钩尾扁销作为列车车钩和缓冲装置的连接配件,它若丢失或断裂将造成列车分离,给列车行车安全带来很大的隐患;制动梁支柱圆销丢失是造成列车制动梁零部件脱落事故的主要原因。因此,对列车钩尾扁销和制动梁支柱圆销故障检查是保证列车行车安全的必要条件。上述两大类故障传统检查方式为人工静态检测,而随着列车运行速度的不断提高,列车检修周期大大缩短,人工静态检测方式具有效率低、可靠性差等缺点,难以满足铁路部门的要求。因此实现上述两大类故障的计算机自动检测对保障列车行车安全具有极其重要的意义。本课题是对列车运行故障动态检测系统(TFDS)的延续性研究。主要基于数字图像处理研究方向,通过分析列车钩尾扁销和制动梁支柱圆销两大类图像故障特征,设计并完成两大类图像的故障自动识别算法。首先详细地介绍了本课题需要使用的数字图像处理领域经典算法,如图像几何变换、基于直方图的灰度变换、平滑处理、灰度映射、利用梯度信息的边缘检测、模板匹配等数字图像处理算法,并阐述了本课题采用这些算法的原因。根据钩尾扁销和制动梁支柱圆销两大类图像特征,如何设计能够准确提取出两大类图像特征部分的算法,如何设计高效精准的故障判断算法,这两部分内容是本课题的重点和难点部分。本课题最终采用上述数字图像处理经典算法和窗口灰度映射新算法完成了两套故障识别算法的设计工作。算法功能的实现需要软件平台来支撑,通过和其它编程软件比较,本课题选用C++ Builder可视化编程软件完成测试平台的设计、调试以及DLL文件的生成工作。最后通过算法对现有图像样本的故障识别,对算法的“瓶颈“问题、效率和可靠性进行了分析。实际应用证明,算法运行稳定,算法设计满足识别率要求。