-
公开(公告)号：CN112208506A
公开(公告)日：2021-01-12
申请号：CN202011011009.4
申请日：2020-09-23
申请人： 西南交通大学
IPC分类号： B60T17/22
摘要： 本发明涉及铁路货车制动检测技术领域，涉及一种用于铁路货车空气制动装置的智能故障检测方法，包括以下步骤：一、获取正常与各部件不同伤损程度工况下给传感器的气压测量数据构成训练数据集；二、将传感器采集到的累积压力测量数据划分为单次不同的制动状态数据，不同的制动状态包括制动、保压和缓解；三、根据累积差分函数判断制动状态，并进行数据特征提取；四、搭建随机森林，输入提取到的数据特征进行模型参数训练。本发明能较佳地检测铁路货车空气制动装置的故障类型与伤损程度。
-
公开(公告)号：CN114332348B
公开(公告)日：2023-06-02
申请号：CN202111351860.6
申请日：2021-11-16
申请人： 西南交通大学
IPC分类号： G06T17/00
摘要： 本发明涉及三维重建领域，具体为一种融合激光雷达与图像数据的轨道三维重建方法。其包括如下步骤：S1、将激光雷达传感器、惯导系统安装于手持搭载设备上，并通过数据接口与电脑相连；S2、运行传感器驱动并开始数据采集，使用摄像设备获取照片数据；S3.1、激光点云通过RANSAC算法评估局部区域点的凹凸程度来提取边缘和平面特征点；S3.2、使用SFM重建稀疏点云，而后使用CMVS重建稠密点云；S4.1、进行激光点云与图像点云尺度拟合；S4.2、通过求解对应点变换后的距离误差和来判断当前配准变换的性能；S4.3、融合纹理色彩信息；S5、拟合两组点云。本发明优化了点云密度和点云数据类型，采集设备移动轻便，满足实时移动，三维模型精度高、纹理完善。
-
公开(公告)号：CN112329520A
公开(公告)日：2021-02-05
申请号：CN202011011024.9
申请日：2020-09-23
申请人： 西南交通大学
摘要： 本发明涉及轴承故障识别技术领域，涉及一种基于生成对抗学习的货车轴承故障识别方法，包括：1、建立轮对振动试验台，设计并制作不同故障类别的滚动轴承，进行测试，获取振动信号；2、数据处理；3、建立一维信号的卷积神经网络模型，将源域数据输入到模型中进行参数预训练；4、通过生成对抗网络模型进行训练；5、利用训练后的生成对抗网络模型合成大量目标域数据，利用合成的数据对卷积神经网络进行二次训练；6、使用所述卷积神经网络对未知数据进行测试。本发明能够利用生成对抗网络模型解决了训练数据量不足的问题，能够结合深度学习方法对各类故障类型的数据进行分类。
-
公开(公告)号：CN112329520B
公开(公告)日：2023-01-31
申请号：CN202011011024.9
申请日：2020-09-23
申请人： 西南交通大学
IPC分类号： G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/094 , G01M7/02 , G01M13/045
摘要： 本发明涉及轴承故障识别技术领域，涉及一种基于生成对抗学习的货车轴承故障识别方法，包括：1、建立轮对振动试验台，设计并制作不同故障类别的滚动轴承，进行测试，获取振动信号；2、数据处理；3、建立一维信号的卷积神经网络模型，将源域数据输入到模型中进行参数预训练；4、通过生成对抗网络模型进行训练；5、利用训练后的生成对抗网络模型合成大量目标域数据，利用合成的数据对卷积神经网络进行二次训练；6、使用所述卷积神经网络对未知数据进行测试。本发明能够利用生成对抗网络模型解决了训练数据量不足的问题，能够结合深度学习方法对各类故障类型的数据进行分类。
-
公开(公告)号：CN112215264A
公开(公告)日：2021-01-12
申请号：CN202011013145.7
申请日：2020-09-23
申请人： 西南交通大学
摘要： 本发明涉及钢轨磨耗检测技术领域，具体地说，涉及一种基于钢轨光带图像的钢轨磨耗检测方法，其包括以下步骤：一、采集钢轨光带图像和磨耗数据；二、划分数据集，标注钢轨光带图像，并MaskR‑CNN训练；三、根据提取的钢轨光带图像与相对应的磨耗数据训练深度学习模型；四、将训练得到的模型对钢轨磨耗进行检测。本发明测量结果稳定，具有很强的鲁棒性。
-
公开(公告)号：CN112215263A
公开(公告)日：2021-01-12
申请号：CN202011011012.6
申请日：2020-09-23
申请人： 西南交通大学
摘要： 本发明涉及钢轨波磨检测技术领域，涉及一种基于深度卷积神经网络的钢轨波磨检测方法，其包括以下步骤：一、拍摄钢轨顶面图像，并保存；二、挑选出长波磨、短波磨和非波磨的图片并标定；三、提取图像中间的钢轨区域；四、创建训练集数据存放文件夹；五、创建测试文件夹；六、将图片按照原图片灰度值的0.6倍、0.8倍、1.2倍和1.4倍进行变换；七、使用DenseNet模型构造深度卷积神经网络；八、将训练集导入构建的深度卷积神经网络模型进行训练；九、将测试集输入到深度卷积神经网络中进行测试，并统计评价指标值。本发明能够实现长、短波磨的有效和高速检测，并实现对光照强度变化的鲁棒性。
-
公开(公告)号：CN115239632B
公开(公告)日：2024-04-09
申请号：CN202210726947.5
申请日：2022-06-23
申请人： 西南交通大学
IPC分类号： G06T7/00 , G06T5/20 , G06T5/40 , G06V10/34 , G06V10/36 , G06V10/44 , G06V10/764 , G06V10/80 , G01N21/88 , G01N29/06 , G01N29/44 , G06N3/0464 , G06N3/08
摘要： 本发明涉及钢轨图像智能检测算法领域，具体为一种融合巡检图像和超声波图像的钢轨表面伤损检测方法，其包括以下步骤：S1、查找相同里程位置处的钢轨巡检图像和超声波B显图像，按里程号对应命名并保存为jpg格式图片；S2、构建钢轨巡检图像数据集；S3、滤除超声波B显图像中的杂波；S4、构建钢轨表面分割算法提取钢轨表面图像；S5、搭建CUFuse模型；S6、将钢轨巡检图像数据集按8：2划分训练集和测试集，将训练集中的数据输入到CUFuse模型中进行训练；S7、使用测试集对CUFuse模型进行测试；S8、将训练完成的CUFuse模型封装作为插件安装到RUD‑15型双轨式钢轨超声波探伤仪中。本发明通过构建一个相机和超声数据融合模型，从而提高轨道表面缺陷的检测精度和检测效率。
-
公开(公告)号：CN112200225B
公开(公告)日：2022-07-26
申请号：CN202011013157.X
申请日：2020-09-23
申请人： 西南交通大学
IPC分类号： G06V10/774 , G06V10/82 , G06V10/764 , G06K9/62 , G06T7/10 , G06N3/04 , G06N3/08 , G01N29/06
摘要： 本发明涉及钢轨探伤技术领域，涉及一种基于深度卷积神经网络的钢轨伤损B显图像识别方法，其包括以下步骤：一、查找焊缝、正常螺孔、异常螺孔和表面伤四类出波情况并保存；二、对原始图片进行填充，将图片尺寸扩展；三、将填充后的数据裁剪；四、横向上沿左右两股钢轨对称轴进行上下对称裁剪为两部分，沿纵向平均裁剪为四部分，最后得到416×416的标准图片；五、打标签操作,将标签文件与图片文件制作成标准数据集；六、构建YOLO‑UAV+min模型；七、对数据集进行聚类分析，得到先验框，将先验框输入到模型中；八、配置网络参数；九、使用模型进行训练。本发明能较佳的识别伤损。
-
公开(公告)号：CN112208506B
公开(公告)日：2021-07-06
申请号：CN202011011009.4
申请日：2020-09-23
申请人： 西南交通大学
IPC分类号： B60T17/22
摘要： 本发明涉及铁路货车制动检测技术领域，涉及一种用于铁路货车空气制动装置的智能故障检测方法，包括以下步骤：一、获取正常与各部件不同伤损程度工况下给传感器的气压测量数据构成训练数据集；二、将传感器采集到的累积压力测量数据划分为单次不同的制动状态数据，不同的制动状态包括制动、保压和缓解；三、根据累积差分函数判断制动状态，并进行数据特征提取；四、搭建随机森林，输入提取到的数据特征进行模型参数训练。本发明能较佳地检测铁路货车空气制动装置的故障类型与伤损程度。
-
公开(公告)号：CN112200225A
公开(公告)日：2021-01-08
申请号：CN202011013157.X
申请日：2020-09-23
申请人： 西南交通大学
摘要： 本发明涉及钢轨探伤技术领域，涉及一种基于深度卷积神经网络的钢轨伤损B显图像识别方法，其包括以下步骤：一、查找焊缝、正常螺孔、异常螺孔和表面伤四类出波情况并保存；二、对原始图片进行填充，将图片尺寸扩展；三、将填充后的数据裁剪；四、横向上沿左右两股钢轨对称轴进行上下对称裁剪为两部分，沿纵向平均裁剪为四部分，最后得到416×416的标准图片；五、打标签操作,将标签文件与图片文件制作成标准数据集；六、构建YOLO‑UAV+min模型；七、对数据集进行聚类分析，得到先验框，将先验框输入到模型中；八、配置网络参数；九、使用模型进行训练。本发明能较佳的识别伤损。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.028 秒)
