CN110217266A - 列车制动状态下异常车轮识别系统及方法 - Google Patents
列车制动状态下异常车轮识别系统及方法 Download PDFInfo
- Publication number
- CN110217266A CN110217266A CN201910541854.3A CN201910541854A CN110217266A CN 110217266 A CN110217266 A CN 110217266A CN 201910541854 A CN201910541854 A CN 201910541854A CN 110217266 A CN110217266 A CN 110217266A
- Authority
- CN
- China
- Prior art keywords
- wheel
- train
- parameter
- textural characteristics
- wheel rim
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/12—Measuring or surveying wheel-rims
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明实施例提供一种列车制动状态下异常车轮识别系统及方法,属于轨道交通技术领域。通过采集列车各个车轮轮缘的多幅红外热像图并进行处理以形成各个车轮的完整轮缘红外热像图,然后提取各个车轮的完整轮缘红外热像图中的温差带的纹理特征并分别计算各车轮的纹理特征中每个参数的每个特征值与该参数的所有特征值的平均值间的误差率,进而进行异常车轮的判定,与现有技术相比,本发明因只对过车时的车轮进行检测而无需在列车上进行安装,所需费用低,且由于是对车轮踏面红外热像图进行检测,提高了判定结果的准确性。
Description
技术领域
本发明涉及轨道交通技术领域,具体地涉及一种列车制动状态下异常车轮识别系统及方法。
背景技术
目前现在列车制动系统故障诊断采用车载制动系统压力测量装置,采集列车管、制动缸、副风缸压力变化数据,进而进行分析处理以判断车辆级故障。但由于该测量装置需要安装在每节车辆上,设备费用大,且由于货车车辆无电源,以至很难在货车车辆上安装此装置。
发明内容
本发明实施例的目的是提供一种列车制动状态下异常车轮识别系统及方法,通过提取各车轮的完整轮缘红外热像图中的温差带的纹理特征,并计算纹理特征中各个参数的每个特征值与该参数的所有特征值的平均值间的误差率从而判定异常车轮。
为了实现上述目的,本发明实施例提供一种列车制动状态下异常车轮识别系统,所述系统包括:采集单元和监测系统,针对所述列车的每个车轮:所述采集单元采集每个车轮轮缘的多幅红外热像图;所述监测系统用于:将所述每个车轮轮缘的所述多幅红外热像图进行处理以形成所述每个车轮的完整轮缘红外热像图;及提取所述每个车轮的完整轮缘红外热像图中的温差带的纹理特征;针对所述纹理特征中的每个参数,所述监测系统执行以下步骤:分别计算各车轮的所述纹理特征中参数的每个特征值与该参数的所有特征值的平均值间的误差率,如果计算出所述各车轮中任一者的所述纹理特征中有两个参数的特征值的所述误差率超过误差阈值,则判定所述车轮为异常车轮。
可选的,所述采集单元包括对称设置在轨道两侧的两台采集箱。
可选的,所述对称设置在轨道两侧的两台采集箱的数量为两组。
可选的,所述系统还包括:测速装置,用于检测所述列车的行驶速度;第一触发装置,用于如果所述列车的车轮经过所述第一触发装置,则该第一触发装置发送触发信号至所述监测系统,所述监测系统响应于接收到所述第一触发装置发送的触发信号,根据所述列车的行驶速度控制所述前轮采集装置和/或后轮采集装置进行所述各车轮轮缘的红外热像图采集。
可选的,所述纹理特征包括:所述温差带的能量、对比度、相关度和熵。
可选的,所述误差阈值为30%。
相应的,本发明实施例还提供一种列车制动状态下异常车轮识别方法,所述方法包括:针对所述列车的每个车轮:采集每个车轮轮缘的多幅红外热像图;将所述每个车轮轮缘的所述多幅红外热像图进行处理以形成所述每个车轮的完整轮缘红外热像图;及提取所述每个车轮的完整轮缘红外热像图中的温差带的纹理特征;针对所述纹理特征中的每个参数:分别计算各车轮的所述纹理特征中参数的每个特征值与该参数的所有特征值的平均值间的误差率,如果计算出所述各车轮中任一者的所述纹理特征中有两个参数的特征值的所述误差率超过误差阈值,则判定所述车轮为异常车轮。
可选的,所述方法还包括:检测所述列车的行驶速度;如果所述列车的车轮经过第一触发装置,则发送触发信号;响应于接收到所述第一触发装置发送的触发信号,根据所述列车的行驶速度进行所述各车轮轮缘的红外热像图采集。
通过上述技术方案,本发明通过采集列车各个车轮轮缘的多幅红外热像图并进行处理以形成各个车轮的完整轮缘红外热像图,然后提取各个车轮的完整轮缘红外热像图中的温差带的纹理特征并分别计算各车轮的纹理特征中每个参数的每个特征值与该参数的所有特征值的平均值间的误差率,进而进行异常车轮的判定,与现有技术相比,本发明因只对过车时的车轮进行检测而无需在列车上进行安装,所需费用低,且由于是对车轮踏面红外热像图进行检测,提高了判定结果的准确性。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1是本发明一实施例提供的一种列车制动状态下异常车轮识别系统的框图。
图2是车轮的示意图。
图3是本发明一实施例提供的一种列车踏面磨损检测系统的示意图。
图4是本发明一实施例提供的采集箱的示意图。
图5是本发明一实施例提供的一种列车制动状态下异常车轮识别方法的流程图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
在本发明实施例中,在未作相反说明的情况下,使用的方位词如“前”、“后”是以列车来临的方向为“前”,以列车离去的方向为“后”。
图1是本发明一实施例提供的一种列车制动状态下异常车轮识别系统的框图,所述系统包括:采集单元和监测系统,针对列车的每个车轮:采集单元采集每个车轮轮缘的多幅红外热像图;监测系统用于:将每个车轮轮缘的多幅红外热像图进行处理以形成每个车轮的完整轮缘红外热像图;及提取每个车轮的完整轮缘红外热像图中的温差带的纹理特征;针对纹理特征中的每个参数,监测系统执行以下步骤:分别计算各车轮的纹理特征中参数的每个特征值与该参数的所有特征值的平均值间的误差率,如果计算出各车轮中任一者的纹理特征中有两个参数的特征值的误差率超过误差阈值,则判定车轮为异常车轮。
其中,车轮轮缘可为嵌在车轮上的轮箍的位置,采集车轮轮缘的红外热像图可为采集嵌在车轮上的轮箍的红外热像图,车轮轮缘位置如图2所示,其中A为车轮踏面,B为轮缘。经实验发现,在制动过程中,由于踏面的热传导,刚与制动系统的闸瓦接触后的踏面附近的轮缘区域也升温较快,且与其他轮缘区域的温度梯度大,轮缘的温度数据相比于踏面温度数据表征效果更明显。此外,由于角度原因,相比于对车轮刚接触过闸瓦的踏面的采集,轮缘的图像采集难度更低。
采集单元采集的每个车轮轮缘的多幅红外热像图为列车行驶过程各车轮分别在多个时刻的轮缘红外热像图,采集的轮缘红外热像图中包含了采集区内所有采集对象的图像信息,因此需要对各车轮的红外热像图中刚与闸瓦接触后的踏面附近的轮缘进行裁剪、拼接和组合,以得到各个车轮完整的轮缘红外热像图。具体的,可使用滚动位移拼接算法对各车轮的多幅轮缘红外热像图进行拼接组合。
通过将各个车轮在多个时刻刚与闸瓦接触后的踏面附近的轮缘区域进行拼接组合,可以还原整个车轮在所有踏面区域均与闸瓦接触后附近的一周的轮缘的红外热像图。该热像图是不同时刻不同区域的集合,虽不能反映整个车轮的轮缘在某一特定时刻的状态,但对于获取车轮踏面的各个区域在与闸瓦接触后接触区域附近的轮缘的温度变化情况,进而对分析制动状态下各车轮与制动系统的闸瓦的接触情况具有重要意义。
轮缘红外热像图中的温差带为与周围温度有明显差别的带状温度分布区域,可以理解,形成的车轮的完整轮缘红外热像图中可能包括多个温差带,而我们提取的纹理特征是针对所有温差带,而并不是每个温差带,具体的,可分别对各车轮的完整轮缘红外热像图中温度梯度最大的边界区域像素进行分割,得到车轮清晰、完整的轮缘温差带热分布云图,从而进行纹理特征提取。因此针对每个车轮提取的纹理特征只有一组。
纹理特征可包括有多个参数,在获取到各车轮的纹理特征后,先计算纹理特征的各参数在各车轮红外热像图中的特征值的平均值,然后针对各参数,计算参数在各车轮中的特征值与该参数的特征值的平均值间的误差率,具体的,误差率的表达式可为:
如果某一车轮的纹理特征中有两个参数的特征值的误差率超过误差阈值,则可判定该车轮故障。此外,考虑到轮对的关联性,将该车轮与位于该车轮所在轨道的另一侧轨道的同轴车轮所组成的轮对判定为故障轮对,故一对轮对中若任一个轮对故障,则判定该组轮对故障。
车轮异常有两种故障情况。列车处于制动状态时,一部分闸瓦可能与车轮间的相互作用力较小,造成制动系统效果减弱,其余部分的闸瓦与对应的车轮作用时间长,从而加重车轮与闸瓦的磨损;列车在制动缓解时,由于一部分闸瓦与车轮间的作用力并未减小,使得该部分车轮与闸瓦的磨损加剧,且影响对列车速度的控制。该两种故障情况不仅容易造成车轮磨损严重,还会影响列车的行驶状态,从而对列车的行驶安全造成威胁。
可以理解,根据误差率判定异常车轮的原理在于:针对纹理特征中的每个参数,筛选出与正常车轮至少有两个参数的特征值差异较大的车轮,该车轮即为异常车轮。其中正常车轮为各参数的各特征值中至少有两个参数的各特征值数值相近且相近数值的特征值所占比例最大的一组车轮。
本发明实施例通过采集列车各个车轮轮缘的多幅红外热像图并进行处理以形成各个车轮的完整轮缘红外热像图,然后提取各个车轮的完整轮缘红外热像图中的温差带的纹理特征并分别计算各车轮的纹理特征中每个参数的每个特征值与该参数的所有特征值的平均值间的误差率,进而进行异常车轮的判定,与现有技术相比,本发明因只对过车时的车轮进行检测而无需在列车上进行安装,所需费用低,且由于是对车轮踏面红外热像图进行检测,提高了判定结果的准确性。
图3是本发明一实施例提供的一种列车踏面磨损检测系统的示意图。所述系统包括:采集单元和监测系统14,针对列车的每个车轮:采集单元采集每个车轮轮缘的多幅红外热像图;监测系统14用于:将每个车轮轮缘的多幅红外热像图进行处理以形成每个车轮的完整轮缘红外热像图;及提取每个车轮的完整轮缘红外热像图中的温差带的纹理特征;针对纹理特征中的每个参数,监测系统14执行以下步骤:分别计算各车轮的纹理特征中参数的每个特征值与该参数的所有特征值的平均值间的误差率,如果计算出各车轮中任一者的纹理特征中有两个参数的特征值的误差率超过误差阈值,则判定车轮为异常车轮。
其中,采集单元包括对称设置在轨道两侧的两台采集箱,且数量为两组,分别为图中的采集箱1、2、3、4,各采集箱可包括有红外热像摄像机,用于对车轮进行拍照,其中红外热像摄像机与钢轨的水平夹角9为30°,与地面的垂直夹角10为15°,红外热像摄像机镜面与钢轨的垂直距离8为80cm。采集箱1、3和采集箱2、4的分布距离为列车首尾两个转向架之间的距离7。
所述系统还包括:测速装置及车号识别系统13,分别用于检测列车的行驶速度11及识别列车车号;及第一触发装置5,用于如果列车的车轮经过所述第一触发装置5,则该第一触发装置5发送触发信号至监测系统14,监测系统14响应于接收到第一触发装置5发送的触发信号,根据列车的行驶速度11控制采集单元进行轮缘红外热像图采集。
具体的,第一触发装置5可为触发磁钢,列车车轮经过时触发磁钢发送触发信号至监测系统14,监测系统14根据此时列车的行驶速度11并结合磁钢与各采集箱中的各红外热像摄像机的距离控制各采集箱中的红外热像摄像机进行拍摄的时刻。考虑到信号传输的时延性及摄像机的反应时间,第一触发装置5与列车行驶方向上的第一组红外热像摄像机1、2的距离12为100m。
其中采集箱具有防尘防水的功能。采集箱示意图如图4所示,21为红外热像摄像机,采集箱还可包括通信模块23和核心处理模块22,首先通信模块23接收监测系统的无线信号,然后传递至核心处理模块22,以控制摄像机21进行图像采集;同时摄像机将采集的图像传输至核心处理模块22,然后通过通信模块23发送至监测系统,如此构成双向传输。
所述系统还可包括触发磁钢6,用于在列车尾部最后一对轮对经过时,发送触发信号至监测系统,从而由监测系统14控制各采集箱进入待机状态,直到下次检测时再重新开启。
根据上述采集方式,轨道各侧的各红外热像摄像机均可对该侧轨道的各个车轮的红外热像图进行采集,因此还需根据各摄像机的拍摄时间筛选出针对各个车轮的一组图像,然后利用图像处理技术进行裁剪、拼接和组合,以得到各个车轮完整的轮缘红外热像图。
轮缘红外热像图中的温差带为与周围温度有明显差别的带状温度分布区域,可以理解,形成的车轮的完整轮缘红外热像图中可能包括多个温差带,而我们提取的纹理特征是针对所有温差带,而并不是每个温差带,具体的,可分别对各车轮的完整轮缘红外热像图中温度梯度最大的边界区域像素进行分割,得到车轮清晰、完整的轮缘温差带热分布云图,从而进行纹理特征提取。因此针对每个车轮提取的纹理特征只有一组。
温差带的纹理特征可包括有多个参数,例如温差带的能量、对比度、相关度和熵。获取到各车轮的纹理特征后,先计算纹理特征的各参数在各车轮红外热像图中的特征值的平均值,然后针对各参数,计算参数在各车轮中的特征值与该参数的特征值的平均值间的误差率,具体的,误差率的表达式可为:
如果某一车轮的纹理特征中有两个参数的特征值的误差率超过误差阈值,则可判定该车轮故障,其中误差阈值可为30%。此外,考虑到轮对的关联性,将该车轮与位于该车轮所在轨道的另一侧轨道的同轴车轮所组成的轮对判定为故障轮对,故一对轮对中若任一个轮对故障,则判定该组轮对故障。
本发明实施例通过在轨边合理布置拍摄装置,从而采集各车轮的多幅轮缘踏面红外热像图,图像的采集及处理工作均可在地面上进行处理,因此不受电源的限制;此外,通过计算各车轮轮缘红外热像图中温差带的纹理特征的误差率,从而区分出故障车轮,为提前预测因制动系统故障而可能造成的威胁提供了一种简单有效方法,成本低且易于实现。
图5为本发明一实施例提供的一种列车制动状态下异常车轮识别方法的流程图,所述方法包括:
步骤S501,针对列车的每个车轮,采集每个车轮轮缘的多幅红外热像图。
具体的,可在轨道两侧对称设置两台采集箱,且数量为两组,各采集箱内可包括有红外热像摄像机,用于对车轮进行拍照。还可在采集箱前方设置触发装置,用于在列车车轮经过时发送触发信号至控制设备,由控制设备根据列车行驶速度并结合该触发装置与各采集箱的距离控制各采集箱中的红外热像摄像机进行拍摄的时刻。
步骤S502,将每个车轮轮缘的多幅红外热像图进行处理以形成每个车轮的完整轮缘红外热像图。
采集的每个车轮轮缘的多幅红外热像图为列车行驶过程各车轮分别在多个时刻的轮缘红外热像图,采集的轮缘红外热像图中包含了采集区内所有采集对象的图像信息,因此需要对各车轮的红外热像图中刚与闸瓦接触后的踏面附近的轮缘进行裁剪、拼接和组合,以得到各个车轮完整的轮缘红外热像图。具体的,可使用滚动位移拼接算法对各车轮的多幅轮缘红外热像图进行拼接组合。
步骤S503,提取每个车轮的完整轮缘红外热像图中的温差带的纹理特征。
轮缘红外热像图中的温差带为与周围温度有明显差别的带状温度分布区域,可以理解,形成的车轮的完整轮缘红外热像图中可能包括多个温差带,而我们提取的纹理特征是针对所有温差带,而并不是每个温差带,具体的,可分别对各车轮的完整轮缘红外热像图中温度梯度最大的边界区域像素进行分割,得到车轮清晰、完整的轮缘温差带热分布云图,从而进行纹理特征提取。因此针对每个车轮提取的纹理特征只有一组。
步骤S504,分别计算各车轮的纹理特征中参数的每个特征值与该参数的所有特征值的平均值间的误差率。
步骤S505,如果计算出各车轮中任一者的纹理特征中有两个参数的特征值的误差率超过误差阈值,则判定该车轮为异常车轮。
可以理解,根据误差率判定异常车轮的原理在于:针对纹理特征中的每个参数,筛选出与正常车轮至少有两个参数的特征值差异较大的车轮,该车轮即为异常车轮。其中正常车轮为各参数的各特征值中至少有两个参数的各特征值数值相近且相近数值的特征值所占比例最大的一组车轮。
本发明实施例提供的列车制动状态下异常车轮识别方法的原理及有益效果与上述实施例所述的列车踏面磨损检测系统的原理及有益效果类似,在此不再赘述。
以上结合附图详细描述了本发明实施例的可选实施方式,但是,本发明实施例并不限于上述实施方式中的具体细节,在本发明实施例的技术构思范围内,可以对本发明实施例的技术方案进行多种简单变型,这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明实施例的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施例的思想,其同样应当视为本发明实施例所公开的内容。
Claims (8)
1.一种列车制动状态下异常车轮识别系统,其特征在于,所述系统包括:采集单元和监测系统,
针对所述列车的每个车轮:
所述采集单元采集每个车轮轮缘的多幅红外热像图;
所述监测系统用于:将所述每个车轮轮缘的所述多幅红外热像图进行处理以形成所述每个车轮的完整轮缘红外热像图;及提取所述每个车轮的完整轮缘红外热像图中的温差带的纹理特征;
针对所述纹理特征中的每个参数,所述监测系统执行以下步骤:
分别计算各车轮的所述纹理特征中参数的每个特征值与该参数的所有特征值的平均值间的误差率,
如果计算出所述各车轮中任一者的所述纹理特征中有两个参数的特征值的所述误差率超过误差阈值,则判定所述车轮为异常车轮。
2.根据权利要求1所述的系统,其特征在于,所述采集单元包括对称设置在轨道两侧的两台采集箱。
3.根据权利要求2所述的系统,其特征在于,所述对称设置在轨道两侧的两台采集箱的数量为两组。
4.根据权利要求2所述的系统,其特征在于,所述系统还包括:
测速装置,用于检测所述列车的行驶速度;
第一触发装置,用于如果所述列车的车轮经过所述第一触发装置,则该第一触发装置发送触发信号至所述监测系统,
所述监测系统响应于接收到所述第一触发装置发送的触发信号,根据所述列车的行驶速度控制所述采集单元进行所述各车轮轮缘的红外热像图采集。
5.根据权利要求1所述的系统,其特征在于,所述纹理特征包括:所述温差带的能量、对比度、相关度和熵。
6.根据权利要求1所述的系统,其特征在于,所述误差阈值为30%。
7.一种列车制动状态下异常车轮识别方法,其特征在于,所述方法包括:
针对所述列车的每个车轮:
采集每个车轮轮缘的多幅红外热像图;
将所述每个车轮轮缘的所述多幅红外热像图进行处理以形成所述每个车轮的完整轮缘红外热像图;及提取所述每个车轮的完整轮缘红外热像图中的温差带的纹理特征;
针对所述纹理特征中的每个参数:
分别计算各车轮的所述纹理特征中参数的每个特征值与该参数的所有特征值的平均值间的误差率,
如果计算出所述各车轮中任一者的所述纹理特征中有两个参数的特征值的所述误差率超过误差阈值,则判定所述车轮为异常车轮。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
检测所述列车的行驶速度;
如果所述列车的车轮经过第一触发装置,则发送触发信号;
响应于接收到所述第一触发装置发送的触发信号,根据所述列车的行驶速度进行所述各车轮轮缘的红外热像图采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910541854.3A CN110217266A (zh) | 2019-06-21 | 2019-06-21 | 列车制动状态下异常车轮识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910541854.3A CN110217266A (zh) | 2019-06-21 | 2019-06-21 | 列车制动状态下异常车轮识别系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110217266A true CN110217266A (zh) | 2019-09-10 |
Family
ID=67814085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910541854.3A Pending CN110217266A (zh) | 2019-06-21 | 2019-06-21 | 列车制动状态下异常车轮识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110217266A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022089880A1 (de) * | 2020-10-27 | 2022-05-05 | Knorr-Bremse Systeme für Schienenfahrzeuge GmbH | System und verfahren zum überwachen des zustands eines rades eines schienenfahrzeugs |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2085338U (zh) * | 1990-07-21 | 1991-09-25 | 铁道部科学研究院铁道继续教育中心 | 红外轮轨冲角测试仪 |
CN104460746A (zh) * | 2014-11-27 | 2015-03-25 | 北京中交华安科技有限公司 | 制动温度采集设备、信息提示设备、测量设备及相关系统 |
CN104608799A (zh) * | 2014-12-12 | 2015-05-13 | 郑州轻工业学院 | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 |
CN104751433A (zh) * | 2015-04-15 | 2015-07-01 | 成都欧莱特自动化控制工程有限公司 | 一种图像合成方法及系统 |
CN106428107A (zh) * | 2016-08-31 | 2017-02-22 | 成都主导软件技术有限公司 | 一种有轨列车的检测系统 |
CN106884644A (zh) * | 2017-04-26 | 2017-06-23 | 中国石油大学(华东) | 基于时序地面示功图的抽油机井实时工况诊断方法 |
CN108898077A (zh) * | 2018-06-15 | 2018-11-27 | 杭州天铂红外光电技术有限公司 | 电力设备红外热图的识别方法和电力设备红外识别系统 |
-
2019
- 2019-06-21 CN CN201910541854.3A patent/CN110217266A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2085338U (zh) * | 1990-07-21 | 1991-09-25 | 铁道部科学研究院铁道继续教育中心 | 红外轮轨冲角测试仪 |
CN104460746A (zh) * | 2014-11-27 | 2015-03-25 | 北京中交华安科技有限公司 | 制动温度采集设备、信息提示设备、测量设备及相关系统 |
CN104608799A (zh) * | 2014-12-12 | 2015-05-13 | 郑州轻工业学院 | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 |
CN104751433A (zh) * | 2015-04-15 | 2015-07-01 | 成都欧莱特自动化控制工程有限公司 | 一种图像合成方法及系统 |
CN106428107A (zh) * | 2016-08-31 | 2017-02-22 | 成都主导软件技术有限公司 | 一种有轨列车的检测系统 |
CN106884644A (zh) * | 2017-04-26 | 2017-06-23 | 中国石油大学(华东) | 基于时序地面示功图的抽油机井实时工况诊断方法 |
CN108898077A (zh) * | 2018-06-15 | 2018-11-27 | 杭州天铂红外光电技术有限公司 | 电力设备红外热图的识别方法和电力设备红外识别系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022089880A1 (de) * | 2020-10-27 | 2022-05-05 | Knorr-Bremse Systeme für Schienenfahrzeuge GmbH | System und verfahren zum überwachen des zustands eines rades eines schienenfahrzeugs |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276297A (zh) | 列车踏面磨损检测系统及方法 | |
CN105869408B (zh) | 一种轮毂温度异常检测与预警方法及系统 | |
EP2574511B1 (en) | Analyzing road surfaces | |
CN104575043B (zh) | 一种机动车行经人行横道时的自动提示系统和方法 | |
CN106125731B (zh) | 一种基于后方车辆行驶意图识别的无人驾驶车辆运动控制系统及方法 | |
CN107336724B (zh) | 一种计算机视觉和毫米波技术结合的高铁防撞设备及方法 | |
CN102332209A (zh) | 一种汽车违章视频监测方法 | |
CN105469612A (zh) | 一种交通拥堵报警系统及方法 | |
CN205311628U (zh) | 列车车底温度场检测系统 | |
CN104424808B (zh) | 一种导航提示方法及装置、导航系统 | |
CN106627575B (zh) | 一种车辆偏航预警方法及系统 | |
CN109598187A (zh) | 障碍物识别方法、障碍物识别系统及轨道车自动驾驶装置 | |
CN104361747A (zh) | 机动车斑马线未礼让行人自动抓拍系统与识别方法 | |
KR20100056992A (ko) | 바퀴 운행 차량의 감시 구역에 가해지는 충격 탐지 방법 및 시스템 | |
CN108508895A (zh) | 一种无人驾驶汽车路面探测装置及探测方法 | |
CN108091136A (zh) | 一种基于视频监控的酒驾车辆检测系统 | |
CN206479334U (zh) | 高精度列车全方位检测系统 | |
CN106887158A (zh) | 急弯道路信号灯预警系统及其方法 | |
CN104778841A (zh) | 机动车占道仪 | |
CN103700220A (zh) | 一种疲劳驾驶监控装置 | |
CN104157160A (zh) | 车辆行驶控制方法、装置及车辆 | |
CN110217266A (zh) | 列车制动状态下异常车轮识别系统及方法 | |
CN206074832U (zh) | 一种地铁车辆车顶受电弓异物检测系统 | |
CN104517444B (zh) | 一种开车使用手机违法行为的检测系统 | |
CN108099914A (zh) | 用于控制车辆的停止的装置和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190910 |