一种单轨列车受电弓滑板磨耗检测系统的设计

针对单轨列车受电弓滑板磨耗问题,提出一种基于线结构光测量技术的受电弓磨耗在线检测方法,该方法利用线激光获取受电弓滑板轮廓畸变图像,并对图像进行图像处理操作从而计算出受电弓滑板的磨耗最大量。首先,当机车驶入指定区域,自动触发摄像机采集受电弓滑板实时状态的光条纹图像;然后将采集到的图像进行预处理,提取光条纹中心,计算滑板的磨耗量;最后根据计算的磨耗量对机车的运行状况进行评估,从而保证机车安全运行。采用磨损后的受电弓滑板实物为检测对象,实测最大磨损量为8.500 mm,使用本文磨耗检测技术得出的受电弓滑板最大磨损量最大绝对误差为0.300 1 mm,实验结果表明,本文方案满足铁路技术标准要求的最大绝对误差值0.5 mm以内的条件。     

列车受电弓在线自动检测系统的应用研究

受电弓的状态直接影响列车的运营安全和效率。在日常维护中,检修人员需要对受电弓滑板磨耗程度以及滑板与接触网导线的接触压力进行检测。介绍了一种列车受电弓在线自动检测系统,阐述了其组成、原理和工作流程。该系统可实现对受电弓关键特性参数(如滑板磨耗、中心线偏移、接触压力等)的非接触式检测,提高检修效率。     

基于仰拍方式的受电弓滑板图像检测

目前大部分基于图像处理技术检测受电弓滑板磨耗量的图像都是采用俯拍的方式获得的,该方式对于某些复杂的弓形存在着一定的局限性。提出采用一种较好的仰拍方式来采集受电弓滑板图像,首先由CCD摄像机拍摄受电弓的滑板图像,由视频采集卡将其传输,存储到检测主机,然后对保存的图像进行处理,定位受电弓滑板边缘和接触导线。通过该检测方法可以为受电弓滑板磨耗检测提供关键数据。     

LV2600型受电弓滑板剩余磨耗量检测

受电弓是给电力机车及动车组提供能量的主要部件之一,为保证车辆行车安全必须对受电弓进行安全检测。介绍了图像处理技术在LV2600型受电弓滑板剩余磨耗检测中的应用,首先利用滑板图像的特征对图像进行剪裁,大大减少了运算量,然后使用滤波等技术去除图像的噪声提高图像质量,最后对滑板图像进行边缘检测,得到有效滑板边缘,通过摄像机标定参数计算得到滑板剩余磨耗量。该技术有效的监测了滑板的运行状况,为铁路运输安全提供了保障。     

受电弓碳滑板病害边缘检测技术研究

人工检测受电弓碳滑板磨耗情况难以实现高效率、高精度,且工作量繁重。为解决北京地铁6号线受电弓病害检测的实际需求,应用一种非接触式检测系统。对基于该检测系统得到的图像进行算法设计,采用canny算子、形态学算法及简化版canny算子等方法,最终得到4根弓条的磨耗深度曲线。该检测方法可实现对受电弓磨耗程度的预测与实时跟踪,并提高了检修效率、节约了运营成本。     

受电弓滑板磨耗测量算法的研究

将数字图像处理技术应用于受电弓滑板磨耗测量,提出一种受电弓滑板磨耗测量算法,结合边缘提取、形态学图像处理、Hough变换、聚类分析等方法,实现从图像上测量计算出受电弓滑板实际磨耗厚度.该算法由起点定位、边缘跟踪和厚度计算构成.其中,起点定位用于确定滑板上下边缘的起点坐标;边缘跟踪结合Sobel算子和Canny算子的优点获取滑板磨损面的边缘信息;厚度计算利用物-像固定比值计算滑板磨耗厚度,并采用均值方法提高测量精度.     

基于曲波域移动平行窗的受电弓滑板裂纹识别

针对受电弓滑板非接触式裂纹故障检测问题,提出一种基于曲波域移动平行窗的受电弓滑板裂纹识别算法。算法利用曲波变换多方向性及各向异性特点,对受电弓滑板图像点状、线性和非线性特征进行分类。在曲波分解方向矩阵中使用移动平行窗口并计算窗口能量值,依据能量值区分线性平行接缝与背景噪声、螺钉和刮痕等其他非线性图像特征,最终获取滑板裂纹信息。实验结果表明,本文算法能有效地分类滑板图像特征,较准确地检测并定位滑板裂纹故障,识别率达到94.1%。     

基于支持向量回归的地铁受电弓滑板磨耗趋势预测模型研究

针对列车供电系统中重要组成部分之一的受电弓滑板磨耗问题，设计了一款预测模型对地铁受电弓滑板磨耗趋势进行有效的拟合和预测，弥补了现有的检测系统只能对受电弓进行实时检测的不足。利用线性支持向量回归（SVR-Linear）、最小二乘支持向量回归（LSSVR）和优化后的最小二乘支持向量回归（MI-LSSVR）对检测系统得到的受电弓滑板数据进行训练和拟合，并利用训练后的模型实现滑板磨耗的预测，其中，MI-LSSVR的拟合精度最高，达到97.3%。此外，利用地铁行走的里程数据进行预测，提前得到下一次运行后的滑板厚度，在滑板即将磨耗到限时进行预测，可得到滑板还能承受的运行里程，减少受电弓检修人员的工作量，提高受电弓的使用效率。     

地铁刚性接触网供电系统弓网状态在线检测装置

城市轨道交通弓网异常磨耗会增加接触网和列车的维护成本，影响城市轨道交通的正常运营。弓网状态在线检测装置通过采集受电弓、接触网的相关数据，经过非接触式测量、图像识别及人工智能算法可实现弓网状态的实时监测，能够及时发现和解决弓网问题。介绍了弓网状态在线检测装置的功能模块、弓网状态数据可视化分析和仪表板交互界面设计等内容。该装置基于收集到的燃弧、拉出值、碳滑板厚度等数据，以FineBI数据平台为分析工具进行数据整合和分析，并在交互界面以可视化方式展现分析结果。该检测装置可为监测把控弓网关系，尤其是监测燃弧点、燃弧区域的变化情况，为受电弓碳滑板检修、接触网拉出值检查及平推提供技术支撑。     

动车组运行状态智能检测装备

动车组运行状态智能检测装备设置于动车段入库线上,主要针对动车组走行部、车顶和受电弓在运用中出现内部缺陷、磨损、损坏及尺寸超限的故障比率问题。实时采集运行列车的底部、侧部和顶部图像,采用故障自动识别策略,对列车的车底走行部、闸瓦、转向架、接触网等与列车有关的各个部件进行动态监控。根据实验和现场使用情况,本检测设备满足铁路机车运行时对走行部和受电弓进行在线测量检测的要求,其中,走行部检测精度可达1 mm,滑板磨耗值测量精度可达0.2 mm。鉴于此,该动车组智能检测装备能及时发现故障隐患,为检修和更换提供依据,保证动车组运行安全。     

受电弓滑板磨耗现场检测技术综述

简述了受电弓滑板的常用材质，给出了滑板厚度参数；分析了国内外滑板磨耗现场检测技术现状，并阐述了各种检测技术的系统组成和原理；最后对几种检测技术进行总结，得出采用图像处理技术检测滑板磨耗具有很大发展前景的结论。     

基于图像增强与深度学习的钢轨表面缺陷检测

相比传统的物理检测算法,基于机器视觉的检测算法具有检测速度快、操作便捷等诸多优点,但因受光照不均、相机失焦抖动、雨雪天气等外界因素的影响,导致检测精度降低。针对这一问题,提出一种基于图像增强与深度学习的钢轨表面缺陷视觉检测算法。首先,对图像进行Gabor滤波去噪,以减少噪声对缺陷检测的影响;然后,利用HSV空间变换方法增强缺陷图像的关键特征信息;最后,通过改进Faster R-CNN卷积神经网络,实现了多尺度钢轨表面缺陷的检测与识别。通过对所提出的检测算法进行对比实验,实验结果表明:裂纹、剥落、磨损三类缺陷的识别精度分别为91.87%,92.75%和91.52%,检测速度为每张图像0.265 s,优于已有的钢轨表面缺陷检测算法,能够很好地应用于实际项目中。     

基于贝叶斯网络推理的列车可靠性评估方法

基于复杂网络理论建立了城市轨道列车的系统可靠性网络模型,提出了一种基于贝叶斯网络推理的系统可靠性评估方法。其中,为解决计算时不可量化的参数问题,提出了去权去方向化处理方法。对列车受电弓系统建模和计算结果表明,基于贝叶斯网络理论的系统可靠性评估方法可作为实用的建模和分析方法应用于城市轨道列车机械系统的可靠性分析。     

基于图像处理的接触网动态几何参数测量研究

为了保证高速列车安全运行,需要对接触网的高度以及拉出值等几何参数进行经常性的检测。接触式检测在高速铁路试验中会增大试验数据与实际运行数据之间的差异,从而导致接触网测试参数误差变大。现利用车顶摄像机测量接触网几何参数进行可行性分析,提出了一种利用图像处理技术,对摄像机影像进行处理,提取并计算接触网动态高度以及拉出值等参数的方法。试验结果表明系统具有设备安装简单,测量精度高等特点,具有充分的可行性。     

基于目标速度追踪的城轨列车节能优化算法

为了实现城市轨道交通的节能运行,提出基于目标速度追踪的城轨列车节能优化算法。首先构建列车均质棒动力学模型和节能优化目标函数,利用极大值原理推导出列车节能运行工况。然后重点分析列车运行时间和运行方式对能耗的影响。在对典型方案仿真分析的基础上,提出通过陡坡时的基于等效平均速度法的运行策略,以及目标速度改变时合理利用惰行的运行策略。最后通过目标速度追踪的方法得到速度曲线,实现城轨列车的节能运行。利用上海地铁3号线的数据对本文提出的算法进行验证,结果表明相较实际运行情况,本文提出的算法可以降低25.39%的运行能耗,同时求解得到的速度曲线更加平缓,更适合城市轨道交通的实际运行情况。     

广州地铁一号线车辆的磨耗情况分析

通过对广州地铁一号线车辆运行中闸瓦、车轮及受电弓碳滑板的磨损量分析，确认广州地铁一号线车辆选用交流传动、轮轨参数及弓网参数等关键技术的正确和合理性及由此获得的良好性能。