基于深度学习的高铁接触网旋转双耳开口销钉缺失故障检测

• 作者: 于龙 康高强 陈健雄 高仕斌
• 来源期刊: 铁道学报
• 学科: 交通运输
• 关键词: 旋转双耳 开口销钉缺失检测 深度卷积神经网络 集成学习
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 铁道机车车辆、电气化
• 页码范围: 45-51
• 页数: 7页
• 分类号: U225.42
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8360.2020.10.007

摘要

针对高速铁路接触网支撑装置中旋转双耳开口销钉缺失故障检测的问题,提出一种基于深度卷积神经网络和集成学习的故障检测方法.通过Faster R-CNN网络对旋转双耳整体进行精确定位;在整体定位结果的基础上,进一步完成对开口销钉的精确定位,最大程度上降低背景对故障检测的干扰;通过多个深度卷积神经网络提取开口销钉图像的多种特征,最终由多个线性SVM构成的集成分类器实现开口销钉缺失故障检测.实验结果表明:本方法能在复杂的接触网支撑装置图像中实现旋转双耳开口销钉的精确定位,并且在销钉的缺失故障检测中表现出较高的可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高仕斌		121	1904	24.0	38.0
2	于龙		48	564	13.0	22.0
3	康高强		3	21	1.0	3.0
4	陈健雄		2	0	0.0	0.0