排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
针对细胞图像的特点,提出一种改进的基于分水岭算法的细胞图像分割方法。在该方法中.对细胞图像进行数学形态学变换,即采用Top—hat变换后的图像与原始图像相加再减去Bottom—hat变换后的图像以得到最大对比度的图像.继而进行距离变换,最后运用分水岭算法进行分割。实验证明,该改进方法能够得到较好的分割结果。 相似文献
3.
针对高速列车车轮失圆识别难以兼顾效率与精度问题,提出一种基于轴箱振动与动力学模型的高速列车车轮失圆状态智能识别方法。首先,利用静态检测设备采集车轮非圆原始数据,提出一种数据增强技术构建车轮非圆增强数据集。其次,将增强数据集输入至高速列车车辆—轨道耦合动力学模型,获取车轮不同失圆状态下轴箱振动样本集。最后,通过构建恰当结构与配置参数的一维卷积神经网络(1-dimensional convolutional neural network,1-DCNN),可对轴箱振动信号进行自适应特征提取,实现对车轮失圆状态的智能识别分类。结果表明:提出的车轮失圆状态智能识别方法能实现正常车轮、多边形车轮、擦伤车轮、随机非圆化车轮与局部缺陷车轮5类车轮失圆状态的智能分类,准确率达99.2%(标准差为0.05),且单个样本平均识别耗时为0.4 ms。结合现场试验,所提方法对实测轴箱振动具有较好识别能力,测试精度为95%。与经典的SVM和BP神经网络相比,1-DCNN模型具有更高的识别准确度。 相似文献
4.
5.
对某线路上运行的高寒动车组车轮磨耗进行长期跟踪测试,得到车轮磨耗演变规律。将实测车轮踏面分别与CHN60轨和60 N轨匹配,分析车轮磨耗对轮轨接触几何关系和接触力学特性的影响。利用多体动力学软件SIMPACK建立车辆动力学仿真模型,研究车轮磨耗过程中车辆动力学性能的演变规律。研究结果表明:车轮踏面磨耗随运行里程呈线性增加趋势,动车和拖车平均磨耗速率分别为0.0434 mm/万千米和0.0398 mm/万千米,且几乎没有轮缘磨耗。等效锥度随运行里程呈前期增长较快后期平缓的非线性特性,且与CHN60匹配时等效锥度明显高于与60 N轨匹配。实测轮轨匹配下的力学特性及动力学性能均略有下降,车辆与60 N轨匹配时体现出更好的服役性能。 相似文献
1