[發(fā)明專利]一種貨運(yùn)列車鉤尾扁銷部位故障的自動(dòng)在線診斷方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201510644310.1
• 申請日: 2015-10-08
• 公開（公告）號: CN105260744B
• 公開（公告）日: 2018-08-14
• 發(fā)明（設(shè)計(jì)）人: 魏振忠;鄭超;張廣軍
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京科迪生專利代理有限責(zé)任公司 11251
• 代理人: 成金玉;孟卜娟

1.一種貨運(yùn)列車鉤尾扁銷部位故障的自動(dòng)在線診斷方法，其特征在于：實(shí)現(xiàn)步驟如下：

(1)鐵軌邊的多臺高速相機(jī)實(shí)時(shí)采集列車車身各部位的圖像，并將采集到的圖像實(shí)時(shí)傳輸?shù)綀D像中轉(zhuǎn)站；

(2)圖像中轉(zhuǎn)站獲取到高速相機(jī)傳輸?shù)膱D像后，將圖像傳輸?shù)截?fù)責(zé)自動(dòng)診斷的服務(wù)器中；

(3)負(fù)責(zé)診斷的服務(wù)器中安裝有兩個(gè)模塊，定位模塊和識別模塊，圖像中轉(zhuǎn)站傳入的圖像首先進(jìn)入定位模塊，定位模塊是從眾多的車身圖像中選擇包含鉤尾扁銷部位的圖像，從而確定鉤尾扁銷的位置，所述確定鉤尾扁銷的位置的方法是通過將歸一化的梯度幅值特征和6個(gè)方向的梯度直方圖特征相結(jié)合形成復(fù)合維度特征MDF，然后使用線性支持向量機(jī)SVM得到鉤尾扁銷的位置，再通過SVM分類器確定鉤尾扁銷的精確位置；

(4)在自動(dòng)診斷服務(wù)器中，定位模塊在確定鉤尾扁銷的精確位置后傳入識別模塊，識別模塊通過Haar特征來表示故障圖像與正常圖像間的不同，完成鉤尾扁銷部位故障的判斷，并使用Adaboost決策樹分類器最終判斷鉤尾扁銷部位是否存在故障；

所述步驟(3)中，定位模塊時(shí)，為了處理圖像中鉤尾扁銷的尺度變化，采用一種快速多尺度特征金字塔算法計(jì)算鉤尾扁銷的多尺度特征，具體過程如下：

I來表示圖像，并使用I_s＝R(I,s)來表示I在尺度s的重采樣，使用M＝C(I)來表示圖像I上計(jì)算的MDF特征，則在尺度s下的I_s對應(yīng)的MDF特征：

采用M_s＝R(M,s)·s^-λ (5)

來計(jì)算得到，

尺度為在對數(shù)空間中均勻采樣，由s＝1開始，每一級包含4個(gè)尺度，所謂一級，指的是一個(gè)尺度與半于或倍于其尺度間的間隔；

開始每一級只使用M_s＝C(R(I,s))計(jì)算一個(gè)尺度而對于每個(gè)中間尺度，特征M_s由M_s＝R(M_s′,s/s′)(s/s′)^-λ計(jì)算得到，其中為經(jīng)M_s′＝C(I_s′)計(jì)算的得到的最近的尺度。

2.根據(jù)權(quán)利要求1所述的貨運(yùn)列車鉤尾扁銷部位故障的自動(dòng)在線診斷方法，其特征在于：所述步驟(3)中的復(fù)合維度特征MDF中的梯度幅值特征GM由下式計(jì)算：

其中，I表示圖像，為線性卷積算子，h_x為應(yīng)用于水平(x)方向的高斯偏微分濾波器，h_y為應(yīng)用于豎直(y)方向的高斯偏微分濾波器，h_x和h_y由下式計(jì)算：

其中，為等向的尺度參數(shù)為σ的高斯函數(shù)。

3.根據(jù)權(quán)利要求1所述的貨運(yùn)列車鉤尾扁銷部位故障的自動(dòng)在線診斷方法，其特征在于：所述步驟(3)中復(fù)合維度特征MDF中的6個(gè)方向的梯度直方圖特征表示為：

首先，要從圖像I的像素中計(jì)算梯度方向θ：

其中，Δy＝I(x,y+1)-I(x,y-1)，Δx＝I(x+1,y)-I(x-1,y)；再利用計(jì)算出的θ，每個(gè)像素的梯度方向被離散到6個(gè)方向中，且使用從1到6的不同數(shù)字將θ編碼為θ^*：

最后，這些離散的梯度方向被聚合在一個(gè)稠密間隔的不重疊的方形圖像區(qū)域中，每個(gè)區(qū)域包含4×4個(gè)像素，每個(gè)區(qū)域可以由一個(gè)6單元的梯度方向的直方圖表示，且直方圖的每個(gè)單元都代表一個(gè)方向，使用{o₁,o₂,...,o₆}來分別表示直方圖的6個(gè)單元，得到表示6個(gè)方向梯度特征的6個(gè)向量。

4.根據(jù)權(quán)利要求1所述的貨運(yùn)列車鉤尾扁銷部位故障的自動(dòng)在線診斷方法，其特征在于：所述步驟(4)中為了克服Adaboost決策樹訓(xùn)練過程相對緩慢的缺點(diǎn)，采用一種通過預(yù)先刪減無效特征的快速決策樹訓(xùn)練方法，即利用每一個(gè)決策樹節(jié)點(diǎn)的誤差率上界來在訓(xùn)練的早期階段刪減掉無效的特征，這種方法能在完全保持性能的前提下在分類器訓(xùn)練階段取得顯著的加速效果。

5.一種如權(quán)利要求1所述的貨運(yùn)列車鉤尾扁銷部位故障的自動(dòng)在線診斷方法進(jìn)行在線診斷系統(tǒng)，其特征在于：包括圖像采集模塊，圖像中轉(zhuǎn)模塊和自動(dòng)診斷模塊三大部分；

圖像采集模塊負(fù)責(zé)在列車經(jīng)過時(shí)采集列車車體的實(shí)時(shí)在線圖像，此模塊由多臺高速相機(jī)來在線采集貨運(yùn)列車的不同部位的圖像，其中兩臺被安裝在鐵軌旁來獲取貨運(yùn)列車的側(cè)面圖像，其他的高速相機(jī)被安裝在鐵軌中心來獲取列車底部圖像；

圖像中轉(zhuǎn)模塊負(fù)責(zé)將多臺高速相機(jī)采集的圖像進(jìn)行整理并傳入后續(xù)的自動(dòng)診斷模塊，該模塊包括一臺數(shù)據(jù)傳輸服務(wù)器，此服務(wù)器同時(shí)接受多臺相機(jī)傳入的圖像，并將這些圖像根據(jù)部位的不同進(jìn)行分類，并進(jìn)行有序的排列，而后圖像中轉(zhuǎn)模塊將整理好的圖像傳入自動(dòng)診斷模塊；

自動(dòng)診斷模塊包含兩個(gè)部分，定位模塊和識別模塊；定位模塊完成鉤尾扁銷部位的定位提??；定位模塊是從眾多的車身圖像中選擇包含鉤尾扁銷部位的圖像，從而確定鉤尾扁銷的位置，所述確定鉤尾扁銷的位置的方法是通過將歸一化的梯度幅值特征和6個(gè)方向的梯度直方圖特征相結(jié)合形成復(fù)合維度特征MDF，然后使用線性支持向量機(jī)SVM得到鉤尾扁銷的位置，再通過SVM分類器確定鉤尾扁銷的精確位置；識別模塊通過Haar特征來表示故障圖像與正常圖像間的不同，完成鉤尾扁銷部位故障的判斷，并使用Adaboost決策樹分類器最終判斷鉤尾扁銷部位是否存在故障。