基于改进K-Means聚类算法的车轮踏面损伤检测研究.pdf
《基于改进K-Means聚类算法的车轮踏面损伤检测研究.pdf》由会员分享,可在线阅读,更多相关《基于改进K-Means聚类算法的车轮踏面损伤检测研究.pdf(6页珍藏版)》请在咨信网上搜索。
1、第 37 卷第 3 期2023 年 9 月西昌学院学报(自然科学版)Journal of Xichang University(Natural Science Edition)Vol.37,No.3Sept.,2023基于改进K-Means聚类算法的车轮踏面损伤检测研究朱全1,纪萍2,郭家伟1(1.马鞍山学院智造工程学院,安徽 马鞍山 243100;2.皖江工学院电气信息工程学院,安徽 马鞍山 243031)摘 要:为提高列车车轮踏面检测效率,设计了一套基于机器视觉的车轮踏面动态检测系统,分析了k-means聚类算法,通过加权欧式距离对该算法进行改进,利用聚类法具有保持最大相似性的特性,将基于
2、加权欧式距离的k-means聚类算法用于机器视觉的图像处理。先对原始图像作图像增强、图像灰度化等预处理,再以特征聚类思想对图像作阈值分割,使图像中的各部分特征更加突出。图像处理结果显示,基于加权欧式距离k-means聚类算法的车轮踏面损伤视觉检测系统可以有效地检测出踏面损伤。关键词:车轮踏面;动态检测;k-means聚类算法;机器视觉中图分类号:U279;TP18 文献标志码:A 文章编号:16731891(2023)03004906Study on Wheel Tread Damage Detection Based on Improved K-Means Clustering Algori
3、thmZHU Quan1,JI Ping2,GUO Jiawei1(1.School of Intelligent Manufacturing Engineering,Maanshan University,Maanshan,Anhui 243100,China;2.School of Electrical Engineering,Wanjiang University of Technology,Maanshan,Anhui 243031,China)Abstract:In order to improve the efficiency of train wheel tread detect
4、ion,a dynamic wheel tread detection system based on machine vision was designed,and k-means clustering algorithm was analyzed.The algorithm was improved by weighted Euclidean distance.With the clustering methods characteristics of maintaining maximum similarity,k-means clustering algorithm based on
5、weighted Euclidean distance was used for image processing in machine vision.First,the original image was preprocessed by image enhancement and gray scale,and then the image was threshold segmented using feature clustering to make the features of each part of the image more prominent.The image proces
6、sing results show that the visual detection system of wheel tread damage based on weighted Euclidean distance k-means clustering algorithm can effectively detect tread damage.Keywords:wheel tread;dynamic detection;k-means clustering algorithm;machine vision0 引言随着高速铁路的快速发展,列车的安全行驶越来越受到人们的重视。车轮作为列车的关键
7、零部件之一,其质量状况直接影响列车的安全运行。列车在行驶过程中,紧急制动时引起的轮轨之间的滑动摩擦、车轮闸瓦不结实、列车司机操作不当、车轮对轨道的冲击都会引起车轮的剥离、擦伤等踏面损伤,这些损伤会严重影响列车的安全运行和使用寿命。因此,快速、准确地检测车轮的踏面损伤,对于列车的安全运行意义重大。目前车轮踏面损伤的检测方法,从形式上可分为静态检测和动态检测。静态检测一般在列车定期检修时由检修员通过手持工具、目测观察对车轮进行检测,这种方法耗时费力,效率较低,且存在漏检的风险。动态检测是指列车在运行状态下定性或定量检测车轮踏面损伤1。常用的方法有轮轨力检测法、机器视觉检测法、声发射检测法、光纤光栅
8、技术法、超声波检测法、轴箱振动加速度法、光纤传感器法等。其中,声发射检测法系统安装和检测都很简单,但检测信号doi:10.16104/j.issn.16731891.2023.03.009收稿日期:2023-03-22基金项目:安徽省高校自然科学研究重点项目(KJ2021A1235)。作者简介:朱全(1981),男,安徽马鞍山人,副教授,硕士,主要研究方向:机械工程,e-mail:。西昌学院学报(自然科学版)第 37 卷易受邻轮的干扰。超声波检测法的检测精度高,能适应不同车速,但系统复杂,成本较高,应用受到限制。基于图像的机器视觉检测法检测速度快、重复检测能力强,安装和使用成本较低,已经成为车
9、轮踏面损伤检测的研究应用热点。在基于图像的车轮踏面机器视觉检测方法中,踏面损伤图像的特征提取是一个关键环节。传统的图像分割方法如类内最大方差比法、模糊阈值分割等单阈值分割法难以准确提取踏面损伤图像的特征。因此,本文提出了一种基于加权欧式距离的k-means聚类算法的机器视觉车轮踏面损伤检测方法,用于对列车车轮踏面损伤的检测识别。1 车轮踏面损伤类型根据车轮损伤呈现出的不同情形,列车车轮踏面损伤分为擦伤、扁疤、剥离、凹坑磨耗、车轮多边形等,如图1所示。擦伤是由于列车在制动过程中,车轮和钢轨之间产生剧烈摩擦,摩擦过度产生的热量使车轮踏面出现局部形变,从而形成了硬脆的马氏体组织。凹坑磨耗是轮轨间滚动
10、摩擦接触中发生的一种自然损耗现象。踏面凹坑对列车运行的平稳性有直接影响。从经济性角度考虑,对不同速度要求的运营列车,允许不同程度的凹坑磨耗。当凹坑磨耗到一定深度后,将致使轮轨接触不连续,影响列车运行的安全和乘坐的舒适性。车轮多边形是指由于轮轨磨损不均匀,车轮沿着踏面圆周方向形成的波状非均匀磨耗。车轮多边形会加大轮轨间垂向作用力,使列车的零部件容易出现疲劳失效。剥离是指列车在正常行驶中由于轮轨接触应力或摩擦热循环作用下导致的踏面局部材料剥离掉块。车轮踏面剥离影响列车的行驶安全,减少车轮寿命,增加车轮更换的频次。扁疤是在列车异常制动状态下,车轮运行工况改变引起轮轨间的强烈摩擦,致使车轮踏面材料部分
11、缺失。扁疤引起的轮轨冲击载荷和动响应是正常情况下的数倍,同时产生冲击噪声,对列车其他零部件形成周期性的冲击载荷,容易引起零件的疲劳破坏。2 车轮踏面损伤检测系统基于机器视觉的车轮踏面损伤检测系统结构框图和总体结构图如图 2、图 3所示。系统由触发器、左、右两侧检测装置、交换机和上位计算机组成。左、右两侧的检测装置分别安装在轨道两侧,每侧的检测装置分别布置了1个触发器、3个光源、3台高速CCD相机。为避免发生漏检,每隔踏面周长三分之一的距离布置1台高速CCD相机。工作时,列车车轮经过触发器,高速CCD相机开始采集车轮踏面图像,通过交换机以RS485通信方式传输至上位计算机,计算机根据基于加权欧式
12、距离的k-means聚类算法对图像做分析处理,进行踏面损伤检测,并输出检测结果。a.擦伤d.剥离b.凹坑磨耗e.扁疤c.车轮多边形图1车轮踏面损伤类型图2车轮踏面损伤检测系统结构50第 3 期朱全,纪萍,郭家伟:基于改进k-means聚类算法的车轮踏面损伤检测研究3 改进k-means聚类算法3.1 k-means聚类算法聚类算法是一种无监督的学习方法,能够从分析对象的样本数据中发现关联特征,适合处理数据量大的情况,是一种强有力的数据挖掘技术。聚类算法主要包括基于划分、层次、密度、图论、网络和模型等基本算法,而k-means是聚类算法中一种基于划分的算法2。假设给定样本集 X(1),X(2),
13、X(3),X(M),且X(i)RN,i=1,2,M,依据Mercer定理从映射关系RNRF可得核函数K,即K(X(i),X(i)=N(X(i)TN(X(i)(1)任何一点N(X(i)到类均值mak的距离为dH=N(x)-mak=K(x,x)-2Nj=1NkK(x,x)+1N2kj,p=1NkK(xj,xp)(2)mak=1Nkj=1NkN(xj)k=1,2,K (3)式中:K为聚类数目;Nk为第K类聚类的样本数目;xj和xp则为第K类Ck的第j个和第p个样本。根据式(2)即可求得 k-means 聚类目标函数 J在高维核空间的表达式为J=K=1Ki=1NkN(x)-mak2(4)如图4所示,k
14、-means算法流程为:1)初始化聚类中心,从数据样本中任选k个点作为初始聚类中心,每个点代表一个初始聚类的中心;2)计算其他样本到各个聚类中心的欧式距离,把该样本归到离它最近的那个聚类中心所在的类,按下式计算欧式距离:d(xi,xj)=(xi1-xj1)2+(xi2-xj2)2+(xip-xjp)2(5)3)计算新形成的聚类的平均值得到新的聚类中心;meanDist=2n(n-1)i,j=1nd(xi,xj)(6)4)重复以上2、3步骤,直到相邻两次的聚类中心没有变化,目标函数收敛。k-means聚类算法在每次迭代中都要考察每个样本的分类是否符合聚类条件,若不符合,则调整样本的分类。全部样本
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 Means 算法 车轮 损伤 检测 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。