首页--交通运输论文--铁路运输论文--电气化铁路论文--电气化铁道养护与检修论文--接触网的检修与养护论文

高铁接触网支持装置紧固件不良状态检测方法研究

摘要第6-7页
abstract第7页
第1章 绪论第10-17页
    1.1 背景与意义第10-12页
    1.2 研究现状分析第12-15页
        1.2.1 高铁接触网4C检测系统简介第12-13页
        1.2.2 图像处理技术在弓网系统中的应用第13-14页
        1.2.3 紧固件故障诊断相关工作第14-15页
    1.3 本文的研究内容和工作安排第15-17页
        1.3.1 研究目标与内容第15-16页
        1.3.2 工作安排第16-17页
第2章 物体分类与检测第17-24页
    2.1 物体分类与检测概述第17-18页
    2.2 物体分类与检测的发展历程第18-20页
        2.2.1 物体分类第18-19页
        2.2.2 物体检测第19-20页
    2.3 深度卷积神经网络第20-23页
        2.3.1 深度卷积神经网络结构第20-21页
        2.3.2 深度卷积神经网络训练第21-22页
        2.3.3 Softmax函数第22-23页
        2.3.4 位置回归第23页
    2.4 本章小结第23-24页
第3章 接触网支持装置腕臂连接件定位识别方法第24-39页
    3.1 基于候选区域的目标检测方法第24-27页
        3.1.1 FasterR-CNN系列方法介绍第24-25页
        3.1.2 改进的FasterR-CNN结构第25-27页
    3.2 基于回归的目标检测方法第27-34页
        3.2.1 SSD框架第27-31页
        3.2.2 改进的SSD框架第31页
        3.2.3 YOLO框架第31-34页
    3.3 实验与对比第34-38页
        3.3.1 样本库的搭建第34-35页
        3.3.2 训练过程第35页
        3.3.3 实验结果第35-38页
    3.4 本章小结第38-39页
第4章 接触网支持装置紧固件故障诊断第39-51页
    4.1 级联深度神经网络结构第39-40页
    4.2 紧固件定位与识别第40-42页
        4.2.1 改进的YOLO框架流程第40-41页
        4.2.2 缺失故障报告第41-42页
    4.3 紧固件故障诊断方法第42-43页
        4.3.1 多标签分类模型第43页
        4.3.2 分类模型训练过程第43页
    4.4 实验结果与评价第43-50页
        4.4.1 轻量级网络运行效率的评价第44-47页
        4.4.2 DCNN结构与手工取特征算法的对比第47-48页
        4.4.3 级联结构的评价第48-50页
    4.5 本章小结第50-51页
结论第51-52页
致谢第52-53页
参考文献第53-58页
攻读硕士学位期间发表的论文第58-59页

论文共59页,点击 下载论文
上一篇:城市轨道交通逆变回馈式再生制动的研究
下一篇:全并联AT供电系统断线故障测距研究