基于模糊控制的钢轨双频淬火微机系统

对典型Fuzzy控制器的优缺点进行深入分析的基础上，提出了对多变量非线性系统使用Fuzzy-PI的控制策略，用于提高钢轨淬火生产线的温度控制精度，提高产品质量。现场运行表明，系统稳定性好，抗干扰能力强，超调量小，过渡时间短，实现了工况的自动监测、控制，其精度完全达到预期要求。     

铁路钢轨光带异常检测系统

应用图像识别技术,结合钢轨光带结构特征,提出线性时间复杂度的光带异常检测算法。首先使用图像垂直方向加权投影分析的方法,定位钢轨区域。然后基于“由粗到细”的分析策略,综合利用光带的灰度特征、局部梯度特征,逐行扫描图像,精确定位光带边界。最后根据经验知识判定光带异常类型：光带整体宽度异常、光带偏心、光带局部异常。实验验证了算法的有效性和高效性,每小时可以分析220 km数据。     

钢轨焊头平直度检测系统的混沌振动研究

钢轨焊头平直度检测系统工作时,伺服系统中功放电路的输出电流存在不同程度的混沌现象,会引起输出电机转速的波动,最终影响系统检测精度。为了减小输出电机转速的波动,通过离散模型分析了功放电路输出电流值的分岔现象与输出电机转速之间的关系,利用分岔图和李雅普诺夫指数选取合适的电流反馈系数,并设计了基于输入整形的抑振算法加以验证。实验结果表明,选择合适的电流反馈系数,可以有效减小混沌现象对输出电流的影响,系统振动情况较原系统有明显改善,有利于进一步提高钢轨焊头平直度检测系统的抑制振动水平和检测效率。     

智能钢轨磨耗检测方法的研究

在分析了目前国内外钢轨磨耗检测方法及技术特点的基础上,结合实际需求,提出了基于一字线激光图像处理的钢轨磨耗检测方法。利用一字线激光图像在磨耗钢轨上的弯曲程度检测钢轨磨耗的宽度与深度,通过屋脊形边缘检测法寻找激光图像的中心点和边缘点,并拟合直线;确定磨耗检测的特征量组,利用特征量间的相关系数,去除冗余特征,选择最优特征组合。实验测试结果表明,该方法能够有效提取特征量值,并准确计算钢轨磨耗的宽度和深度值,具有计算信息量小、算法简便、精度高的特点,为钢轨磨耗检测装置的开发奠定了基础。     

基于虚拟仪器的钢轨磨耗检测系统设计

目前国内钢轨磨耗检测技术主要限于三种方法：人工检测，效率低、测量误差大;接触式电子设备测量，传感器相对磨耗大;非接触式光学测量，精度高、应用性不强。为了解决以上存在的问题，本文提出了一种基于虚拟仪器的钢轨磨耗检测的系统设计，该系统主要利用非接触检测原理，结合电涡流位移传感器与NI公司的LabVIEW和PXI设备，实现在线式的实时检测、处理、分析等功能，具有成本低、精度高、操作简单等特点。验证性实验结果表明了该系统具有比其它方法更优越的性能。     

微机检测信号的两种算法

提出了一种适用于八位微机避免乘除法运算,提高计算的实时检测处理正弦电量的算法及一种自动跟踪信号频率变化,校正采样周期的算法。     

基于语义分割的钢轨表面缺陷实时检测系统

钢轨表面缺陷检测是铁路日常检测的重要部分,根据现代铁路自动化检测技术对实时检测和适应性的要求,构建了一个完整的钢轨表面缺陷识别和分析系统.根据机器视觉的基本原理,设计了一种带有LED辅助光源和遮光箱的图像采集装置,并将采集到的图像进行人工标注,建立了一个较为庞大的具有语义分割标注的钢轨表面缺陷数据集;将高级语义分割技术应用于钢轨图像分析,利用一种级联自编码结构(CASAE)的语义分割网络,将缺陷图像转化为基于语义分割的像素级预测掩码,并通过紧凑型卷积神经网络(CNN)将分割结果进行分类,从而实现钢轨表面缺陷的识别与分类;构建了智能化的人机交互系统,并将系统通过仿真实验的方式进行测试.实验结果表明,系统的检测准确率达到90％以上,每幅图像的平均处理时间为245.61 ms,可以在一定程度上代替人工检测,实现对钢轨缺陷的数字化管理.     

石英玻璃管拉制过程的微机检测与控制

本文针对我国石英玻璃管生产过程中存在的现状和问题进行了分析与研究。就严重影响其加工效率和精度的两大主要问题．即手工检测管径和生产加工过程开环人工控制．结合生产实际进行了探索与实践。实现了以单片机为核心．石英玻璃管拉制过程的自动控制，包括管径标准值的预置．管径实际值采样、比较、调整及输出，以及超差报警、巡回检测等项研制工作。     

基于语义分割的钢轨表面缺陷实时检测系统

钢轨表面缺陷检测是铁路日常检测的重要部分,根据现代铁路自动化检测技术对实时检测和适应性的要求,构建了一个完整的钢轨表面缺陷识别和分析系统.根据机器视觉的基本原理,设计了一种带有LED辅助光源和遮光箱的图像采集装置,并将采集到的图像进行人工标注,建立了一个较为庞大的具有语义分割标注的钢轨表面缺陷数据集;将高级语义分割技术应用于钢轨图像分析,利用一种级联自编码结构(CASAE)的语义分割网络,将缺陷图像转化为基于语义分割的像素级预测掩码,并通过紧凑型卷积神经网络(CNN)将分割结果进行分类,从而实现钢轨表面缺陷的识别与分类;构建了智能化的人机交互系统,并将系统通过仿真实验的方式进行测试.实验结果表明,系统的检测准确率达到90％以上,每幅图像的平均处理时间为245.61 ms,可以在一定程度上代替人工检测,实现对钢轨缺陷的数字化管理.     

等离子淬火用微机控制系统

研究了等离子淬火用双自由度微机数字控制系统 ,并介绍了以 80C31单片机为主控器的系统硬件电路及其软件设计。该系统具有自动、手动、紧急事故处理等控制功能。适应工件表面淬火的要求 ,其等离子发生器可在系统控制下对工作表面做快速淬火处理     

基于图像处理的钢轨纵向位移检测系统的研究

钢轨受行车载荷及自然因素的作用发生膨胀从而产生纵向位移,影响机车行车安全,因此研发高性能钢轨纵向位移检测装置意义重大.针对钢轨位移检测装置因人工检测方法导致耗时、耗力的问题,在MATLAB仿真研究基础上,设计了基于图像处理的钢轨纵向位移检测系统的实现算法,论述了对样本采集图像进行预处理、二值化、Canny边缘检测、Hough变换以及纵向位移计算等算法的实现过程.实验结果表明,所设计的系统具有较高精确性和可靠性,能够满足工程实际需要.     

铁道钢轨断面的计算机图象处理与仿真

利用计算机图象处理和仿真技术,对铁道钢轨断面进行快速检测与处理的研究。     

微机控制椭球镜镀膜均匀度检测的接口技术

本文叙述了将微机技术用于椭球镜镀膜均匀度检测电路的接口控制,从而提高了精密件加工的测试精度,保证了椭球镜镀膜质量。     

基于YOLOv5算法的钢轨扣件分类检测研究

钢轨扣件是保障轨道车辆安全运行的基础,目前依靠人工检查钢轨扣件状态效率低且具有缺陷性。基于YOLOv5算法对钢轨弹条断裂、缺失、移位以及螺栓缺失四种状态扣件进行分类检测研究,文章选取706张含故障扣件的图片进行标注形成钢轨故障扣件数据集,讨论了YOLOv5s、YOLOv5m两种模型对数据集分别训练50、100次后的识别效果,结果显示：采用YOLOv5m模型训练100次的YOLOv5算法对各类别故障扣件的测试精度、召回率、mAP@.5、mAP@.5:.95分别为0.988、0.967、0.987、0.822。该方法对钢轨扣件分类检测具有很好的应用价值。     

基于YOLO v3的钢轨螺栓组件故障检测方法

本文针对火车轨道钢轨接头处螺栓组件目标较小的特点,采用基于YOLO v3的目标检测算法,用于钢轨连接处螺栓、垫圈、螺母等小目标的检测.具体方法是:以YOLO v3网络为基础,首先进行数据采集和人工标记,标记之后进行网络训练,最后再将训练好的模型应用于测试集,从而检测出图像序列中的螺栓组件目标,并通过候选框标注所检测目标...     

基于 Hough 变换和 Catmull-Rom 样条曲线的 钢轨检测算法

针对现有的钢轨检测算法中对于钢轨识别准确性不高的问题,提出一种基于 Hough 变换和 Catmull-Rom 样条曲线的钢轨检测算法。首先对图像进行降噪预处理,利用 Canny 边缘 检测算法进行边缘检测,然后利用 Hough 变换检测直轨,根据直轨消失点确定轨道模型,最后 针对弯轨利用等分窗口搜索弯轨特征点,对选取的特征点进行 Catmull-Rom 样条曲线拟合弯轨。 实验表明,该算法不仅能够准确拟合钢轨曲线,而且具有较好的准确性和鲁棒性。     

对微机控制的语言报警装置的改进

原设计中存贮信息采用动态存贮器芯片MCM41256,有掉电信息丢失缺点。因此改进方案采用掉电不丢信息的D—256代替。对T6668和D—256间数据线、地址线如何连接,也予阐述。     

25～500m钢轨全长淬火生产线微机控制系统

２５～５００ｍ钢轨全长淬火生产线微机控制系统内蒙古工学院常佶，郑应周，李德立等钢轨轨顶淬火是提高钢轨使用寿命的最经济、最有效的方法。在国外已有广泛的应用。呼铁局工务修配厂于１９８７年建成钢轨全长淬火生产线后，为了进一步提高钢轨淬火工艺参数的准确与稳定...     

基于专家系统的微机控制与碰摩故障检测系统

本分析精浆机生产工艺的基础上，提出对ＪＣ－０１型锥形精浆机ＣＯＮＦＬＯ控制系统的改进方案，简述了在Ｍｃ系列ＣＰＵ上，以外存贮器ＥＥＰＲＯＭ，ＷＡＴＣＨＤＯＧ等为扩展芯片的控制系统各部分的功能、作用及应用软件开发等。本着重提出了一种基于诊断型专家系统的碰摩故障检测方法。此方法即分析声发射信号的频率，又从声发射的包络信号中进行特征提取，再由诊断型专家系统综合考虑各要素作出决断。实践证明，该系统具有     

基于反向P-M扩散的钢轨表面缺陷视觉检测

研制了一种基于反向P-M（Perona-Malik）扩散的钢轨表面缺陷视觉检测装置,该装置可 自动获取钢轨表面图像,并实现实时检测与定位钢轨表面缺陷. 钢轨图像具有光 照变化、反射不均、特征少等特点,为了在运动过程中 从复杂的钢轨表面图像提取缺陷,首先将图像进行反向P-M扩散,然后将扩散后的图像与原图像进 行差分,从而减小了上述因素的影响,最后将差分图像进行二值化操作,根据 缺陷边缘特性和面积进行滤波,分割出缺陷图像. 实验仿真和现场测试结果表明,该方法能很好地识别块状缺陷和线状缺陷,并且检测速度、精度、识别 率和误检率都能很好地满足要求.