本书面向轨道交通安全运行领域,深入地分析了机器视觉技术在轨道交通车辆及线路关键设备检测与诊断中的应用原理、信息增强、融合诊断,以及智能检测等问题,为提升城轨交通智能化、信息化运维水平,保障城轨车辆安全、高效运行提供了新的思路。本书适合作为高等院校车辆工程专业研究生,以及研究院所、企业中从事轨道交通车辆检测与诊断等相关领域研究人员的参考用书。

本书面向轨道交通安全运行领域,深入地分析了机器视觉技术在轨道交通车辆及线路关键设备检测与诊断中的问题,提出了基于改进Faster R-CNN的轨道检测方法,为提升城轨交通智能化、信息化运维水平,保障城轨车辆安全、高效运行提供了新的思路

轨道交通设备关系到社会生产力的发展、资源的有效利用,其运
行环境及线路条件复杂,容易产生各种故障,严重时会造成停车甚至
事故。当前,针对城轨车辆及线路设备的状态检测与诊断主要是基于
振动信号的方法。由于城轨设备结构复杂、部件众多、运行工况多变
且受线路条件影响大,对其进行检测时,不同振动传感器获取的信息
来自多个部件,振动分量众多。当两个或两个以上的耦合故障同时发
生时,振动更为复杂,分析难度大大增加。同时,振动监测效果受限于
传感器的安装位置和数量,难以覆盖设备的每个部件,容易遗漏故障
信息。在轨道线路关键设备检测方面,当前多采用人工检测分析方
法,处理时间长、准确率及效率低,难以满足实时检测的需求。而基于
机器视觉的检测作为一种非接触式测量方式,便于安装和采集,可以
监测设备整体的状态信息,适用于多个部件同时出现故障的情况。鉴
于此,笔者撰写了这本《基于机器视觉的轨道车辆检测与诊断技术》,
主要研究城轨车辆设备。
本书面向轨道交通安全运行领域,以城轨交通设备中车辆及线路
关键设备为对象,深入分析了机器视觉技术在轨道交通设备检测与诊
断中的应用原理、信息增强方法、红外与振动信号的融合诊断,以及线
路关键设备目标智能检测等问题,以提高检测与诊断的准确率。主要
内容及章节安排如下:第1章绪论,介绍了机器视觉在轨道车辆检测
与诊断中的意义、研究现状及不足;第2章基于图像的诊断与检测机
理,介绍了轨道交通系统中机器视觉检测的系统、原理、图像类型及特
点、检测对象及失效形式,为后续分析提供数据及理论依据;第3章基
Ⅰ
于改进NSCT的图像信息增强方法,介绍了轨道车辆监测图像信息增
强方法,通过空域、变换域联合算法,实现图像故障信息的增强,便于
后续分析;第4章基于红外图像及振动信号融合的设备故障诊断方
法,介绍了基于异类信息融合的故障诊断方法,将红外图像应用在转
子系统监测与诊断中,并将红外图像与传统的振动信号相结合,提高
了诊断模型对不同类型故障的适应性;第5 章基于改进Faster
R-CNN的轨道检测方法,介绍了机器视觉在轨道设备定位与检测中
的应用,利用轨道检测图像实现了轨面、扣件缺陷的定位与识别。
希望本书能够为轨道交通关键设备的安全保障提供可靠的理论
支撑,以提升轨道交通智能化、信息化运维水平,保障轨道车辆安全、
高效运行。
本书的研究成果得到了一些国家科研项目的支持,其中特别感谢
北京市教育委员会科技计划一般项目(KM202010016003)和国家自然
科学基金项目(51975038)的资助。
特别感谢北京建筑大学杨建伟教授、王衍学教授、周素霞教授以
及中国石油大学(北京)段礼祥教授在本书撰写过程中给予的指导和
帮助。
本书在编写过程中参考了大量国内外发表的相关论文、资料和书
籍,在此对相关作者表示诚挚的谢意!
本书虽经过反复修改和校对,但由于时间、水平有限,书中难免有
不足和遗漏之处,欢迎广大读者和专家批评指正。
著 者
2021年5月

白堂博，工学博士，北京建筑大学讲师，从事城轨车辆设备故障机理、检测诊断技术等研究。近年来，发表论文10余篇，其中SCI、EI检索7篇；申请国家发明专利10余项，已获批专利3项；获得软件著作权2项；获得中国物流联合会科技进步二等奖一项（5/9）；主持北京市*面上项目、北京市博士后基金项目各一项，参加国家自然科学基金、国家重点研发计划等各类科研项目多项。