探讨基于机器视觉的受电弓磨耗检测系统
基于机器视觉的非接触式弓网接触压力在线检测系统
基于机器视觉的非接触式弓网接触压力在线检测系统引言：随着科技的发展和进步，机器视觉技术在各个领域的应用越来越广泛。
本文将探讨一种基于机器视觉的非接触式弓网接触压力在线检测系统，该系统能够实时监测弓网与电网的接触情况，为电力系统的安全和稳定运行提供保障。
1. 弓网及电网接触问题的背景在电力系统中，弓网是承担供电任务的重要组成部分，而弓网与电网之间的接触质量直接关系到电能传输的安全性和质量。
传统的接触检测方法主要通过人工巡检或特定仪器进行，存在工作效率低下、无法实现连续监测等缺点。
因此，开发一种基于机器视觉的非接触式检测系统势在必行。
2. 非接触式弓网接触压力在线检测系统的原理该系统主要基于机器视觉技术，通过安装相应的传感器和摄像头以及图像处理算法，实现对弓网与电网接触情况进行实时检测。
系统通过采集弓网接触区域的图像数据，并对其进行处理，提取出关键特征，如接触区域的长度、接触面积等。
结合预设的阈值，系统能够判断接触质量的好坏，并及时报警。
3. 非接触式弓网接触压力在线检测系统的优势与传统的接触检测方法相比，该系统具有以下优势：3.1 高效性：系统能够实现在线、连续地对接触压力进行检测，大大提高了工作效率；3.2 高精度性：通过图像处理算法的优化和传感器的高精度采集，能够准确地识别接触区域的特征，并判断接触质量；3.3 实时报警：一旦检测到接触异常，系统能够立即报警，帮助运维人员及时采取措施，确保电力系统的安全运行；3.4 数据记录与分析：系统可以记录接触检测的数据，并进行分析，为电力系统的运维管理提供决策依据。
4. 非接触式弓网接触压力在线检测系统的应用前景随着电力系统的发展和智能化进程，非接触式弓网接触压力在线检测系统有望在以下领域得到广泛应用：4.1 电网巡检：该系统可以替代传统的人工巡检，实现对接触压力的自动监测，减少人力资源的浪费，提高工作效率；4.2 弓网维护：通过实时监测接触压力，可以及时发现接触异常，指导维护人员进行维修，提高弓网的使用寿命；4.3 安全保障：该系统的应用可以提供电力系统的安全监测，确保电力系统的稳定运行，减少事故风险；4.4 数据分析与优化：通过系统记录的数据，可以进行分析与优化，提高电力系统的运行效率和能源利用率。
基于图像处理的受电弓状态检测技术研究的开题报告
基于图像处理的受电弓状态检测技术研究的开题报告一、选题背景与意义电气化铁路是一种现代化交通方式，其发展已成为城市化、经济化和社会化的必然趋势。
受电弓作为电气化铁路的关键设备之一，五金物流出了重要地位。
受电弓状态的良好程度直接关系到电气化铁路的运行安全和稳定性。
目前，受电弓状态的检测主要采用人工巡查和电器检测相结合的方式，这种方式存在检测效率低、人力成本高的问题。
因此，研究基于图像处理技术的受电弓状态检测技术具有重要的现实意义和研究价值。
二、研究目的和内容本课题主要研究基于图像处理技术的受电弓状态检测技术，旨在通过图像处理技术对受电弓的状态进行检测和识别，并实现自动化监控，提高受电弓检测效率和准确度。
具体研究内容包括以下几个方面：1.构建受电弓状态检测系统硬件平台。
2.设计受电弓图像采集系统。
3.研究受电弓状态的算法，包括图像处理算法和模式识别算法。
4.优化算法，提高检测准确度和鲁棒性。
5.开发软件系统，实现受电弓状态的自动化监控。
三、研究方法和步骤本研究采用实验研究和数学建模相结合的方法，具体步骤如下：1.调研和分析受电弓状态检测技术的国内外研究现状和应用现状。
2.确定系统输入与输出对象及参数，建立数学模型。
3.构建系统硬件平台，设计图像采集系统，采集受电弓图像。
4.分析受电弓图像的特征，提取有效信息，建立分类模型。
5.测试和评估受电弓状态检测系统的性能指标并分析结果。
6.优化系统算法，提高检测准确度和鲁棒性。
7.开发软件系统，实现受电弓状态的自动化监控。
四、预期成果和意义成功研究基于图像处理技术的受电弓状态检测技术，将使受电弓的状态检测和监测实现自动化，提高检测效率和准确度，降低人力成本和维护成本，同时提高电气化铁路的运营安全和稳定性。
研究成果可在电气化铁路的维护管理、安全保障、质量检测等领域得到广泛应用，具有较高的社会经济效益和科学发展意义。
基于超声波的受电弓滑板磨耗测量实验装置研究的开题报告
基于超声波的受电弓滑板磨耗测量实验装置研究的
开题报告
研究背景
随着城市轨道交通的发展，受电弓作为轨道交通系统的重要组成部分，经常承受高强度的摩擦磨损，特别是在高速列车运行中，其滑板材
料受到更大的磨损，导致受电弓寿命缩短、运行安全性下降等问题。
因此，开展受电弓滑板磨耗测量研究，对于提高城市轨道交通系统的运行
安全性、降低运营成本具有重要意义。
超声波技术具有非接触、高精度、高灵敏度等特点，可用于磨耗测量。
因此，基于超声波的受电弓滑板磨耗测量实验装置研究，是一项有
意义的研究工作。
研究内容
1.设计基于超声波的受电弓滑板磨耗测量实验装置，包括硬件和软件。
2.研究超声波测量方法和信号处理方法，确定最优测量参数和算法，实现对受电弓滑板磨耗的准确测量。
3.进行实验验证，比较不同测量方法的精度和实用性。
研究意义
1.提高城市轨道交通系统的运行安全性和可靠性，降低运营成本。
2.开发基于超声波的受电弓滑板磨耗测量技术，为相关产业的技术
进步提供新思路和新方法。
3.为超声波技术在磨耗测量领域的应用提供参考和借鉴。
预期成果
设计并制作出基于超声波的受电弓滑板磨耗测量实验装置，并开展实验验证，得出优化方案和算法，为受电弓滑板磨耗测量提供实用性较高的方法。
使用机器视觉技术的刀具磨损检测研究
使用机器视觉技术的刀具磨损检测研究刀具磨损检测是制造业中非常重要的一个环节，它直接关系到刀具的使用寿命、加工质量以及生产效率。
传统的刀具磨损检测方法通常依赖于人工目测，这种方式不仅耗费时间和人力，而且容易出现判断误差，无法满足现代制造业高效、智能化的需求。
因此，引入机器视觉技术进行刀具磨损检测逐渐成为研究的热点。
机器视觉技术是一种以图像处理和模式识别为基础的视觉信息处理技术。
利用计算机对图像进行获取、处理、分析和理解，可以实现对刀具磨损状态的自动检测和评估。
下面将基于机器视觉技术的刀具磨损检测研究进行详细探讨。
首先，机器视觉技术的刀具磨损检测需要建立一个能够有效提取和表示刀具磨损特征的模型。
常用的特征包括切削刃的宽度、切削角度、切削刃形状等。
研究者们通过对不同磨损程度下的切削刃进行图像采集和处理，利用图像处理算法提取特征并建立相应的模型。
其次，为了提升刀具磨损检测的准确性和稳定性，研究者们尝试将多种机器视觉技术相结合。
例如，利用图像处理中的边缘检测、颜色分割、纹理分析等算法来提取切削刃的特征。
同时，也可以利用机器学习算法，如支持向量机、神经网络等模型，训练和优化刀具磨损检测模型，使其能够更好地识别出刀具的磨损程度。
此外，机器视觉技术的刀具磨损检测还可以结合传感器技术实现实时监测和预警。
传感器可以实时采集刀具的振动、温度、电流等数据，通过与机器视觉技术相结合，可以实现对刀具磨损状态的实时监测和预警。
这种联合检测方式能够提高刀具磨损检测的精度和灵敏度，从而在制造过程中及时掌握刀具的磨损情况，避免因刀具磨损而造成的加工质量下降和设备损坏。
另外，随着深度学习技术的发展，研究者们开始探索将深度学习算法应用于刀具磨损检测中。
深度学习算法具有强大的图像处理和模式识别能力，可以自动学习并提取图像中的高级特征。
通过对大量的刀具磨损图像进行训练，深度学习模型可以准确地识别不同磨损程度的刀具。
这种基于深度学习的刀具磨损检测方法不仅准确率高，而且具有一定的鲁棒性，可以适应不同工况下的刀具磨损检测需求。
基于机器视觉的刀具磨损检测技术研究
基于机器视觉的刀具磨损检测技术研究随着制造业的不断发展，机器视觉技术在生产和制造中的应用越来越广泛。
刀具磨损是制造过程中普遍存在的问题。
当刀具磨损严重时，不仅会影响加工质量，还会损坏设备和对工人造成不良影响。
因此，有效地检测和监控刀具磨损是非常重要的。
机器视觉技术可以对刀具磨损进行实时监控。
在工业生产中，机器视觉系统通过不断采集和处理刀具表面的图像信息，快速识别出磨损部位并进行量化分析，从而实现刀具磨损状态的准确监测。
刀具磨损的变化过程非常复杂。
普通的刀具磨损检测方法需要对刀具进行侵入式检测，其不仅需要拆卸刀具，而且还容易在测量过程中对刀具造成损坏。
而通过机器视觉技术，可以避免这些不利影响。
机器视觉技术在刀具磨损检测中的应用有很多优势。
首先，由于采用非侵入式的检测方式，因此可以大大减少在检测过程中对刀具的破坏。
此外，机器视觉技术可以采用较少的人力投入，对人力成本减轻负担有大的帮助。
其检测技术具有较高的精度和可靠性，即使在短时间内进行大量的检测，也可以保证一定的质量和稳定性。
机器视觉技术在刀具磨损检测方面的应用较为广泛。
其中，最为常见的是基于机器学习的方法。
这种方法需要通过对大量图像数据的分析，训练出模型，实现对刀具磨损状态的准确预测。
当模型预测出磨损超过某个程度时，就可以发出警报或通知相关工作人员进行相应的调整和维护。
除了基于机器学习的方法，还有其他一些机器视觉技术可以用于刀具磨损检测。
例如，基于图像分析的方法可以通过颜色、纹理等特征来进行磨损检测。
此外，基于形态学的方法可以对图像进行处理，提取出磨损部位的特征，并进行判断。
需要注意的是，机器视觉技术在刀具磨损检测中的应用需要结合实际情况进行选择。
由于不同的情况下，刀具的类型、使用环境和工作状态都可能不相同，因此选择机器视觉技术的具体方法需要根据实际情况综合考虑。
在运用机器视觉技术进行刀具磨损检测的过程中，还有很多针对性的问题需要考虑。
例如，摄像机的摆放位置、光线条件和拍摄角度都会对检测结果产生影响。
基于弓网监测系统应用检修技术
基于弓网监测系统应用检修技术摘要：轨道交通车辆运行通过受电弓受流接触网获得充足动力能源，两者以一定的速度相对运动。
随轨道交通车辆运营快速发展，车辆对接触网维护保养要求也随之提高。
过去接触网存在维修时间不足、漏修、过修等问题，严重影响车辆运行品质。
检修质量提高是确保车辆安全运营前提，为此，本文提出基于弓网监测系统应用于检修。
本系统采用机器视觉技术对接触网检测，将接触网存在隐患通过车载PIDS系统传输至用户综合系统。
车辆段检修作业员通过用户综合系统查看故障数据，大大减少接触网排故及维护时间，并杜绝人为因素导致漏修问题，从而提高车辆运行安全的可靠性。
关键词：弓网检测、接触网检修、机器视觉、车载PIDS系统、可靠性0引言接触网作为轨道交通车辆最关键供电设施，其可靠性对车辆运行安全具有重要意义。
随着轨道交通技术的发展，轨道交通已作为城市圈经济发展的重要命脉。
为加快城市圈快速发展，地铁每日以频繁高速密集方式运转，其行车时间间隔短、速度高、振动频繁等，这将导致接触网各个部件易出现裂损、松动、脱落等问题，问题未及时处理这对地铁运营安全带来重大隐患。
为了消除该隐患，本系统基于市域城际动车平台研究一套弓网监测系统应用于接触网检修作业。
该系统通过监测接触网导高、拉出值、接触网磨耗、弓网燃弧时长、弓网燃弧频次、接触网锚接紧固件等参数，分析判断接触网存在的问题，通过车载无线网络将故障信息传输至地面服务平台。
接触网维护人借助地面服务平台可查看接触网维修需求，这将大大提高维护人员作业效率，并解决作业质量低下问题。
1.弓网监测系统整体方案车辆弓网监测系统包括车载弓网检测装置和地面数据中心组成。
车载弓网检测装置用于检测受电弓、接触网、弓网关系等多个参数，通过分析检测参数特性判断车辆运行弓网环境状态。
弓网监测装置通过车载网络系统平台将弓网环境状态信息传输至地面数据中心，地面数据中心对数据管理，提供人机界面，输出系统报表。
车载弓网监测装置包括1C集成模块、3C集成模块、4C集成模块（正反）、硬点压力检测模块、车顶振动补偿装置、车内处理主机单元、定位检测装置组成。
一种用于弓网受电弓磨损的在线监测系统[发明专利]
![一种用于弓网受电弓磨损的在线监测系统[发明专利]](https://img.taocdn.com/s3/m/7febb4c8b4daa58da1114ab5.png)
专利名称：一种用于弓网受电弓磨损的在线监测系统专利类型：发明专利
发明人：滕向东
申请号：CN201910477587.8
申请日：20190603
公开号：CN110068593A
公开日：
20190730
专利内容由知识产权出版社提供
摘要：本发明公开了一种用于弓网受电弓磨损的在线监测系统，涉及机车电力系统技术领域，包括电涡流测厚仪和控制箱，电涡流测厚仪安装在滑座上，测头位于受电弓滑板正下方，滑座滑动设置在滑轨上，滑轨固定安装在受电弓托架上。
本发明通过在受电弓滑板下方设置可滑板长度方向移动的电涡流测厚仪，可连续测量滑板厚度，并以无线方式传输测量数据，既可避免人工现场测量，相比图像视觉处理的方式，测量结果直观准确，且对于小磨损量同样也能获得定量的检测结果；测量结果以无线方式传输，绘制测量曲线，以磨损区域占比或超出临界磨损与否与判断依据，实现自动报警处理，处理过程不依赖人工，具有自动、高效的优点。
申请人：辽宁工程技术大学
地址：123000 辽宁省阜新市细河区中华路47号
国籍：CN
代理机构：六安市新图匠心专利代理事务所(普通合伙)
代理人：胡艳
更多信息请下载全文后查看。
基于计算机视觉的受电弓滑板磨耗图像的识别
基于计算机视觉的受电弓滑板磨耗图像的识别摘要：根据计算机视觉原理、数字图像处理与识别理论，针对受电弓滑板图片，文章提出边缘提取和上边缘搜索等改进算法，实现滑板磨耗超限故障图像的辨识。
将图片进行滤波去噪等预处理，再进行边缘定位检测、图像分割、图像增强、图像复原等处理。
综合运用改进的Canny算法、Hough变换、BP神经网络来识别滑板厚度。
文章的研究成果对高速铁路受电弓滑板磨耗超限等典型故障的检测与识别具有一定的理论研究价值和工程实用价值。
关键词：数字图像处理；图像预处理；Canny算法；BP 神经网络电力机车通过输电网的受电弓获取电能，受电弓滑板表面和导线之间构成一对摩擦副，当滑板磨耗超限等典型故障出现时，可能造成卡网或拉网，严重危及列车安全，因此对受电弓滑板的磨耗图像进行准确识别具有重要意义。
目前，受电弓滑板检测的方法主要有人工登顶测量法、光纤检测法、超声波传感器检测法、光学三角测量法和计算机图像检测法。
图像处理利用图像测量技术，检测所需参数的特征，属于非接触测量动态与静态测量相结合，客观真实。
本文对由CCD相机拍摄的受电弓照片进行图像处理，包括图像预处理、图像增强、图像复原、图像分割与特征提取、图像识别五部分，同时采用优化算子、改进算法使图像识别的精确度和结果的正确度都有相应提高。
1 滑板磨耗图像识别1.1 图像预处理图像预处理是对受电弓滑板图片进行混合增强来突出更多细节。
受电弓滑板图片较模糊，边缘不够清晰，对比度不够，对此首先用Laplace变换突出图像中的细节，再用sobel 梯度法突出其边缘。
最后用灰度变换来扩展平滑后图像的灰度动态范围。
在图像处理中，彩色图RGB没法直接进行锐化、去除噪声、平滑滤波、边沿突出等步骤及其算法实现。
只含亮度信息，不含色彩信息的灰度图最利于数字图像处理。
所以先将彩色图转化为灰度图，再进行空间域图像增强。
已知Laplace 算子的定义如下：图2比图1有较好的视觉改进效果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
探讨基于机器视觉的受电弓磨耗检测系统
摘要：受电弓是机车从电网取电的重要装置，其在运行过程中不可避免地受到
电气和滑动磨耗，当磨耗达到一定程度后，有很大可能造成暂时性断电，甚至引
发铁路交通事故。
当前针对受电弓磨耗检测大多是以人工目测，有很大的误差性，为了避免磨损检测不准确的情况，采用磨耗检测系统保证检测结果准确。
本篇文
章基于此，首先介绍受电弓磨耗检测系统设备概况，系统的主要技术要求，以及
系统算法。
关键词：机器视觉；受电弓；磨耗监测
前言：
我国城市化进程不断加快，城区面积的增加，对轨道交通的需求越来越大。
进入21世纪后，我国城市地铁建设明显升温，众多城市相继开通地铁线路。
受
电弓是机车重要的装置，其磨耗程度影响了轨道交通的安全性、稳定性，传统磨
耗检测方法有一定的局限，不能有效应对精细化管理的情况，应用受电弓磨耗监
测系统具有重要意义。
1受电弓磨耗检测系统设备概况
监测系统的设备包含1套受电弓系统，其主要安装在8号线元华车辆段。
动
态检测系统主要由轮对动态检测、受电弓动态检测系统两大部分组成。
前者主要
包含的检测范围，主要有外形尺寸动态检测1套、轮对擦伤动态检测1套、视频
图像擦伤检测1套、轴温动态检测1套（含车号识别系统1套）、车号识别系统
1套、受电弓检测装置1套、现场控制系统1套、数据采集系统、数据处理系统、监控系统主控机1套、客户终端控制台（包括台式电脑等）1套。
2检测系统的主要技术要求
2.1受电弓动态检测系统
受电弓动态检测系统，其适用的环境温度，室外设备－35℃～+75℃；室内设备－20℃～＋55℃，湿度要求≤95%。
检测过程中，要确保车辆穿行速度在≤20
km/h，且两列车辆通过间隔要≮4min。
这套检测系统对于工作环境没有太大要求，能够适应雨、雪、雾等环境，满足电磁兼容的标准[1]。
受电弓动态检测系统，主要利用非接触自动图像测量技术，对受电弓滑动磨
耗的具体磨耗值、碳滑板最小和最大剩余、磨耗差等参数进行测量，从而得出相
应检测结果。
同时这项技术支持自动分析反馈参数，如受电弓中心线偏差值。
此外，对于受电弓表面出现的缺口、羊角异常磨耗进行检查。
对于接触网的接触压力，同样也有所反馈，基于杠杆原理对超限数据进行自动报警。
2.2轮对动态检测系统
轮对动态检测主要采用非接触式图像测量技术，针对轴温探头采用高精度位
移测量技术，通过两项技术可以了解机车车轮的关键部位尺寸，以及车轮在运行
过程的踏面缺陷和轴温。
对于车辆运行产生的振动、接触网，以及供电装置的电
磁干扰，检测设备包括EMC设计保障，基于板级和系统级的EMC器件设计保障，通过一定的综合测试，能够检测轨道底部的箱体，提高供电装置的抗干扰能力，
适应轨边环境，最大限度保证动态检测的测量精度。
考察受电弓应用软件的兼容性，确认增加的程序和设备功能，还要考虑软硬
件是否兼容。
针对不同硬件，提供数据输出的接口，从而实现受电弓应用有效数
据融合、共享和功能扩充。
针对受电弓轮对动态检测，是以工业级产品的标准对待，对于其可靠性、稳定性的要求更高，同时支持不同需求的检测设定[2]。
系统功能方面，主要是对车辆轮对外形尺寸检测模块展开检测，通过它可以
了解踏面磨耗、轮缘厚度、轮缘高度等技术参数。
检测数据编制的报表，可以按
照车厢号的先后顺序呈现检测结果，根据项目配置列出单位信息，同时在软件操
作界面还提供导航按钮，帮助使用者快速定位某节车厢的监测数据。
同时还提供
过去10年的检测数据对比功能，从而为使用者判断某一轮位的检测时间、检测值、复核值等信息。
根据数据比对的需要，将设置时间内的检测数据按照轮位顺序，将曲线数据导出成ZIP压缩包。
3检测系统算法
3.1图像处理算法
基于机器视觉技术对受电弓的检测，主要对反馈的受电弓图像，通过一定图
像处理算法，从而帮助使用者获得所需数据。
例如，图像分析中对受电弓边缘轮
廓提取，处理图像的单一像素，这种方式是利用算法对噪声有较高敏感度，判断
正确的目标边缘。
如利用Canny算子边缘检测思想配合高斯函数，确定一阶微分
边缘点，对应一阶导数的极小值、二阶导数零交叉点。
针对这种情况，采用Roberts算子边缘检测，利用其较高的定位精度、水平垂直方向感好的优势，对受电弓的边缘轮廓进行提取。
采用Sobel算子边缘检测的方法，对受电弓图像选取
四个领域进行灰度加权，通过对边缘点极值判断，增加计算量。
但是这样的检测
算法的精度较低，容易因为定位精度不准确，检测到伪边缘。
3.2算法描述
利用图像处理算法对受电弓磨耗信息进行提取，首先要完成图像分割，通过
这样的方式消除信息提取过程中干扰项的影响，也是机器视觉技术要解决的问题，将分析图像分割成若干个互不交叉和重叠的图像组合，合成目标标注。
配合遥感数据对不同车辆从背景识别，利用边缘监测确定图像中的边缘点，
通过相应策略连接成连续轮廓。
这一过程的图像分割主要在于噪声的干扰，使得
检测结果呈现伪边缘情况，直接导致轮廓漏检、检测位置偏差的不良后果。
完成
单幅图像需要耗费一定的计算时间，针对噪声影响因素进行消除和抗噪处理，计
算效率不够经济。
结论：
综合上述，受电弓是机车的重要装置，对于其磨耗值需要采取精度更高的设
备和检测系统，及时获知其运行状态。
通过受电弓动态检测、轮对动态检测系统，利用非接触式图像测量技术发现受电弓运行时的缺陷，同时配合图像处理算法，
得知更准确的受电弓磨耗参数。
参考文献：
[1]李科，仇广民，王克，等.受电弓动态检测系统技术原理及应用分析[J].铁道机车与动车，2018（03）：34-36.
[2]张梦双，伍尚志，贺翔，等.广州地铁3号线北延段受电弓碳滑板异常磨耗
原因分析[J].价值工程，2018，37（05）：133-134.。