本发明专利技术公开了一种基于神经网络的道岔室外设备监测方法及装置，本发明专利技术属于轨道交通技术领域，方法包括：通过道岔室外设备监测装置获取道岔室外设备各监测点的监测数据，监测数据包括图像数据和数字数据；采用深度学习算法对图像数据进行定位分析，识别出道岔室外设备关键部件图像；采用图像处理算法对识别出的所述道岔室外设备关键部件图像进行处理，从道岔室外设备关键部件图像中提取出部件边缘；采用数据拟合算法对获取的数字数据进行数据拟合计算，进行道岔室外设备的内部异常监测。本发明专利技术旨在对道岔室外所有关键设备进行监测，并通过基于神经网络的监测技术实现了智能化监测，极大减少了人工消耗，并提高了监测的准确性和可靠性。可靠性。可靠性。
【技术实现步骤摘要】
基于神经网络的道岔室外设备监测方法及装置
[0001]本专利技术属于轨道交通
，具体涉及一种基于神经网络的道岔室外设备监测方法及装置。
技术介绍
[0002]道岔是一种使机车车辆从一股道转入另一股道的线路连接设备，也是轨道的薄弱环节之一，通常在车站、编组站大量铺设。
[0003]由于道岔具有数量多、构造复杂、使用寿命短、限制离车速度、行车安全性低、养护维修投入大等特点，与曲线、接头并称轨道的三大薄弱环节，因此需要对道岔设备进行监测，以保证列车运行安全。
[0004]现有的技术主要是针对道岔室外设备中的某一部分进行监测工作，且主要是以人工监测为主，而人工监测技术需要耗费大量的人力，监测效率低，另外监测结果易受主观因素影响，从而导致准确性和可靠性较差，同时目前还没有一个完备的道岔室外设备监测技术。
技术实现思路
[0005]为了解决现有道岔室外设备监测技术存在的效率低、准确性和可靠性差，且不能实现道岔室外设备整体监测等问题，本专利技术提供了一种基于神经网络的道岔室外设备监测装置及方法。本专利技术旨在对道岔室外所有关键设备进行监测，并通过基于神经网络的监测技术实现了智能化监测，极大减少了人工消耗，并提高了监测的准确性和可靠性。
[0006]本专利技术通过下述技术方案实现：
[0007]一种基于神经网络的道岔室外设备监测装置，该装置包括：包括道岔尖轨监测设备、监测分机、转辙机内部监测设备；
[0008]所述转辙机内部监测设备用于对转辙机内部的自动开闭器、道岔缺口、道岔动作电流、道岔转换力和转辙机内油位进行监测；
[0009]所述道岔尖轨监测设备用于对道岔尖轨开程和道岔尖轨爬行进行监测；
[0010]所述监测分机用于对所述道岔尖轨监测设备和转辙机内部监测设备进行控制。
[0011]一种基于神经网络的道岔室外设备监测方法，该方法包括：
[0012]通过道岔室外设备监测装置获取道岔室外设备各监测点的监测数据，所述监测数据包括图像数据和数字数据；
[0013]采用深度学习算法对获取的图像数据进行定位分析，识别出道岔室外设备关键部件图像，进行道岔室外设备关键部件外部异常监测；
[0014]采用图像处理算法对识别出的所述道岔室外设备关键部件图像进行处理，从所述道岔室外设备关键部件图像中提取出部件边缘，进行道岔室外设备距离异常监测；
[0015]采用数据拟合算法对获取的数字数据进行数据拟合计算，进行道岔室外设备的内部异常监测。
[0016]作为优选实施方式，本专利技术的采用深度学习算法对获取的图像数据进行定位分析，识别出道岔室外设备关键部件图像，具体包括：
[0017]利用所述图像数据构建训练样本数据，所述训练样本数据包括转辙机自动开闭器区域成像和道岔缺口区域成像；
[0018]通过标注工具对训练样本数据中的转辙机自动开闭器区域、转辙机自动开闭器关键部件以及道岔缺口进行标注；
[0019]采用标注后的训练样本数据训练深度学习模型，得到转辙机自动开闭器、转辙机自动开闭器关键部件以及道岔缺口的定位模型；
[0020]采用训练得到的定位模型，对实时获取的图像数据进行转辙机自动开闭器、转辙机自动开闭器关键部件以及道岔缺口进行定位并输出定位结果。
[0021]作为优选实施方式，本专利技术的深度学习模型采用YOLOv5。
[0022]作为优选实施方式，本专利技术的采用图像处理算法对识别出的所述道岔室外设备关键部件图像进行处理，从所述道岔室外设备关键部件图像中提取出部件边缘，具体包括：
[0023]去除识别出的道岔室外设备关键部件图像中的光照因素；
[0024]采用边缘检测器从去除光照因素后的道岔室外设备关键部件图像中提取部件边缘。
[0025]作为优选实施方式，本专利技术的去除光照因素的计算公式如下：
[0026]I
′
(i,j)
＝I
(i,j)
≥I
mean
？0∶110
[0027]其中，I和I
′
分别为输入图像数据和去除光照因素的结果图像数据，(i,j)为图像位置，I
mean
为输入图像数据的像素均值，其计算公式如下：
[0028][0029]其中，col和row分别为输入图像的宽和高，I
i,j
为输入图像第j行第i列的像素值。
[0030]作为优选实施方式，本专利技术的采用边缘检测器从去除光照因素后的道岔室外设备关键部件图像中提取部件边缘，具体包括：
[0031]对图像进行高斯滤波；
[0032]计算滤波后的图像的梯度值和灰度方向；
[0033]根据计算得到的梯度值，过滤非最大值；
[0034]采用上下阈值进行边缘检测：大于上阈值的像素点被判定为边缘，小于下阈值的像素点被判定为非边缘；对于大于等于下阈值小于等于上阈值的像素点，如果与确定为边缘的像素点邻接，则判定为边缘，否则为非边缘。
[0035]作为优选实施方式，本专利技术的采用数据拟合算法对获取的数字数据进行数据拟合计算，具体包括：
[0036]构建n次多项式：
[0037][0038]其中，a0到a
n
为n次多项式的拟合参数；
[0039]将样本点的横坐标x
i
代入所述n次多项式，得到n次多项式在横坐标处的纵坐标：
[0040][0041]计算得到n次多项式在横坐标处的纵坐标和样本点的纵坐标之间的误差的平方和：
[0042][0043]分别对误差的平方和求n+1次偏导，并令每次偏导为0：
[0044][0045]上述方程组可以展开为包含拟合系数a0到a
n
的等式；
[0046]求解包含n+1个等式的方程组即可得到拟合系数a0到a
n
，将拟合系数代入n次多项式即实现拟合。
[0047]第二方面，本专利技术还提出了一种基于神经网络的道岔室外设备监测装置，所述道岔室外设备监测装置适用于本专利技术上述监测方法，所述道岔室外设备监测装置包括道岔尖轨监测设备、监测分机、转辙机内部监测设备；
[0048]所述转辙机内部监测设备用于对转辙机内部的自动开闭器、道岔缺口、道岔动作电流、道岔转换力和转辙机内油位进行监测；
[0049]所述道岔尖轨监测设备用于对道岔尖轨开程和道岔尖轨爬行进行监测；
[0050]所述监测分机用于对所述道岔尖轨监测设备和转辙机内部监测设备进行控制。
[0051]第三方面，本专利技术提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本专利技术上述方法的步骤。
[0052]第四方面，本专利技术提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术上述方法的步骤。
[0053]本专利技术具有如下的优点和有益效果：
[0054]本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的道岔室外设备监测方法，其特征在于，该方法包括：通过道岔室外设备监测装置获取道岔室外设备各监测点的监测数据，所述监测数据包括图像数据和数字数据；采用深度学习算法对获取的图像数据进行定位分析，识别出道岔室外设备关键部件图像，进行道岔室外设备关键部件外部异常监测；采用图像处理算法对识别出的所述道岔室外设备关键部件图像进行处理，从所述道岔室外设备关键部件图像中提取出部件边缘，进行道岔室外设备距离异常监测；采用数据拟合算法对获取的数字数据进行数据拟合计算，进行道岔室外设备的内部异常监测。2.根据权利要求1所述的一种基于神经网络的道岔室外设备监测方法，其特征在于，采用深度学习算法对获取的图像数据进行定位分析，识别出道岔室外设备关键部件图像，具体包括：利用所述图像数据构建训练样本数据，所述训练样本数据包括转辙机自动开闭器区域成像和道岔缺口区域成像；通过标注工具对训练样本数据中的转辙机自动开闭器区域、转辙机自动开闭器关键部件以及道岔缺口进行标注；采用标注后的训练样本数据训练深度学习模型，得到转辙机自动开闭器、转辙机自动开闭器关键部件以及道岔缺口的定位模型；采用训练得到的定位模型，对实时获取的图像数据进行转辙机自动开闭器、转辙机自动开闭器关键部件以及道岔缺口进行定位并输出定位结果。3.根据权利要求1所述的一种基于神经网络的道岔室外设备监测方法，其特征在于，采用图像处理算法对识别出的所述道岔室外设备关键部件图像进行处理，从所述道岔室外设备关键部件图像中提取出部件边缘，具体包括：去除识别出的道岔室外设备关键部件图像中的光照因素；采用边缘检测器从去除光照因素后的道岔室外设备关键部件图像中提取部件边缘。4.根据权利要求3所述的一种基于神经网络的道岔室外设备监测方法，其特征在于，去除光照因素的计算公式如下：I
′
(i,j)
＝I
(i,j)
≥I
mean
？0∶110其中，I和I
′
分别为输入图像数据和去除光照因素的结果图像数据，(i,j)为图像位置，I
mean
为输入图像数据的像素均值，其计算公式如下：其中，col和row分别为输入图像的宽和高，I
i,j
为输入图像第j行第i列的像素值。5.根据权利要求4所述的一种基于神经...
【专利技术属性】
技术研发人员：占栋，张金鑫，赵杰超，曹伟，
申请(专利权)人：成都唐源电气股份有限公司，
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。