模式识别在轮对踏面磨耗检测中的应用

轮对踏面磨耗是危及列车运行安全的主要原因之一，提出了将差影法的模式识别方法应用于火车轮对踏面磨耗检测中。目前我国对火车轮对踏面的检测还停留在手工机械式测量阶段，检测技术落后，人为检测误差大，自动化水平低。将模式识别技术应用于踏面磨耗检测中，方法简单，直观，智能化程度高。本文详细介绍了机器视觉检测原理和差影算法，阐述了将差影法应用于踏面磨耗检测中的具体方法，使踏面磨耗检测进入全面自动化。     

基于机器视觉的矿车踏面磨耗检测设计

针对矿用轨道车辆传统的人工轮对检测方法的精度低、效率低等问题,设计了一个基于机器视觉的自动检测系统.通过摄像头采集辅助光源照射到轮对上光带的图像,使用Matlab对图像进行处理.算法上根据踏面图像的特征针对细线化方法进行了专门优化,并通过实验确定了轮廓检测的最佳阈值.将处理后的图像与标准图像进行差影比对,使用相机标定的相关参数进行计算得出踏面的磨耗量.实验证明,使用优化后处理算法的系统相比传统算法提高了精度.每个轮对平均检测时间小于2 s,误差小于±0.2 mm,可以快速大量地自动检测轮对踏面的磨损情况,保证了工业现场稳定安全的生产,具有一定的应用意义.     

基于机器视觉的货车轮对踏面异常磨损监测方法

为实现对轮对踏面磨损的准确监测,提出基于机器视觉的货车轮对踏面异常磨损监测方法.结合监测原理采集货车高清图像,将图像转换成灰度图像,通过背景差分方法剔除多余背景,只保留货车轮对图像,将灰度图像转换成二值图像,分割图像内具有特殊含义的不同区域,得到轮对局部踏面信息.运用Canny算子提取图像中货车轮对的踏面边缘,构建灰度...     

火车轮踏面在役自动检测技术研究

较全面地分析了国内外在火车轮检测方面的研究现状。在此基础上,提出了火车轮踏面的在役自动检测技术,并研制出相应的原型系统,同时给出了实验结果,为火车轮踏面的在役自动检测提供了一条崭新思路。     

火车轮踏面在役自动检测技术研究

较全面地分析了国内外在火车轮检测方面的研究现状。在此基础上 ,提出了火车轮踏面的在役自动检测技术 ,并研制出相应的原型系统 ,同时给出了实验结果 ,为火车轮踏面的在役自动检测提供了一条崭新思路。     

邻域粗糙集在轮对踏面缺陷图像特征选择的应用

邻域粗糙集理论能够直接处理数值性数据,无需离散化,已经被应用在属性选择和分类器设计中;文中在分析了轮对踏面缺陷图像的成像特征的基础上,首先从缺陷样本中提取了16个特征值,然后基于邻域粗糙集知识约简的思想,提出了一种轮对踏面缺陷图像特征的选择方法,实现了对原始特征的优化选择,利用径向基函数神经网络和选择的特征值对缺陷进行分类;实验结果表明,该方法可将识别的原始特征下降到原始特征数目的20%左右,擦伤识别率提高了68%。     

基于耦合模拟退火优化最小二乘支持向量机的车轮踏面磨耗量预测

针对最小二乘支持向量机(LS-SVM)超参数优化问题,提出采用改进耦合模拟退火(CSA)算法优化LSSVM超参数。首先,耦合模拟退火算法通过并行处理多个独立模拟退火(SA)寻优过程,提高LS-SVM模型超参数优化效率;然后通过调整接受温度控制耦合项超参数的接受概率方差,降低CSA算法初始设置对LS-SVM最优超参数确定过程稳健性的影响;最后结合既有线轮轨现场的实际检测数据,开展了基于改进耦合模拟退火优化的最小二乘支持向量机(CSA LS-SVM)回归模型性能对比实验。结果表明,CSA LS-SVM回归模型达到了模型精度、算法快速性、算法鲁棒性的有效折中,所建立的LS-SVM优化模型用于现场的车轮踏面磨耗量的预测是有效的。     

机器视觉在光纤缺陷检测中的应用

目前,光纤已广泛应用于通信领域。光纤连接器作为精密对接光纤两个端面的部件,其重要性不言而喻,传统的端面检测方法是以人工方式对光纤显微镜下的图像是否合格进行判断,不仅精度低,而且效率低下,而利用机器视觉,由计算机来检验可以很好地解决这个问题。     

传感器在轮对参数检测系统中的应用

介绍了开发轮对检测系统的传感器选择和使用,重点分析了光栅和电涡流用于几个关键参数的测量和传感器的控制技术。使用数值插值得到轮廓曲线,应用图像直方图和梯度分割方法寻找车轮踏面的擦伤和剥离区域。另外还介绍了用C 语言和MATLAB实现的软件的特点。     

机器视觉及其在工业检测中的应用

1 机器视觉概述 作为一门新兴的学科,机器视觉近20年来一直以迅猛的速度发展,自90年代中期以来,机器视觉的发展已经从最初的实验室研究阶段逐渐走向实际应用的发展阶段.尤其进入21世纪以后,机器视觉在各行各业的应用得到了前所未有的普及和推广,理论研究也在高分辨率的多灰度图像处理、三维视觉模型、模式识别和神经网络等领域内取得了很大的进展.     

车轮踏面擦伤检测技术及数据分析方法

针对轮对踏面擦伤在列车行进中产生的振动特点,使用加速度传感器进行平轮检测,应用DSP采样技术进行信号采集,根据小波包变换的特点,将振动信号按任何的频率分辨率分解到不同的频段,提出平轮检测中使用小波包能量特征的概念.     

基于LMM和NARNN的车轮踏面退化状态预测

作为列车的关键走行部件,车轮的退化状态对列车的安全具有重要影响。以车轮踏面磨耗量为研究对象,将历史车轮踏面磨耗数据作为输入,分别采用线性混合模型(LMM)和非线性自回归神经网络(NARNN)对车轮踏面磨耗进行建模。首先,对比不同随机效应的LMM,选择随机系数相关的LMM,进而预测车轮踏面磨耗量;其次,使用随机搜索算法优化NARNN中的参数。结果显示,基于LMM的踏面磨耗值的预测精度更高。     

机器视觉测量系统在工业在线检测中的应用

机器视觉测量用视觉传感器采集目标图像,通过对图像各种特征量的分析处理,获取被测曲面信息.设计了一机器视觉测量系统,识别一幅图像中是否存在确定大小和形状子图像,若有则识别出它的位置.介绍如何利用“模板匹配”法对目标图像进行识别,并举例如何利用系统检测药片的包装是否合格（有无漏装）.     

二进神经网络的汉明图学习算法

二进神经网络的几何学习算法ETL必须分隔全部真顶点集合和伪顶点集合,且为一种穷举的算法。该文使用所定义的汉明图和子汉明图,给出了选择核心顶点的依据,组成和扩展子汉明图的方向和步骤,以及一个子汉明图可用一个稳层神经元表示的条件和权值、阈值的计算公式。所提出的二进神经网络汉明图学习算法可用于任意布尔函数;无需穷举并一定收敛,因而是快速的;对文献所举实例取得了较ETL算法结构更为优化的三层前向网络。     

一种基于轮盘赌选择遗传算法的随机微粒群算法

以保证全局收敛的随机微粒群算法SPSO为基础,本文提出了一种改进的随机微粒群算法--GAR-SPSO。该方法是在SPSO的进化过程中,以轮盘赌选择机制下的遗传算法所产生的最优个体来代替SPSO中停止的微粒,参与下一代的群体进化。通过对五个多峰的测试函数进行仿真明：在搜索空间维数相同的情况下,GAR-SPSO收敛率及收敛速度均大大优于SPPSO。     

Powell算法在线性支持向量机中的应用

并行下降方法应用于线性支持向量机时效率较低。针对该问题,提出将Powell算法应用于线性支持向量机,并采用一个全局牛顿算法来求解单变量子问题。在内循环过程中,通过解一个单变量子问题更新w的一个分量,同时固定其他的分量不变;在外循环过程中,根据判断条件,决定是否沿加速方向搜索,以及是否用加速方向替代之前的某一个搜索方向。UCI数据集上的实验结果表明,算法能很快收敛,且分类精度优于并行下降算法和光滑支持向量机。     

生态遗传算法在煤矸石模糊模式识别中的应用

给出煤矸石组分模式识别的模糊神经网络模型 ,提出一种实用生态算子 ,同时将在此基础上构建的生态遗传算法用于模糊神经网络的离线学习。仿真和实验结果显示 :新算法使网络具有良好的收敛性能 ,而且从训练好的定量网络中提取的模糊规则提高了煤中矸石的识别率。     

基于鉴别性低秩表示的2阶段人脸识别算法

针对图像训练样本中存在噪声等情况,提出一种基于鉴别性低秩表示的2阶段人脸识别算法。该算法第1阶段是对所有训练样本进行低秩处理,筛选出M类与测试样本最相近的样本用于粗分类;第2阶段使用第1阶段筛选出来的样本做鉴别性低秩表示处理,并使用稀疏线性表示进行精细分类,决定测试样本最适合的类标签。本算法结合了低秩算法与稀疏算法的优点,在标准人脸库上的实验表明本算法表现优越。