原文传递
受电弓滑板状态检测与磨耗预测研究
| 论文题名： | 受电弓滑板状态检测与磨耗预测研究 |
| 关键词： | 受电弓;滑板状态;图像检测;激光检测;磨耗预测;图像处理 |
| 摘要： | 受电弓是城轨列车获取动力来源的重要装置之一，其运行状态直接关系到列车的行车安全，随着列车向行车高速化、密集化方向不断发展，受电弓滑板磨损不断加剧。研究可靠的检测方法、建立合理的滑板磨耗预测模型，对于保障行车安全、降低维护成本具有重要意义。本文在总结国内外研究成果的基础上，研究了基于亚像素图像处理技术和激光测距技术的受电弓状态检测方法，建立了基于极限学习机的滑板磨耗预测模型。主要工作如下： （1）研究了基于亚像素图像处理技术的受电弓状态检测方法。针对复杂背景图像，使用基于行灰度特征的定位算法对目标滑板进行定位；将改进Canny算子与局部效应亚像素定位算法结合，精确定位并提取滑板边缘；建立滑板状态模型，根据检测结果识别滑板状态。利用现场数据，验证了该方法的精度。 （2）研究了基于激光测距技术的受电弓状态检测方案。根据受电弓激光检测原理、考虑现场条件，设计系统方案；基于数据融合算法获取受电弓表面曲线并根据滑板表面特性对碳滑板进行定位与倾斜校正，最后通过曲线配准技术对滑板状态进行检测。利用实际数据，验证了该方案的可行性。 （3）建立了基于极限学习机的滑板磨耗预测模型。在传统线性模型的基础上，基于改进的多核极限学习机对滑板磨耗规律进行建模，通过实际检测数据，验证了该模型的可靠性，为地铁方面合理安排检修周期、降低维护成本提供理论依据。 |
| 作者： | 周伟鹏 |
| 专业： | 控制理论与控制工程 |
| 导师： | 张永 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2020 |
检索历史
应用推荐
