[發明專利]一種動車抗蛇行減振器安裝座掛異物故障檢測方法

有效

• 申請號: 202010437731.8
• 申請日: 2020-05-21
• 公開（公告）號: CN111652211B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 高恩穎
• 申請（專利權）人: 哈爾濱市科佳通用機電股份有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06N3/04;G06T7/00;B61F5/24;G01M17/08
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 張換男

一種動車抗蛇行減振器安裝座掛異物故障檢測方法，它屬于抗蛇行減振器安裝座故障檢測技術領域。本發明解決了傳統以人工為主的檢查作業方式容易對故障漏檢，導致檢車作業的準確率和效率均難以得到保證的問題。本發明方法流程具體為：采集線陣圖像后對采集圖像進行標記，對標記后圖像進行擴增生成數據集；對FasterRCNN網絡模型進行改進獲得新的FasterRCNN網絡模型，并利用數據集對新網絡模型進行訓練；再對訓練好的模型中卷積層參數進行敏感性分析，并對模型中卷積層參數進行裁剪，獲得裁剪后網絡模型；對裁剪后網絡模型重新進行訓練，直至裁剪后網絡模型滿足精度要求，獲得可應用于故障檢測的最終網絡模型。本發明可以應用于抗蛇行減振器安裝座掛異物故障檢測。

技術領域

本發明屬于動車抗蛇行減振器安裝座故障檢測技術領域，具體涉及一種動車抗蛇行減振器安裝座掛異物故障檢測方法。

背景技術

隨著高速列車速度的提高，其振動會越加明顯，特別是車輛的自激振動，即蛇行運動。而抗蛇行減振器的主要作用就是抑制車輛的蛇行運動，因此其安裝座上掛異物會存在安全隱患。傳統的以人工為主的檢查作業方式容易造成漏檢，因此檢車作業準確率和效率均難以得到保證，增加了發生動車組運行安全隱患的概率。

因此，有必要研究一種抗蛇行減振器安裝座掛異物故障的自動識別技術，實現故障的分級報警，同時人工對異常報警結果進行確認和故障提交，可有效節約人力成本，并提高檢測準確率。

發明內容

本發明的目的是為解決采用傳統以人工為主的檢查作業方式容易造成對故障的漏檢，導致檢車作業的準確率和效率均難以得到保證的問題，而提出了一種動車抗蛇行減振器安裝座掛異物故障檢測方法。

本發明為解決上述技術問題所采取的技術方案是：一種動車抗蛇行減振器安裝座掛異物故障檢測方法，該方法包括以下步驟：

步驟一、在動車軌道周圍布設圖像采集設備，利用圖像采集設備獲取途經動車的線陣圖像；

步驟二、通過標記獲得步驟一采集圖像中包含安裝座位置和異物位置的矩形框，并生成矩形框內圖像的XML文件；

步驟三、同步對矩形框內圖像和矩形框內圖像的XML文件進行擴增，利用擴增后的圖像和XML文件生成數據集，并將生成的數據集隨機分成訓練集和驗證集兩部分；

步驟四、將FasterRCNN網絡模型中的卷積替換為DCN，獲得新的FasterRCNN網絡模型；

利用訓練集對新的FasterRCNN網絡模型進行訓練，直至FasterRCNN網絡模型在驗證集上的識別精度不再提升或達到設置的最大迭代次數時停止訓練，獲得訓練好的FasterRCNN網絡模型；

步驟五、對訓練好的FasterRCNN網絡模型中卷積層的參數進行敏感性分析，根據敏感性分析結果對FasterRCNN網絡模型中卷積層的參數進行裁剪，獲得裁剪后的網絡模型；

步驟六、生成一個與裁剪之前卷積層參數尺寸一致的mask矩陣，將裁剪后網絡模型的卷積層參數與mask矩陣中對應元素相乘后，將相乘結果作為裁剪后網絡模型的初始參數，并對裁剪后網絡模型重新進行訓練，訓練完成后獲得訓練好的裁剪后網絡模型；

步驟七、若訓練好的裁剪后網絡模型的識別精度達到精度要求，則將訓練好的裁剪后網絡模型作為最終網絡模型，否則重新對FasterRCNN網絡模型中卷積層的參數進行裁剪，并重復步驟六的操作過程，直至裁剪后網絡模型的識別精度達到精度要求，獲得最終網絡模型；

步驟八、采集到待識別的圖像后，根據軸距信息對安裝座位置進行粗定位，獲得粗定位出的圖像，將粗定位出的圖像輸入最終網絡模型，得到對待識別圖像的故障識別結果。