一种轨道结构剪力铰系统失效修复系统技术方案

本发明专利技术公开了一种轨道结构剪力铰系统失效修复系统，包括数据采集模块、图像检测模块、控制系统、修复结构、分类模块，数据采集模块采集剪力铰的图像数据，并将数据发送至图像检测模块，图像检测模块接收从数据采集模块采集的剪力铰的图像数据，并对采集后的图像进行预处理，特征提取模块对采集的剪力铰的图像数据进行特征提取，提取出剪力铰的失效区域，并将提取后的失效区域的数据发送至数据采集模块，数据采集模块采用该区域的剪力铰的附和力、纵向力、温度的数据，并将该数据发送至分类模块，分类模块采用聚类算法对提取后的数据进行分类，确定剪力铰失效的类别。本发明专利技术实现对剪力铰的自动检测和自动修复，具有高效、智能的特点。智能的特点。智能的特点。

【技术实现步骤摘要】
一种轨道结构剪力铰系统失效修复系统


[0001]本专利技术涉及轨道结构剪力铰修复
，特别涉及一种轨道结构剪力铰系统失效修复系统。

技术介绍

[0002]轨道结构的剪力铰系统是轨道结构中的重要支撑结构，他决定这轨道结构的安全性和稳定性，基于剪力铰系统的重要性，需要对剪力铰系统进行定期的维修，但目前的维修系统多采用人工维修的方式，既不够高效，也不够经济、便捷，且维修系统无法实现从检测到维修的一体化智能修复，使得整个修复过程既繁琐又低效。

技术实现思路

[0003]为了至少解决或部分解决上述问题，提供一种轨道结构剪力铰系统失效修复系统。
[0004]为了达到上述目的，本专利技术提供了如下的技术方案：
[0005]本专利技术一种轨道结构剪力铰系统失效修复系统，包括数据采集模块、图像检测模块、控制系统、修复结构、分类模块，所述数据采集模块采集剪力铰的图像数据，并将数据发送至图像检测模块，所述图像检测模块包括预处理模块、特征提取模块，所述预处理模块接收从数据采集模块采集的剪力铰的图像数据，并对采集后的图像进行预处理，并将预处理后的图像数据发送至特征提取模块，所述特征提取模块对采集的剪力铰的图像数据进行特征提取，提取出剪力铰的失效区域，并将提取后的失效区域的数据发送至数据采集模块，所述数据采集模块采集该区域的剪力铰的附和力、纵向力、温度的数据，并将该数据发送至分类模块，所述分类模块采用聚类算法对提取后的数据进行分类，确定剪力铰失效的类别，并将失效类别和失效区域发送至控制系统，所述控制系统根据失效类别和失效区域控制修复结构对剪力铰进行修复。
[0006]作为本专利技术的一种优选技术方案，还包括移动模块和通信模块，所述移动模块带动数据采集模块在剪力铰区域巡逻，所述数据采集模块与图像检测模块通过通信模块进行数据交互。
[0007]作为本专利技术的一种优选技术方案，所述预处理模块对剪力铰图像依次执行灰度处理、归一化、对比度受限的自适应直方图均衡化和伽马非线性化处理，得到预处理图像。
[0008]作为本专利技术的一种优选技术方案，所述特征提取模块采用HAAR特征中的积分图像的方式计算改特征值；将适用于剪力铰失效的各类HAAR特征采用AdaBoost算法得到的强分类器；将强分类器级联起来得到最终的级联分类器，从而得出剪力铰失效的图像，并采用卷积神经网络的Unet模型进行分割。
[0009]作为本专利技术的一种优选技术方案，所述卷积神经网络由卷积到批标准化到激活Relu函数的卷积单元形式的网络结构组成。
[0010]作为本专利技术的一种优选技术方案，所述聚类算法采用kmeans聚类算法，所述
kmeans聚类算法将该区域的剪力铰的附和力、纵向力、温度的数据置于数据库中进行聚类处理，得到与该剪力铰失效的数据类型。
[0011]与现有技术相比，本专利技术的有益效果如下：
[0012]本专利技术采用自动化检测系统来实现对剪力铰的自动检测和自动修复，并完成从采集到修复的全过程，具有高效、智能的特点，适用于各种轨道结构。
附图说明
[0013]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0014]图1是本专利技术的整体结构示意图；
[0015]图中：1、数据采集模块；2、图像检测模块；3、控制系统；4、修复结构；5、分类模块；6、预处理模块；7、特征提取模块；8、移动模块；9、通信模块。
具体实施方式
[0016]以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。其中附图中相同的标号全部指的是相同的部件。
[0017]此外，如果已知技术的详细描述对于示出本专利技术的特征是不必要的，则将其省略。
[0018]实施例1
[0019]如图1所示，本专利技术提供一种轨道结构剪力铰系统失效修复系统，包括数据采集模块1、图像检测模块2、控制系统3、修复结构4、分类模块5，数据采集模块1采集剪力铰的图像数据，并将数据发送至图像检测模块2，图像检测模块2包括预处理模块6、特征提取模块7，预处理模块6接收从数据采集模块1采集的剪力铰的图像数据，并对采集后的图像进行预处理，并将预处理后的图像数据发送至特征提取模块7，特征提取模块7对采集的剪力铰的图像数据进行特征提取，提取出剪力铰的失效区域，并将提取后的失效区域的数据发送至数据采集模块1，数据采集模块1采集该区域的剪力铰的附和力、纵向力、温度的数据，并将该数据发送至分类模块5，分类模块5采用聚类算法对提取后的数据进行分类，确定剪力铰失效的类别，并将失效类别和失效区域发送至控制系统3，控制系统3根据失效类别和失效区域控制修复结构4对剪力铰进行修复。
[0020]为了进一步提高检测范围，还包括移动模块8和通信模块9，移动模块8带动数据采集模块1在剪力铰区域巡逻，从而可以实现大面积的图像检测，数据采集模块1与图像检测模块2通过通信模块9进行数据交互，实现远程数据交互功能。
[0021]具体的，在进行图像检测的过程中，由预处理模块6对剪力铰图像依次执行灰度处理、归一化、对比度受限的自适应直方图均衡化和伽马非线性化处理，得到预处理图像，再通过特征提取模块7进行特征提取，特征提取模块7采用HAAR特征中的积分图像的方式计算改特征值；将适用于剪力铰失效的各类HAAR特征采用AdaBoost算法得到的强分类器；将强分类器级联起来得到最终的级联分类器，从而得出剪力铰失效的图像，并采用由卷积到批标准化到激活Relu函数的卷积单元形式的网络结构组成的卷积神经网络的Unet模型进行分割，得到失效图像，根据失效图像附近的传感器来进一步检测剪力铰的数据来判断失效
的类型，判断采用kmeans聚类算法，kmeans聚类算法将该区域的剪力铰的附和力、纵向力、温度的数据置于数据库中进行聚类处理，得到与该剪力铰失效的数据类型。
[0022]最后应说明的是：以上所述仅为本专利技术的优选实施例而已，并不用于限制本专利技术，尽管参照前述实施例对本专利技术进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轨道结构剪力铰系统失效修复系统，其特征在于，包括数据采集模块(1)、图像检测模块(2)、控制系统(3)、修复结构(4)、分类模块(5)，所述数据采集模块(1)采集剪力铰的图像数据，并将数据发送至图像检测模块(2)，所述图像检测模块(2)包括预处理模块(6)、特征提取模块(7)，所述预处理模块(6)接收从数据采集模块(1)采集的剪力铰的图像数据，并对采集后的图像进行预处理，并将预处理后的图像数据发送至特征提取模块(7)，所述特征提取模块(7)对采集的剪力铰的图像数据进行特征提取，提取出剪力铰的失效区域，并将提取后的失效区域的数据发送至数据采集模块(1)，所述数据采集模块(1)采集该区域的剪力铰的附和力、纵向力、温度的数据，并将该数据发送至分类模块(5)，所述分类模块(5)采用聚类算法对提取后的数据进行分类，确定剪力铰失效的类别，并将失效类别和失效区域发送至控制系统(3)，所述控制系统(3)根据失效类别和失效区域控制修复结构(4)对剪力铰进行修复。2.根据权利要求1所述的一种轨道结构剪力铰系统失效修复系统，其特征在于，还包括移动模块(8)和通信模块(9)，所述移动模块(8)带动数据采集模块(1)...

【专利技术属性】
技术研发人员：滕支振，
申请(专利权)人：上海睿而维科技有限公司，
类型：发明
国别省市：