论文部分内容阅读
随着我国铁路事业的高速发展,传统的人工巡检模式已经不能满足日益增长的货车安检工作需求。近年来,货车运行故障动态图像检测(TFDS)系统的投入使用,极大地提高了车检作业质量和效率。该系统可以识别货车关键部位图像的故障状态,有着重要的工程应用价值和理论研究意义。目前国内外在货车故障图像识别领域开展的研究工作相对较少,应用的技术也较为传统。针对货车螺栓部位的故障图像识别问题,本文建立了一套有效可靠的货车螺栓丢失故障图像识别系统,对其算法实现过程中的预处理、特征提取和分类识别等环节的相关技术进行了研究。本文主要包括以下四个方面的内容:针对预处理环节的滤波降噪问题,提出了改进自适应中值滤波(IRAMF)算法。设计了多级噪声检测策略用于准确地鉴别噪声,包括全局检测、局部检测、邻域相似度检测和边角检测等方法;设计了自适应滤波策略用于有效地滤除噪声,包括局部纹理走向子窗口合成滤波、曼哈顿距离加权均值滤波和最小有效窗口均值滤波等方法。IRAMF算法可以根据噪声点局部邻域内的噪声密度状态和纹理分布情况,自适应地调整滤波窗口的尺寸、形状和输出结果的计算方法。选取了4幅现场图像进行实验,结果表明该算法具有优秀的滤波性能,能够更好地保护纹理信息。针对特征提取环节,提出了完整方向局部二值模式(CDLBP)算子。设计了局部纹理信息编码策略用于提取图像局部差分结果的符号和幅值变化信息;设计了全局比较信息编码策略用于提取局部区域与图像全局的灰度和幅值均值的比较信息。这样可以提高特征向量的信息含量,增强区分能力。同时提出了分类加权排序模式选择(LWR-DLBP)方法,综合考虑了不同模式的出现概率、分布的一致性和类别信息的影响,这就降低了特征向量中的信息冗余。选取货车心盘螺栓丢失故障图像作为实验对象,测试了CDLBP算子和LWR-DLBP方法的性能,实验结果表明它们提取的特征向量具有优秀的区分能力。针对分类识别过程中的多参数优化问题,提出了改进师生交流优化(ITLBO)算法。将种群更新的贪婪策略改进为优选策略;设计了自适应教师教学阶段,包括自适应学习步长、自适应知识差距和教师解的Lévy学习等策略;设计了自适应学生交流阶段,包括自主学习、交流学习和补课学习等策略。这样可以加快算法的收敛速度,提高其全局探索能力。以固定维和可变维的标准测试函数为对象,将ITLBO算法与其他11种算法进行对比实验,结果表明该算法拥有更快的收敛速度和更高的寻优精度。对货车螺栓丢失故障图像识别算法的设计与应用进行了研究。介绍了TFDS系统的组织结构和技术要求。给出了货车故障图像识别算法的设计方案:首先应用CDLBP算子提取原始图像在不同尺度和方向下的Gabor响应图像的纹理特征,然后使用LWR-DLBP方法对各个通道的原始特征进行优化,接着对每个通道分别进行SVM分类识别,最后利用ITLBO算法对不同通道的预测标签分配适宜的权重,进而获得了最终的故障判别结果。测试了系统在识别心盘螺栓丢失故障、钩尾扁销螺栓丢失故障和安全链脱落故障时的性能表现,实验结果表明本文算法可以有效地识别货车螺栓部位图像的故障状态。