基于多特征融合和BP-AdaBoost算法的列车关键零件故障自动识别

针对列车集尘器和安全链锁紧螺栓的故障检测,提出了一种基于多特征融合和BP-AdaBoost的故障自动识别算法。首先提取故障区域与非故障区域的局部二进制模式（LBP）、方向梯度直方图（HOG）和Haar-like三类特征;其次利用主成分分析（PCA）定义不同特征对故障识别准确率的贡献值,并据此对这三种特征进行降维和融合;再次利用融合特征来训练BP-AdaBoost分类器;最后用训练好的分类器结合不同的识别算法,对集尘器和安全链锁紧螺栓的故障进行定位和识别。实验结果表明,该算法能较好地识别两种不同故障,故障识别率高,误检率和漏检率低,对于光照不均和遮挡情况有一定的鲁棒性。