Print

基于加速区域卷积神经网络的高铁接触网承力索底座裂纹检测研究

论文摘要

针对高速铁路接触网支撑结构中承力索底座裂纹的问题,提出一种利用加速区域卷积神经网络与Beamlet变换相结合的图像检测方法。该方法使用加速区域卷积神经网络实现对承力索底座在待检测图像中的识别定位,然后根据定位的承力索底座图像特点,通过Radon变换等预处理操作对承力索底座疑似裂纹区域精确定位,最后使用基于Beamlet变换的局部链搜索算法快速得到裂纹信息,实现承力索底座裂纹故障的可靠诊断。实验表明:该方法能在复杂的接触网支撑与悬挂装置图像中准确定位识别承力索底座裂纹故障,对拍摄距离、拍摄角度以及曝光度等因素具有很好的适应性,且具有较高的检测效率。

论文目录

  • 1 基于卷积神经网络的承力索底座定位
  •   1.1 Faster R-CNN卷积神经网络结构
  •     （1） ZF卷积神经网络
  •       ① 卷积层:
  •       ② 激励层:
  •       ③ 池化层:
  •       ④ 全连接层:
  •     （2） RPN网络
  •     （3） Fast R-CNN类别分类及坐标回归
  •   2.2 基于Faster R-CNN的承力索底座定位识别
  • 2 承力索底座裂纹检测
  •   2.1 承力索底座图像疑似裂纹提取
  •   2.2 基于Beamlet变换的局部链搜索算法
  • 3 检测结果
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 刘凯,刘志刚,陈隽文

    关键词: 高铁接触网,承力索底座,加速区域卷积神经网络,变换

    来源: 铁道学报 2019年07期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 铁路运输

    单位: 西南交通大学电气工程学院

    基金: 国家自然科学基金(U1734202),四川省青年科技创新研究团队专项计划(2016TD0012)

    分类号: U226.8

    页码: 43-49

    总页数: 7

    文件大小: 4159K

    下载量: 223

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/3086726353d43318fdee0e3e.html