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。     

一种快速轮对踏面光截曲线图像分割方法

为准确地实现轮对轮缘磨耗的测量,提出了将二维最大相关准则的阈值分割法应用于轮对踏面光截曲线图像的分割.引入量子粒子群优化算法代替穷尽搜索获取阈值向量.通过对实际的踏面光截曲线图象分割表明,该方法是一种实用、有效的踏面光截曲线图像分割法.     

基于视觉的列车车轮踏面擦伤定位方法

为了实现列车车轮踏面擦伤检测,建立了基于机器视觉的踏面擦伤动态检测系统.对该系统中踏面擦伤可疑图像区域定位技术进行了研究.首先,采用快速中值滤波算法平滑原始图像,然后采用基于Canny算法的踏面区域分割算法提取踏面区域,再根据踏面擦伤图像特征设计了基于踏面边缘线扫描搜索擦伤可疑区域的方法提取擦伤可疑图像区域.实验结果表...     

货车车轮踏面区域分割方法研究

为了实现踏面损伤的定位,提出了一种基于自适应阈值平稳小波的货车车轮踏面区域分割算法。首先采用基于自适应阈值平稳小波边缘检测算法检测踏面候选边缘线。最后利用踏面边缘线搜索算法获取踏面区域。实验结果表明：基于自适应阈值平稳小波边缘检测算法能检测到完整踏面候选边缘线,踏面边缘线搜索算法实现了踏面区域的分割。因此,该方法是一种有效的踏面区域分割方法。     

基于自适应神经网络超声波传感器在受电弓磨耗检测中的应用

为了方便有效地检测出电力机车受电弓的磨耗状况,针对我国主型电力机车受电弓的弓面曲线特征,设计了一种利用超声波传感器作为新型受电弓磨耗检测系统,通过模糊神经网络有效算法对磨耗状况做出准确的评估,经过实际试验数据与理论数据分析对比论证了新型超声波传感器检测系统的可行性.     

闸瓦磨耗的图像检测方法

本文研究了火车运行过程中获得的闸瓦图像的识别、磨耗的自动检测方法。根据图像中车轮踏面与闸瓦之间存在弧形缝隙的特征,提出了闸瓦磨耗的图像检测方法。实验结果证明,该方法识别率高、鲁棒性好、检测精度高、执行速度快,能够满足实际检测要求。     

基于YOLOv3-tiny的列车轮对踏面缺陷定位与测量方法

针对基于深度学习的轮对踏面缺陷检测算法中检测框尺寸精度不足的问题,文章提出一种结合YOLOv3-tiny与传统图像算法的踏面缺陷检测算法,以实现低CPU消耗的列车轮对踏面缺陷快速定位与几何参数的精确测量.其首先对工业场景下获取到的小样本进行图像增强,然后采用YOLOv3-tiny算法对踏面缺陷进行迁移学习,实现缺陷的粗...     

车轮滑行轮轨热接触耦合有限元分析

为研究轮轨接触温升和热应力规律,用有限元法分别建立锥型踏面车轮和磨耗型踏面车轮在60kg／m钢轨上滑行的三维热接触耦合模型．考虑温度场与结构场相互影响、相关材料参数随温度变化以及轮轨接触问题,对在一定速度下抱死滑行时轮轨温度场和应力场的热一结构直接耦合进行分析．结果表明磨耗型踏面车轮的接触斑面积大于锥型踏面车轮的接触斑面积,且前者接触斑趋近于圆形,后者接触斑为细长椭圆形;材料参数随温度的变化对轮轨温度场和应力场影响很大,不可忽略;温度场对应力场的影响很大,温度升高的趋势与应力升高的趋势相同;磨耗型踏面对轮轨的热损伤比锥型踏面小很多．     

基于对数非线性映射的X光数字减影图象的获取与处理

采用普通减法获取的数字减影效果不太理想,ＤＡ影象的优点无法充分体现和利用,根据Ｘ光机系统成象原理,提出了运用对数预处理和非线性灰度映射方法对目前普通减影算法进行改进。与普通算法相比,这个改进算法最终获取令人满意的高清晰度和高对比度血管图象序列。     

一种新的用于语音识别的噪音估计及非线性谱相减方法

提出了一种新的噪音估计及非线性谱相减方法，通常的噪音估计一般基于语音检测方法，取噪音段的谱平均作为噪音谱的估计，该方法在信噪比较低时性能下降严重。提出的基于能量聚类的噪音谱估计方法，不依赖于语音检测直接估计噪音谱，提高了噪音谱估计的精度。还在一般非线性谱相减方法的基础上提出了改进的谱相减方法，该方法根据单个mel滤波器频带内局部的信噪比，来决定该频段内非线性谱相减的多少，细化了非线性差谱的额度，在有效抑制噪声的同时减少了语音谱的失真。     

一种基于优先级扩展的时间自动机模型中DBM减法算法的改进

本文介绍一种具有优先级扩展的时间自动机模型,并对一种计算DBM减法算法进行改进。这种减法是DBM上操作中的一种,它会产生需要用DBM集来表示的非凸集合。DBM的数量影响符号模型检测的性能,我们的减法算法是有效的,因为它产生的DBM的数量相对于最初算法具有较大程度的约减。DBM减法操作扩展了具有优先级的时间自动机理论,它对对于具有紧急行为的变换描述、死锁检测、时间博弈等问题具有非常重要的作用。     

基于码本学习的改进谱减语音增强算法

提出一种可适应非平稳噪声环境的基于码本学习的改进谱减语音增强算法。该算法分为训练阶段和增强阶段。训练阶段,使用自回归模型对语音和噪声的频谱形状进行建模并构造语音和噪声码本;增强阶段,采用对数谱最小化算法估计出语音和噪声的频谱,通过谱相减消除噪声。算法在每个时间帧估计语音和噪声频谱,即使在语音存在时仍能够有效跟踪快速变化的非平稳噪声;采用自回归模型能得到噪声频谱的平滑估计,减少了音乐噪声。实验仿真表明,相比于传统谱减法和多带谱减法,改进的谱减法具有更好的噪声抑制性能并且语音失真更小。     

基于MATLAB的谱相减语音增强算法的研究

谱相减算法运算量小、便于快速处理、效果好,是一种重要的语音增强算法。针对谱相减法经典形式存在的“音乐噪声”残留问题,人们提出了各种改进形式。该文以这一类语音增强算法作为对象,对“音乐噪声”的消除方法进行了研究。介绍了谱相减法经典形式及多种改进形式的基本原理,并基于MATLAB,详细说明了算法具体的实现过程。结合实录语音样本,给出了不同形式谱相减法增强后的结果,对各种方法的效果进行了对比,总结了使用经验,并以此为基础提出了一种提高处理后带噪语音信噪比的改进方案。     

一种新的道路交通背景提取算法及研究

基于视频的道路运动目标检测是智能交通系统的基础部分,目前最常用也最有效的运动目标检测方法是背景差分算法,其中背景提取是背景差分算法的关键一环。提出了一种新的背景提取算法——mode算法。定义了算法比较标准,并据此比较了mode算法以及一些目前流行的背景提取算法在不同车流量情况下的性能优劣。通过比较发现,在低车流量时,中值法提取的背景较好,mode算法次之;在高车流量时,用mode算法提取的背景最好。基于不同算法在不同环境下的性能不同,利用图像频域信息区分车流量大小,实现对背景提取算法的自适应选择,使得实际应用时的背景提取算法更具灵活性和针对性,也进一步提高了背景提取结果的准确度。     

抑制坦克强背景噪声的改进谱减法研究

谱减法是处理宽带噪声较为传统和有效的方法,它运算量较小,容易实时处理,增强效果也较好。根据经典谱减法及其各种改进形式的基本原理,提出一种新的改进谱减法语音增强算法。根据语音和噪声各自的特性,对带噪语音进行时域平滑和频谱统计加权处理。对该算法进行客观和主观测试表明：相对于传统的谱减法,该算法能更好地抑制背景噪声和音乐噪声,同时也较好地保持了语音的可懂度和自然度。     

多通道皮肤听声系统中语音增强算法的应用研究

针对提高应用多通道皮肤听声系统进行语音识别的识别率,提出了基于多频带谱减法的语音增强算法。在多通道皮肤听声的实验中,有色噪声会严重降低语音质量,进而降低皮肤听声系统语音识别的识别率,因而首次将基于多带谱减法的语音增强算法引入到皮肤听声系统中以降低有色噪声。多频带谱减法将语音频带划分为多个子频带,分别在每个子频带作不同系数的谱减运算实现语音增强。通过Matlab完成了算法仿真并通过DSP硬件实现了算法并将增强后的语音信号输出给皮肤听声系统,实验证明此设计能够有效抑制有色噪声,增强皮肤听声系统的可靠性和实用性。     

基于谱减法的听觉模拟的语音增强

提出了一种适于低信噪比下的语音增强算法。该算法以传统的谱减法为基础,所用减参数是根据人耳听觉掩蔽效应提出的且是自适应的。对该算法进行了客观和主观测试,结果表明:相对于传统的谱减法,该算法能更好地抑制残留噪声和背景噪声,特别是对低信噪比的语音信号。     

基于改进谱减法的语音增强研究

语音增强技术是语音信号处理中的重要课题之一,谱减法是目前语音增强处理中常用的方法.针对传统谱减法残余音乐噪声过强,清音部分损失严莺的缺点,引入了一种利用语音信号的短时平均幅度差特征并结合短时平均幅度的语音检测算法,对传统的谱减法进行了改进.根据采集的真实航空噪声数据,将传统谱减法和改进的谱减法结果进行了比较分析.仿真结果表明,改进形式的谱减法可以有效降低音乐噪声,提高信噪比和町懂度,可以满足语音增强的要求.