共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
3.
4.
车轮踏面擦伤故障信号具有非平稳特性,为识别车轮踏面擦伤,提出一种将经验模式分解(Empirical Mode Decomposition)与神经网络相结合的诊断方法,通过实验获取车轮踏面擦伤故障信号,对故障信号EMD分解得到本征模函数分量(Intrinsic Mode Function,IMF),再对各阶IMF分量提取能量和峭度特征,构建出特征向量并输入到神经网络中进行故障识别。将此法通过LabVIEW编程实现并经实验验证,该方法在车速0~200 km/h时具有较高识别能力,与传统方法相比具有使用范围广,实用价值高的特点。 相似文献
5.
基于物理模型的计算机视觉轮对踏面擦伤检测方法 总被引:3,自引:1,他引:2
研究一种基于计算机视觉的轮对踏面擦伤检测方法.用线结构光扫描轮对踏面,在踏面上产生相应的变形光条纹,利用电荷耦合器件(Charge coupled device,CCD)摄像机采集光条纹图像,经过图像处理后获得踏面截面轮廓,检测轮对踏面擦伤.根据光条纹的特点,提出基于物理模型的提取光条纹中心线方法,应用能量优化法,求解光条纹中心线所对应的最小能量曲线,用B样条曲线拟合光条纹中心线使其具有亚像素级定位精度,同时大大减少数据存储量.试验结果表明该方法可有效地抑制噪声、光条纹断线及分枝的影响,使光条纹中心线具有单一连通性.轮对旋转一周,通过摄像机模型计算轮对踏面的三维曲面模型,实现了轮对踏面擦伤的非接触精确检测. 相似文献
6.
采用小波分析与支持向量机的车轮踏面擦伤识别方法 总被引:2,自引:0,他引:2
采用小波分析与支持向量机(SVM)相结合对列车车轮擦伤进行自动识别。运用变尺度多分辨小波分析方法对车轮擦伤信号进行特征处理,SVM能够对小样本数据进行模式识别并且具有很好的分类推广能力。在小波分析特征提取的基础上,利用分布式多SVM分类器识别车轮擦伤,实验表明,该方法能有效地对车轮擦伤等级进行准确识别和诊断。 相似文献
7.
列车车轮踏面缺陷图像区域提取 总被引:1,自引:0,他引:1
针对踏面缺陷图像的特点,对其缺陷图像区域提取技术进行了研究,设计了一种基于平稳小波自适应阈值踏面区域分割算法,提出了一种基于分块思想粗定位和精定位组合定位的剥离缺陷区域提取算法和基于踏面边缘线扫描搜索的擦伤区域提取的算法。通过两个踏面缺陷的实例,验证了算法的有效性,对现场采集样本进行试验,结果表明:系统对剥离和擦伤的两种缺陷的漏识率分别为8.3%和5.3%,误识率为5.1%,为后续特征提取和识别奠定了基础。 相似文献
8.
基于激光传感的轮对踏面擦伤及剥离检测 总被引:1,自引:0,他引:1
介绍一种自动检测铁路车辆轮对踏面擦伤和剥离的新方法。利用激光传感技术建立轮对踏面数字矩阵,通过Marr算子边缘检测、二维双线性插值和基于踏面局部外形分解的数据校正处理技术,在轮对动态过程中快速提取轮对踏面擦伤深度和剥离长度等特征信息,精确拟合出踏面状况并加以诊断。系统分析软件采用VC++和Matlab语言编程,功能包括踏面矩阵数据处理,擦伤和剥离的自动检测,二维、三维图形显示和打印等。该踏面擦伤和剥离检测技术经过现场应用验证了其有效性和实用性。 相似文献
9.
10.
11.
涡流脉冲热成像是一种新型的无损检测技术,具有检测速度快,灵敏度高,探测范围大的特点。为适应车轮踏面缺陷的动态检测,本文提出了一种适应车轮踏面廓形的矩形磁轭电磁感应激励传感结构。通过传感器结构的磁路模型推导,从理论上证明了传感结构的可行性。通过数值模拟计算分析了踏面表面检测区域的磁场与涡流场分布,并对比了矩形磁轭与直导线的检测结果。在此基础上,本文搭建了一套车轮自动探伤检测系统,能够实现65 mm/s速度下的缺陷动态测量。结果表明,设计的矩形磁轭传感结构可优化感应加热的均匀性,对车轮踏面浅表层疲劳裂纹(轴向表面开口)具有更好的检测结果。 相似文献
12.
根据就车式车轮平衡机的静平衡工作原理,通过探讨总结出车轮平衡度初检之后再复检时的一种调整方法,即根据复检时频闪灯照射下平衡块所处的位置,判断初检调整中存在的问题,从而做出相应的纠正。 相似文献
13.
14.
15.
16.
介绍圆弧齿圆柱蜗杆副齿廓啮合原理,齿形车削加工方法,建立起GB9147—88圆弧齿圆柱蜗杆副蜗轮、蜗杆的有限元计算模型。分析蜗轮蜗杆啮合过程中2个特殊承载位置应力与位移的变化,用动力学理论计算出蜗杆传动固有频率、临界转速,为试制GB9147—88圆弧圆柱蜗杆减速器提供合理而可靠的理论依据。 相似文献
17.
针对目前斗轮直径计算中存在的问题,在保证斗轮充分取料和卸料的前提下,着重分析了影响斗轮直径的相关因素,从而提出了斗轮直径的两种新计算方法,使斗轮直径的确定更为合理,有良好的应用前景. 相似文献
18.
提出基于小波变换的零件图像数据融合和边缘检测的方法,对图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现图像数据融合。应用小波变换对融合图像进行多尺度边缘检测,获取图像边缘,或对图像进行小波多尺度边缘检测,然后融合边缘。 相似文献
19.