【技术实现步骤摘要】
铁路货车缓解阀拉杆开口销丢失故障识别方法及设备
[0001]本专利技术属于铁路货车部件检测
,具体涉及一种缓解阀拉杆开口销丢失故障识别方法及设备。
技术介绍
[0002]列车制动系统是列车的重要组成部分,其性能的好坏和制动能力的大小直接涉及列车能否安全运行,缓解阀拉杆作为制动系统中的重要部件其稳定性十分重要。货车运行一段时间后,可能出现缓解阀拉杆开口销丢失,对行车安全产生影响。因此需要在运行过程中对缓解阀拉杆开口销状态进行检测。
[0003]采用人工逐张看图的检车作业方式存在受人员素质、责任心影响,错漏检问题时有发生,作业质量难以保证,以及人工成本巨大、效率低下等问题。所以针对缓解阀拉杆开口销丢失故障的自动化检测具有重要意义。随着深度学习技术的发展,可以通过深度学习技术实现故障自动识别和报警,能够有效提高检车作业质量和效率。现有的深度学习技术不仅能够实现分割任务还可以实现分类识别任务,因此可以直接利用深度学习技术对铁路货车部件进行直接检测,从而直接判断铁路货车是否丢失或损坏(直接输出分类结果,如丢失类、变形类等),这种方法虽然方便,但是针对于例如开口销这种比较小部件的检测效果却不是特别理想,尤其是其非常容易受到油污或天气等的影响,会进一步降低检测准确率,误检率和漏检率较高;同时这种方式的深度学些模型也是非常难训练的,不仅需要大量的训练样本,而且即使利用大量的训练样本得到的模型也经常出现过拟合或欠拟合的问题。
技术实现思路
[0004]本专利技术为了解决现有的直接利用深度学习模型进行开口销 ...
【技术保护点】
【技术特征摘要】
1.一种铁路货车缓解阀拉杆开口销丢失故障识别方法,其特征在于,包括以下步骤:S1、获取待检测的含缓解阀拉杆开口销部件位置的局部区域图像,记为待检测原图像,然后输入神经网络模型对开口销所在区域进行精定位;对精定位后的开口销周围区域进行截取,得到“子区域图像”;S2、将子区域图像分别做不同角度的旋转,得到包含未做旋转的子区域图像共计J张待检测开口销区域图像;S3、分别对每张待检测开口销区域图像进行特征提取,得到J张待检测开口销区域图像各自对应的特征;然后利用多个分类器融合的加权分类网络进行分类;利用多个分类器融合的加权分类网络进行分类的处理过程包括以下步骤:J张待检测开口销区域图像各自对应的特征分别输入J个线性SVM弱分类器,J个线性SVM弱分类器通过加权方式组合,根据J个线性SVM弱分类器M
j
给出的预测结果L
j
和该分类器的投票权重w
j
,进行加权给出分类预测结果,从而判断缓解阀拉杆开口销是否丢失。2.根据权利要求1所述的一种铁路货车缓解阀拉杆开口销丢失故障识别方法,其特征在于,所述特征提取器包括输入层、隐藏层、输出层,特征提取器的特征提取包括两个过程:(1)输入层到隐藏层的编码过程:对于输入x,通过编码函数得到编码h:h=s
f
(W1x+b1)其中,s
f
为编码函数,z表示编码函数的自变量;W1为输入层和隐藏层之间的权重,b1为输入层和隐藏层之间的偏置;(2)隐藏层到输出层的解码过程:对于编码h,通过解码函数得到特征提取结果x
′
:x
′
=s
g
(W2h+b2)s
g
(z')=z'其中,s
g
为解码函数,z
′
表示解码函数的自变量;W2为隐藏层和输出层之间的权重,b2为隐藏层和输出层之间的偏置。3.根据权利要求2所述的一种铁路货车缓解阀拉杆开口销丢失故障识别方法,其特征在于,S2将子区域图像分别做不同角度的旋转时,将子区域图像按照90
°
、180
°
、270
°
分别做旋转。4.根据权利要求1、2或3所述的一种铁路货车缓解阀拉杆开口销丢失故障识别方法,其特征在于,所述多个分类器融合的加权分类网络通过以下方式获得:首先,利用已知的子区域图像对应待检测开口销区域图像构建第二数据集,将第二数据集通过特征提取器进行提取特征,得到特征数据集;将特征数据集分为:特征训练集F
tr<...
【专利技术属性】
技术研发人员:马元通,
申请(专利权)人:哈尔滨市科佳通用机电股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。