CN115855278A - 一种高速列车制动盘温度及磨耗量的监测方法 - Google Patents
一种高速列车制动盘温度及磨耗量的监测方法 Download PDFInfo
- Publication number
- CN115855278A CN115855278A CN202211574785.4A CN202211574785A CN115855278A CN 115855278 A CN115855278 A CN 115855278A CN 202211574785 A CN202211574785 A CN 202211574785A CN 115855278 A CN115855278 A CN 115855278A
- Authority
- CN
- China
- Prior art keywords
- brake disc
- image
- system board
- temperature
- value
- 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.)
- Pending
Links
Images
Landscapes
- Braking Arrangements (AREA)
Abstract
本发明公开了一种高速列车制动盘温度及磨耗量的监测方法,包括高清摄像头、激光发射器、控制箱、红外热成像仪、DSP最小***板、电源降压模块、ZigBee路由器,由DSP最小***板控制激光发射器向制动盘发射激光束,形成光截曲线,通过高清摄像头对光截曲线进行拍摄,再传输给DSP最小***板进行图像处理,通过计算制动盘的像素数来求出制动盘的厚度,将所测厚度与原始厚度进行对比来计算制动盘的磨耗量,通过红外热成像仪采集制动盘的红外图像,并传输给DSP最小***板进行处理,进而计算出制动表面的温度信息,并由DSP最小***板控制ZigBee路由器将计算得出的制动盘磨损量、当前温度、缺陷情况实时发送至操控台的PC机上进行实时显示。
Description
技术领域
本发明涉及制动盘温度及磨耗量监测领域,尤其涉及一种高速列车制动盘温度及磨耗量的监测方法。
背景技术
高速铁路运行过程中具有安全舒适、节能环保、快速方便、输送能力大等优点,在经济发展、人民生活等方面发挥着巨大的作用,受到越来越多的国家所重视。制动技术作为高速列车核心技术之一,直接关系到列车运行安全、列车平稳性和舒适性。在高速列车发展进程中,制动技术已然成为限制列车高速化的核心问题之一。通过不断地积累自身技术成果和对国外先进科技的引进吸收、发展创新,在轮轨***、制动***等方面取得巨大进展,让我国高速铁路得以迅速崛起。
列车制动***通过制动盘与制动闸片之间的摩擦来实现的。列车制动过程中,高速制动界面的高摩擦热量导致摩擦副表面的温度急剧升高,制动盘与闸片界面局部摩擦特性及周围环境温度场交换引起制动盘在闸片摩擦制动过程中的温度变化幅值可达400~500℃。列车运行速度不断地提高必然导致动能的增加,这导致制动时制动盘产生的热能急剧增加,产生非常大的热负荷,从而使制动盘承受较大的热应力,循环交变的热应力作用下,也会导致制动盘产生疲劳裂纹。此外,冬季的低温服役环境进一步增加了制动盘摩擦表面温度变化幅值,会对制动盘闸片的摩擦磨损机制产生较大影响,使得低温环境下更容易出现制动盘/闸片材料的异常磨耗,严重影响服役过程中制动***的稳定性和可靠性。
现有技术中,针对轮对的磨损、缺陷、发热情况的监测研究比较多,而很少有应用到高速列车制动盘上的。而现有用于检测制动盘缺陷的主要有超声检测方法、磁粉探伤方法、电涡流检测方法。这些方法均需要停车后检测,暂不能实现车辆在运行情况中的检测。
发明内容
为了解决上述问题,本发明的目的在于提供一种高速列车制动盘温度及磨耗量的监测方法,通过红外热成像仪采集制动盘发出的红外辐射能量,形成红外图像,再对红外热成像图片进行图像处理,识别出制动盘上的温度值;此外,采用图像测量技术和激光线光源相结合的方式来对制动盘的磨耗状态进行检测。
为了实现上述目的,本发明提供的一种高速列车制动盘温度及磨耗量的监测方法是这样实现的:
一种高速列车制动盘温度及磨耗量的监测方法,包括高清摄像头、激光发射器、控制箱、红外热成像仪,控制箱中放置了DSP最小***板、电源降压模块、ZigBee路由器,高清摄像头、激光发射器、控制箱、红外热成像仪均安装在制动盘斜上方的车底部,且高清摄像头、激光发射器与制动盘在同一水平面,红外热成像仪与制动盘之间夹角为45度,电源降压模块将高速列车的电源降压至12V后为高清摄像头、激光发射器、红外热成像仪、ZigBee路由器、DSP最小***板供电,采用图像测量技术和激光线光源相结合的方式来对制动盘的磨耗状态进行监测,由DSP最小***板控制激光发射器向制动盘发射激光束,形成光截曲线,通过高清摄像头对光截曲线进行拍摄,再传输给DSP最小***板进行图像处理,通过计算制动盘的像素数来求出制动盘的厚度,将所测厚度与原始厚度进行对比来计算制动盘的磨耗量,通过红外热成像仪采集制动盘的红外图像,并传输给DSP最小***板进行处理,进而计算出制动表面的温度信息,并由DSP最小***板控制ZigBee路由器将计算得出的制动盘磨损量、当前温度、缺陷情况实时发送至操控台的PC机上进行实时显示。
本发明的ZigBee路由器要将数据传输至操控台的PC机上进行实时显示,在列车操控台上安装ZigBee协调器,用于接收ZigBee路由器传来的信息,并将信息传输至PC机,在PC机中进行数据的实时显示。
本发明根据红外热成像图片识别制动盘温度的方案为:
S1.图像预处理
①读取待识别的红外图像,进行灰度变换和Gamma矫正;
②绘制待识别红外图像的直方图,并自适应地得到直方图波谷处右侧阈值;
③采用自适应阈值对图像进行二值化处理;
S2.图像分割
①采用像素累加法定位二值化图像上的矩形框;
②根据位置信息确定ROI区域;
③采用垂直投影法对ROI区域进行字符分割,建立温度值数据集。
S3.温度识别
①搭建深度为7的CNN网络,并确定网络参数,按照8:2的比例划分温度值训练集和测试集;
②训练和测试CNN网络,分析各字符识别结果;
③结合设计制动盘红外图像温度值识别与记录***,并选取若干张红外图像测试温度识别结果。
本发明的高清摄像头采集光截曲线的方案为:激光发射器发射激光束照射到制动盘上,形成光截曲线,高清摄像头对光截曲线拍摄时,高清摄像头的中心线与激光束的光平面之间夹角为θ,设高清摄像头拍摄时的物距为μ,像距为ν,焦距为f,制动盘实际厚度为L,放大倍数为β,像素数为n,单位像素长度为p,像长度为l,k表示物象比例系数,那么:
l=n·p (3)
由式(1)(2)(3)可以得出物象比例系数k为:
得出制动盘实际厚度L为:
通过DSP最小***板对实际光截曲线进行图像处理后,求出图像中制动盘的像素数,即可计算出制动盘的厚度。
本发明的DSP最小***板对高清摄像头采集到的光截曲线图像进行处理的方案为:
S1.图像处理
(1)图像类型转换
对采集到的图像进行灰度处理,将采集到的彩色图像转换为灰度图,以提高后续的处理速度。
(2)图像反色
采集到的图像中,光带轮廓区域的灰度比较偏亮,而其他区域的灰度偏暗,为了进一步方便后续的图像处理,利用图像的反色将光带轮廓区域的灰度变得偏暗,而其他区域的灰度变得偏亮,采用灰度变换方程来实现图像的反色,具体为:
DB=f(DA)=f(A)·DA+f(B) (6)
式中,f(A)表示线性函数的斜率,f(B)表示线性函数在Y轴上的截距,DA表示输入图像的灰度,DB表示输出图像的灰度,当f(A)>1时,输出图像的对比度将增大,当f(A)<1时,输出图像的对比度将减小,当f(A)=1且f(B)≠0时,所有像素的灰度值会增加或降低,对应的图像就会更暗或更亮,当f(A)<0时,暗区域将变亮,亮区域变暗,当f(A)=1且f(B)=0时,输入图像和输出图像相同,当f(A)=-1且f(B)=255时,输出的图像与输出图像放入灰度值正好相反,所以式(6)中的f(A)取值-1,f(B)取值255;
(3)图像滤波去噪
由于采集到的制动盘图像存在一定的噪声干扰,会影响图像识别结果的准确率,所以采用二维中值滤波器进行图像滤波,具体为:
1)先建立第一个要处理的像素点的滤波器窗口灰度等级直方图,并找到这个窗口内所有像素点灰度值的中值,并计算窗口内小于中值的灰度值数量;
2)将窗口中心移动到下一个像素点,同时更新灰度直方图为当前窗口的像素点灰度值的中值,并更新当前窗口内小于中值的灰度值数量。
3)根据当前窗口内小于中值的灰度值数量与窗口像素点总数一半的关系,向上或者向下寻找当前窗口的灰度中值;
4)若当前像素点不是某一行的最后一个,则转到步骤2);若当前像素点为某一行的最后一个,且不是要处理的最后一行,则将窗口中心移动到下一行的第一列的像素点,再转到步骤1);否则,流程结束。
S2.图像分析
对采集到的制动盘图像进行图像处理后能够得到制动盘外形轮廓曲线,通过与标准制动盘的轮廓曲线作对比,并经过图像尺寸测量就可以测得实际的制动盘厚度及磨耗量,制动盘磨耗的计算公式为:
BM=B-LB (7)
式中,LB为实际测量制动盘的厚度值,B表示制动盘厚度的标准值,BM表示制动盘的磨耗值;
采集待测制动盘轮廓图和标准制动盘轮廓图后,分别进行图像处理,接着分别对待测制动盘轮廓图和标准制动盘轮廓图的曲线进行扫描,得到制动盘轮缘的顶点,以该顶点为基准,采用拉普拉斯融合算法将待测制动盘轮廓图和标准制动盘轮廓图进行重合,以制动盘内侧面为基准,测量在x方向偏移70毫米处两曲线的y值之差,以该偏移线LA与标准曲面的交点0为基准,测量正y方向偏移0毫米处两曲线的x值之差,进而计算出制动盘的磨耗量。
由于本发明通过红外热成像仪来检测制动盘的温度信息,采用图像测量技术和激光线光源相结合的方式来对制动盘的磨耗状态进行检测的结构,从而可以得到以下有益效果:
1.采用红外热成像仪来检测制动盘的温度信息,能够实现非接触式测量,相对接触式测量而言,红外热成像仪不受制动盘摩擦的影响,从而提高使用寿命。
2.采用图像测量技术和激光线光源相结合的方式来对制动盘的磨耗状态进行检测,能够实现对制动盘的磨耗实时在线监测,并在操控台的PC机端进行实时显示,能够更加直观的查看到制动盘的磨损量、温度信息、缺陷情况等。
附图说明
图1为本发明一种高速列车制动盘温度及磨耗量的监测方法的安装结构示意图;
图2为本发明一种高速列车制动盘温度及磨耗量的监测方法的控制箱的结构示意图;
图3为本发明一种高速列车制动盘温度及磨耗量的监测方法的工作原理图;
图4为本发明一种高速列车制动盘温度及磨耗量的监测方法的红外热成像图片识别制动盘温度的方案流程图;
图5为本发明一种高速列车制动盘温度及磨耗量的监测方法的高清摄像头采集光截曲线的成像光路图;
图6为本发明一种高速列车制动盘温度及磨耗量的监测方法的图像反色流程图;
图7为本发明一种高速列车制动盘温度及磨耗量的监测方法的图像滤波去噪流程图;
图8为本发明一种高速列车制动盘温度及磨耗量的监测方法的图像分析方案流程图;
图9为本发明一种高速列车制动盘温度及磨耗量的监测方法的磨耗量测量数学模型。
主要元件符号说明。
高清摄像头 | 1 | 激光发射器 | 2 |
控制箱 | 3 | 红外热成像仪 | 4 |
DSP最小***板 | 5 | 电源降压模块 | 6 |
ZigBee路由器 | 7 | ZigBee协调器 | 8 |
PC机 | 9 |
具体实施方式
下面结合实施例并对照附图对本发明作进一步详细说明。
请参阅图1至图9所示为本发明中的一种高速列车制动盘温度及磨耗量的监测方法,包括高清摄像头1、激光发射器2、控制箱3、红外热成像仪4。
如图1、图2所示,所述的控制箱3中放置了DSP最小***板5、电源降压模块6、ZigBee路由器7,高清摄像头1、激光发射器2、控制箱3、红外热成像仪4均安装在制动盘斜上方的车底部,且高清摄像头1、激光发射器2与制动盘在同一水平面,红外热成像仪4与制动盘之间夹角为45度,高清摄像头1、激光发射器2、红外热成像仪4、ZigBee路由器7与DSP最小***板5电性连接,电源降压模块6将机车用的电源降压至12V后为高清摄像头1、激光发射器2、红外热成像仪4、ZigBee路由器7、DSP最小***板5供电,采用图像测量技术和激光线光源相结合的方式来对制动盘的磨耗状态进行检测,由DSP最小***板5控制激光发射器2向制动盘发射激光束,形成光截曲线,通过高清摄像头1对光截曲线进行拍摄,再传输给DSP最小***板5进行图像处理,通过计算制动盘的像素数来求出制动盘的厚度,将所测厚度与原始厚度进行对比来计算制动盘的磨耗量,通过红外热成像仪4采集制动盘的红外图像,并传输给DSP最小***板5进行处理,进而计算出制动表面的温度信息,并由DSP最小***板5控制ZigBee路由器7将计算得出的制动盘磨损量、当前温度、缺陷情况实时发送至操控台的PC机9上进行实时显示。
如图3所示,所述的ZigBee路由器7要将数据传输至操控台的PC机9上进行实时显示,在列车操控台上安装ZigBee协调器8,用于接收ZigBee路由器7传来的信息,并将信息传输至PC机9,在PC机9中进行数据的实时显示。
如图4所示,本发明根据红外热成像图片识别制动盘温度的方案为:
S1.图像预处理
①读取待识别的红外图像,进行灰度变换和Gamma矫正;
②绘制待识别红外图像的直方图,并自适应地得到直方图波谷处右侧阈值;
③采用自适应阈值对图像进行二值化处理;
S2.图像分割
①采用像素累加法定位二值化图像上的矩形框;
②根据位置信息确定ROI区域;
③采用垂直投影法对ROI区域进行字符分割,建立温度值数据集。
S3.温度识别
①搭建深度为7的CNN网络,并确定网络参数,按照8:2的比例划分温度值训练集和测试集;
②训练和测试CNN网络,分析各字符识别结果;
③结合设计制动盘红外图像温度值识别与记录***,并选取若干张红外图像测试温度识别结果。
如图5所示,所述的高清摄像头1采集光截曲线的方案为:激光发射器2发射激光束照射到制动盘上,形成光截曲线,高清摄像头1对光截曲线拍摄时,高清摄像头1的中心线与激光束的光平面之间夹角为θ,设高清摄像头1拍摄时的物距为μ,像距为ν,焦距为f,制动盘实际厚度为L,放大倍数为β,像素数为n,单位像素长度为p,像长度为l,k表示物象比例系数,那么:
l=n·p (3)
由式(1)(2)(3)可以得出物象比例系数k为:
得出制动盘实际厚度L为:
通过DSP最小***板5对实际光截曲线进行图像处理后,求出图像中制动盘的像素数,即可计算出制动盘的厚度。
所述的DSP最小***板5对高清摄像头1采集到的光截曲线图像进行处理的方案为:
S1.图像处理
(1)图像类型转换
对采集到的图像进行灰度处理,将采集到的彩色图像转换为灰度图,以提高后续的处理速度。
(2)图像反色
如图6所示,采集到的图像中,光带轮廓区域的灰度比较偏亮,而其他区域的灰度偏暗,为了进一步方便后续的图像处理,利用图像的反色将光带轮廓区域的灰度变得偏暗,而其他区域的灰度变得偏亮,采用灰度变换方程来实现图像的反色,具体为:
DB=f(DA)=f(A)·DA+f(B) (6)
式中,f(A)表示线性函数的斜率,f(B)表示线性函数在Y轴上的截距,DA表示输入图像的灰度,DB表示输出图像的灰度,当f(A)>1时,输出图像的对比度将增大,当f(A)<1时,输出图像的对比度将减小,当f(A)=1且f(B)≠0时,所有像素的灰度值会增加或降低,对应的图像就会更暗或更亮,当f(A)<0时,暗区域将变亮,亮区域变暗,当f(A)=1且f(B)=0时,输入图像和输出图像相同,当f(A)=-1且f(B)=255时,输出的图像与输出图像放入灰度值正好相反,所以式(6)中的f(A)取值-1,f(B)取值255;
(3)图像滤波去噪
如图7所示,由于采集到的制动盘图像存在一定的噪声干扰,会影响图像识别结果的准确率,所以采用二维中值滤波器进行图像滤波,具体为:
1)先建立第一个要处理的像素点的滤波器窗口灰度等级直方图,并找到这个窗口内所有像素点灰度值的中值,并计算窗口内小于中值的灰度值数量;
2)将窗口中心移动到下一个像素点,同时更新灰度直方图为当前窗口的像素点灰度值的中值,并更新当前窗口内小于中值的灰度值数量。
3)根据当前窗口内小于中值的灰度值数量与窗口像素点总数一半的关系,向上或者向下寻找当前窗口的灰度中值;
4)若当前像素点不是某一行的最后一个,则转到步骤2);若当前像素点为某一行的最后一个,且不是要处理的最后一行,则将窗口中心移动到下一行的第一列的像素点,再转到步骤1);否则,流程结束。
S2.图像分析
如图9所示,对采集到的制动盘图像进行图像处理后能够得到制动盘外形轮廓曲线,通过与标准制动盘的轮廓曲线作对比,并经过图像尺寸测量就可以测得实际的制动盘厚度及磨耗量,制动盘磨耗的计算公式为:
BM=B-LB (7)
式中,LB为实际测量制动盘的厚度值,B表示制动盘厚度的标准值,BM表示制动盘的磨耗值;
如图8所示,采集待测制动盘轮廓图和标准制动盘轮廓图后,分别进行图像处理,接着分别对待测制动盘轮廓图和标准制动盘轮廓图的曲线进行扫描,得到制动盘轮缘的顶点,以该顶点为基准,采用拉普拉斯融合算法将待测制动盘轮廓图和标准制动盘轮廓图进行重合,以制动盘内侧面为基准,测量在x方向偏移70毫米处两曲线的y值之差,以该偏移线LA与标准曲面的交点0为基准,测量正y方向偏移0毫米处两曲线的x值之差,进而计算出制动盘的磨耗量。
本发明的工作原理与工作过程如下:
如图3所示,由DSP最小***板5控制激光发射器2向制动盘发射激光束,形成光截曲线,通过高清摄像头1对光截曲线进行拍摄,再传输给DSP最小***板5进行图像处理,通过计算制动盘的像素数来求出制动盘的厚度,将所测厚度与原始厚度进行对比来计算制动盘的磨耗量,通过红外热成像仪4采集制动盘的红外图像,并传输给DSP最小***板5进行处理,进而计算出制动表面的温度信息,并由DSP最小***板5控制ZigBee路由器7将计算得出的制动盘磨损量、当前温度、缺陷情况实时发送至ZigBee协调器8,在由ZigBee协调器8将信息传输至PC机9,在PC机9中进行数据的实时显示。
Claims (4)
1.一种高速列车制动盘温度及磨耗量的监测方法,其特征在于:包括高清摄像头、激光发射器、控制箱、红外热成像仪,控制箱中放置了DSP最小***板、电源降压模块、ZigBee路由器,高清摄像头、激光发射器、控制箱、红外热成像仪均安装在制动盘斜上方的车底部,且高清摄像头、激光发射器与制动盘在同一水平面,红外热成像仪与制动盘之间夹角为45度,电源降压模块将机车用的电源降压至12V后为高清摄像头、激光发射器、红外热成像仪、ZigBee路由器、DSP最小***板供电,采用图像测量技术和激光线光源相结合的方式来对制动盘的磨耗状态进行检测,由DSP最小***板控制激光发射器向制动盘发射激光束,形成光截曲线,通过高清摄像头对光截曲线进行拍摄,再传输给DSP最小***板进行图像处理,通过计算制动盘的像素数来求出制动盘的厚度,将所测厚度与原始厚度进行对比来计算制动盘的磨耗量,通过红外热成像仪采集制动盘的红外图像,并传输给DSP最小***板进行处理,进而计算出制动表面的温度信息,并由DSP最小***板控制ZigBee路由器将计算得出的制动盘磨损量、当前温度、缺陷情况实时发送至操控台的PC机上进行实时显示。
2.根据权利要求1所述的高速列车制动盘温度及磨耗量的监测方法,其特征在于:所述根据红外热成像图片识别制动盘温度的方案为:
S1.图像预处理
①读取待识别的红外图像,进行灰度变换和Gamma矫正;
②绘制待识别红外图像的直方图,并自适应地得到直方图波谷处右侧阈值;
③采用自适应阈值对图像进行二值化处理;
S2.图像分割
①采用像素累加法定位二值化图像上的矩形框;
②根据位置信息确定ROI区域;
③采用垂直投影法对ROI区域进行字符分割,建立温度值数据集。
S3.温度识别
①搭建深度为7的CNN网络,并确定网络参数,按照8:2的比例划分温度值训练集和测试集;
②训练和测试CNN网络,分析各字符识别结果;
③结合设计制动盘红外图像温度值识别与记录***,并选取若干张红外图像测试温度识别结果。
4.根据权利要求1、权利要求3所述的高速列车制动盘温度及磨耗量的监测方法,其特征在于:所述DSP最小***板对高清摄像头采集到的光截曲线图像进行处理的方案为:
S1.图像处理
(1)图像类型转换
对采集到的图像进行灰度处理,将采集到的彩色图像转换为灰度图,以提高后续的处理速度;
(2)图像反色
采集到的图像中,光带轮廓区域的灰度比较偏亮,而其他区域的灰度偏暗,为了进一步方便后续的图像处理,利用图像的反色将光带轮廓区域的灰度变得偏暗,而其他区域的灰度变得偏亮,采用灰度变换方程来实现图像的反色,具体为:
DB=f(DA)=f(A)·DA+f(B) (6)
式中,f(A)表示线性函数的斜率,f(B)表示线性函数在Y轴上的截距,DA表示输入图像的灰度,DB表示输出图像的灰度,当f(A)>1时,输出图像的对比度将增大,当f(A)<1时,输出图像的对比度将减小,当f(A)=1且f(B)≠0时,所有像素的灰度值会增加或降低,对应的图像就会更暗或更亮,当f(A)<0时,暗区域将变亮,亮区域变暗,当f(A)=1且f(B)=0时,输入图像和输出图像相同,当f(A)=-1且f(B)=255时,输出的图像与输出图像放入灰度值正好相反,所以式(6)中的f(A)取值-1,f(B)取值255;
(3)图像滤波去噪
由于采集到的制动盘图像存在一定的噪声干扰,会影响图像识别结果的准确率,所以采用二维中值滤波器进行图像滤波,具体为:
1)先建立第一个要处理的像素点的滤波器窗口灰度等级直方图,并找到这个窗口内所有像素点灰度值的中值,并计算窗口内小于中值的灰度值数量;
2)将窗口中心移动到下一个像素点,同时更新灰度直方图为当前窗口的像素点灰度值的中值,并更新当前窗口内小于中值的灰度值数量。
3)根据当前窗口内小于中值的灰度值数量与窗口像素点总数一半的关系,向上或者向下寻找当前窗口的灰度中值;
4)若当前像素点不是某一行的最后一个,则转到步骤2);若当前像素点为某一行的最后一个,且不是要处理的最后一行,则将窗口中心移动到下一行的第一列的像素点,再转到步骤1);否则,流程结束。
S2.图像分析
对采集到的制动盘图像进行图像处理后能够得到制动盘外形轮廓曲线,通过与标准制动盘的轮廓曲线作对比,并经过图像尺寸测量就可以测得实际的制动盘厚度及磨耗量,制动盘磨耗的计算公式为:
BM=B-LB (7)
式中,LB为实际测量制动盘的厚度值,B表示制动盘厚度的标准值,BM表示制动盘的磨耗值;
采集待测制动盘轮廓图和标准制动盘轮廓图后,分别进行图像处理,接着分别对待测制动盘轮廓图和标准制动盘轮廓图的曲线进行扫描,得到制动盘轮缘的顶点,以该顶点为基准,采用拉普拉斯融合算法将待测制动盘轮廓图和标准制动盘轮廓图进行重合,以制动盘内侧面为基准,测量在x方向偏移70毫米处两曲线的y值之差,以该偏移线LA与标准曲面的交点0为基准,测量正y方向偏移0毫米处两曲线的x值之差,进而计算出制动盘的磨耗量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211574785.4A CN115855278A (zh) | 2022-12-08 | 2022-12-08 | 一种高速列车制动盘温度及磨耗量的监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211574785.4A CN115855278A (zh) | 2022-12-08 | 2022-12-08 | 一种高速列车制动盘温度及磨耗量的监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115855278A true CN115855278A (zh) | 2023-03-28 |
Family
ID=85671307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211574785.4A Pending CN115855278A (zh) | 2022-12-08 | 2022-12-08 | 一种高速列车制动盘温度及磨耗量的监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115855278A (zh) |
-
2022
- 2022-12-08 CN CN202211574785.4A patent/CN115855278A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wei et al. | Defect detection of pantograph slide based on deep learning and image processing technology | |
CN104608799B (zh) | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 | |
CN105133471B (zh) | 一种基于线结构光路面检测***的路面深度图像生产方法 | |
CN102288613B (zh) | 一种灰度和深度信息融合的表面缺陷检测方法 | |
CN103217111B (zh) | 一种非接触式接触线几何参数检测方法 | |
CN109658387A (zh) | 电力列车的受电弓碳滑板缺陷的检测方法 | |
CN109490316A (zh) | 一种基于机器视觉的表面缺陷检测算法 | |
CN108731599B (zh) | 钢轨磨耗深度计算方法 | |
CN110211101A (zh) | 一种铁轨表面缺陷快速检测***及方法 | |
CN108177660B (zh) | 具有激光图像处理步骤的钢轨磨耗检测方法 | |
CN110490842B (zh) | 一种基于深度学习的带钢表面缺陷检测方法 | |
CN109489724B (zh) | 一种隧道列车安全运行环境综合检测装置及检测方法 | |
CN102608126A (zh) | 一种高温连铸坯表面缺陷在线检测方法和装置 | |
KR102017870B1 (ko) | 실시간 선로 결함 검측 시스템 | |
CN103543161A (zh) | 一种连铸坯表面质量在线检测方法 | |
CN202548069U (zh) | 一种高温连铸坯表面缺陷在线检测装置 | |
CN112365480B (zh) | 制动夹钳装置闸片丢失故障识别方法 | |
CN104713486B (zh) | 一种合掌产品宽度在线检测装置及方法 | |
CN113155839A (zh) | 一种基于机器视觉的钢板外表面缺陷在线检测方法 | |
CN110853018A (zh) | 一种基于计算机视觉的振动台疲劳裂纹在线检测***及检测方法 | |
Xiao et al. | A hierarchical features-based model for freight train defect inspection | |
CN111079734A (zh) | 铁路货车三角孔异物检测方法 | |
CN113465541A (zh) | 一种接触线磨耗测量方法及*** | |
CN111561967A (zh) | 弓网运行状态实时在线检测方法及*** | |
CN117437191A (zh) | 一种融合巡检图像与漏磁检测的钢轨表面检测方法及*** |
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 |