原文传递
基于机器视觉的高铁受电弓结构检测和抗扰关键技术研究
| 论文题名： | 基于机器视觉的高铁受电弓结构检测和抗扰关键技术研究 |
| 关键词： | 高铁受电弓;结构检测;机器视觉;抗扰技术;LCSS算法 |
| 摘要： | 受电弓是安装在高速列车顶部，从接触网获得电能的关键部件，高速列车所需电能均通过受电弓与接触线摩擦来获取。受电弓是保障列车安全运行的关键部件之一，一旦受电弓发生故障将会直接影响到高铁的运行安全。基于既有的受电弓视频监控系统，研究实时在线的机器视觉算法，实现受电弓故障和状态的实时检测进而准确评估出当前受电弓的健康状态，从而保证高铁运行过程中的安全稳定运行具有非常重要的意义。 对于当前通过机器视觉实现受电弓实时检测的相关方法中，传统的图像检测方法只适用于背景简单、场景单一下的受电弓结构测，而利用神经网络进行受电弓结构检测时由于受电弓结构异常样本较少、实际运行场景众多、来自外部的干扰充满不确定性，很难建立一个涵盖所有复杂场景与实际运行情况的样本集，导致在发生结构异常或受到外部干扰时产生较多误判。为解决上述问题，论文开展了相关研究，主要研究内容如下： （1）针对当前受电弓结构异常样本较少，训练神经网络的样本集不够丰富的问题，本文提出了使用DCGAN对数据样本的种类进行扩充，然后利用YOLO目标检测算法实现对受电弓区域的实时定位。相较于基于传统图像方法实现受电弓检测时的一系列要求(如图片清晰，背景简单，干扰较少等)，使用YOLO实现受电弓区域实时准确定位的准确性更高，环境适应能力更强。同时DCGAN丰富了样本的种类，进一步提高了所训练出来的模型精度。 （2）针对当前受电弓结构异常检测方法局限性较大、准确率不高的问题，本文根据定位到的受电弓区域通过多项式曲线拟合将受电弓特征曲线拟合出来，再与正常受电弓拟合得到的曲线通过改进LCSS算法进行对比，实现对受电弓结构的实时准确判断。改进后的LCSS算法在受电弓结构发生异常时，除了可以准确检到测异常之外，还可以对发生异常的区域进行准确定位，同时在复杂场景影响和外部环境干扰下仍有不俗的表现。 （3）针对当前受电弓检测方法易受环境影响，无法有效的应对外部场景干扰，准确率不高且无法满足高铁实际运行需求等问题，本文充分考虑了高铁运行时可能面临的大量复杂背景干扰与镜头脏污模糊带来的影响，设计了结合复杂背景排除算法和模糊脏污检测算法的高速铁路受电弓抗扰模型，提高了相关场景下受电弓检测的准确率，降低了这些外部干扰给受电弓检测带来的一系列负面影响。 论文的最后进行了总结与展望，本文提出的算法在不同的数据集上进行了充分的测试与验证并取得了良好的表现，相关结果表明本文的算法满足高铁实际运行需求，具有较高的实际应用价值。 |
| 作者： | 崔志晟 |
| 专业： | 机械 |
| 导师： | 谭平 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江科技学院 |
| 学位年度： | 2022 |
检索历史
应用推荐
