提出了一种基于智能传感器技术的铁路轴温监测系统。引入灰度模型算法结合最小二乘法偏移原理,提出了融合权重参数的二乘灰度模型列车轴温分析及预警算法,有效解决了原始算法于极值点大概率误差过大的问题,提升了短时间预测的准确度。对比实验结果显示,该算法可以有效监测列车轴温,故障预警的准确率对比其他算法平均提高了7%左右,平均误差小于2%,具备较高的工程研究及应用推广价值。

轴温是识别列车故障的关键指标之一,实时监测轴温变化并对故障及时预警对车辆检修、机车行车安全具有重要意义。在温度采集方面,采用射频识别(RFID)标签实现无源温度监测,分别设置数字信号处理芯片以及射频芯片控制信号的收发,实时、准确采集货运机车的轴温。在预警算法方面,采用回归系数算法进行车轴故障预警,结合采集的轴温变化数据,分析影响温度的成分因子,并经过特征降维处理后与温差实现多元线性回归拟合运算,获得回归系数后,使用改进的支持向量机模型进行故障预警。实验结果显示,该预警算法可以结合机车的运行速度、工况环境等,实现对故障的综合判断并预警,预警准确率可达97.67%。

为提高铁路机车闸瓦状态监测效果,提出了一种基于机器视觉的铁路闸瓦状态监测方法。首先搭建闸瓦图像采集预处理系统,实现对闸瓦图像的自动采集和分割预处理。然后设计改进了麻雀搜索算法对Canny算子参数进行优化,并利用改进Canny算子提取闸瓦分割图像边缘,以得到较为理想的闸瓦图像边缘特征。最后以此为基础建立闸瓦状态监测模型,利用优化后的RBF神经网络对提取到的图像边缘数据进行分类,从而达到监测闸瓦状态的目的。仿真结果表明,相比于其他监测方法,改进后Canny算子的闸瓦边缘提取效果更优,闸瓦状态监测准确率提高了14.7%~18.0%。