基于粗糙神经网络的轨枕缺陷检测研究

论文摘要

随着我国铁路事业向高速、重载方向发展,对铁路运输安全提出更高要求。在我国,铁路道路养护采用以人工沿铁路线路进行目测的方式,很难保证结果的客观性和准确性,且对道路的养护工人的经验以及责任心要求比较高；随着铁路的不断提速,传统的检查方式已经开始暴露出弊端,希望有一种安全、准确、快速的铁路养护方法保证铁路的安全运营,因此,针对我国铁路道路养护中存在的实际问题和适应铁路发展的要求,研究运用于铁路道路安全巡检的自动化设备提上日程。论文的主要工作如下：根据我国铁路道路养护标准,结合国内外铁路养护相关经验,分析了我国铁路道路养护存在的问题和铁路道路养护目标,以提高检测效率,改善铁路养护的工作环境,提高铁路养护质量,保证铁路道路的安全运营为目的,提出了基于视频图像处理的铁路道路安全巡检的自动化方法。针对铁路道路的病害特征,提出基于图像处理的自动巡检方案运用的相关理论、检测方法,并用实例说明方案的可行性。分析了基于图像处理的铁路道路病害检测的整个系统的结构组成、各组成部分的关系,提出构建系统的相应理论方法。研究基于粗糙神经网络的轨枕缺陷检测的关键技术及理论支持,重点分析轨枕检测的主要内容和目标要求,提出基于粗糙神经网络的轨枕缺陷检测系统,对其中涉及到的特征提取、特征离散、特征约简以及粗糙神经网络模型构建的相关理论进行阐述,并用实例说明理论的可行性。详细论述基于图像处理的轨枕目标区域和病害的特征,提出了区域和病害提取的相关理论和方法,并用实例说明理论和方法的可行性。基于上述研究,开发铁路道路安全自动巡检系统。系统由铁轨检测子系统、轨枕检测子系统、道砟检测子系统、扣件检测子系统、垫片检测子系统等五部分组成。本文主要对轨枕检测子系统的研究进行详细的理论论述和实例说明。实例结果证明,本文设计的方法能有效的对轨枕进行缺陷病害检测,所开发的系统也具有实际应用价值。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 铁路缺陷自动检测概述
• 1.1.1 研究背景和意义
• 1.1.2 铁路道路缺陷检测国内外研究现状
• 1.2 关键技术及研究概况
• 1.2.1 轨枕缺陷识别技术
• 1.2.2 轨枕缺陷分类及特征选取
• 1.3 本文的工作及内容安排
• 1.3.1 本文的主要研究内容
• 1.3.2 论文内容章节安排
• 第2章 粗糙集神经网络基本理论
• 2.1 引言
• 2.2 粗糙集理论
• 2.2.1 粗糙集概述
• 2.2.2 粗糙集定义
• 2.2.3 粗糙集特点及其应用
• 2.3 神经网络理论
• 2.3.1 神经网络概述
• 2.3.2 BP神经网络
• 2.3.3 RBF神经网络
• 2.3.4 Hopfield神经网络
• 2.3.5 神经网络特点及其应用
• 2.4 小结
• 第3章 轨枕图像目标分割
• 3.1 引言
• 3.2 轨枕图像预处理
• 3.2.1 空域滤波
• 3.2.2 二值化图像分割
• 3.2.3 形态学图像处理
• 3.3 轨枕图像目标提取
• 3.3.1 铁路道路检测对象
• 3.3.2 钢轨区域提取
• 3.3.3 轨枕区域的提取
• 3.4 小结
• 第4章 基于粗糙集神经网络的轨枕缺陷检测算法研究
• 4.1 引言
• 4.2 轨枕缺陷样本特征提取
• 4.2.1 样本特征空间描述
• 4.2.2 图像特征标准化
• 4.2.3 特征空间离散化
• 4.2.4 特征空间约简
• 4.3 基于粗糙集神经网络的轨枕缺陷检测
• 4.3.1 轨枕缺陷粗糙集神经网络检测模型
• 4.3.2 轨枕缺陷检测分类器设计
• 4.3.3 轨枕裂纹目标提取
• 4.3.4 裂纹骨架提取
• 4.4 小结
• 第5章 软件实现与实例验证
• 5.1 系统开发背景及开发环境
• 5.1.1 系统开发背景
• 5.1.2 系统开发环境
• 5.2 基于粗糙集神经网络的铁路轨枕缺陷检测系统的设计
• 5.2.1 系统总体思路
• 5.2.2 系统开发过程
• 5.2.3 系统主要功能分析
• 总结与展望
• 致谢
• 参考文献
• 攻读硕士期间发表论文及科研成果