中国铁道科学研究院2013年科技成果简介(续五)

<正>29高速铁路工务综合巡检系统针对高速铁路工务综合巡检的需求,开展高速铁路工务综合巡检技术及系统的研发。该系统主要由轨道状态巡检子系统、钢轨轮廓检测子系统、线路限界检测子系统和定位同步子系统组成。基于轨道图像清晰成像技术采集轨道图像数据,其中钢轨轮廓图像的实时采集速率达到80帧·s-1,运用专门的图像处理及模式识别技术和算法分析轨道图像数据,自动     

基于三维图像的铁路扣件缺陷自动识别算法

针对当前铁路扣件状态自动识别准确率和稳定性不高等问题,利用直射式激光三角测量法原理研发扣件检测系统,采集不受环境光影响的高质量轨道三维数据。提出基于三维图像的扣件区域定位方法,并利用先验知识验证扣件位置以保证扣件定位的准确性;基于弹条的高度规律信息提取弹条,采用HGOH作为特征描述算子;根据特征向量的模是否等于零可识别出缺失扣件,将模不为零的特征向量送入已训练的SVM分类器,从而识别断裂扣件和完整扣件。室内试验研究结果表明,采用本文提出的扣件缺陷自动检测算法,识别准确率可达98.0%,能满足扣件缺陷自动化检测的需要。     

基于轻量级卷积神经网络的地铁轨道线路状态检测系统

轨道作为承载车辆运行的重要部件，其工作状态对地铁运营的安全性有重要影响。传统人工巡检或者采用轨检车的检测模式只能在正线停运后进行作业，工作效率低。针对该问题，提出一种基于地铁运营列车的轨道线路状态检测系统，该系统采用高速线扫相机对轨道线路进行实时图像采集，并将采集数据送入轻量级RegNet骨干神经网络提取图像深层特征。在此基础上，加入双向特征金字塔网络进行多层次特征融合。最后将融合特征输入目标检测头实现轨道线路状态的实时检测。结合基于云边协同的困难样本挖掘以及模型部署加速技术，算法可实现高准确率、高实时性的检测性能。试验表明，该系统针对11类钢轨伤损及扣件状态的检测平均准确率（mAP）达到0.951，推理速度大于20 f/s,满足地铁在载客运营同时对轨道线路状态进行实时检测的需求。     

基于YOLOv3算法的轨道扣件自动定位与检测

针对目前轨道扣件人工检测效率低、准确率低等问题,提出了基于YOLOv3算法的轨道扣件自动定位及检测方法。采集有砟轨道和无砟轨道的扣件图像并进行标注,通过K-means聚类确定预设边界框大小;为了更好地检测到细粒度特征,采用4个不同尺度的特征图来进行对象检测;对Darknet-53网络进行改进,有利于解决深层次网络的梯度问题,增加轨道扣件目标识别模型的识别效果。试验结果表明,该方法对轨道扣件目标识别效果较好,检测准确率较高。     

钢轨扣件横向偏移特征检测算法研究

针对无砟轨道中钢轨扣件发生横向松动、脱离正常工作位置产生偏移的问题,提出一种钢轨扣件横向偏移检测法.首先,该算法为解决传统的扣件图像定位不够精准问题,采用k-means聚类和类二值算法强化分割前景、背景与轮廓矩特征,实现对采集图像中扣件位置的精准定位;其次,不同于传统扣件特征提取采用复杂语义,提出一种基于机器视觉的轮廓分析方法,通过提取扣件的绝缘帽与螺母的轮廓特征,计算相邻绝缘帽间距和相邻螺母间距,并与安全状态下扣件轮廓特征计算得到的安全距离阈值进行对比,进一步计算偏移量,从而判断扣件是否发生横向松动.结果 表明:该算法计算速度快,能够准确地定位弹条位置和偏移量,与传统的识别算法得到扣件的偏移量数据相比准确率显著提高,可达98％.     

基于深度残差网络的轨道结构病害识别

传统的轨道检测方法需要事先对图像进行定位和分割等预处理操作,而定位和分割操作的误差又会直接干扰到后续的分类识别,多环节误差叠加,使得识别准确率低。同时,传统检测方法还需要理想的背景环境,当背景环境或结构类型发生改变时,其算法不再适用,不具备良好的鲁棒性。因此,提出一种基于深度残差网络的轨道结构病害检测方法,该方法不需要对原始图像进行预处理,同时深度残差网络以其更深的层数和更复杂的网络结构可以高效提取出各类轨道结构图像的特征并进行分类识别。以某客货共线线路隧道的钢轨踏面、钢轨扣件和支承块图像建立数据库,通过迁移学习的方式在数据库上训练网络模型,实现对钢轨、扣件及支承块三种轨道结构的病害识别,识别准确率高达98.51%。在此基础上,从识别准确率、损失函数值等方面对深度残差网络在轨道结构病害识别中的应用效果进行对比、分析,验证方法的有效性。     

鲁棒实时钢轨表面擦伤检测算法研究

应用图像处理和模式识别技术,分析高速线阵扫描相机采集的钢轨数字图像,提出鲁棒实时的钢轨表面擦伤检测算法。这种算法首先分析采集图像在垂直方向的投影曲线,提取准确钢轨图像;之后,借鉴人类视觉对比度感知机理,将钢轨灰度图转换为灰度对比图,并基于最大熵原理进行二值化处理,分割出可疑擦伤区域;然后根据经验知识判定钢轨表面的可疑擦伤。实验验证表明:新算法的检测性能高,平均准确率为90.7%,平均漏检率为3.95%;检测速度快,平均检测时间不超过40 ms。     

车载轨道巡检系统研制

论述了车载轨道巡检系统结构及各子系统设计方案。巡检系统由轨道图像采集、数据分析和数据管理3个子系统构成。图像采集子系统采用线阵CCD等间距运动扫描获取轨道图像。基于机器学习理论构建了数据分析子系统,可对钢轨表面伤损、扣件异常进行智能识别。数据管理子系统可对检出缺陷进行组合查询并输出报表。该系统目前已应用于我国各高速铁路干线,对轨道主体设备外观进行普查,最高检测速度可达160 km/h。     

应用YOLO深度卷积网络的轨道图像定位算法

将摄影测量技术应用于铁路轨道检测是未来轨检技术的发展趋势。对轨道图像扣件的快速定位,是判断扣件是否缺损,匹配连续图像以及对轨道线形三维重建的基础。由于实际中轨道图像易受到拍摄角度、光照等因素影响,同时有砟轨道图像具有背景复杂、色彩单一、特征分布多变等特点,使得传统基于钢轨、轨枕布设关系的扣件定位算法具有局限性,对弯道和上下行道岔咽喉区域的扣件定位鲁棒性差。将近年在计算机视觉领域发展迅猛的深度学习算法引入铁路轨道检测,利用YOLO端对端输出的网络特点,根据图像全局信息直接对扣件的Bounding Box和类别进行迭代回归,输出扣件位置信息。试验检测50份测试数据,检测正确率达到94%,检测速度54 fps,可以达到实时检测的要求。     

基于机器视觉的圆斑状钢轨擦伤检测算法

针对现有基于灰度阈值的钢轨擦伤检测算法受光照等外部环境的影响较大的问题，本文提出了一种基于机器视觉的圆斑状钢轨擦伤检测算法。首先通过分析采集图像在垂直方向的灰度均值曲线，提取出钢轨顶面区域；然后运用边缘检测的方法得到擦伤区域边缘的候选像素点；最后运用形态学处理删除不属于擦伤区域的虚假边缘，确定钢轨擦伤区域的位置。用测试数据集对本文算法进行检测性能评测，并与基于灰度阈值的算法进行对比。结果表明：本文算法对圆斑状钢轨擦伤样本的检测准确率为96.4%，而基于灰度阈值的算法的检测准确率为86.8%，本文算法的检测准确率大幅提升，能够对钢轨擦伤进行有效检测。     

钢轨探伤车综合智能检测系统

大型钢轨探伤车普遍采用超声波检测钢轨内部疲劳伤损,但国内已有的超声波系统架构平台在复杂线路区间探伤检测运用时存在数据拥塞和计算机死机现象而导致区段漏检,并且伤损的识别主要依靠人工全程回放。为提高信号处理速度和伤损识别能力,降低人工回放的工作量,进行了基于新型总线的超声波探伤系统和基于卷积神经网络深度学习的伤损智能识别技术研究;为提高钢轨表面和近表面的伤损检出能力,开展了钢轨表面图像检测技术研究;为实现各检测系统数据同步采集和同步回放,综合判定钢轨健康状况,设计了空间同步定位系统。经验证和对比,在平均伤损误报率基本相当的前提下,采用了深度学习算法的系统的平均人工伤损检出率比既有系统提高了4%以上;各系统之间同步误差在1 m以内,伤损实际复核的定位精度在3 m以内。     

城市轨道交通轨道检测系统关键设备研制及应用

为了探索一种可应用于城市轨道交通运营列车组的轨道检测方法,基于ARM微处理器和现场可编程门阵列(FPGA)设计搭载式轨道检测系统。分析了搭载式轨道检测系统的总体架构和数据处理印刷电路板的设计过程,并对系统的核心部件嵌入式微处理板卡进行了重点探讨,该板卡可实现小型化、低功率、多样化数据集成。对该系统进行了动态试验验证,试验结果说明该系统在准确性、重复性、一致性等方面都满足标准要求。搭载式轨道检测系统可安装于城市轨道交通运营列车上进行实时检测,大大提高了轨道检测的效率和实时性,可有效指导线路养护维修工作,且该系统不必占用专门检测车资源,具有良好的经济效益。     

一种改进的十字交叉轨道扣件定位方法

针对传统的十字交叉定位法对轨道扣件区域定位不准确,对图像要求较高,需要特定角度的光照采集才能实现扣件定位,定位过程较慢等问题,提出一种改进的十字交叉定位法对其进行定位。通过对其图像中扣件的初步位置判断定位,然后用中值滤波的图像增强,Canny算子的边缘提取,灰度投影的判断来提高定位准确性,加快定位速率,通过实验表明,改进的定位方法能够很好解决光照采集角度、快速有效的定位和判断出扣件,实现对扣件区域的初定位。     

高铁隧道内基于北斗卫星的导航定位延伸系统硏究

为了满足高速铁路隧道内的列车定位需求,提出了高铁隧道内基于卫星导航的定位延伸技术。采用中国自行研制、安全可控的全球卫星定位北斗卫星导航系统(BDS),利用现有设施、设备、漏缆、交换机,增加卫星导航接收机、再生卫星信号源等设备,将隧道外北斗卫星导航定位信息二次处理后.实时同步到隧道内信号发射设备上,实现隧道内卫星导航信号全覆盖,连续实时定位、不失锁,保障移动终端卫星接收机正常连续工作,为高铁运营、实时监控提供全方位支撑。     

变流器数字控制系统中基于IP软核的DSP,MCU和FPGA芯片间的数据通信技术

针对变流器数字控制系统的DSP,MCU和FPGA芯片需要快速、可靠地完成一定数据量通信的要求,基于FPGA的IP软核实现双口RAM方法,研究适用于MCU,DSP和FPGA芯片间的数据通信技术。首先利用Altera公司提供的FPGA开发环境Quartus中的MegaWizard进行配置,实现1个双口RAM模块;基于该模块,依次设计单向三口RAM模块、双向三口RAM模块以及双向三口RAM模块与MCU和DSP芯片的接口部分,并将带有与MCU和DSP芯片接口的双向三口RAM模块封装成1个用户可以直接使用的顶层模块。对该顶层模块进行编译的结果表明:该技术可以可靠、经济和方便地实现变流器数字控制系统中MCU,DSP和FPGA芯片间的数据通信。     

基于GPS的CIR卫星定位单元设计

机车综合无线通信设备(CIR)用于实现机车和调度台之间的通信,兼容当前铁路调度系统中使用的450MHz和GSM-R二种通信方式。为实现以上二种通信方式的自动切换,以及450MHz通信区段内通信频点的选择,研究设计了一种基于GPS的卫星定位单元。介绍了卫星定位单元的总体设计、硬件结构和算法软件。现场实验结果表明,设计的卫星定位单元能够在使用中准确地实现通信方式和通信频点的自动切换,满足CIR的通信要求。     

东莞轨道交通R2线综合监控系统中的WEB系统设计

针对东莞轨道交通R2线的具体需求,提出了1种在综合监控系统中架设1个WEB系统的方案。介绍了该WEB系统的基础平台和软硬件架构,对WEB系统的功能模块、数据流和通信机制进行了描述和分析;提出了1种基于SVG和Ajax技术的设计方案,并描述了WEB视频发布功能和系统安全性。该方案可将综合监控系统的重要信息以网页方式供外部浏览、查询,并可实现在轨道交通内部网中查看全线所有摄像机的实时图像,为地铁管理人员提供了远程查看及管理功能。     

地铁车辆段大间距立柱式检查坑轨道受力特性研究

为明确车辆段库内扣件大间距立柱式检查坑轨道的受力特性,基于有限单元法,研究不同扣件间距对轨道受力变形的影响;通过ANSYS与LS_DYNA建立车辆-轨道耦合动力学模型,对实际列车动荷载下的轨道受力变形进行计算;建立扣件锚固螺栓精细化有限元模型,进一步分析螺栓的受力情况.结果表明:(1)在列车静荷载作用下,随着扣件间距增...     

高速列车车下设备舱远程监测系统开发技术研究

文章以LabVIEW软件作为研究平台，完成了高速列车车下设备舱远程监测系统的研究和设计。系统数据采集使用LabVIEW FPGA数据采集模块，应力采集采用流程化配置，数据传输采用DMAFIFO方法，使得系统实现了车下设备舱关键受力部位数据的实时采集、实时显示、快速储存和离线回放等功能。     

基于截线法的铁路扣件骨架提取算法

为了能够精确描述铁路扣件端部形状,提高铁路扣件的识别率,以及满足扣件检测的实时性要求,提出了一种基于截线法的铁路扣件骨架提取算法。首先,通过预处理得到原始图像的二值图像及其感兴趣区域;其次,应用不同方向的方位距离变换计算扣件各端部区域的骨架生长点;然后,以骨架生长点为中心沿扣件的弯曲方向分别利用水平线族和竖直线族扫描扣件端部轮廓,得到截线段后,计算其中心点;最后依次连接骨架生长点和所有截线中心点即可得到完整的扣件图像骨架。理论分析与实验结果证明,本文算法对扣件形状的描述能力强,并且可以准确识别扣件形状。对于复杂图像的识别具有较好的效果,在识别缺陷扣件时具有较强的应用优势。算法运行时间较短,可以达到实时性的要求。