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。     

铁路货车车轮踏面伤损检测中剥离与擦伤定位方法

针对铁路货车车轮踏面伤损检测问题,设计铁路货车车轮踏面伤损动态检测系统,提出剥离和擦伤的定位方法.首先对车轮踏面图像进行平滑去噪;然后对图像进行基于平稳小波和Canny融合算法的边缘检测,并根据标准车轮的宽度确定踏面区域;最后,根据剥离和擦伤的不同特征,对剥离踏面区域图像进行基于分块思想和种子填充算法的剥离粗定位后,再进行基于Canny算法和跟踪法的剥离精定位,并给出基于踏面边缘线搜索的擦伤定位方法.实验结果表明:在铁路货车运行速度为0.5 km/h～10 km/h时,踏面剥离的定位准确率达到96.7%,定位精度达到3 mm;擦伤定位准确率达到97.8%;可满足现场动态检测的要求.     

高速铁路钢轨擦伤特征及影响因素北大核心

为减少钢轨擦伤的产生,对多条高速铁路线路进行实地调研和统计分析,得到钢轨擦伤的形貌特征;结合牵引制动状态研究单双股、平纵断面(坡度和线形)、下部基础、车辆类型对钢轨擦伤分布的影响。结果表明:钢轨擦伤可分为车轮空转擦伤和车轮滑行擦伤,车轮空转擦伤在机车启动或上坡牵引过程中产生,车轮滑行擦伤由机车或动车组在制动或行驶过程中产生;在进出站频繁启停处、大坡度和曲线区段产生钢轨擦伤的概率更高,下部基础对钢轨擦伤的产生影响较小。在坡度等级为-2‰~2‰时,76.92%的钢轨擦伤出现在进出站前后1 km区域;单位里程上,坡度大于14‰处的钢轨擦伤数量占比为45.42%,曲线区段的钢轨擦伤数量占比为62.72%。     

车轮擦伤检测系统的开发与应用

介绍了地面检测车轮踏面擦伤和剥离的擦伤检测系统。本系统考虑到列车速度及擦伤振动的发生位置等因素，利用安装于钢轨的振动加速度计的输出电压作为独立判定值，将有擦伤的车辆作为特定的车轮单元。车号的读取采用微波数字载波系统。     

客运专线钢轨擦伤原因分析

客运专线列车开行密度大,列车运行速度快,其对线路的要求也非常高。而钢轨擦伤可能带来断轨事故,其对于线路的安全性影响非常大,因此当线路发现钢轨擦伤时,应能够及时找出引起擦伤的原因,并采取对应处理措施,以尽量降低出现事故的风险。从客运专线的线路特征、运输组织模式、机车类型选择这3个角度出发,提出一套探寻钢轨擦伤原因的方法,并运用此方法对某客运专线钢轨擦伤进行实例分析,通过实例分析表明,本文所提出的钢轨擦伤原因分析方法现实可行,对于指导现场找出钢轨擦伤原因具有积极作用。     

基于级联网络的钢轨顶面缺陷检测方法研究

长期的高速行驶会引起车辆振动，使钢轨顶面形成孔洞、擦伤和疤痕等各种缺陷，这些缺陷不仅会影响钢轨顶面的外观，还会对钢轨的性能和安全性产生长期不利影响。针对钢轨顶面缺陷类型多变、背景杂乱、对比度低、噪声干扰等因素影响，提出一种基于级联网络的钢轨顶面缺陷检测方法。利用图像垂直微分投影法分割出钢轨顶面区域，在此基础上使用级联网络对钢轨顶面上的疤痕缺陷进行检测。其中，为更好地优化缺陷特征细节，在特征提取阶段引入轻量级的卷积注意力机制模块；采用信道加权模块与残差解码器模块相结合的方式进行缺陷特征恢复；为得到边缘清晰的缺陷对象，在特征恢复之后设计了一个边界精细化网络结构。实验结果表明，该方法的平均绝对误差仅为0.001 2,AUC值达到0.993 5,单张图片平均检测速度仅为0.041 s,对于Ⅰ型和Ⅱ型钢轨顶面疤痕缺陷的检测精度分别达到98.6%和96.4%。利用该深度学习网络模型能较好地检测出钢轨顶面的疤痕缺陷，具有较高的工程实用价值。     

车轮踏面磨耗和擦伤在线自动检测诊断系统探讨

机车车辆车轮踏面磨耗和擦伤进行在线自动检测和诊断有着重要意义。提出的踏面磨耗和擦伤诊断系统，是以轮缘外径为测量基准，对踏面进行直接测量和数据采集，再通过计算机进行数据分析，最后对踏面进行诊断的自动系统，该系统不仅可以同时检测出踏面磨耗和擦伤情况，而且不地踏面动圆的误差进行检测。     

基于改进Radon变换的直线钢轨识别算法

针对传统Radon变换在直线轨道检测方面速度慢且不能从众多边缘直线中识别出钢轨,提出基于改进Radon变换的直线轨道识别算法。首先,通过阈值筛选的边缘点;其次,利用先验知识,建立极角约束域;然后通过Radon变换提取所有直线,再利用直线角度差和直线平均距离筛选出钢轨边缘直线;最后将本文算法与传统Hough变换算法和传统Radon变换算法的比较,实验结果显示本文算法能精准识别出钢轨,且速度更快。     

基于改进Canny算法的列车车轮踏面损伤边缘提取

针对高速列车车轮踏面擦伤、剥离的人工巡检方法效率较低且容易出现漏检等问题,设计一种高速列车车轮踏面损伤的动态检测系统,提出一种擦伤、剥离的特征提取方法。该方法在现有Canny算法的基础上加入45°方向和135°方向梯度模板来计算梯度幅值,用线性插值法对梯度幅值进行非极大值抑制,再使用优化后的迭代阈值算法求得高阈值和低阈值。试验结果表明,该算法可以有效地抑制噪声和干扰,最大限度地保留高速列车车轮踏面的真实边缘,为列车车轮踏面损伤自动巡检提供技术支持。     

基于优化蚁群算法的钢轨轮廓识别

针对传统蚁群算法在钢轨图像识别中存在的问题,对蚁群算法进行4个方面的优化。初始化过程优化:采用一维Logistic混沌映射序列非线性迭代方程,使蚁群的初始化分布更加均匀,以避免大量的无关运算;搜索过程优化:在蚁群的搜索初期采用随机搜索策略,根据图像灰度梯度值自动设置阈值,初步确定图像中钢轨边缘的像素点,然后建立区域搜索模型,以进行钢轨边缘的精确搜索和描绘;搜索步长优化:在搜索初期,采用大步长随机搜索策略识别钢轨边缘的像素点,然后利用小步长区域搜索策略对钢轨边缘像素点做更精确地识别,从而实现钢轨轮廓的精确识别,并减少了搜索时间和算法的收敛时间;信息素更新策略优化:每完成1次搜索,根据自动设置的信息素最大、最小浓度值更新信息素,防止陷入局部最优。对实际采集到的直线和曲线线路上的钢轨图像分别用Canny边缘检测算子、传统算法和优化算法进行钢轨轮廓识别的对比试验,结果表明:优化算法具有更好的健壮性和识别效率。     

车轮踏面擦伤动态检测系统的研究

本文所提出的踏面擦伤动态检测系统是以轮缘顶点为测量基准,实时采集轮缘顶点相对踏面滚动圆的高度变化量,再通过计算机进行数据分析,最后输出踏面擦伤情况的系统。     

基于连续子波变换的铁路车轮踏面擦伤的在线检测

在分析国内外关于铁路机车车辆车轮擦伤在线检测的应用和方法的基础上,提出了利用连续子波变换对车轮钢轨的振动加速度信号进行分析,当车轮踏面出现擦伤时,其振动信号中的幅值出现突变点。通过对实测数据的分析并与信号的倒谱分析比较证明,这种方法较常规的方法更有效地应用于车轮踏面擦伤的诊断中。     

基于Anchors设计和模型迁移的钢轨内部伤损检测方法

钢轨内部伤损的准确检测是保障列车安全运行的重要环节，如何提高伤损检测算法的泛化能力和鲁棒性是当前自动检测该类伤损面临的主要问题。为此，提出一种基于Anchors设计和模型迁移的钢轨内部伤损检测方法。首先，采用图像数据增强技术扩充现有图像数据集，获取适量的训练样本。其次，设计以交并比为距离度量的K-means聚类算法获取新的Anchors多维度约束，提高伤损检测精度。最后，在基于改进Faster R-CNN模型的迁移学习方法基础上，训练所提的钢轨伤损检测模型。试验结果表明，本文检测方法所得精确率、召回率和F₁值均达到99%,对不同类型的内部伤损取得了较好的检测效果；与现有方法相比，本文所提方法的识别准确率高、误报率低，可有效检测钢轨内部伤损。     

钢轨擦伤原因及其防治

分析了钢轨擦伤原因及其分布规律，指出轨擦伤对行车安全和维修工作的影响，提出预防和修复措施。     

基于结构光视觉传感的轮对踏面擦伤快速检测

研究一种基于结构光视觉传感的铁路车辆轮对踏面擦伤快速检测方法.通过控制轮对转动速度,并以结构光扫描轮对踏面及应用CCD(Charge Coupled Device)视觉传感器实时采集轮对踏面外形特征信息,经过图像数字滤波、基准校正、边缘识别和空间坐标变换等算法,建立踏面擦伤数字矩阵.在此基础上,进行踏面擦伤特征信号的分析和提取,实现轮对踏面擦伤最大深度及形状的非接触快速准确检测.本文给出了试验结果,并分析了踏面数字矩阵的建立过程和视觉传感器标定对擦伤测量的影响.试验证明本文方法实用、可靠,可有效提高轮对踏面擦伤测量精度和效率.     

列车车轮踏面擦伤信号处理算法研究

车轮踏面的擦伤、磨损等缺陷严重影响车辆与轨道设施的安全和使用寿命。使用小波分析,对列车运行中踏面与轨道产生的振动检测数据进行算法研究处理,数据处理中采用小波包分解重构的方法对信号滤波,利用直方图的特性得到擦伤信号的阈值。     

车轮踏面擦伤及其检测新技术

随着列车向高速度、大密度、重载方向发展,车轮故障相对逐步增多,损坏轨道及车辆设备,甚至危及行车安全。其中最常见的车轮故障即“车轮踏面擦伤”。 踏面擦伤探源 列车在运行途中,经常需要进行加、减速或制动停车,如果制动力过大,制动缓解不良,或调车溜放时单方面使用铁鞋制动,或由于同一轮对的车轮直径相差过大等原因,使车轮在轨面上滑行,造成踏面上被擦成一块或数块平面,这就是常言所说的“踏面擦伤”。车辆在钢轨上滑行,或车轮踏面与钢轨、闸瓦强     

轨道车辆车轮不圆度检测装置动力学仿真

建立轨道—车辆—车轮不圆度检测装置动力学仿真模型，计算分析车轮不圆度检测装置关键参数对测点振动的影响规律，确定该检测装置最优设计参数。基于轨道车辆动力学与机构学理论，对检测装置机构运动进行分析，运用SIMPACK软件建立含单节列车、钢轨及安装在钢轨上的不圆度检测装置在内的整体仿真模型，并计算测点的振动响应。研究表明：该检测装置机构弹簧刚度最优值为3×10⁵～5×10⁵ N/m，阻尼最优值在8 000 N·s/m附近；为保证检测装置测量精度，车辆运行速度应不大于5 km/h；同轴另一侧车轮对检测装置没有影响，装置对列车运行安全性没有影响。     

基于机器视觉的列车外齿轮磨损状态检测方法

齿轮是高铁列车中的重要部件,齿轮磨损状态的程度对列车运行安全具有重要的影响。针对采用人工观察确定齿轮磨损状态的问题,提出一种基于机器视觉的列车外齿轮磨损状态定量检测方法。为避免将顶部和底部低灰度啮合区分割为背景,提出分块分割算法以得到候选啮合区域。为去除候选啮合区中的背景区域且将啮合区分割为一个整体,提出区域聚合算法。为避免点蚀区域位于啮合区边缘造成的不完整分割问题,提出基于凸包运算的边缘修正算法。结合分块分割、区域聚合以及边缘修正,实现齿面图像啮合区分割。结合自适应局部阈值以及基于形状特性的假阳性去除算法,实现齿面图像的点蚀区域检测。在140幅齿面图像上对提出方法进行验证,啮合区分割的平均AOM为0.89,点蚀区域检测方法性能优于现有方法。     

基于改进YOLOX的轻量级钢轨表面缺陷检测算法北大核心

针对现有基于深度学习的钢轨表面缺陷检测方法在嵌入式检测系统上兼容性较差、计算资源占用高以及检测速度慢的问题,提出了一种基于改进YOLOX的轻量级钢轨表面缺陷检测算法。模型中主干特征层以MobileNetv3单元为基础,在保留其网络轻量化的同时进行局部优化,改进了浅层网络的激活函数,嵌入了SE(Squeeze and Excitation)注意力机制;在加强特征层优化了尾部的冗余卷积。通过与几种代表性算法进行对比试验,验证该算法的性能。结果表明:本文提出的改进算法在模型参数量仅为1.10×106的情况下,检出率和准确率分别达到了92.17%和90.92%,每秒传输帧数(Frame Per Second,FPS)为115.07,模型大小仅为原模型的1/5。该算法在保证较高检测精度的同时大大降低了模型参数量,并提升了检测速度,更适合部署于算力有限的嵌入式轨道检测系统,可为钢轨缺陷高效检测提供有效手段。