列车部件状态退化预警方法、系统及存储介质与流程
本发明涉及轨道交通智能巡检,尤其涉及一种列车部件状态退化预警方法、系统及存储介质。
背景技术:
1、随着轨道交通行业的快速发展,列车(如动车组)的运行安全至关重要。列车车底关键部件(如转向架螺栓连接处、制动闸片、橡胶节点等)在长期的高速运行过程中,受持续振动、物理摩擦及环境侵蚀等因素的综合影响,不可避免地会发生磨损、松动、锈蚀或形变等状态退化现象。因此,对这些关键部件进行高频次的状态巡检和健康监测,是保障列车安全运行的核心手段。
2、目前,行业内普遍采用部署在轨边的探测站系统(如轨边机器视觉检测系统),在列车经过时对车底部件进行图像抓拍,并利用图像识别算法进行缺陷筛查。然而,现有的常规视觉检测技术主要依赖单帧静态图像检测。即系统仅根据部件在某一当前时刻拍下的单张图像,去判断该部件当前是否存在明显的断裂、丢失或严重变形等异常。这种传统的检测方式在实际工程应用中暴露出以下显著缺陷:
3、第一,传统的单帧静态检测方法往往只能识别出已经恶化到一定程度的明显缺陷。对于部件在早期发生的渐进式微小退化(如轻微的几何位移松动、初期的疲劳裂纹或表面缓慢累积的磨耗),由于单帧图像缺乏历史正常状态的对比基准,系统难以察觉,导致早期退化特征检出率极低,无法将潜在故障消灭在萌芽状态。
4、第二,现有技术孤立地看待每一次图像采集结果,无法将同一部件在过去多个检修周期内的状态连贯起来。这导致系统无法拟合部件性能衰减的非线性规律,更不支持对部件的剩余寿命(rul)进行定量预测。铁路运维部门因此只能依赖固定的“经验周期”进行检修,这不仅容易产生过度维修造成资源浪费,也无法有效降低因突发严重劣化导致的非计划扣修率。
5、综上所述,亟须一种新的预警方法,以解决当前列车运维过程中的痛点。
技术实现思路
1、本发明的目的是为解决上述技术问题而提供一种能够有效利用时序图像序列,实现部件退化趋势量化预测,以提前自动检出性能恶化的部件的列车部件状态退化预警方法、系统及存储介质。
2、为了实现上述目的,本发明公开了一种列车部件状态退化预警方法,其包括:
3、获取目标列车的目标部件在多个连续历史时刻的历史图像所构成的历史图像序列,以及在当前时刻的待检测图像;
4、对所述历史图像序列与所述待检测图像进行时空对齐处理,获得映射至同一基准坐标系下的对齐图像序列;
5、基于所述对齐图像序列,针对所述目标部件的关键区域分别提取多个时刻的多维状态特征,并按照时序将所述多维状态特征组合为多维状态特征序列;
6、根据所述多维状态特征序列,拟合得到表征所述目标部件综合退化程度随时间变化关系的状态退化曲线;
7、确定所述状态退化曲线与预设的极限状态阈值相交的预测失效时刻;并以所述待检测图像对应的当前时刻为时间基准,计算所述预测失效时刻与所述当前时刻的时间差,以得到所述目标部件的剩余寿命;
8、当所述剩余寿命满足预设的预警条件时,输出针对所述目标部件的状态退化预警信息。
9、较佳地,对所述历史图像序列与所述待检测图像进行时空对齐处理的方法包括:
10、从所述历史图像序列中评估并选取一张图像作为基准图像;
11、提取所述基准图像中的结构特征点,并将所述历史图像序列中的其余图像以及所述待检测图像分别与所述基准图像进行特征点匹配;
12、基于特征点匹配结果,计算单应性变换矩阵或仿射变换矩阵,利用矩阵对相应的图像进行几何校正,使得校正后的各图像中的同一物理点像素坐标一致,以获得所述对齐图像序列。
13、较佳地,计算单应性变换矩阵或仿射变换矩阵的过程中,采用随机抽样一致性算法最小化重投影误差,以求解获得最优的变换矩阵。
14、较佳地,所述多维状态特征至少包括以下维度指标的组合:
15、表征所述目标部件松动或变形程度的几何位移量;
16、表征所述目标部件表面生锈、油污或疲劳裂纹状况的纹理变化率;
17、表征所述目标部件物理磨耗程度的轮廓磨损度指数。
18、较佳地,针对所述对齐图像序列中的任一图像,计算所述目标部件在该图像中的特征点与基准图像中对应特征点之间的欧氏距离,得到对应时刻的几何位移量,其中,所述基准图像为选定的作为状态比对起点的图像;
19、利用灰度共生矩阵提取所述目标部件在相应图像区域的对比度特征,计算得到对应时刻的纹理变化率;
20、量化所述目标部件在相应图像中的边缘面积相对于所述基准图像的损失比例,计算得到对应时刻的轮廓磨损度指数。
21、较佳地,所述状态退化曲线的拟合方法包括:
22、将所述多维状态特征序列作为输入,利用长短期记忆网络模型或指数平滑时序预测模型,拟合出所述状态退化曲线。
23、较佳地,输出针对所述目标部件的状态退化预警信息的方法包括:
24、预先设置基于剩余检修周期数的多级预警机制;
25、将计算获得的所述剩余寿命转换为剩余检修周期数,并与所述多级预警机制中的各级阈值进行比对;
26、根据比对结果触发对应级别的预警信息。
27、本发明还提供一种列车部件状态退化预警系统,其包括获取目标列车的目标部件图像的图像传感器和与所述图像传感器通信连接的数据处理器,所述数据处理器基于如上所述的列车部件状态退化预警方法进行目标部件的状态退化预警。
28、本发明还提供一种列车部件状态退化预警系统,其包括:
29、一个或多个处理器;
30、存储器;
31、以及一个或多个程序,其中一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行如上所述的列车部件状态退化预警方法的指令。
32、本发明还提供一种计算机可读存储介质,其包括计算机程序,所述计算机程序可被处理器执行以完成如上所述的列车部件状态退化预警方法。
33、与现有技术相比,上述技术方案提供的列车部件状态退化预警方法,通过引入历史图像序列,并与当前待检测图像进行高精度的时空对齐处理,有效克服了列车动态抓拍场景下产生的视角与位置偏差,确保了跨时间维度特征比对的精确性;通过提取多维特征并拟合状态退化曲线,打破了传统单帧图像检测容易漏报早期微小隐患的局限,实现了对部件渐进式退化过程的动态量化追踪;而且,本方法以外推交点结合当前实际采图时刻作为基准,精确计算出部件的剩余寿命并触发预警,为列车的视情维修提供了可靠依据,显著提升了行车安全并有效降低了过度维修成本。
1.一种列车部件状态退化预警方法,其特征在于,包括:
2.根据权利要求1所述的列车部件状态退化预警方法,其特征在于,对所述历史图像序列与所述待检测图像进行时空对齐处理的方法包括:
3.根据权利要求2所述的列车部件状态退化预警方法,其特征在于,计算单应性变换矩阵或仿射变换矩阵的过程中,采用随机抽样一致性算法最小化重投影误差,以求解获得最优的变换矩阵。
4.根据权利要求1所述的列车部件状态退化预警方法,其特征在于,所述多维状态特征至少包括以下维度指标的组合:
5.根据权利要求4所述的列车部件状态退化预警方法,其特征在于,针对所述对齐图像序列中的任一图像,计算所述目标部件在该图像中的特征点与基准图像中对应特征点之间的欧氏距离,得到对应时刻的几何位移量,其中,所述基准图像为选定的作为状态比对起点的图像;
6.根据权利要求1所述的列车部件状态退化预警方法,其特征在于,所述状态退化曲线的拟合方法包括:
7.根据权利要求1所述的列车部件状态退化预警方法,其特征在于,输出针对所述目标部件的状态退化预警信息的方法包括:
8.一种列车部件状态退化预警系统,其特征在于,包括获取目标列车的目标部件图像的图像传感器和与所述图像传感器通信连接的数据处理器,所述数据处理器基于权利要求1至7任一项所述的列车部件状态退化预警方法进行目标部件的状态退化预警。
9.一种列车部件状态退化预警系统,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,包括计算机程序,所述计算机程序可被处理器执行以完成如权利要求1至7任一项所述的列车部件状态退化预警方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com