一种基于先验知识的弧焊机器人图像处理方法

在弧焊机器人视觉检测的CCD直接拍摄图像方法中,针对带有黑笔记号、划痕、并与焊缝交叉干扰的复杂对接焊缝图像,文中提出了一种实用的焊缝轨迹的识别方法,并对该算法中的骨架细化及边缘链的拆分、合并剪枝和基于先验知识的位置关系判断等关键问题进行重点阐述. 结果表明,该算法能有效地去除复杂焊缝图像中的黑笔记号、划痕和交叉干扰,最终自动提取焊缝轨迹. 该算法具有较强的适应性和可扩展性,稍加改进就可应用于其它复杂图像上. 如带电弧光或结构光等的图像. 该算法能为弧焊机器人视觉检测的智能化的进一步提高提供一定的技术参考.     

NJ1型交流传动内燃调车机车

介绍了我国第一台交流传动内燃调车机车的主要技术参数、总体布置、主传动系统及辅助传动系统,并通过运用监测分析了该型机车的主要优点.     

考虑牵引网谐波耦合的动车组辅助变流器启动特性分析

动车组辅助变流器运行在谐波含量较高的线路时频繁出现启动失败故障,线路试验结果表明牵引网高次谐波含量与启动失败存在相关性。为研究牵引网谐波电压对交直交型辅助变流器启动过程的影响,首先建立了车载单相变压器谐波模型,分析了牵引网谐波对车载牵引变压器辅助绕组的渗透特性。建立辅助变流器滤波电路谐波模型,对其串联谐振进行理论分析。建立单相不控桥式整流电路的数学模型,理论分析了交流侧谐波对不控整流电路的影响。对发生辅助变流器启动故障的CRH某型动车组的进行测试,对电压进行了谐波分析。根据实测数据对交直交型辅助变流器预充电过程进行仿真分析,与理论分析结果进行了对比。研究结果表明,牵引网谐波会明显渗透到车载牵引变压器辅助绕组,当滤波电路参数与牵引网谐波不匹配时,将激发滤波电路串联谐振,使滤波电容电压严重畸变,会使变流器不控整流阶段的直流侧电压升高,导致辅助变流器出现预充电启动失败故障。对深入研究谐波环境下动车组辅助变流器特性及滤波电路元件参数选取具有一定的指导意义。     

基于多尺度卷积神经网络的动车组电缆终端故障诊断研究

为对动车组电缆典型故障进行高效、准确评估,提出了一种基于多尺度卷积神经网络的诊断方法.首先人工制作含四种典型缺陷的动车组电缆试样,对其进行局部放电测试,并将采集的局部放电信号去噪;然后将去噪后的局部放电信号导入多尺度卷积神经网络进行深度特征学习;最后通过softmax分类器对电缆故障进行评估.结果 表明,针对四种典型的电缆故障,该方法能保持较高识别率,且在识别率和耗费时间方面均优于其他传统故障诊断方法,具有较好的工程应用前景.     

基于纹理特征及ICP优化ML的25 kV车载电缆损伤评估方法

25 kV车载电缆是将电能传输到机车的核心设备,在车载供电系统系统中起着关键作用,但在生产、运输、安装、运行等过程中难免产生绝缘损伤,而准确评估损伤程度对检修及维护具有重要意义。为此提出了一种基于GLCM纹理特征提取及ICP ML算法车载电缆损伤评估方法,以局部放电试验为数据来源,对6种典型损伤状态的识别准确率可达968%。基于纹理特征及ICP ML策略的评估方法结构简洁,为车载电缆损伤评估提供了新的方法。     

基于改进残差网络的电缆终端缺陷识别方法

针对动车组乙丙橡胶电缆终端缺陷局部放电识别准确率低的问题,提出一种基于改进残差网络的车载电缆终端缺陷识别方法。首先制作了含4种典型绝缘缺陷的电缆终端,搭建局部放电检测平台获取不同缺陷状态的局部放电信号、建立数据集;然后利用特征变换将局部放电一维时序信号转换为二维拓扑特征图像,从而增强缺陷类别的可区分性;最后,在残差网络ResNet101模型中加入注意力机制,同时融合Center和Softmax损失函数进行训练和识别分类,进一步提升准确率。测试结果表明,该诊断方法对电缆终端局部放电的识别准确率高达97.3%,相比于其他传统缺陷诊断方法,模型的识别精度更高、均衡性更好。     

机车中信号电缆的屏蔽

介绍了对机车信号电缆进行电磁屏蔽的方法及各种屏蔽层接地的方式 ,并指出最佳的接地方式是将屏蔽层接到放大器的公共端