关于电气化铁路接触网中心锚结故障的探讨

<正>接触网是电气化铁路中用于给电力机车、动车组供电的露天无备用供电设备,正常情况下具有稳定的电气及机械性能。在列车行驶中,一旦接触网发生故障,将直接造成大面积的高铁、客车晚点或者停运。通过对一定时期接触网故障进行统计,发现在接触网故障里,中心锚结发生的故障多、影响广,并且具有一定的相似性,因此对接触网中心锚结进行深入研究,探明其运行风险,找出有效降低风险的运维手段显得尤为重要。     

基于RGB-D的多线性异构信息的动作识别研究

本文提出了一种新的动作识别的方法,该方法是在前人的基础上增加了一个模态特征.为了能更好的提高动作识别的准确率和泛化能力,在前人的RGB特征和深度特征模态的双线性异构信息的动作识别的方法的基础上,增加了一个骨骼特征模态,使三个特征模态经过压缩映射到一个共享学习空间上,同时这样也有利于减少噪声和捕捉有用的识别信息.本文采用和前人一样的方法—矩阵形式来表示三种模态特征以便获得复杂的动作时空信息.用矩阵的行和列参数组成低维的多线性模型,最小化模型维度后建立一个低维分类器实现动作识别.该方法在RGB-D和骨骼两个公共数据集上进行了评估,取得了不错的效果.即使三种模态数据在训练或者测试中部分丢失也能通过其他模态实现识别.     

基于RGB-D相机的移动机器人三维SLAM

针对室内复杂环境三维建模问题,提出一种移动机器人快速三维同时定位与地图创建(SLAM)方法.利用RGB-D相机分别获取环境纹理和三维信息,通过图像特征提取与匹配,结合相机标定模型,建立三维点云对应关系,运用随机抽样一致性(RANSAC)算法作为位姿估计的策略求解基于对应点迭代最临近点的模型,有效解决机器人精确定位问题;引入keyframe-to-frame关键帧选取机制,结合立体栅格法及空间点云法向唯一特征,实现三维地图的更新与维护.室内环境下的实验结果验证了所提方法的可行性与有效性.     

基于RGB-D图像的手语识别算法研究

手语作为表达信息的一种方式,是聋哑人与外界交流的最主要途径。随着人工智能技术的发展,新型、自然、便捷的人机交互方式已经成为当今各行业交互方式的新趋势。传统手语识别方法普遍存在背景干扰严重、特征提取不完整及识别准确率低的缺点。针对以上问题进行研究,提出基于彩色-深度（RGB-D）图像的手语识别算法。在静态孤立词手语识别的基础上测试,实验对比结果表明,基于RGB-D的方法能得到比传统手语识别算法更好地性能;利用深度信息处理图像,有效地去除了场景中光照、背景的干扰,同时结合肤色信息去除非手形部分;采用概率神经网络（PNN）手语分类器对孤立词的识别准确率超过90%,取得了较高的识别率。     

基于RGB-D生物特征识别的安全认证

针对传统口令的安全性问题,以生物特征技术作为更安全的替代方案,将基于RGB-D的生物特征技术用于身份的安全认证.采用熵和显著性对RGB图和深度图做图像预处理,用卷积神经网络代替了方向梯度直方图进行特征提取,并与几何特征属性相融合.该研究改进了RISE算法,并采用EURECOM数据集做实验,为复杂条件下的人脸识别的生物特征认证提出了一种有效的方法.     

基于RGB-D传感器的车间三维场景建模

感知车间环境是实现自动引导小车(AGV)智能化自主运行的基础.三维场景建模比二维地图更适于表达非结构化场景信息,然而已有的激光雷达技术和视觉技术实现方法都有其不足之处.文中利用RGB-D深度传感器,结合移动机器人及开源机器人操作系统(ROS)建构了一套软硬件系统,用于制造车间环境的复杂大场景三维建模;介绍了该系统光机电硬件和ROS软件的各模块功能与集成设计,以及相应的扫描策略,并用该集成系统进行了车间局部环境自动连续扫描、数据拼接、三维建模实验.结果表明用该系统可以较好地完成三维场景建模任务.     

基于低冗余度曲波变换的三维地震信号处理

地震信号的插值和去噪问题是地震信号处理的重要研究内容,基于稀疏变换的方法将地震信号在变换域中稀疏表示,根据信号和噪声在变换域的不同表现采用阈值法实现插值和去噪.介绍了一种低冗余度三维曲波变换,并将其用于地震信号的插值和去噪.数值结果表明,该变换冗余度低,在保证曲波变换对地震信号处理有较好的数值效果的同时,将计算速度提高了4倍左右.     

基于一种三维低冗余曲波变换和压缩感知理论的地震数据重建

基于稀疏变换的重建方法是地震数据重建的研究热点,其中稀疏变换的性质对重建的效率和质量起关键作用。曲波变换对波场数据有非常稀疏的表示和可靠的数值效果,然而三维曲波变换的冗余度在24~32之间,须消耗很多的内存和计算时间。提出基于一种低冗余度曲波变换的地震数据重建方法,介绍低冗余曲波变换并且分析其优点,给出一个解基于分析的1范数模型的快速迭代阈值方法。数据实验结果表明:该低冗余变换将三维曲波变换的冗余度降低了60%,能够有效提高数据重建的计算效率;基于低冗余度曲波变换的数据重建的计算效率是基于原始曲波变换重建效率的4倍,对于10%的采样比例仍然能够得到较好的重建和去噪效果。     

基于RGB-D摄像机的室内三维彩色点云地图构建

创建室内环境的三维地图可以使用RGB-D摄相机获取多帧率的彩色图和深度图,结合视觉SLAM算法,完成彩信息与深度信息的结合并构建真实三维环境地图数据是常用的一种方法.通过Kinect传感器采集室内环境的RGB图和Depth图,改进了ORB算法并进行特征提取和基于FLANN搜索的图像匹配算法匹配图像特征,使用PNPRANSAC方法估计图像的运动,为抑制在点云配准过程中累积误差造成的位姿漂移采用g2o图优化,实现探索室内未知环境的三维彩色点云空间,完成周围环境地图的创建.实验结果表明,以Kinect传感器实现视觉SLAM的方法对于室内三维点云数据创建有较好的效果,具有一定的理论和实际应用价值.     

基于接触网的双端行波故障测距的应用

接触网行波故障测距对保障电气化铁路安全畅通的运行具有很重要的现实意义。为了便于对接触网行波故障测距的学习,介绍了双端行波故障测距的原理和实现。根据T-R+NF供电方式利用ATP建立接触网模型,并通过MATLAB提取行波信号,寻找行波波头,最后利用行波到达两端的时间差,对故障进行较精确的定位。实践表明,双端行波故障测距极具可行性和有效性。     

基于粗集理论的柴油机典型故障的磨粒识别

利用铁谱技术分析柴油机的典型故障，建立柴油机的典型故障与磨粒类型的关系，在此关系的基础上，基于粗集理论确定典型故障模式识别的最优决策规则，通过试验结果验证了最优决策规则的准确，为铁谱技术的智能诊断提供了依据．     

基于多智能体的网络信息隐藏系统研究

为加强网络信息安全,该文提出了一种基于m-序列的多智能体协作的信息隐藏模型,并提出以鲁棒性、安全性和通信容量作为评价信息隐藏系统的性能指标.实现了基于多智能体协作的信息隐藏系统,该系统通过多智能体协作加强信息隐藏的鲁棒性,使用多智能体发送信息,加大了隐蔽通信的容量.仿真结果表明:基于多智能体的信息隐藏算法未对特殊位进行处理,因而没有网络包被防火墙过滤,隐藏的信息未丢失;防火墙类产品对于使用包填充类算法隐藏的信息的安全性影响非常大,对于使用基于多智能体算法隐藏的信息的安全性几乎没有任何影响.     

基于水平井信息的单一河口坝内部增生体识别

海上油田受地理位置限制,井距一般较大,利用现行的针对密井网区的多井模式拟合方法难以有效表征分布规模较小的单一河口坝内部增生体。为此,利用渤海X油田大量水平井资料,开展了基于水平井资料的单一河口坝内部增生体识别。研究表明,水平井水平段垂向上在单一河口坝内部钻进,其横向钻进直接钻遇河口坝内部增生体,通过统计其钻遇的侧积夹层及叠置界面,得到研究区侧积夹层分布规模统计值,进而指导单一河口坝内部增生体识别。将该方法应用于渤海X油田,统计表明,水平井水平段普遍在240~320 m,井间发育3~6期侧积夹层（叠置面）。该方法不仅对缺少小井距及岩芯资料的海上油田具有实用价值,对相似油田的小级别构型单元识别也具有参考价值。     

基于深度学习的高铁接触网定位器检测与识别

高铁接触网安全监测的主要方法是采用可见光高清相机捕捉接触网零部件的图像序列,通过图像处理和计算机视觉技术实现对零部件的检测、识别与跟踪.在整个监测系统中,定位器检测识别是必要的基础工作.传统的目标检测算法受限于特征描述子的设计,难以依靠人工设计出具有通用性、鲁棒性、高精度的特征描述子.于是提出基于Faster R-CNN模型实现高精度的接触网定位器检测,同时采用Hough变换检测出定位器的骨架轮廓,并通过滤线机制筛选出定位器的最优拟合直线段,为定位器坡度的非接触式精准测量做好基础性工作.     

基于GHSOM网络的故障识别

提出了一种基于生长型分级自组织映射(GHSOM)网络的故障识别方法,给出了方法的基本原理,并将该方法应用于汽轮机组与齿轮的故障数据分析.研究结果表明,GHSOM能根据数据特征无监督地对故障进行正确聚类和识别,并且具有动态增长及分层特性,能解析出数据内在的层次结构,实现由粗到精的聚类识别,该方法可以扩展应用于机械故障的诊断与识别.     

基于蚁群算法的故障识别

提出了一种新的基于蚁群算法的故障诊断知识获取算法。该算法将故障诊断中故障的识别分类问题转化为求解带约束的最优化聚类问题,并应用改进的蚁群算法,基于群体的协作与学习求解这一聚类问题。将该方法应用于一化学反应器的故障诊断过程,结果表明该算法具有实现简单、收敛速度快、本质分布式并行性、鲁棒性强以及故障识别结果可靠等优点。     

关于CTQ系列接触网支线故障智能切除装置防雷方式的探讨

介绍了CTQ系列接触网支线故障智能切除装置的结构原理、性能特点、实践应用,针对此装置安装在户外现场的实际情况,探讨了对直击雷和感应雷的防护措施。     

基于人工神经网络的智能识别数字模型

人工识别阿拉伯数字既耗时又费力,提出了一种利用BP网络与竞争网络相结合的神经网络来识别阿拉伯数字的模型,仿真结果表明,该模型能够对数字进行准确、快速地识别,且抗噪能力较好.可以用于对部队番号、邮政编码、证件等进行识别.     

基于卷积-递归神经网络和费舍尔向量的RGB-D物体识别

综合利用彩色和深度信息,采用多数据模式的特征提取策略,提出一种基于卷积-递归神经网络和费舍尔向量的RGB-D 物体识别方法. 对于彩色图像和深度图像,分别利用卷积-递归神经网络和卷积-费舍尔向量-递归神经网络提取物体的纹理及形状特征. 为了更加全面的获取物体信息的特征表述,引入了灰度图像和表面法向量作为原始数据的补充,并利用卷积-递归神经网络提取特征. 最后,将4 种数据模式下提取到的特征融合起来,输入到softmax 分类器中实现RGB-D 物体识别. 在标准的RGB-D 数据库中对算法进行验证,所提算法可以有效提高物体识别率.