【摘 要】
：
随着动车组数量的不断增长,对动车组故障检测的任务量也越来越大,检测的难度和要求也越来越高,故研制一套无人或者少人化的动车组故障检测系统十分必要。目前动车组入库检修的过程需要工作人员依靠眼睛观察、手电筒辅助照明工业相机录像、尺子测量等传统的检查方式进行动车组故障的检测,受位置变化、人体疲劳和光照条件等不可控因素的影响,故存在很多的误检和漏检。近几年,基于深度学习的目标检测算法取得了空前发展,将Fas
论文部分内容阅读
随着动车组数量的不断增长,对动车组故障检测的任务量也越来越大,检测的难度和要求也越来越高,故研制一套无人或者少人化的动车组故障检测系统十分必要。目前动车组入库检修的过程需要工作人员依靠眼睛观察、手电筒辅助照明工业相机录像、尺子测量等传统的检查方式进行动车组故障的检测,受位置变化、人体疲劳和光照条件等不可控因素的影响,故存在很多的误检和漏检。近几年,基于深度学习的目标检测算法取得了空前发展,将Faster R-CNN等深度神经网络目标检测算法应用到动车组的故障检测也逐渐兴起。与支持SVM向量机等传统目标检测算法相比,Faster R-CNN算法能从样本数据中提取到更加丰富的特征,经过训练得到的网络模型对故障检测的效率更高,鲁棒性更好。为了使Faster R-CNN算法能够满足动车组故障检测的应用场景要求,本文进行了一下改进。针对Faster R-CNN算法在单GPU训练的过程中存在效率低、耗时长的问题,引入多GPU的数据并行进行加速训练,并通过在CPU中增加参数副本的方法对异步随机梯度下降算法进行改进,在此基础上以数据并行的方式管理GPU间的数据传输。另外,在GPU中创建负责传输和计算的线程,实现任务并行,最后通过单GPU与双GPU的对比实验验证其对训练过程的加速效果。针对Faster R-CNN算法应用于动车组图像故障检测效果不理想的问题,提出一种基于Inception-Res Net基础特征提取网络和小目标优化的方法。首先,使用不同大小的卷积核与输入层的输入进行计算,再将得到的计算结果与输入层的输入进行联合输出,最后将每个Inception-Res Net模块输出进行反卷积,得到大小相同的多特征图,输入到ROI层和RPN网络中。在PyTorch深度学习框架上进行网络模型训练的耗时对比实验与算法改进后对故障图像检测效果的对比实验,最终实验结果表明,本文提出的优化改进相比改进前具有更好的检测效果。
其他文献
随着计算机视觉技术的快速发展,人像分割和人像抠图技术也取得了跨越式的进步,基于人像分割和人像抠图的应用也越来越多。人像分割是将人像图像分割为前景和背景两部分,得到一个二值分割结果。而人像抠图技术是指将人像前景区域与人像背景分离,它能够对人像的头发等边缘细节信息进行处理。人像分割和人像抠图技术最初是在电影和电视行业中应用,并在电影和电视行业中获得了巨大的商业价值。随着科学技术的发展以及手机、平板、智
近年来,随着互联网和电子商务的快速发展,网购群体也随之增长。这一现象使得物流订单量呈逐年递增的趋势,特别是在各大电商开展促销活动之时,物流订单量更是呈井喷现象,达到平时三倍之多,导致物流配送系统出现运力资源不足、配送延迟和网点爆仓等问题。众包物流作为一种新兴模式,具有运营成本低且能充分利用社会闲散资源的优点,有助于缓解需求井喷下的物流配送压力。因此本文将众包模式引入两级物流配送系统,考虑服务网点位
近年来,地铁列车迎来了新的黄金发展时期。由于地下环境阴暗潮湿、地铁负荷量大、制动频繁等因素的影响,地铁列车的零部件易发生故障而严重危害公共交通安全。这对地铁列车的安全巡检提出了更高的要求。传统的地铁车辆巡检方式以人工为主,具有效率低、成本高、结果不稳定等不足之处。本文依托部署于列车运行现场铁轨底部和侧部的高精度相机成像图片,研究了基于计算机视觉的地铁列车关键装置零部件的缺陷检测算法,采用深度学习和
为适应微米甚至纳米级功能性原材料的生产需求,超微粉碎应运而生,成为医药、化工、食品、电子等众多领域粉体精深加工过程不可或缺的技术手段。磨头作为超微粉碎设备的典型功能部件,其表面结构形式是制约粉碎性能提升的关键因素。传统磨头结构设计多依赖工程经验,高效研磨副协同设计机制不明晰,逐渐不能满足高质量粉体的生产要求,存在研磨不充分、工作温升高、物料易变性、磨头磨损加剧等问题,进而造成能源和材料的浪费。围绕
在电力系统中变压器起着电能转换的重要作用,保证变压器可靠稳定运行就是保证电力系统供配电的稳定性。而由于电力系统的运行环境较为复杂,变压器绕组在短路大电流的冲击下极有可能发生绕组移位故障,严重威胁电力系统的供电可靠性。频率响应法由于测试简单、重复性好,目前广泛应用于绕组故障检测,而由于实际变压器造价昂贵,无法开展绕组故障模拟探究故障下频率响应变化规律,建立可靠准确的绕组频率响应仿真模型,对绕组故障识
在功率变流器系统中,由于复杂的运行状态,恶劣的运行环境及严格的安全运行要求,IGBT模块的可靠性面临着巨大的挑战。温度应力是影响IGBT模块可靠性、老化失效的主要原因,而目前功率变流器中对结温、老化信息的在线提取由于工作环境恶劣、监测方法复杂、在线监测电路精度差等原因,难以实现。故研究在线提取功率变流器中结温、老化信息的方法,将在提高功率变流器工作可靠性的基础上,为规划IGBT模块的检修、更换工作
齿轮箱作为传动系统的核心部件之一,对轨道车辆的平稳安全运行起到极其重要的作用。齿轮箱工作时,会产生大量热量和分布不均匀的高压气液混合物,对齿轮箱的润滑和密封性能要求较高。轨道车自重和载重较大、行驶速度范围宽、工况变化大,容易造成齿轮箱润滑不良和密封失效。近年来,计算机流体动力学（CFD）成为齿轮箱内部流场特性研究的热门方法。本文研究的某型号轨道车辆二级传动齿轮箱结构复杂,存在轮系旋转、油气两相流和
随着制造业的发展,机床的利用率日益提高,而刀具作为机床加工工具,其磨损状态会直接影响机床加工精度和加工效率,因此,在加工过程中检测刀具磨损状态具有重要的现实意义。目前,刀具磨损检测方法以传统检测方法为主,而传统检测方法存在精度不稳定和传感器安装复杂等问题,基于这些问题,本文对基于机器视觉的刀具磨损检测方法进行了研究,该方法不仅能获取精确的磨损量,而且不易受环境噪声干扰。本文以利用机器视觉技术实现在