了鉤尾扁銷(xiāo)螺栓圖像的分割特征，并針對(duì)特征設(shè)計(jì)了鉤尾扁銷(xiāo)螺栓區(qū)域的兩步分割策略。針對(duì)鉤尾扁銷(xiāo)螺栓安裝區(qū)域的分割，利用灰度投影算法在實(shí)時(shí)性上的突出優(yōu)勢(shì)，設(shè)計(jì)了一種逐級(jí)局部分割子區(qū)域，通過(guò)對(duì)子區(qū)域進(jìn)

3、行灰度投影分析定位特征區(qū)域的分割方法。針對(duì)從安裝區(qū)域提取扁銷(xiāo)螺栓區(qū)域的問(wèn)題，采用基于非平均加權(quán)因子的紋理模板匹配算法實(shí)現(xiàn)了螺栓區(qū)域的精確定位。針對(duì)螺栓丟失故障形態(tài)特征的描述，提出了一種基于背景面積預(yù)估的閾值分割算法。將該算法和最大類(lèi)間方差(Ostu)法進(jìn)行了比較，證明了算法在處理背景分布較為一致的圖像樣本序列時(shí)在實(shí)時(shí)性和適應(yīng)性上的突出優(yōu)勢(shì)。應(yīng)用該分割算法描述螺栓丟失故障模態(tài)，獲得了線性可分的故障特征參數(shù)。
　　針對(duì)轉(zhuǎn)向架心盤(pán)螺栓丟

4、失故障識(shí)別問(wèn)題，對(duì)心盤(pán)區(qū)域分割、心盤(pán)螺栓區(qū)域特征描述以及心盤(pán)螺栓丟失故障辨識(shí)分類(lèi)器的設(shè)計(jì)進(jìn)行了研究。根據(jù)心盤(pán)螺栓圖像的轉(zhuǎn)向架類(lèi)型，將圖像進(jìn)行分類(lèi)并針對(duì)兩大類(lèi)別分別歸納了五種分割特征。針對(duì)圖像共有的線性分割特征快速提取問(wèn)題，將窗函數(shù)和灰度投影算法相結(jié)合求取圖像的灰度投影分布曲線，并對(duì)曲線極值點(diǎn)進(jìn)行梯度關(guān)系分析，提出了一種心盤(pán)螺栓圖像線性分割特征快速提取算法。將該分割算法與傳統(tǒng)的灰度投影算法以及模板匹配算法相結(jié)合，實(shí)現(xiàn)了心盤(pán)區(qū)域的準(zhǔn)確分割。

5、采用基于背景區(qū)域面積的閾值分割算法對(duì)心盤(pán)區(qū)域進(jìn)行處理，建立了心盤(pán)螺栓特征模態(tài)的描述參數(shù)圖形。針對(duì)心盤(pán)螺栓丟失特征的描述，提出了一種封閉連通區(qū)域形狀描述子。該描述子通過(guò)定義約束矩形及等高測(cè)度矩陣來(lái)解析圖形，并基于該解析策略定義了偏心率參數(shù)族。通過(guò)和傳統(tǒng)的傅里葉描述子進(jìn)行比較驗(yàn)證了算子的有效性。將該形狀描述子與灰度分析、廣義 Hough變換相結(jié)合，建立了心盤(pán)螺栓丟失故障模態(tài)的特征參數(shù)集?；谀：碚搶⑻卣鲄?shù)集轉(zhuǎn)化為模糊向量集，基于模糊向量

6、集定義決策樹(shù)，并設(shè)計(jì)IF-THEN規(guī)則實(shí)現(xiàn)了心盤(pán)螺栓丟失故障的辨識(shí)。
　　針對(duì)轉(zhuǎn)向架安全鏈脫落故障識(shí)別算法進(jìn)行了研究。根據(jù)安全鏈非剛性機(jī)械結(jié)構(gòu)的特征，設(shè)計(jì)了應(yīng)用直方圖線性均衡算法對(duì)圖像進(jìn)行預(yù)處理并進(jìn)行自適應(yīng)閾值分割，再采用改進(jìn)Sobel算子提取圖像邊緣的特征提取方法。針對(duì)邊緣圖像中凸多邊形的描述問(wèn)題，提出了一種基于Hough變換和集合分類(lèi)器的凸多邊形檢測(cè)算子。論文闡述了算法的設(shè)計(jì)原理和完備性，通過(guò)實(shí)驗(yàn)論證了算法在對(duì)邊緣連續(xù)性差及破

7、碎嚴(yán)重的凸多邊形形狀進(jìn)行描述時(shí)的精確性。引入包含極角約束的Hough變換執(zhí)行該凸多邊形檢測(cè)算子，并結(jié)合圖像特征的先驗(yàn)知識(shí)進(jìn)行分析，實(shí)現(xiàn)了對(duì)安全鏈區(qū)域的精確定位。針對(duì)安全鏈脫落由非剛性機(jī)械結(jié)構(gòu)形成從而不易直接描述的難點(diǎn)，通過(guò)對(duì)正常態(tài)的安全鏈進(jìn)行特征模式的檢測(cè)，基于閾值分割結(jié)果中安全鏈區(qū)域內(nèi)前景與背景的面積比實(shí)現(xiàn)故障判別。
　　針對(duì)轉(zhuǎn)向架交叉桿彎曲故障識(shí)別算法進(jìn)行了研究。分析了交叉桿區(qū)域的分割特征，基于預(yù)選區(qū)域的水平梯度垂直投影提取分

8、割特征。結(jié)合該分割特征以及圖像的先驗(yàn)知識(shí)，實(shí)現(xiàn)了圖像中交叉桿區(qū)域的提取。針對(duì)圖像中彎曲故障的特征描述，提出了一種應(yīng)用Sobel算子提取特征對(duì)象邊緣分布圖，對(duì)邊緣圖形進(jìn)行分塊后應(yīng)用Hough變換求取子圖中主邊緣線段的極角均值，然后以該極角均值為特征參數(shù)對(duì)彎曲故障進(jìn)行辨識(shí)的方法。通過(guò)計(jì)算不同子圖邊緣極角均值的歐氏距離，結(jié)合相關(guān)先驗(yàn)知識(shí)設(shè)計(jì)條件分段判別函數(shù)實(shí)現(xiàn)彎曲故障辨識(shí)。針對(duì)判別函數(shù)中判定閾值的優(yōu)選問(wèn)題，應(yīng)用最小錯(cuò)誤概率的Bayes決策模型