原文传递
基于PCA和SVM的货车故障检测
| 论文题名： | 基于PCA和SVM的货车故障检测 |
| 关键词： | 铁路货车;故障检测;故障图像;自动判断 |
| 摘要： | 一直以来，铁路货车的运行维修主要由人工完成，因此列检、技检质量容易受到职工素质、心理状态和人体疲劳程度等因素的影响，因此传统的列检方式给行车带来了很大的安全隐患，为了推进铁路现代化建设，提高列检的故障发现率，保障铁路运行安全，铁道部大力推广了一套自动安检系统，即货车运行故障图像动态检测系统(TFDS)。但是，当前的TFDS系统大部分依旧是由工人用肉眼浏览采集到的图片来完成故障识别的，TFDS系统仅仅是完成了货车故障图像的采集，传输，以及对故障图像进行了一些预处理，其并不能完成对故障图像的自动检测，判断。因此，TFDS系统的运行依旧会受到职工素质、心理状态和人体疲劳程度等因素的影响。因此研究如何利用TFDS系统采集到的图像，自动判断货车故障是否存在，对于保障铁路安全运行具有十分重要的意义。 本文的创新点主要体现在： 一、提出了一种在图像预处理后，采用PCA进行特征提取，SVM用于故障分类的故障自动识别算法，使用该算法使得我们对挡键丢失、枕簧折损、侧架立柱磨耗板破损这三种故障实现了0漏检率，以及误检率十分低，其中枕簧折损故障的误检率甚至达到了0，而侧架立柱磨耗板破损的误检率也仅1.8％，挡键丢失仅为1％。 二、针对现有的TFDS系统结构体系，在原有的结构体系下提出了一种可以添加故障自动识别算法模块的系统实现结构。 三、采用WPF技术设计用户界面，使得人机界面的交互性和实时性均布一定的改善。 |
| 作者： | 曹份槟 |
| 专业： | 信号与信息处理 |
| 导师： | 阮秋琦 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
