基于多源数据融合的列车受电弓滑板磨损在线监测.docxVIP

PAGE2

基于多源数据融合的列车受电弓滑板磨损在线监测

摘要

受电弓碳滑板是列车供电系统的关键部件，其磨损状态直接影响弓网受流质量与行车安全。

传统人工巡检与单一传感器检测在实时性、精度与覆盖面上均存在局限，难以满足高密度、高速度运营条件下的在线监测需求。

本课题以轨道交通电气化与牵引供电为背景，设计并实现一套基于多源数据融合的受电弓滑板磨损在线监测系统。

系统融合高清视频图像与激光轮廓数据，利用深度学习算法对碳滑板剩余厚度及异常磨损进行实时检测与预警。

全文围绕工程递进思路展开：第一章分析弓网监测的现实痛点与国内外研究现状，明确设计目标；

第二章论证图像处理、激光测量及深度学习等关键技术，并完成技术选型；

第三章从功能与非功能维度进行需求分析，建立用例模型；

第四章进行系统总体架构设计，划分数据采集、边缘计算、云端分析与预警发布等模块，并设计数据存储方案；

第五章深入核心算法，设计基于YOLOv5与PointNet++的多源数据融合检测流程，定义内外部接口；

第六章展示开发环境与核心功能实现，记录关键技术难点的解决过程；

第七章通过功能测试与精度测试验证系统性能；

第八章总结设计成果，分析不足并展望未来改进方向。

系统核心创新在于将二维图像纹理信息与三维激光轮廓深度信息进行特征级融合，

有效提升了滑板磨损定量测量精度与异常磨损模式识别准确率，为牵引供电系统智能化运维提供了