[发明专利]一种基于孤立森林检测空气弹簧故障的方法

权利要求书

1.一种基于孤立森林检测空气弹簧故障的方法，其特征在于，包括模型建立训练和故障检测，所述模型建立训练具体包括以下步骤：

S1.在一固定点位采集列车的空气弹簧图像信息；

S2.对采集到的空气弹簧图像进行图像尺寸归一化处理；

S3.利用滑动窗口法将归一化后的空气弹簧图像截取为额定数量的小图，然后对每一张小图进行灰度化处理；

S4.利用HOG算法提取灰度化后每张小图的特征，并利用PCA算法进行降维；

S5.将步骤S4提取的特征放入到孤立森林中进行训练，设置孤立树的棵数为100，每次抽样数量为256；训练中选用的小图，来源于空气弹簧正常的空气弹簧图像；

S6.利用测试集判断训练好的模型的准确率，测试集中的小图来源包括空气弹簧正常和空气弹簧异常的空气弹簧图像，若准确率大于96%，则停止训练，否则重复步骤S1~S5；

所述故障检测具体包括以下步骤：

S1.通过模型建立训练中的固定点位采集列车的空气弹簧图像信息；

S2.对采集到的空气弹簧图像进行图像尺寸归一化处理；

S3.利用滑动窗口法将归一化后的空气弹簧图像截取为额定数量的小图，然后对每一张小图进行灰度化处理；

S4.利用HOG算法提取灰度化后每张小图的特征，并利用PCA算法进行降维；

S5.将步骤S4提取到的特征输入到训练好的孤立森林模型中，得到每张小图的异常分数，若所有小图的异常分数都不小于-0.07，则该空气弹簧没有故障，否则，该空气弹簧有故障。

2.根据权利要求1所述的一种基于孤立森林检测空气弹簧故障的方法，其特征在于，在模型建立训练和故障检测的S2中，图像尺寸归一化处理为890像素点×320像素点。

3.根据权利要求1所述的一种基于孤立森林检测空气弹簧故障的方法，其特征在于，在模型建立训练和故障检测的S3中，利用滑动窗口法将归一化后的空气弹簧图像截取为52张小图。

4.根据权利要求3所述的一种基于孤立森林检测空气弹簧故障的方法，其特征在于，每张小图尺寸为128像素点×128像素点。

5.根据权利要求1所述的一种基于孤立森林检测空气弹簧故障的方法，其特征在于，在模型建立训练和故障检测的S4中，利用HOG算法提取灰度化后每张小图的特征，所述特征包括空气弹簧正常、空气弹簧鼓包和空气弹簧裂纹。

6.根据权利要求1所述的一种基于孤立森林检测空气弹簧故障的方法，其特征在于，在模型建立训练和故障检测的步骤S4中，利用PCA算法进行降维，保留原特征95%的信息。

7.根据权利要求1所述的一种基于孤立森林检测空气弹簧故障的方法，其特征在于，在模型建立训练和故障检测的S1中，空气弹簧图像信息的采集是先通过采集列车的图像，然后通过相对坐标定位的方式将空气弹簧图像信息从列车的图像中截取出来。

8.根据权利要求7所述的一种基于孤立森林检测空气弹簧故障的方法，其特征在于，所述图像尺寸归一化处理的尺寸不小于从列车图像中截取的空气弹簧图像的最小尺寸。

9.根据权利要求1所述的一种基于孤立森林检测空气弹簧故障的方法，其特征在于，在模型建立训练的过程中，从归一化的空气弹簧图像信息中选取80张空气弹簧正常的空气弹簧图像信息作为训练集，所述训练集用于步骤S5训练使用；从归一化的空气弹簧图像信息中选取20张空气弹簧正常的空气弹簧图像信息和10张空气弹簧异常的空气弹簧图像信息作为测试集，所述测试集用于步骤S6测试模型的准确率。