一、图像识别信号传输电路故障检修两例（论文文献综述）
周文健[1]（2021）在《船用推进电机振动测量系统设计与研究》文中研究表明
任经纬[2]（2019）在《基于多核DSP的电梯网络信息实时采集系统研究》文中提出随着社会的快速发展,科技的不断进步,城市的规模正在不断扩大,为了节省城市土地面积,楼房也是越来越高。电梯成为了人们日常生活中必不可少的升降工具。而电梯的安全性也相应的引起了厂商和用户高度重视,为保证电梯的安全运行,使向纵伸发展的城市生活更加安全可靠,电梯监测技术出现了。目前已知较为严重的电梯故障有:1)电梯急停急走。2)电梯水平面内振动。3)电梯停在非电梯门的位置。该技术可以实时监测电梯的运行状态,及时发现可能造成故障的不安全因素,故而意义重大。当今电梯运行安全物联网规模示范网体系下分为两个子系统:一是电梯运行安全参数采集系统;二是电梯音视频图像采集、电梯运行状态显示及媒体平台综合系统。电梯运行安全参数采集系统对电梯运行状态进行实时监控,将电梯运行安全监测数据接入电梯应急处置平台,遇到电梯故障能够报警,能够对电梯故障进行统计分析,向电梯维保单位预警。本文针对电梯建立了安全监测的平台,并在简化的平台的基础上搭建了电梯安全监测系统。针对电梯安全监测的特点,重点完成了监测系统中的核心部分——基于多核DSP的电梯信息实时采集系统的硬件和软件设计。电梯监测系统以TI公司的TMS320C6678 DSP为核心,包括硬件电路,并行计算,数据处理,数据输入输出等,研究目标就是结点电梯运行数据进入电梯物联网时已经进行了数据处理,结合物联网进行实时在线分析,提高物联网运行效率。其中,图像处理模块用于将所获得的当前帧现场视频图像与一个相对比较稳定的基准图像进行匹配,主要采取的方法为底层特征匹配方法,选择的特征提取算法为尺度不变特征变换算法,特征匹配算法为K近邻算法。通过相邻各帧图像的检测结果,传输到物联网联机分析中心,判断轿厢门开关,电梯困人,或者用于判断轿厢内有人后,并检测到轿厢门没有动作的时间超出设定的时间阈值,判定为电梯困人故障发生,发出告警信息。
李城汐[3]（2020）在《地铁塞拉门故障诊断技术研究》文中指出地铁作为我国轨道交通系统中的重要组成部分,凭借运行速度快、载客量高、低污染等诸多优点,已成为当前轨道交通领域研究热点。塞拉门系统在地铁系统中直接面向乘客,其安全可靠性关系到乘客生命和财产安全,地铁塞拉门故障诊断系统设计,可提高地铁车辆塞拉门维保效率,降低维护成本,保障乘客安全,提高车辆运营可靠性。首先,论文对研究背景及意义进行了阐述,对地铁塞拉门故障诊断技术的国内外研究现状进行了说明。介绍了智能诊断算法的发展历程以及几种主要的智能诊断算法,并以地铁车辆塞拉门为研究对象,介绍了塞拉门故障诊断技术的当前研究热点与成果。其次,针对现有智能门控器的不足,在分析塞拉门组成结构的前提下,对现有塞拉门门控器电气线路进行升级改造,通过加装数据采集卡的形式,对开关门过程中的电机电流等数据进行了采集发送。同时,为解决采集到的海量数据的存储问题,提出了一种基于自适应分段的一维小波变换数据压缩算法,使用现场霍尔电流传感器采集到的电压数据进行了压缩测试。实验结果表明,改进的压缩算法在提升压缩率的同时,确保了数据的还原精度,证明了改进算法的有效性,为后期故障诊断算法研究积累了原始数据。最后,根据采集到的过程数据特点,采用EMD加奇异值的特征提取算法对原始数据进行了特征提取,并使用KPCA算法对提取出的特征集进行了降维操作,为后期故障分类算法提供了最优输入特征集。针对传统故障分类算法诊断率较低、容易陷入局部最优解等问题,建立基于DE-GWO优化的SVM诊断算法,使用降维后的最优特征集进行了故障识别测试。试验结果表明,本文建立的改进故障分类算法与传统故障分类算法相比,具有更高的识别率,具有一定的工程应用价值。
田粉霞[4]（2020）在《基于深度学习的无绝缘轨道电路故障诊断》文中研究表明近些年,随着社会及经济的发展,对铁路运输能力提出更高的要求。轨道电路作为铁路信号的基础设备,用来向列车发送列控系统下发的行车信息,并完成列车占用检测及完整性检查,因此在保证列车安全可靠运行方面占据重要作用。随着我国铁路运营里程的增加,轨道电路的数量递增,且轨道电路设备长期工作在室外,环境复杂,易导致故障,而人工检修存在实时性低、危险性高的缺点,论文针对现有诊断系统及研究中存在的问题实现基于现有监测数据的轨道电路故障诊断。基于上述背景,本文的主要工作包括以下几个方面:首先,查阅相关标准及现场调研,确定现有不同诊断系统依赖的监测数据,根据不同的监测系统提出相应的解决方案。明确监测数据后,根据轨道电路传输线模型,对不同位置的监测数据进行仿真,并与实际测试数据对比,确定模型的有效性,用来产生除实测数据以外的训练数据。其次,在地面监测数据故障诊断方面,针对有室外地面监测数据的诊断系统,考虑到监测数据中含有噪声,故采用栈式降噪自编码实现故障诊断,通过调整算法结构及参数,诊断精度达到99.63%。论文重点针对无室外地面监测数据的诊断系统进行研究,其难点在于调谐区的实时在线故障诊断,目前该问题通常借助车载数据实现诊断,但时效性较低;论文通过分析调谐区的工作原理,提出了将故障诊断数据扩展到相邻区段集中监测数据的解决方案,由于故障特征不足,当算法结构及参数与室外监测系统相同时,区间故障类型无法识别,论文进一步采用卷积运算对栈式降噪自编码进行优化,提高算法局部特征提取能力,实现了无室外监测系统时包括调谐区故障在内的实时在线故障诊断。最后,在车载数据故障诊断方面,建立单轮对及多轮对列车分路模型,全区间正常分路时采用单轮对分路模型,区间局部分路不良时采用多轮对分路模型,形成不同运行场景下补偿电容故障的机车车载信号电压数据,算法采用卷积神经网络,通过分析算法分类原理建立错误标签数据集的方式,解决了诊断测试中出现的由于标签错误导致诊断正确率降低的问题,在论文给出的测试条件下,诊断精度可达到97.74%,验证了模型的有效性。
商瑞霖[5]（2020）在《基于视觉系统的配网巡检仪的开发与实现》文中提出配电网作为输电网络中极其重要的一部分,对配电网的日常巡检维护是保证其长期运行稳定的重要措施之一。提高配电网的自动化比率正是当前电网公司需要解决的问题。而在目前对配电网的巡检流程中,我国还处于相对人工化的大环境,巡检的记录工作往往还需要手工抄录登记,巡检效率低下。为了满足人员实际需求,减少人工巡检压力提升效率和科学性,提高配电网自动化程度,本文设计了一种基于视觉系统的配网巡检仪。具体研究内容及成果如下:1.本文根据巡检仪使用的环境和条件,对系统进行了的整体设计。该巡检仪具有对配电网设备进行红外测温、对绝缘子的裂纹进行检测,可实现实时数据存储、Wi-Fi无线传输、安卓APP控制等功能。本文所设计的巡检仪安装在头盔中,体积小巧,便于工作人员随身携带。2.设计了巡检仪硬件电路。巡检仪终端选用了高性能的STM32F429微控制器作为主控芯片,搭载中国开源社区主导开发的RT-Thread实时操作系统,可以同时多线程实时处理任务,减少工作中任务的堆积和排队的情况,从而有效地避免了多任务高负载处理时卡顿现象的出现。另外在图像方面,巡检仪支持可见光图像的采集,还搭载了红外拍摄功能,可以有效检测到肉眼无法发现的异常发热故障,提高巡检的准确性和效率。无线传输借助高速率的Wi-Fi芯片结合TCP协议,既满足了工作时的视频传输速率需求,同时保证了数据传输的完整性和稳定性。3.设计了巡检员使用的软件系统,开发使用在安卓设备平台上的APP,可以实时显示数据采集系统传输过来的数据。使用普通的拍摄系统时,拍摄者需要在整个硬件上通过显示屏观察图像,这给工作人员带来极大的不便,而通过APP的模式可以让工作人员更方便的观察拍摄效果。将基于卷积神经网络的检测算法移植到安卓APP中,可以在巡检过程中对绝缘子裂纹问题进行检测,从而使功能更加完善。4.开展了基于卷积神经网络的检测算法研究,利用基于卷积神经网络的检测算法对配电网中所常见的绝缘子裂纹问题检测。通过改进SSD框架,详细阐述了MoblieNet网络的设计是如何减少计算量和参数量,实现网络轻量化,方便将算法移植到安卓APP中,从而实现对巡检仪终端所采集的绝缘子图像进行检测。5.完成系统的整体测试,通过相关测试结果表明,对绝缘子裂纹检测算法应用正常,红外测温测试结果正常,巡检数据库运行正常,Wi-Fi网络运行稳定性良好。通过各部分的运行测试表明,各功能均能正常工作,完成了系统的设计要求,能较好的完成采集和传输任务。
范露[6]（2020）在《基于振动信号处理的高压断路器机械故障诊断》文中研究表明高压断路器在电力系统中起到控制和保护作用,其安全可靠的工作状态关系到电网的安全稳定运行,经国内外相关组织调查研究发现:高压断路器故障引起的停电损失远远超过设备本身损坏的价值。当高压断路器操动机构动作时,释放的机械振动信号包含了丰富的设备状态信息,因此,可以通过分析振动信号实现高压断路器机械故障诊断。本文以ABB公司12 kVVD4智能高压断路器为研究对象,基于振动信号的监测手段,建立了高压断路器振动信号采集系统,针对VD4断路器最常见的四种机械故障,提出了四部分研究内容:采集系统的搭建与信号采集、信号预处理、信号特征提取和断路器状态识别。首先,统计了 VD4智能高压断路器最常见的四种机械故障:机构卡涩、分闸弹簧疲劳、润滑失效和缓冲故障,根据机械故障的振动频率选择了合适的加速度传感器,并确定了最佳安装位置。搭建振动信号采集系统,并对采集到的振动信号进行小波阈值去噪。其次,引入了两种方法对信号进行特征提取:（1）集合经验模态分解-近似熵特征提取法,信号被分解成不同层IMF分量,选取与原振动信号强相关的IMF分量进行近似熵计算,这些近似熵值构成的向量即为特征;（2）小波变换-局部二值模式法,将转变成灰度图的信号进行分区,对各个区域局部二值模式值出现的频率进行统计,生成的直方图归一化处理后即为特征向量。最后,将两种特征信号分别进行支持向量机分类和BP神经网络分类。通过检出率和误检率两种量化判别标准进行综合分析,得到效果最佳的诊断方法为基于集合经验模态分解-近似熵特征提取经由支持向量机分类,其检出率为99.5%,误检率为0%,诊断效果较好。实验结果显示:本文基于振动信号提出的故障识别方法,为高压断路器健康管理提供了新方案,进一步实现了精准决策,体现了较高的应用价值。
李庆滨[7]（2019）在《基于超声同步的浮动侧扫式吃水检测系统的研究》文中研究说明伴随着我国水运事业的发展,内河水域价值逐步得以体现,为了保障船舶通航以及航道安全,各地海事部门及通航管理部门投入了大量的人力物力对船舶吃水状况进行检测,取得了一定的成果,但技术仍不成熟。本文将对吃水检测技术进行详细研究,以提高检测效率。国内外对于通航船舶的吃水检测技术的研究,均有着各自的缺陷,无法将实时性、准确性、可靠性这三者融为一体。目前超声波侧扫式船舶吃水检测系统的应用较为广泛,但该系统的安装条件较为严格,设备检修较为复杂,且受检测环境影响巨大。故在此基础上,本文提出了基于超声同步的浮动侧扫式吃水检测系统。首先,其利用浮筒的浮力使得检测设备可以漂浮在水面上,并通过水下声场模型以及三维建模的方法,对检测系统的浮动式补偿进行了定量分析,使得检测结果更加合理、准确,解决了检测系统安装条件严格的问题;其次,利用超声波可携带并传递信息的能力,摒弃了传统的利用水下电缆进行同步工作的方法,极大地提高了检测速率和效率,便于安装与检修,同时也避免了由于水文、盐度等水文环境的变化而对检测系统产生的不利影响。除此之外,针对水下超声波传感器发生损坏难以及时维修的状况,通过水下声波衍射强度分布以及非线性最小二乘法,完成了针对超声波传感器的变节距处理,使得在某些传感器无法正常工作的情况下,检测系统仍能对通航船舶进行准确的检测。在本论文中,设计了一种基于超声同步的浮动侧扫式吃水检测系统,该系统通过FPGA与ARM双核架构构成的下位机硬件系统,配合上位机软件系统对通航船舶进行实时检测。其中,设计的基于FPGA的数据采集模块配合调理电路以及解调放大电路,完成了对超声检测信息以及超声同步信息的使能与采集;设计的基于ARM的数据融合模块完成了对所采集的超声检测信息、水位信息以及倾角信息的融合,并配合无线通信模块完成了与上位机软件系统之间的通信。而上位机软件系统的开发,则利用三维空间建模的分析方式,通过先进的优化算法,完成了对检测数据的浮动补偿以及变节距处理,最终得到通航船舶的实时吃水深度。本文所设计的吃水检测系统在大连海事大学救助与打捞工程实验室,以及向家坝升船机下游引航道现场均开展了检测实验,根据向家坝升船机现场对通航船舶实时检测的数据进行分析,其检测速率达到一秒五帧,在检测系统两端间距28m的前提下,误差标准差约为0.04m,符合现场应用条件。
张建[8]（2019）在《IFA-PNN和改进核Fisher算法在变压器故障诊断中的应用研究》文中研究说明变压器作为智能电网的一部分,起着变换和传输电能的作用。随着智能电网的发展,及早发现变压器的潜在故障,对电网安全稳定运行具有重要意义。此外,为了减少定期检修带来的停电和过多的维修成本,在线智能监测也十分必要。基于上述背景并结合当前的研究现状,本文以人工智能方法为基础,对变压器的故障诊断做出如下研究:针对变压器故障诊断中DGA算法不能全面反映故障类型,以及部分神经网络模型结构复杂等问题,文中提出了IFA-PNN（Improve Firefly algorithm-Probabilistic Neural Networks）诊断模型。首先,利用改进萤火虫算法对概率神经网络中光滑因子（σ）进行寻优,然后PNN神经网络用最优σ值对故障进行分类。在该模型中,采用融合比值法对输入数据进行处理,使其更具有代表性,提高了PNN神经网络诊断的准确率。改进的萤火虫算法既保证了全局搜索能力,又提高了搜索的精度,快速准确的找到σ的最优值。另外,概率神经网络具有结构简单,分类准确率高等优点。经实验测试分析后,表明该方法具有较高的故障诊断准确率。变压器故障数据具有离散性和较强的非线性,据此文中提出了改进的核Fisher诊断模型。在该模型中,采用欧氏距离对类间矩阵进行加权,用复合核函数代替单一核函数。经改进后的模型,减少了故障数据在投影时的重叠现象,复合核函数具有多个核函数的特点,有较强的非线性处理能力,特别适合处理变压器这类数据量较大非线性强的问题。经测试,该方法是一种有效的故障诊断方法。文中图35幅,表11个,参考文献72篇。
韩虎,王立平[9]（2018）在《轨道交通门智能诊断系统的研究与设计》文中研究说明针对轨道交通车辆门系统检修时存在大量工作的问题,设计了一种基于大数据分析的轨道交通门智能诊断系统。该系统基于ARM8和STM32双ARM构架,通过采集车门控制器以及电机的各种电参数,运用大数据分析和人工智能诊断算法对数据进行处理,实现对轨道交通门的智能诊断。实验表明,该系统对轨道交通门故障类型诊断准确率达到90%,实现了车门的预防性维修。
陈金胜[10]（2017）在《基于图像识别的轨道定位及嵌入式实现》文中进行了进一步梳理轨道是列车得以运行的载体,在列车安全运营过程中轨道必须保持良好的技术状态。轨检小车作为轨道线路状态检测的重要设备,是保障列车安全运行的一项有效手段。实时、高精度的位置信息是轨检小车对轨道线路准确检测的前提,也是轨检小车必须具有的一项基本功能,研究一种快速、精确的自主定位方法对于轨道检测效率的提高具有重要意义。光电编码器是轨道定位中较为常用的方法,但其存在滑行及车轮磨损等问题,图像识别技术具有无接触、高效性等优点,通过对轨检小车定位需求特点的分析,提出了基于图像识别的轨道定位方法。利用车轮光电编码器定位连续性的特点实现对轨道线路的连续定位,基于轨道线路扣件等间距铺设,通过对扣件的计数来间接实现对轨道的点式定位,重点研究了基于图像识别技术与光电编码器技术的融合算法,构建了定位系统的数学模型。扣件的快速检测算法是实现基于图像识别的轨道定位算法的关键,扣件的识别需要经过图像滤波去噪、模板匹配等步骤,由于常规的扣件识别算法往往因处理速度较慢、运算量大等因素难易满足嵌入式系统需求。为了实现轨道扣件的快速识别定位,对轨道图像预处理算法及基于模板匹配的扣件检测算法进行研究,通过利用设定停止标准、采用基于图像金字塔模型及曲面拟合的梯度向量快速提取算法,最终达到了适应于嵌入式系统的轨道扣件快速检测的目的。轨道定位算法的嵌入式设计是实现轨道定位的硬件基础,在对轨道定位算法的研究基础之上,设计了嵌入式定位系统的总体方案,构建了嵌入式系统框架,并进行了嵌入式处理器的选型、嵌入式操作系统的选择、图像处理算法的移植以及操作界面的设计,实现了硬件系统平台的搭建,最终实现了嵌入式平台下基于图像识别的轨道定位。
二、图像识别信号传输电路故障检修两例（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、图像识别信号传输电路故障检修两例（论文提纲范文）
（2）基于多核DSP的电梯网络信息实时采集系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 论文研究的背景和意义 |
| 1.2 电梯监测技术背景 |
| 1.3 电梯监测方法的研究现状 |
| 1.4 本文工作内容及组织结构 |
| 第二章 总体设计 |
| 2.1 基于多核DSP的电梯远程监控管理系统解决方案 |
| 2.2 系统方案总体设计 |
| 2.3 数据采集模块 |
| 2.4 算法处理模块 |
| 2.5 扩展存储器模块 |
| 2.6 本章小结 |
| 第三章 电梯监测系统设计 |
| 3.1 电梯监测系统硬件设计 |
| 3.1.1 DSP简介 |
| 3.1.2 TMS320C6678的功能和特点 |
| 3.1.3 系统电源 |
| 3.2 DDR3外部存储器接口 |
| 3.3 USB电路设计 |
| 3.3.1 系统概况 |
| 3.3.2 系统主要部件及电路 |
| 3.3.3 DMA方式数据传输电路 |
| 3.3.4 数据选择电路 |
| 3.3.5 串并转换及计数器电路 |
| 3.3.6 复位挂起电路 |
| 3.3.7 外设接口 |
| 3.3.8 其他器件 |
| 3.4 GPRS电路设计 |
| 3.5 AD转换电路设计 |
| 3.6 本章小结 |
| 第四章 基于图像识别技术的电梯故障判断 |
| 4.1 SIFT算法 |
| 4.1.1 尺度空间的建立 |
| 4.1.2 高斯模糊 |
| 4.1.3 高斯图像梯度的计算 |
| 4.2 多核DSP开发架构设计 |
| 4.2.1 并行处理模型 |
| 4.2.2 SIFT算法并行模型 |
| 4.2.3 核间同步 |
| 4.3 KNN算法及欧式距离 |
| 4.3.1 KNN算法简介 |
| 4.3.2 欧氏距离 |
| 4.4 数据传输方式数据 |
| 4.4.1 核间输入 |
| 4.4.2 核间输出 |
| 4.5 本章小结 |
| 第五章 实验数据及分析 |
| 5.1 多核DSP运行SIFT算法结果 |
| 5.2 基于图像识别技术的电梯故障判断结果 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（3）地铁塞拉门故障诊断技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 故障诊断技术及地铁塞拉门国内外研究现状 |
| 1.2.1 故障诊断技术 |
| 1.2.2 地铁塞拉门国内外研究现状 |
| 1.3 论文主要研究内容 |
| 第2章 地铁塞拉门系统及故障诊断方案 |
| 2.1 塞拉门系统概述 |
| 2.1.1 塞拉门系统构成 |
| 2.1.2 塞拉门工作原理 |
| 2.2 地铁塞拉门故障概述 |
| 2.2.1 塞拉门常见故障 |
| 2.2.2 塞拉门典型故障 |
| 2.3 地铁塞拉门故障诊断方案 |
| 2.3.1 塞拉门故障机理分析 |
| 2.3.2 塞拉门故障诊断方案 |
| 2.4 本章小结 |
| 第3章 地铁塞拉门数据采集系统 |
| 3.1 数据采集系统概述 |
| 3.2 塞拉门数据采集系统硬件 |
| 3.2.1 DSP外围核心电路 |
| 3.2.2 供电电路 |
| 3.2.3 信号采集电路 |
| 3.2.4 信号存储传输电路 |
| 3.3 塞拉门数据采集系统软件 |
| 3.3.1 软件开发平台概述 |
| 3.3.2 系统软件主程序 |
| 3.3.3 数据采集子程序 |
| 3.3.4 数据传输子程序 |
| 3.4 数据采集系统实验 |
| 3.4.1 试验测试平台 |
| 3.4.2 采集系统实验结果 |
| 3.5 本章小结 |
| 第4章 地铁塞拉门过程数据压缩算法 |
| 4.1 数据常见压缩方法 |
| 4.1.1 无损压缩方法 |
| 4.1.2 有损压缩方法 |
| 4.2 塞拉门过程数据特点 |
| 4.3 塞拉门过程数据压缩方案 |
| 4.3.1 数据压缩方案概述 |
| 4.3.2 基于小波变换的压缩方法 |
| 4.3.3 基于分段自适应阈值小波的数据压缩算法 |
| 4.4 塞拉门过程数据压缩实验 |
| 4.4.1 数据压缩算法评估参数 |
| 4.4.2 数据压缩实验结果 |
| 4.5 本章小结 |
| 第5章 地铁塞拉门故障诊断方法 |
| 5.1 特征量分析 |
| 5.2 故障特征量提取 |
| 5.2.1 经验模态分解 |
| 5.2.2 奇异值提取方法 |
| 5.2.3 核主成分分析降维处理 |
| 5.3 基于差分狼群算法优化的支持向量机诊断算法 |
| 5.3.1 支持向量机诊断算法 |
| 5.3.2 差分狼群优化算法 |
| 5.3.3 DE-GWO-SVM诊断算法 |
| 5.4 塞拉门故障诊断实例 |
| 5.4.1 数据来源与样本划分 |
| 5.4.2 数据预处理 |
| 5.4.3 故障诊断算法对比 |
| 5.5 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
（4）基于深度学习的无绝缘轨道电路故障诊断（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 基于集中监测数据的故障诊断现状 |
| 1.2.2 基于车载数据的故障诊断现状 |
| 1.2.3 深度学习在铁路故障诊断中的发展 |
| 1.2.4 主要存在问题 |
| 1.3 论文主要工作及章节分配 |
| 1.3.1 论文主要工作 |
| 1.3.2 章节分布 |
| 2 轨道电路传输理论及机车信号电压模型 |
| 2.1 轨道电路传输理论 |
| 2.2 四端网理论 |
| 2.3 无绝缘轨道电路调谐区 |
| 2.3.1 工作机理 |
| 2.3.2 故障后相邻区段的影响 |
| 2.4 多轮对机车分路模型 |
| 2.4.1 单轮对分路模型及不足 |
| 2.4.2 多轮对分路模型 |
| 2.5 本章小结 |
| 3 基于地面监测系统的故障诊断 |
| 3.1 故障案例及现场解决方式 |
| 3.2 故障对邻区段的干扰机理 |
| 3.3 数据采集及预处理 |
| 3.4 栈式降噪自编码 |
| 3.4.1 自编码网络 |
| 3.4.2 降噪自编码 |
| 3.4.3 栈式自编码 |
| 3.5 含室外监测系统的诊断实现及参数影响分析 |
| 3.6 室内集中监测系统故障诊断实现 |
| 3.7 不同算法诊断结果分析 |
| 3.8 本章小结 |
| 4 基于车载设备采集数据的故障诊断 |
| 4.1 补偿电容故障对机车信号电压的影响 |
| 4.2 卷积神经网络 |
| 4.2.1 特征提取 |
| 4.2.2 故障分类 |
| 4.3 避免标签错误对诊断结果的影响改进 |
| 4.4 故障诊断实验 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 5.1 主要结论 |
| 5.2 未来展望 |
| 参考文献 |
| 图索引 |
| 表索引 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）基于视觉系统的配网巡检仪的开发与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 课题主要的研究内容 |
| 第2章 视觉系统的总体设计方案 |
| 2.1 系统的设计要求 |
| 2.2 系统的总体设计 |
| 2.3 系统的关键技术 |
| 2.3.1 基于卷积神经网络的检测算法模型 |
| 2.3.2 移植实时操作系统 |
| 2.3.3 SPI转 Wi-Fi |
| 2.4 本章小结 |
| 第3章 基于卷积神经网络的绝缘子裂纹检测 |
| 3.1 卷积神经网络 |
| 3.2 MobileNet-SSD网络模型 |
| 3.2.1 MobileNet网络结构 |
| 3.2.2 MobileNet-SSD网络结构 |
| 3.3 数据集制作 |
| 3.4 训练过程与结果分析 |
| 3.4.1 训练过程 |
| 3.4.2 结果分析 |
| 3.5 本章小结 |
| 第4章 视觉系统的硬件设计 |
| 4.1 主控电路的设计 |
| 4.1.1 主控的最小系统 |
| 4.1.2 外部SDRAM扩展 |
| 4.2 可见光摄像头接口电路 |
| 4.2.1 可见光摄像头 |
| 4.2.2 可见光摄像头接口电路设计 |
| 4.3 红外摄像头接口电路 |
| 4.3.1 红外摄像头 |
| 4.3.2 红外摄像头接口电路设计 |
| 4.4 Wi-Fi无线通信电路 |
| 4.5 数据存储电路 |
| 4.6 供电电路 |
| 4.7 本章小结 |
| 第5章 视觉系统的软件设计 |
| 5.1 软件整体方案的设计 |
| 5.2 设备终端驱动软件的设计 |
| 5.2.1 RT-Thread实时操作系统的移植 |
| 5.2.2 图像采集驱动程序设计 |
| 5.2.3 数据存储驱动设计 |
| 5.2.4 文件系统 |
| 5.2.5 Wi-Fi无线通信驱动设计 |
| 5.3 安卓软件的设计 |
| 5.3.1 安卓软件的主要功能 |
| 5.3.2 检测算法的实现 |
| 5.3.3 安卓视频流显示的软件设计 |
| 5.3.4 安卓图像显示的软件设计 |
| 5.3.5 安卓数据库的软件设计 |
| 5.3.6 设备终端与安卓APP的数据交互流程 |
| 5.4 本章小结 |
| 第6章 视觉系统的相关测试与分析 |
| 6.1 红外成像测试 |
| 6.2 绝缘子裂纹检测测试 |
| 6.3 安卓数据库功能测试 |
| 6.3.1 查看电力设备的状态信息 |
| 6.3.2 修改电力设备的状态信息 |
| 6.4 Wi-Fi稳定性测试 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 发表论文、专利及参加课题一览表 |
（6）基于振动信号处理的高压断路器机械故障诊断（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究近况 |
| 1.2.2 国内研究近况 |
| 1.3 现存问题 |
| 1.4 论文主要研究内容和章节安排 |
| 第二章 试验设计与信号采集 |
| 2.1 高压断路器及其分类 |
| 2.2 断路器的信号采集系统 |
| 2.2.1 传感器的选型与安装位置 |
| 2.2.1.1 振动传感器的选型 |
| 2.2.1.2 振动传感器的安装 |
| 2.2.2 信号采集平台设计 |
| 2.3 模拟故障实验设计 |
| 2.3.1 VD4真空断路器常见的机械故障 |
| 2.3.2 模拟机械故障实验 |
| 2.4 本章小结 |
| 第三章 振动信号去噪与分析 |
| 3.1 小波阈值去噪 |
| 3.1.1 小波阈值去噪方式 |
| 3.1.2 去噪效果评估指标 |
| 3.2 小波阈值去噪分析 |
| 3.3 本章小结 |
| 第四章 振动信号的特征提取及分析 |
| 4.1 基于集合经验模态分解—近似熵的特征提取 |
| 4.1.1 集合经验模态分解—近似熵原理 |
| 4.1.1.1 集合经验模态分解 |
| 4.1.1.2 近似熵 |
| 4.1.2 基于集合经验模态分解-近似熵特征提取的样本分析 |
| 4.2 基于小波变换—局部二值模式的特征提取 |
| 4.2.1 小波变换—局部二值模式 |
| 4.2.1.1 小波变换 |
| 4.2.1.2 局部二值模式 |
| 4.2.2 基于小波变换—局部二值模式的特征提取样本分析 |
| 4.3 本章小结 |
| 第五章 振动信号的故障识别及分析 |
| 5.1 基于粒子群优化支持向量机参数的故障识别 |
| 5.1.1 支持向量机分类 |
| 5.1.1.1 线性分类SVM |
| 5.1.1.2 基于核的非线性分类SVM |
| 5.1.2 粒子群优化算法 |
| 5.1.3 基于支持向量机分类的故障识别分析 |
| 5.1.3.1 集合经验模态分解-近似熵的支持向量机分类分析 |
| 5.1.3.2 小波变换—局部二值模式的支持向量机分类分析 |
| 5.2 基于BP神经网络的故障识别 |
| 5.2.1 BP神经网络 |
| 5.2.2 基于BP神经网络的故障诊断分析 |
| 5.2.2.1 集合经验模态分解-近似熵的BP神经网络分类分析 |
| 5.2.2.2 小波变换—局部二值模式的BP神经网络分类分析 |
| 5.3 诊断效果比较 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 主要研究成果 |
（7）基于超声同步的浮动侧扫式吃水检测系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题概述 |
| 1.1.1 课题来源 |
| 1.1.2 课题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 自动检测法 |
| 1.2.2 超声波侧扫式检测法 |
| 1.3 本文研究内容 |
| 2 基于超声同步的浮动侧扫式吃水检测系统及原理 |
| 2.1 系统综述 |
| 2.2 声波特性分析 |
| 2.2.1 声波方向特性 |
| 2.2.2 声波多途效应 |
| 2.2.3 声波速度特性 |
| 2.2.4 声波衰减特性 |
| 2.2.5 声波衍射效应 |
| 2.3 超声波传感器的研究 |
| 2.4 超声同步技术的研究 |
| 2.5 本章小结 |
| 3 基于超声同步的浮动侧扫式吃水检测系统下位机设计 |
| 3.1 下位机硬件系统架构 |
| 3.2 超声波发射与接收电路的设计 |
| 3.2.1 超声波发射电路设计 |
| 3.2.2 超声波接收解调放大电路设计 |
| 3.3 基于FPGA的数据采集模块设计 |
| 3.3.1 基于FPGA的数据采集模块硬件电路设计 |
| 3.3.2 基于FPGA的数据采集模块软件实现 |
| 3.4 基于ARM的数据融合模块设计 |
| 3.4.1 基于ARM的数据融合模块硬件电路设计 |
| 3.4.2 基于ARM的数据融合模块软件实现 |
| 3.5 本章小结 |
| 4 基于超声同步的浮动侧扫式吃水检测系统上位机开发 |
| 4.1 上位机系统数据处理设计 |
| 4.1.1 数据提取与分离 |
| 4.1.2 超声波检测数据浮动分析 |
| 4.1.3 随机噪声处理 |
| 4.1.4 变节距处理 |
| 4.1.5 超声检测数据归一化处理 |
| 4.1.6 幅值细分处理 |
| 4.2 吃水检测系统上位机软件开发 |
| 4.3 本章小结 |
| 5 系统测量结果与分析 |
| 5.1 救助与打捞工程实验室模拟实验 |
| 5.1.1 模拟实验系统设备 |
| 5.1.2 实验数据分析 |
| 5.2 向家坝升船机下游引航道现场实验 |
| 5.2.1 现场系统安装 |
| 5.2.2 向家坝升船机现场检测数据分析 |
| 结论 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（8）IFA-PNN和改进核Fisher算法在变压器故障诊断中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.3 课题研究内容 |
| 1.4 论文安排 |
| 2 传统故障诊断方法 |
| 2.1 电气设备故障诊断 |
| 2.2 常见变压器故障类型 |
| 2.3 变压器故障信息 |
| 2.4 变压器故障诊断依据 |
| 2.5 DGA故障诊断方法 |
| 2.6 本章小结 |
| 3 神经网络的故障诊断方法 |
| 3.1 神经元的模型 |
| 3.2 神经网络的构建 |
| 3.3 神经网络的学习方法 |
| 3.4 BP神经网络诊断模型 |
| 3.5 BP神经网络故障诊断 |
| 3.6 本章小结 |
| 4 IFA-PNN分类器故障诊断 |
| 4.1 概率神经网络 |
| 4.2 萤火虫算法 |
| 4.3 改进的萤火虫算法 |
| 4.4 基于IFA-PNN的变压器故障诊断方法 |
| 4.5 本章小结 |
| 5 核Fisher分类器故障诊断 |
| 5.1 Fisher线性判别法 |
| 5.2 核Fisher判别分析法 |
| 5.3 改进的核Fisher分析法 |
| 5.4 改进KFDA变压器故障诊断分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间发表的学术论文及科研情况 |
| 致谢 |
（9）轨道交通门智能诊断系统的研究与设计（论文提纲范文）
| 0 引言 |
| 1 轨道交通门智能诊断系统总体设计 |
| 2 轨道交通门智能诊断系统硬件设计 |
| 2.1 电机数据采集电路 |
| 2.2 控制器I/O采集电路 |
| 2.3 Zig Bee无线传输电路 |
| 2.4 3G传输电路 |
| 3 软件设计 |
| 4 台架试验数据分析 |
| 5 结束语 |
（10）基于图像识别的轨道定位及嵌入式实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 选题背景及意义 |
| 1.2.1 选题背景 |
| 1.2.2 选题意义 |
| 1.3 相关研究现状 |
| 1.3.1 轨道定位方法研究现状 |
| 1.3.2 嵌入式图像处理国内外研究现状 |
| 1.3.3 基于轨道扣件的轨道定位 |
| 1.4 研究内容和论文结构 |
| 1.4.1 研究内容 |
| 1.4.2 论文结构 |
| 1.5 本章小结 |
| 第二章 嵌入式轨道定位原理及系统设计 |
| 2.1 引言 |
| 2.2 基于图像识别的轨道定位原理 |
| 2.2.1 光电编码器轨道绝对定位 |
| 2.2.2 扣件位置定位 |
| 2.2.3 轨道定位 |
| 2.3 基于图像识别的轨道定位系统整体设计方案 |
| 2.3.1 系统整体方案 |
| 2.3.2 系统的主要功能及指标 |
| 2.4 本章小结 |
| 第三章 轨道图像预处理方法研究 |
| 3.1 图像剪裁 |
| 3.2 图像增强 |
| 3.2.1 高斯滤波 |
| 3.2.2 均值滤波 |
| 3.2.3 中值滤波 |
| 3.2.4 试验结果与分析 |
| 3.3 边缘提取算法 |
| 3.3.1 Sobel边缘检测算子 |
| 3.3.2 Roberts边缘检测算子 |
| 3.3.3 Laplacian边缘检测算子 |
| 3.3.4 检测效果综合对比 |
| 3.4 本章小结 |
| 第四章 基于相似度量的快速模板匹配方法 |
| 4.1 引言 |
| 4.2 相似度量原理 |
| 4.3 相似度量的停止标准设定 |
| 4.4 基于图像金字塔模型的快速匹配搜索策略 |
| 4.5 仿射变换参数的确定 |
| 4.6 梯度向量的快速提取算法 |
| 4.7 实验结果与分析 |
| 4.7.1 实验方法 |
| 4.7.2 实验结果 |
| 4.8 本章小结 |
| 第五章 基于图像识别的轨道定位嵌入式实现 |
| 5.1 嵌入式系统结构 |
| 5.2 硬件系统设计 |
| 5.2.1 主传感器选型 |
| 5.2.2 主要硬件设计 |
| 5.3 软件系统设计 |
| 5.3.1 操作系统选型 |
| 5.3.2 编写环境配置 |
| 5.3.3 软件工作流程 |
| 5.4 测试结果 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 |
| 1.发表的学术论文 |
| 2.取得的相关科研成果 |
| 3.参与的科研项目 |
| 致谢 |
四、图像识别信号传输电路故障检修两例（论文参考文献）
- [1]船用推进电机振动测量系统设计与研究[D]. 周文健. 哈尔滨工程大学, 2021
- [2]基于多核DSP的电梯网络信息实时采集系统研究[D]. 任经纬. 南京邮电大学, 2019(03)
- [3]地铁塞拉门故障诊断技术研究[D]. 李城汐. 西南交通大学, 2020(07)
- [4]基于深度学习的无绝缘轨道电路故障诊断[D]. 田粉霞. 北京交通大学, 2020(03)
- [5]基于视觉系统的配网巡检仪的开发与实现[D]. 商瑞霖. 西南大学, 2020(01)
- [6]基于振动信号处理的高压断路器机械故障诊断[D]. 范露. 厦门理工学院, 2020(01)
- [7]基于超声同步的浮动侧扫式吃水检测系统的研究[D]. 李庆滨. 大连海事大学, 2019(06)
- [8]IFA-PNN和改进核Fisher算法在变压器故障诊断中的应用研究[D]. 张建. 西安工程大学, 2019(06)
- [9]轨道交通门智能诊断系统的研究与设计[J]. 韩虎,王立平. 仪表技术与传感器, 2018(05)
- [10]基于图像识别的轨道定位及嵌入式实现[D]. 陈金胜. 上海工程技术大学, 2017(03)