CN115810010A - 一种列车受电弓在线检测方法及*** - Google Patents
一种列车受电弓在线检测方法及*** Download PDFInfo
- Publication number
- CN115810010A CN115810010A CN202310059322.2A CN202310059322A CN115810010A CN 115810010 A CN115810010 A CN 115810010A CN 202310059322 A CN202310059322 A CN 202310059322A CN 115810010 A CN115810010 A CN 115810010A
- Authority
- CN
- China
- Prior art keywords
- pantograph
- train
- horn
- slide plate
- carbon
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Current-Collector Devices For Electrically Propelled Vehicles (AREA)
Abstract
本发明公开了一种列车受电弓在线检测方法及***,通过对受电弓图像进行预处理,得到预处理图像,基于预处理后图像进行获取定位区域信息计算碳滑板剩余厚度用于碳滑板缺陷检测,根据合成的受电弓图像进行形态学处理获得羊角位置信息用于羊角状态检测,通过预设阈值判定中心偏移等信息是否异常来作为受电弓异常输出结果,以对受电弓进行全面在线测量和分析,极大的提高了检修效率,从根本上解决了列车正线运行过程中受电弓难以检测的问题,对受电弓故障能够及时上报故障和预警,消除了安全隐患,避免了弓网事故的发生。
Description
技术领域
本发明涉及列车安全监测技术领域,具体涉及一种列车受电弓在线检测方法及***。
背景技术
随着轨道交通行业的快速发展,列车运行的环境越来越复杂,地铁车辆保有量与技术含量的不断提高,地铁车辆的维护工作量日益增大。而随着设备运用年限增长,列车各设备逐步进入故障高发期,目前车辆的维护工作仍然基于计划性检修,侧重对车辆的日常检查与维护。面临着检修团队庞大,维保人力开支大等突出问题。同时这种以人工检查为主的周期性检查方式存在诸多弊端,如检修项目疏漏、检修耗时长、检修效果高度依赖作业员工素质等。受电弓作为列车的关键供电部件,其质量好坏对行车安全至关重要。传统的受电弓检查方式是列车回库后在指定位置,断电后对列车的受电弓进行检修,每天按计划检修几辆列车。这种方式存在很大的缺陷,既不能及时发现正线运行的突发受电弓故障,又不能稳定找到已经存在的受电弓故障。因此,急需一种可以在不影响正常行车的情况下,实时监测受电弓状态并故障上报的方式,保障列车行驶安全。
发明内容
本发明所要解决的技术问题是:传统的受电弓检查方式是断电检修,不能及时发现正线运行时的突发受电弓故障,也难以稳定找到已经存在的受电弓故障;本发明目的在于提供一种列车受电弓在线检测方法及***,在不影响列车正常运行的情况下,捕捉正线运行的列车受电弓状态信息,预处理后进行在线检测,极大的提高了检修效率,从根本上解决了列车正线运行过程中受电弓难以检测的问题,对受电弓故障能够及时上报故障和预警,消除了安全隐患,避免了弓网事故的发生。
本发明通过下述技术方案实现:
本方案提供一种列车受电弓在线检测方法,包括:
采集来往列车的受电弓图像信息;
对受电弓图像信息进行预处理;
基于预处理后的受电弓图像信息进行受电弓在线检测:先确定受电弓碳滑板的厚度以进行受电弓碳滑板缺陷,确定羊角位置以进行羊角状态检测;再基于受电弓碳滑板的厚度、受电弓碳滑板缺陷结果、羊角位置和羊角状态检测结果进行受电弓状态综合判定得到受电弓在线检测结果。
本方案工作原理:传统的受电弓检查方式是断电检修,不能及时发现正线运行的突发受电弓故障,也不能稳定找到已经存在的受电弓故障,本发明目的在于提供一种列车受电弓在线检测方法及***,在不影响列车正常运行的情况下,捕捉正线运行的列车受电弓状态信息,预处理后进行在线检测,极大的提高了检修效率,从根本上解决了列车正线运行过程中受电弓难以检测的问题,对受电弓故障能够及时上报故障和预警,消除了安全隐患,避免了弓网事故的发生。
进一步优化方案为,受电弓图像信息采集方法包括:
在采集点位两侧各设置一组采集装置用于同时采集受电弓左右两侧的图像数据,所述采集装置包括相机和爆闪灯;
获取列车的来车信号;
以来车信号作为采集装置的开启信号进行受电弓图像信息的采集。
进一步优化方案为,所述列车的来车信号的获取方法包括:
获取列车车号并判断是否有误;
当列车车号无误后,进行来车信号生成:
以列车的每个来车磁钢或离车磁钢作为触发信号,当在预设时间内的触发信号的生成次数超过阈值时生成来车信号。
进一步优化方案为,所述预处理包括过程:
获取受电弓左右两侧的图像数据;
基于采集点位的标定参数对受电弓左右两侧的图像数据进行校正,然后将受电弓左右两侧的图像数据进行拼接得到完整受电弓图像;所述标定参数根据采集点位现场标定获得,包括相机外参和相机内参;
提取完整受电弓图像中的受电弓碳滑板检测区域以及两侧羊角检测区域。
进一步优化方案为,受电弓碳滑板的厚度确定方法包括步骤:
S1,对受电弓碳滑板检测区域进行中值滤波、图像增强和锐化碳滑板边缘处理;
S2,分析受电弓碳滑板检测区域的背景亮度特征,基于背景亮度特征对S1得到的受电弓碳滑板检测区域再次进行碳滑板边缘锐化处理;
S3,对S2得到的受电弓碳滑板检测区域中的碳滑板进行深度学习边缘提取处理,获得碳滑板轮廓;
S4,沿碳滑板轮廓分割出碳滑板上边缘和碳滑板下边缘;
S5,将碳滑板上边缘和碳滑板下边缘细分为多个轮廓点;对每个轮廓点,均进行亚像素边缘检测,即把每个像素细分为更小的4×4等分,通过对此4×4像素矩阵运用插值法来实现对过渡边缘的细分,提高***的测量精度,得到上边缘轮廓点。
S6,对碳滑板下边缘的轮廓点进行分段提取拟合成若干直线段,计算碳滑板上边缘各轮廓点到对应下边缘轮廓点的距离得到距离集合,筛选出距离集合中的最小距离作为碳滑板厚度最小值;
S7,获取碳滑板厚度最小值的坐标,并采集坐标四围n个点的厚度值,取这n个厚度值的平均值作为受电弓碳滑板的厚度输出。
进一步优化方案为,受电弓碳滑板缺陷检测方法包括:
对距离集合中的所有元素进行初步判断确定出缺陷可疑位置:对距离集合中的各元素依次进行阈值比较,当有连续m个元素都超过阈值时,判断存在缺陷,并以m个元素中处于最中间的一个元素或两个元素作为缺陷位置;
将缺陷可疑位置输入深度学习模型中判断得到缺陷位置及大小。
进一步优化方案为,羊角位置确定方法包括:
对两侧羊角检测区域进行形态学分析获得羊角位置;
对两侧羊角检测区域进行去干扰算法、滤波和Blob分析处理,并在羊角位置处进行轮廓提取得到羊角位置精确信息以及羊角轮廓信息。
进一步优化方案为,羊角状态检测方法包括:
基于羊角位置精确信息以及羊角轮廓信息拟合出受电弓轮廓;
将受电弓轮廓与标准轮廓进行投影对比,判断是投影重合、投影错位或投影缺失的情况,对应输出羊角正常状态、羊角错位状态或羊角缺失状态。
本方案还提供一种列车受电弓在线检测***,用于实现上数字方案所述的列车受电弓在线检测方法,包括:
采集模块,用于采集来往列车的受电弓图像信息;
预处理模块,用于对受电弓图像信息进行预处理;
检测模块,用于先确定受电弓碳滑板的厚度以进行受电弓碳滑板缺陷,确定羊角位置以进行羊角状态检测;再基于受电弓碳滑板的厚度、受电弓碳滑板缺陷结果、羊角位置和羊角状态检测结果进行受电弓状态综合判定得到受电弓在线检测结果。
进一步优化方案为,所述采集模块包括至少4个相机和8个爆闪灯;在采集点位的四周各设置1个相机和2个爆闪灯。本***的采集模块采用4个相机和8个爆闪灯对受电弓的前后弓进行检测,每个相机以及两个爆闪灯对对应半边受电弓进行检测,以突出检测精度和细节,受电弓行车方向上前碳滑板触发红外传感器时,对应的相机触发拍照,保证每次拍照的位置最佳。保证左右相机间拍照互不干扰,以减弱背景干扰物带来的误差。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明提供的一种列车受电弓在线检测方法及***;通过对受电弓图像进行预处理,得到预处理图像,基于预处理后图像进行获取定位区域信息计算碳滑板剩余厚度用于碳滑板缺陷检测,根据合成的受电弓图像进行形态学处理获得羊角位置信息用于羊角状态检测,通过预设阈值判定羊角状态和碳滑板缺陷等信息是否异常来判断受电弓是否达到人工干涉的临界值,以对受电弓进行全面测量和分析,极大的提高了检修效率,从根本上解决了列车正线运行过程中受电弓难以检测的问题,对受电弓故障能够及时上报故障和预警,消除了安全隐患,避免了弓网事故的发生。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。在附图中:
图1为列车受电弓在线检测方法流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
传统的受电弓检查方式是断电检修,不能及时发现正线运行时的突发受电弓故障,也难以稳定找到已经存在的受电弓故障。
鉴于此,本发明提供以下实施例解决上述技术问题:
实施例1
本实施例提供一种列车受电弓在线检测方法,如图1所示,包括:
首先,采集来往列车的受电弓图像信息;
受电弓图像信息采集方法包括:
在采集点位两侧各设置一组采集装置用于同时采集受电弓左右两侧的图像数据,所述采集装置包括相机和爆闪灯;
获取列车的来车信号;当第一列车触发车号相机拍照得到车号图像,并对所述车号图像进行OCR识别,得到列车车号;
列车的来车信号的获取方法包括:
获取列车车号并判断是否有误;以来车信号所得流水号命名创建一个文件夹,对所述受电弓图像进行文件命名,并获取离车磁钢数量;
基于所述离车磁钢数量获取离车信号,基于所述离车信号调用名称校验规则对文件命名的名称进行校验;
当列车车号无误后,进行来车信号生成:
以列车的每个来车磁钢或离车磁钢作为触发信号,当在预设时间内的触发信号的生成次数超过阈值时生成来车信号。
以来车信号所得流水号命名创建一个文件夹,对所述受电弓图像进行文件命名,并获取离车磁钢数量;基于所述离车信号调用名称校验规则对文件命名的名称进行校验;获取离车磁钢数量,当离车磁钢数量为4M(M为列车编组数),则生成来车信号;或者当离车磁钢数量为4M-1时,则按照预设延时时间延时后,生成来车信号。
以来车信号作为采集装置的开启信号进行受电弓图像信息的采集。
然后,对受电弓图像信息进行预处理;预处理包括过程:
获取受电弓左右两侧的图像数据;
基于采集点位的标定参数对受电弓左右两侧的图像数据进行校正,然后将受电弓左右两侧的图像数据进行拼接得到完整受电弓图像;所述标定参数根据采集点位现场标定获得,包括相机外参和相机内参;
提取完整受电弓图像中的受电弓碳滑板检测区域以及两侧羊角检测区域。
最后,基于预处理后的受电弓图像信息进行受电弓在线检测:先确定受电弓碳滑板的厚度以进行受电弓碳滑板缺陷,确定羊角位置以进行羊角状态检测;再基于受电弓碳滑板的厚度、受电弓碳滑板缺陷结果、羊角位置和羊角状态检测结果进行受电弓状态综合判定得到受电弓在线检测结果。
受电弓碳滑板的厚度确定方法包括步骤:
S1,对受电弓碳滑板检测区域进行中值滤波、图像增强和锐化碳滑板边缘处理;
S2,分析受电弓碳滑板检测区域的背景亮度特征,基于背景亮度特征对S1得到的受电弓碳滑板检测区域再次进行碳滑板边缘锐化处理;受电弓碳滑板检测精度主要受碳滑板图像边缘锐利度,背景纯净度还有以及相机的曝光时间所影响;因此,爆闪灯的亮度、均匀度,都可以作为提升数据结果的方式。
S3,对S2得到的受电弓碳滑板检测区域中的碳滑板进行深度学习边缘提取处理,获得碳滑板轮廓;
S4,沿碳滑板轮廓分割出碳滑板上边缘和碳滑板下边缘;
S5,将碳滑板上边缘和碳滑板下边缘细分为多个轮廓点;对每个轮廓点,均进行亚像素边缘检测,即把每个像素细分为更小的4×4等分,通过对此4×4像素矩阵运用插值法来实现对过渡边缘的细分,提高***的测量精度,得到上边缘轮廓点。
S6,对碳滑板下边缘的轮廓点进行分段提取拟合成若干直线段,计算碳滑板上边缘各轮廓点到对应下边缘轮廓点的距离得到距离集合,筛选出距离集合中的最小距离作为碳滑板厚度最小值;
S7,获取碳滑板厚度最小值的坐标,并采集坐标四围n个点的厚度值,取这n个厚度值的平均值作为受电弓碳滑板的厚度输出。
受电弓碳滑板缺陷检测方法包括:
对距离集合中的所有元素进行初步判断确定出缺陷可疑位置:对距离集合中的各元素依次进行阈值比较,当有连续m个元素都超过阈值时,判断存在缺陷,并以m个元素中处于最中间的一个元素或两个元素作为缺陷位置;
将缺陷可疑位置输入深度学习模型中判断得到缺陷位置及大小。
羊角位置确定方法包括:
对两侧羊角检测区域进行形态学分析获得羊角位置;
对两侧羊角检测区域进行去干扰算法、滤波和Blob分析处理,并在羊角位置处进行轮廓提取得到羊角位置精确信息以及羊角轮廓信息。
羊角状态检测方法包括:
基于羊角位置精确信息以及羊角轮廓信息拟合出受电弓轮廓;
将受电弓轮廓与标准轮廓进行投影对比,判断是投影重合、投影错位或投影缺失的情况,对应输出羊角正常状态、羊角错位状态或羊角缺失状态。
还可以根据投影之间会发生的完全重合、投影错位、投影缺失等情况,使用几种常见情况建立模型库训练深度学习模型;引入深度学习模型进行错误类型的判断,最终输出羊角的状态。
基于上述受电弓碳滑板的厚度、受电弓碳滑板缺陷结果、羊角位置和羊角状态检测结果信息进行受电弓状态综合判定;依据设定的阈值,判定受电弓是否达到人工干预的临界值。
实施例2
本实施例提供一种列车受电弓在线检测***,用于实现上一实施例所述的一种列车受电弓在线检测方法,包括:
采集模块,用于采集来往列车的受电弓图像信息;
预处理模块,用于对受电弓图像信息进行预处理;
检测模块,用于先确定受电弓碳滑板的厚度以进行受电弓碳滑板缺陷,确定羊角位置以进行羊角状态检测;再基于受电弓碳滑板的厚度、受电弓碳滑板缺陷结果、羊角位置和羊角状态检测结果进行受电弓状态综合判定得到受电弓在线检测结果。
所述采集模块包括至少4个相机和8个爆闪灯;在采集点位的四周各设置1个相机和2个爆闪灯。本***的采集模块采用4个相机、8个爆闪灯对受电弓的前后左右进行检测,每个相机以及两个爆闪灯对对应半边受电弓进行检测,以突出检测精度和细节,受电弓行车方向上前碳滑板触发红外传感器时,对应的相机触发拍照,保证每次拍照的位置最佳。
检测模块,根据预处理后的受电弓图像及程序算法计算出碳滑板磨耗最低点、碳滑板缺口、中心偏移、倾斜角度、羊角形变等受电弓整体信息,经过数据综合判断后,最终作为结果输出。
采集模块中2个相机分别在受电弓的前后相对采集,避免光源之间相互干扰,从而完成对受电弓更高精度的测量,解决受电弓数据的准确性、完整性的处理方式。爆闪灯采用聚光效果,可以避免爆闪灯发散带来的亮区重叠,提升图像质量。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种列车受电弓在线检测方法,其特征在于,包括:
采集来往列车的受电弓图像信息;
对受电弓图像信息进行预处理;
基于预处理后的受电弓图像信息进行受电弓在线检测:先确定受电弓碳滑板的厚度以进行受电弓碳滑板缺陷,确定羊角位置以进行羊角状态检测;再基于受电弓碳滑板的厚度、受电弓碳滑板缺陷结果、羊角位置和羊角状态检测结果进行受电弓状态综合判定得到受电弓在线检测结果。
2.根据权利要求1所述的一种列车受电弓在线检测方法,其特征在于,受电弓图像信息采集方法包括:
在采集点位两侧各设置一组采集装置用于同时采集受电弓左右两侧的图像数据,所述采集装置包括相机和爆闪灯;
获取列车的来车信号;
以来车信号作为采集装置的开启信号进行受电弓图像信息的采集。
3.根据权利要求2所述的一种列车受电弓在线检测方法,其特征在于,所述列车的来车信号的获取方法包括:
获取列车车号并判断是否有误;
当列车车号无误后,进行来车信号生成:
以列车的每个来车磁钢或离车磁钢作为触发信号,当在预设时间内的触发信号的生成次数超过阈值时生成来车信号。
4.根据权利要求2所述的一种列车受电弓在线检测方法,其特征在于,所述预处理包括过程:
获取受电弓左右两侧的图像数据;
基于采集点位的标定参数对受电弓左右两侧的图像数据进行校正,然后将受电弓左右两侧的图像数据进行拼接得到完整受电弓图像;所述标定参数根据采集点位现场标定获得,包括相机外参和相机内参;
提取完整受电弓图像中的受电弓碳滑板检测区域以及两侧羊角检测区域。
5.根据权利要求2所述的一种列车受电弓在线检测方法,其特征在于,受电弓碳滑板的厚度确定方法包括步骤:
S1,对受电弓碳滑板检测区域进行中值滤波、图像增强和锐化碳滑板边缘处理;
S2,分析受电弓碳滑板检测区域的背景亮度特征,基于背景亮度特征对S1得到的受电弓碳滑板检测区域再次进行碳滑板边缘锐化处理;
S3,对S2得到的受电弓碳滑板检测区域中的碳滑板进行深度学习边缘提取处理,获得碳滑板轮廓;
S4,沿碳滑板轮廓分割出碳滑板上边缘和碳滑板下边缘;
S5,将碳滑板上边缘和碳滑板下边缘细分为多个轮廓点;
S6,对碳滑板下边缘的轮廓点进行分段提取拟合成若干直线段,计算碳滑板上边缘各轮廓点到对应下边缘轮廓点的距离得到距离集合,筛选出距离集合中的最小距离作为碳滑板厚度最小值;
S7,获取碳滑板厚度最小值的坐标,并采集坐标四围n个点的厚度值,取这n个厚度值的平均值作为受电弓碳滑板的厚度输出。
6.根据权利要求5所述的一种列车受电弓在线检测方法,其特征在于,受电弓碳滑板缺陷检测方法包括:
对距离集合中的所有元素进行初步判断确定出缺陷可疑位置:对距离集合中的各元素依次进行阈值比较,当有连续m个元素都超过阈值时,判断存在缺陷,并以m个元素中处于最中间的一个元素或两个元素作为缺陷位置;
将缺陷可疑位置输入深度学习模型中判断得到缺陷位置及大小。
7.根据权利要求2所述的一种列车受电弓在线检测方法,其特征在于,羊角位置确定方法包括:
对两侧羊角检测区域进行形态学分析获得羊角位置;
对两侧羊角检测区域进行去干扰算法、滤波和Blob分析处理,并在羊角位置处进行轮廓提取得到羊角位置精确信息以及羊角轮廓信息。
8.根据权利要求7所述的一种列车受电弓在线检测方法,其特征在于,羊角状态检测方法包括:
基于羊角位置精确信息以及羊角轮廓信息拟合出受电弓轮廓;
将受电弓轮廓与标准轮廓进行投影对比,判断是投影重合、投影错位或投影缺失的情况,对应输出羊角正常状态、羊角错位状态或羊角缺失状态。
9.一种列车受电弓在线检测***,其特征在于,用于实现权利要求1-8任意一项所述的一种列车受电弓在线检测方法,其特征在于,包括:
采集模块,用于采集来往列车的受电弓图像信息;
预处理模块,用于对受电弓图像信息进行预处理;
检测模块,用于先确定受电弓碳滑板的厚度以进行受电弓碳滑板缺陷,确定羊角位置以进行羊角状态检测;再基于受电弓碳滑板的厚度、受电弓碳滑板缺陷结果、羊角位置和羊角状态检测结果进行受电弓状态综合判定得到受电弓在线检测结果。
10.根据权利要求9所述的一种列车受电弓在线检测***,其特征在于,所述采集模块包括至少4个相机和8个爆闪灯;在采集点位的四周各设置1个相机和2个爆闪灯。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310059322.2A CN115810010B (zh) | 2023-01-17 | 2023-01-17 | 一种列车受电弓在线检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310059322.2A CN115810010B (zh) | 2023-01-17 | 2023-01-17 | 一种列车受电弓在线检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115810010A true CN115810010A (zh) | 2023-03-17 |
CN115810010B CN115810010B (zh) | 2023-04-18 |
Family
ID=85487411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310059322.2A Active CN115810010B (zh) | 2023-01-17 | 2023-01-17 | 一种列车受电弓在线检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115810010B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130195321A1 (en) * | 2010-09-22 | 2013-08-01 | Matteo Sacchi | Pantograph monitoring system and method |
CN109269474A (zh) * | 2018-08-29 | 2019-01-25 | 广西大学 | 一种列车车载受电弓运行状态在线图像检测装置及方法 |
CN111738907A (zh) * | 2020-06-08 | 2020-10-02 | 广州运达智能科技有限公司 | 一种基于双目标定及图像算法的列车受电弓检测方法 |
CN112733976A (zh) * | 2020-12-18 | 2021-04-30 | 攀枝花容则钒钛有限公司 | 一种受电弓碳滑板磨耗检测*** |
CN113324864A (zh) * | 2020-02-28 | 2021-08-31 | 南京理工大学 | 一种基于深度学习目标检测的受电弓碳滑板磨耗检测方法 |
CN115265386A (zh) * | 2022-08-01 | 2022-11-01 | 中车青岛四方机车车辆股份有限公司 | 一种碳滑板磨耗检测方法及相关组件 |
-
2023
- 2023-01-17 CN CN202310059322.2A patent/CN115810010B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130195321A1 (en) * | 2010-09-22 | 2013-08-01 | Matteo Sacchi | Pantograph monitoring system and method |
CN109269474A (zh) * | 2018-08-29 | 2019-01-25 | 广西大学 | 一种列车车载受电弓运行状态在线图像检测装置及方法 |
CN113324864A (zh) * | 2020-02-28 | 2021-08-31 | 南京理工大学 | 一种基于深度学习目标检测的受电弓碳滑板磨耗检测方法 |
CN111738907A (zh) * | 2020-06-08 | 2020-10-02 | 广州运达智能科技有限公司 | 一种基于双目标定及图像算法的列车受电弓检测方法 |
CN112733976A (zh) * | 2020-12-18 | 2021-04-30 | 攀枝花容则钒钛有限公司 | 一种受电弓碳滑板磨耗检测*** |
CN115265386A (zh) * | 2022-08-01 | 2022-11-01 | 中车青岛四方机车车辆股份有限公司 | 一种碳滑板磨耗检测方法及相关组件 |
Non-Patent Citations (2)
Title |
---|
SHEN Y等: "Online intelligent perception of pantograph and catenary system status based on parameter adaptation" * |
王俊平等: "基于特征分析的受电弓异常在线识别方法" * |
Also Published As
Publication number | Publication date |
---|---|
CN115810010B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113112501B (zh) | 一种基于深度学习的车载轨道巡检装置及方法 | |
CN110211101A (zh) | 一种铁轨表面缺陷快速检测***及方法 | |
CN102759347B (zh) | 一种高铁接触网在线巡检装置、巡检方法以及其检测*** | |
CN105243381B (zh) | 基于3d信息的故障自动识别检测***及方法 | |
Karakose et al. | A new approach for condition monitoring and detection of rail components and rail track in railway | |
KR101701160B1 (ko) | 가동브래킷 변형 검사 시스템 | |
CN108257171A (zh) | 基于光视觉的汽车雷达装配孔径检测方法 | |
CN114037703B (zh) | 基于二维定位和三维姿态解算的地铁阀门状态检测方法 | |
CN110186375A (zh) | 智能化高铁白车身焊接装配特征检测装置及检测方法 | |
CN116188459B (zh) | 一种用于皮带撕裂检测的线激光快速识别方法及*** | |
CN113371028A (zh) | 一种电客车载轨道智能巡检***及方法 | |
CN110728269B (zh) | 一种基于c2检测数据的高铁接触网支柱杆号牌识别方法 | |
CN112419289A (zh) | 一种城市地铁轨道扣件缺陷智能检测方法 | |
CN115201206A (zh) | 基于机器视觉的电动车车把缺陷检测方法 | |
CN117409005B (zh) | 基于图像的收板机用不良品检测***及方法 | |
Wang et al. | Automated shape-based pavement crack detection approach | |
CN115810010B (zh) | 一种列车受电弓在线检测方法及*** | |
CN113639685A (zh) | 位移检测方法、装置、设备和存储介质 | |
CN117372677A (zh) | 一种高速铁路接触网紧固件开口销健康状态检测方法 | |
KR20190119801A (ko) | 차량 헤드라이트 얼라인먼트 보정 및 분류 방법 및 이를 이용한 차량 헤드라이트 불량검사 방법 | |
CN115060742A (zh) | 一种基于视觉边缘计算的印刷电路板缺陷检测***及方法 | |
CN113504243A (zh) | 接触网弹性吊索与承力索连接区域成像装置及成像方法 | |
CN117557570B (zh) | 一种轨道车辆异常检测方法及*** | |
CN111311590A (zh) | 一种基于图像检测技术的道岔岔尖密贴度检测方法 | |
CN116424802B (zh) | 刮板输送机链条工况监测***及监控方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |