原文传递
青藏铁路运行货车故障诊断系统与智能图像检测方法
| 论文题名： | 青藏铁路运行货车故障诊断系统与智能图像检测方法 |
| 关键词： | 货车;故障诊断;异物识别;TFDS;智能图像检测 |
| 摘要： | 铁路智能化是解决行业难题、提升运载效率的必由之路。青藏铁路高寒、高海拔的运行条件对无人化管理与决策提出了更高的要求。货车故障动态图像检测系统(TFDS)通过动态采集列车通过的实时状态图像等数据，对车辆安全隐患进行预报。TFDS系统的研究对提升青藏铁路货车安全运行监测能力、降低检修的人时浪费等方面具有较大的应用价值。 本研究工作以TFDS的系统与运用情况出发，分析其未来潜在的云边端融合发展方向，结合智能图像检测算法实现快速的故障检测与异物识别。全文的主要研究工作主要包括以下几部分， 首先，针对TFDS铁路货车运行故障动态图像检测系统的基本组成、技术及功能作用进行了分析，对TFDS集中作业平台作业模式和作业组织、作业流程、标准以及对目前TFDS发现故障、确认故障、上报故障的过程进行了阐述。 其次，基于青藏铁路TFDS的历史大数据，对主要故障类型、故障的时空频次与检出率等内容进行了分析。主要故障类型包括钩托梁弯曲、钢地板破损、缓解阀拉杆丢失、车辆搭载异物、人力制动机踏板变形等。对货车故障的时空频次与检出率进行了统计，并且对相关厂家研发TFDS货车故障图像智能识别系统试用情况进行了分析。 最后，基于YOLOX算法进行车辆故障与异物的智能图像识别，首先介绍了YOLOX算法的相关研究基础，而后基于Labelme进行模型数据集的构建。基于RTX3090进行模型训练，针对以车钩托梁弯曲为例的故障类型，训练结果的mAP值为0.65；针对车辆挂载异物的故障，训练结果的mAP值为0.52。所研究的智能识别方法可较好的实现故障或异常检测，检测速度达每秒2张、平均错误率约为5.61%。基于摄像机与智能算法的异常检测方案成本较低，可实现大规模部署。另外，本章也探讨了基于云边端协同的智能铁路感知系统框架，为平衡信息传输成本及计算效率等提供了可行的解决方案。 本研究“青藏铁路运行货车故障诊断系统与智能图像检测方法”从系统、应用及关键技术等方面开展研究工作，提出TFDS系统的进一步提升方向，在青藏铁路高寒、高海拔等特殊条件下具有较好的应用价值。 |
| 作者： | 冶静 |
| 专业： | 交通运输 |
| 导师： | 马小宁 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中国铁道科学研究院 |
| 学位年度： | 2022 |
检索历史
应用推荐
