论文题目：轨道扣件装配机器人检测关键技术研究
摘要：货运铁路在船舶港口码头的货物中转中扮演着重要角色,同时在中国铁路快速发展的大背景之下,对铁路施工设备的智能化要求也越来越高。目前针对于钢轨、轨枕等部分的施工已经有专业设备操作,但在铁路新建以及维护过程中轨道扣件的装配依然采用人工操作。铁路施工企业迫切需要一种轨道扣件装配机器人提高轨道扣件装配的施工效率和实现扣件施工标准化作业,而实现轨道扣件装配机器人自动化装配的关键技术之一是实现对轨道扣件的定位。本文以轨道扣件检测为切入点,整体上采用多传感器融合的方案实现轨道扣件装配机器人的定位检测功能,对轨道螺栓和轨道扣件检测提出了相应的解决方案,为实现轨道扣件装配机器人的自动化施工奠定基础,具体涉及工作如下:针对激光传感器采集的轨道螺栓数据跳变以及反馈信号波形多样的情况,本文提出一种基于一维卷积神经网络的轨道螺栓检测模型,通过对不同卷积层数、卷积核尺寸以及卷积核个数等参数的实验对比确定最优的轨道螺栓检测模型结构。以采集的激光传感器数据集为基础进行实验,一维卷积神经网络检测模型相较二维卷积神经网络和传统的浅层分类模型效果更好,实现了轨道螺栓99.39%的识别准确率。针对复杂施工环境下轨道扣件以及螺母识别定位问题,本文提出了一种基于改进YOLOv3的轨道扣件识别定位方法,主要的改进包括增加空间金字塔池结构,调整YOLOv3网络预测结构以及通过改进的K-Means++对先验框重新聚类等方式。同时以自主建立的VOC格式轨道扣件数据集为基础,将Faster R-CNN,SSD,YOLOv3以及改进的YOLOv3检测模型的检测评估指标进行对比分析,改进版本的YOLOv3模型识别准确度以及速度均有一定的提升,平均检测精度为98.67%,满足轨道扣件装配机器人对轨道扣件整体以及轨道螺母的检测定位要求。通过分析轨道扣件装配机器人施工需求,设计开发了轨道扣件装配机器人系统软件。为验证本文提出的多传感器融合检测方案,构建了轨道扣件装配机器人定位测试平台,配合轨道扣件装配机器人系统软件验证了本文提出的轨道扣件定位检测方法。
关键词：轨道扣件;卷积神经网络;目标检测;YOLO
学科专业：船舶与海洋工程（专业学位）
摘要
ABSTRACT
1 绪论
1.1 项目背景及意义
1.2 国内外研究现状
1.2.1 国内外轨道扣件定位检测现状
1.2.2 深度学习发展现状
1.3 论文研究内容及论文结构
1.3.1 论文研究内容
1.3.2 章节内容安排
2 轨道扣件装配机器人检测方案设计
2.1 轨道扣件装配机器人功能结构分析
2.2 轨道扣件装配机器人检测问题分析
2.3 轨道扣件检测方案
2.4 本章小结
3 基于一维卷积神经网络的轨道螺栓检测方法
3.1 卷积神经网络基础理论
3.2 实验数据采集
3.2.1 轨道螺栓反馈信号
3.2.2 数据处理及数据集建立
3.3 基于一维卷积神经网络的轨道螺栓检测模型
3.3.1 一维卷积神经网络检测模型构建
3.3.2 模型评价指标
3.3.3 模型参数分析与优化
3.3.4 实验对比结果
3.4 本章小结
4 基于改进YOLOv3模型的轨道扣件识别定位方法
4.1 目标检测算法
4.1.1 传统目标检测法
4.1.2 基于深度学习的目标检测算法
4.2 YOLOV3轨道扣件检测算法设计
4.2.1 特征提取网络改进
4.2.2 网络结构改进
4.2.3 轨道扣件边界框预测
4.2.4 损失函数
4.3 数据集制作及数据增广
4.3.1 轨道扣件数据增广
4.3.2 数据集标注
4.4 实验及算法分析
4.4.1 实验平台环境
4.4.2 模型训练及评价指标
4.4.3 实验结果与分析
4.5 本章小结
5 实验验证与软件系统设计
5.1 测试平台整体搭建
5.2 轨道扣件装配机器人软件设计
5.3 实验测试
5.4 本章小结
6 总结与展望
6.1 论文总结
6.2 研究展望
参考文献
致谢
在校期间主要科研成果