详情

原文传递动车组裙板紧固螺栓缺失与底部异常检测关键技术的研究

论文题名：	动车组裙板紧固螺栓缺失与底部异常检测关键技术的研究
关键词：	动车组;异常定位;运行故障;裙板紧固螺栓;底部异常检测
摘要：	动车组机械结构复杂、零部件繁多，运营时间长以及工作环境差异大，长期受到震动、颠簸、挤压等因素的影响，关键零部件会出现故障，这为列车的安全运营带来了隐患。如何实现动车组关键零部件故障的动态检测，确保列车的安全运营成为亟待解决的问题。动车组运行故障动态图像检测系统（TroubleofmovingEMUDetectionSystem，TEDS）采用图像识别技术对采集的序列图像进行异常分析并提供分级警报，是保证列车安全运营的重要手段。然而，现有TEDS检测精度低，无法满足动车组的安检需求。为此，对TEDS所存在的问题进行深入研究，其主要内容如下：　　（一）针对图像对齐过程中求解相机位姿的P3P算法存在数值稳定性差、噪声敏感和计算效率低的问题，提出了一种快速稳定的P3P代数解法。该方法在求解相机的位姿时，通过中间坐标系的坐标变换、旋转矩阵的归一化，简化了计算过程，提高了计算效率。将两个控制点的对称中心作为中间坐标系的坐标原点，提高了P3P算法的数值稳定性并降低了噪声敏感性。仿真结果表明，该方法有效改善了P3P算法的数值稳定性、噪声鲁棒性等，提高了相机位姿的精度。　　（二）针对现有TEDS中的图像对齐模型难以完成动车组序列图像的精确对齐、异常识别模型检测精度低的问题，提出了一种基于图像对齐与背景差分的动车组裙板紧固螺栓缺失的检测模型。图像对齐方面，利用基于梯度增强的尺度不变特征变换（GradientEnhancedScaleInvariantFeatureTransform，GESIFT）算法来得出目标图像与对应参考图像之间的水平偏移和垂直偏移，并根据这些偏移量对目标图像进行校正，实现了裙板紧固螺栓感兴趣区域（ROI）的精确对齐。对齐之后，背景差分法用于完成缺失裙板紧固螺栓的定位。试验结果表明，所提出的检测模型在检测缺失的裙板紧固螺栓时取得了更好的效果。　　（三）针对基于GESIFT的图像对齐模型在对动车组列车底部序列图像（整帧）对齐时存在计算效率低的问题，提出了改进的GESIFT模型（Improved-GESIFT），它从梯度、梯度主方向差和距离约束等方面对基于GESIFT的图像对齐模型进行深度改进，有效降低了算法的复杂度，减少了计算量。试验结果表明，基于Improved-GESIFT的图像对齐模型在确保动车组底部序列图像精确对齐的条件下，大幅度提高了计算效率。　　（四）针对基于背景差分的异常检测算法仅能实现二分类（异常或无异常），无法进行多分类的问题，提出了基于改进SingleShotMultiBoxDetector（SSD）网络的动车组底部异常（螺钉缺失、布条和纸屑）分类模型（FeatureFushionAttention-mechanism,FFA-SSD）。该模型采用新的特征融合策略和注意力机制，有效利用SSD模型浅层的细节信息和顶层丰富的语义信息，并利用全局相关信息，突出有用特征信息，提高了SSD模型对于小尺度异常目标的检测精度。试验结果表明，FFA-SSD模型明显提高了对于小尺度异常目标（螺钉丢失与纸屑）的检测精度。与经典的Faster-RCNN、SSD和YOLOV3的mAP相比，FFA-SSD的mAP分别提高了18.14％，5.26％和3.85％。
作者：	耿庆华
专业：	交通信息工程及控制
导师：	刘伟铭
授予学位：	博士
授予学位单位：	华南理工大学
学位年度：	2021