CN112406948A - 针对钢轨轨头全轮廓磨耗病害的测量*** - Google Patents
针对钢轨轨头全轮廓磨耗病害的测量*** Download PDFInfo
- Publication number
- CN112406948A CN112406948A CN202011462126.2A CN202011462126A CN112406948A CN 112406948 A CN112406948 A CN 112406948A CN 202011462126 A CN202011462126 A CN 202011462126A CN 112406948 A CN112406948 A CN 112406948A
- Authority
- CN
- China
- Prior art keywords
- disease
- data
- rail
- module
- abrasion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/08—Measuring installations for surveying permanent way
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Machines For Laying And Maintaining Railways (AREA)
Abstract
本发明属于钢轨磨耗病害检测技术领域,具体涉及针对钢轨轨头全轮廓磨耗病害的测量***,包括轨道行走智能检测平台、数据采集模块、数据处理模块、病害提取与学习模块、病害甄别模块;所述数据采集模块具体包括钢轨磨耗病害基础数据库采集;所述数据处理模块采用搭建分布式处理***;所述病害甄别模块通过比对病害特征,将钢轨的病害信息中存在的病害区域甄别出来;所述数据采集模块完成采集后通过数据处理模块对采集的数据进行优化,通过病害提取与学习模块进行大数据处理的结果,最后用病害甄别模块对精准定位到病害部位。该***解决了现有的钢轨磨耗检测技术存在的问题,可以广泛应用于各类城市轨道交通的检测***中。
Description
技术领域
本发明属于钢轨磨耗病害检测技术领域,具体涉及针对钢轨轨头全轮廓磨耗病害的测量***。
背景技术
快速发展的城市轨道交通与高速铁路要求钢轨满足高纯净、高平直、高精度、长定尺四个技术要求。钢轨磨耗问题一直受到工务检测部门的重视,但钢轨磨耗随着列车车速增加和运量增大而日益严重,主要体现在车轮镟修周期缩短,加大了车辆的维修量和运营成本,磨耗问题也严重影响了车辆运行的平稳性和安全性。城市轨道交通运营列车和重载货车的车轮磨耗问题也非常严重。钢轨磨耗问题在我国轨道交通领域中普遍存在,我国城市轨道交通与高速铁路通车运营后,因磨耗而导致舒适性显著降低的问题一直存在,所以全面地研究如何减少轮轨磨耗已经迫在眉睫。如果运营过程中针对钢轨产生的病害不能及时发现和处理,从而超出了设计允许的要求,将导致严重的车辆振动、晃动发生,甚至发生脱轨等恶性事故。我国在钢轨磨耗领域起步较晚,虽然工务检测部门现在广泛使用的轨道检查车能够掌握轨道质量状态,采集轨道几何参数和磨耗数据,但是缺少相应的先进方法将采集的数据进行有效利用。
严重的钢轨磨耗减少了钢轨的强度,加剧了钢轨的损伤程度,缩短了钢轨的使用寿命,不仅在经济上造成了大量的资金消耗,而且为轨道交通运输造成了极大地安全隐患。目前,我国相关轨道交通的工务部门现行的钢轨磨耗检测主要包括三种方式:(1)依赖于人工接触式检测的接触式卡具测量,这种方法对工人能力要求高,工作量大,工作效率低,受人为影响因素大,长时间的使用会使卡尺磨损,导致测量精度下降,准确性和效率比较低;(2)PSD半导体激光器检测法,这种方法测量精度较高,操作简单,但不能实现自动化全程在线测量,检测范围较小,工作效率低,只能用于抽点测量;(3)基于CCD检测技术,该方法存在钢轨轮廓图像透视失真的问题,在检测精度上有一定的缺陷。
因此,有必要对上述问题做出改进。
发明内容
为了克服现有技术中存在的不足,本发明提供针对钢轨轨头全轮廓磨耗病害的测量***,该***可以解决现有的钢轨磨耗检测技术存在的问题。
本发明采用的技术方案为:
针对钢轨轨头全轮廓磨耗病害的测量***,包括轨道行走智能检测平台、数据采集模块、数据处理模块、病害提取与学***台与数据采集模块连接。
所述钢轨磨耗病害基础数据库采集采用二维激光位移传感器作为前端数据采集终端。
所述分布式处理***采用了图像预处理方法,对图像数据进行优化,去除干扰,然后通过该***对前期采集的病害数据进行几何校正、边缘融合、图像增强、图像分割的后期处理,达到精确定位病害部位的目的。
所述多维度的数据模型利用了图像处理与模式识别技术,研究磨耗病害特征的提取过程,将处于高维空间的样本通过映射或变换的方式转换到低维空间,达到降维的目的,并分析标识以提供算法原始参考学习样本。
所述病害甄别包括基于大数据进行深度挖掘、比对病害特征,然后进行整合处理,同时进行病害的分析,将钢轨的磨耗病害等视觉信息甄别出来,通过可视化方式展现,提供病害报警,以比较醒目的方式为线路钢轨维修人员提供可靠的依据。
所述钢轨磨耗病害基础数据库采集与轨道行走智能检测平台的数据库互通。
本发明与现有技术相比所具有的有益效果为:
1、本发明采用高精度、高质量、高可靠并且使用简便的二维激光位移传感器作为前端数据采集终端,在其测量范围内,高性能CMOS接收器可以采集到几千个测点的数据,高可靠并且抗干扰,高质量的激光器辅以独特的智能适配技术,使其能敏捷地适应强光、阴影、油污、沙砾等各种被测物表面的精准可靠检测,能适应不同的光线条件和各种物体表面等测量环境,具有模拟、数字等数据输出模式,可与其他设备兼容,通过传感器参数的设定和反射光的调节,能以4μm的精度每秒处理4000个被测面。
2、本发明对轨道交通线路普遍存在的病害进行图像采样,利用计算机图像处理与模式识别技术,研究磨耗病害特征的提取过程,并且利用机器学习这一人工智能技术来提升针对病害识别的能力,对采集来的钢轨磨耗病害数据进行大数据处理,通过不断学习新的病害特征以提高病害的甄别能力。
3、本发明集成安装在现有的轨道行走智能检测平台上,不需要单独提供动力装置,而且现有检测平台是电驱动,相较于使用燃油的动力驱动,减少了尾气排放污染,同时也减少了噪声污染,为轨道交通检修人员提供快捷方便的检测手段的同时,也提供了良好的工作环境,产生了良好的态效。
附图说明
图1为本发明的整体结构示意图。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,针对钢轨轨头全轮廓磨耗病害的测量***,包括轨道行走智能检测平台、数据采集模块、数据处理模块、病害提取与学***台与数据采集模块连接。
所述钢轨磨耗病害基础数据库采集采用二维激光位移传感器作为前端数据采集终端。针对钢轨磨耗病害数据,进行数据的初步筛选与处理,形成自有基础数据库,并且可以与轨道行走智能检测平台的数据库互通,利用平台惯导设备与采集计算机采集的轨距、里程等数据,结合钢轨磨耗病害数据进行统一存储,方便后续大量数据的检索。
所述分布式处理***采用了图像预处理方法,搭建了高性能的分布式处理***,对需求的数据进行针对性的、专业化的处理与基础分析,对图像数据进行优化,去除干扰,然后通过该***对前期采集的病害数据进行几何校正、边缘融合、图像增强、图像分割的后期处理,达到精确定位病害部位的目的。
所述多维度的数据模型利用了图像处理与模式识别技术,研究磨耗病害特征的提取过程,将处于高维空间的样本通过映射或变换的方式转换到低维空间,达到降维的目的,并分析标识以提供算法原始参考学习样本。
所述病害甄别包括基于大数据进行深度挖掘、比对病害特征,然后进行整合处理,同时进行病害的分析,将钢轨的磨耗病害等视觉信息甄别出来,通过可视化方式展现,提供病害报警,以比较醒目的方式为线路钢轨维修人员提供可靠的依据。
所述钢轨磨耗病害基础数据库采集与轨道行走智能检测平台的数据库互通。
本发明对检测的图像数据进行自动化采集并存储,包括开发有关图像处理算法进行相关图像处理与各种特征提取,分析测试各个特征对环境因素干扰的稳定性,提取的图像特征对图像目标的距离,旋转的不变性考虑等;建立一个高性能的分布式云计算***,通过该***对前期采集的磨耗病害数据进行几何校正、边缘融合、图像增强、图像分割等后期处理;对普遍存在的病害进行图像采样,并由专家进行分析标识以提供算法原始参考学习样本,对机器学习算法与分类器,并基于学习样本提取的图像特征进行***训练;通过比对病害特征,将钢轨的病害信息中存在的病害区域甄别出来,并通过可视化图形界面呈现。
本发明集成安装在现有的轨道行走智能检测平台上,不需要单独提供动力装置,而且现有检测平台是电驱动,相较于使用燃油的动力驱动,减少了尾气排放污染,同时也减少了噪声污染,为轨道交通检修人员提供快捷方便的检测手段的同时,也提供了良好的工作环境,产生了良好的态效,模块化的连接方式与现有的轨道行走智能检测平台结合,可以与各地内乃至国内的轨道交通运营进行合作,以各种方式服务于轨道交通行业。
本发明建成运行后,可以对钢轨病害提供快速有效的检测技术,能够分析排查事故隐患,推进轨道交通线路钢轨的健康数据管理,可有效预防列车在运行过程中事故的发生,保障列车运行的安全、舒适;在保护人民生命财产安全、预防事故灾害等方面具有巨大的社会效益。
上面仅对本发明的较佳实施例作了详细说明,但是本发明并不限于上述实施例,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化,各种变化均应包含在本发明的保护范围之内。
Claims (6)
1.针对钢轨轨头全轮廓磨耗病害的测量***,其特征在于:包括轨道行走智能检测平台、数据采集模块、数据处理模块、病害提取与学***台与数据采集模块连接。
2.根据权利要求1所述的针对钢轨轨头全轮廓磨耗病害的测量***,其特征在于:所述钢轨磨耗病害基础数据库采集采用二维激光位移传感器作为前端数据采集终端。
3.根据权利要求1所述的针对钢轨轨头全轮廓磨耗病害的测量***,其特征在于:所述分布式处理***采用了图像预处理方法,对图像数据进行优化,去除干扰,然后通过该***对前期采集的病害数据进行几何校正、边缘融合、图像增强、图像分割的后期处理,达到精确定位病害部位的目的。
4.根据权利要求1所述的针对钢轨轨头全轮廓磨耗病害的测量***,其特征在于:所述多维度的数据模型利用了图像处理与模式识别技术,研究磨耗病害特征的提取过程,将处于高维空间的样本通过映射或变换的方式转换到低维空间,达到降维的目的,并分析标识以提供算法原始参考学习样本。
5.根据权利要求1所述的针对钢轨轨头全轮廓磨耗病害的测量***,其特征在于:所述病害甄别包括基于大数据进行深度挖掘、比对病害特征,然后进行整合处理,同时进行病害的分析,将钢轨的磨耗病害等视觉信息甄别出来,通过可视化方式展现,提供病害报警,以比较醒目的方式为线路钢轨维修人员提供可靠的依据。
6.根据权利要求1所述的针对钢轨轨头全轮廓磨耗病害的测量***,其特征在于:所述钢轨磨耗病害基础数据库采集与轨道行走智能检测平台的数据库互通。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011462126.2A CN112406948A (zh) | 2020-12-11 | 2020-12-11 | 针对钢轨轨头全轮廓磨耗病害的测量*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011462126.2A CN112406948A (zh) | 2020-12-11 | 2020-12-11 | 针对钢轨轨头全轮廓磨耗病害的测量*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112406948A true CN112406948A (zh) | 2021-02-26 |
Family
ID=74775558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011462126.2A Pending CN112406948A (zh) | 2020-12-11 | 2020-12-11 | 针对钢轨轨头全轮廓磨耗病害的测量*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112406948A (zh) |
-
2020
- 2020-12-11 CN CN202011462126.2A patent/CN112406948A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109580657B (zh) | 一种桥梁质量检测中的裂缝检测方法 | |
Liu et al. | A review of applications of visual inspection technology based on image processing in the railway industry | |
CN103034850B (zh) | 一种tfds挡键丢失故障自动识别方法 | |
WO2020244288A1 (zh) | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 | |
Santur et al. | A new rail inspection method based on deep learning using laser cameras | |
CN102628814B (zh) | 一种基于数字图像处理的钢轨光带异常自动检测方法 | |
CN103217111B (zh) | 一种非接触式接触线几何参数检测方法 | |
CN104608799A (zh) | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 | |
CN109489584B (zh) | 一种基于3d技术的隧道限界检测***及隧道限界识别方法 | |
CN113808133B (zh) | 一种基于三维点云的地铁闸瓦故障检测方法 | |
CN109059775B (zh) | 具有图像边缘提取步骤的钢轨磨耗检测方法 | |
CN110047070B (zh) | 一种轨道磨损程度的识别方法及*** | |
AU2022349296A1 (en) | Road surface technical condition detection method and device based on three-dimensional contour | |
CN110111303A (zh) | 一种基于动态图像的大型运载皮带撕裂故障智能检测方法 | |
CN110954968B (zh) | 一种机场跑道异物检测装置及方法 | |
CN105139413A (zh) | 基于图像特征提取的铁轨连接件质量检测方法及检测*** | |
CN107957259A (zh) | 轮迹横向分布测量***及测量方法 | |
CN113988326A (zh) | 一种地铁设备维修优化方法及*** | |
CN114812664A (zh) | 一种用于轨道车辆的故障在线自检方法 | |
CN116631187B (zh) | 一种案件现场勘查信息智能采集分析*** | |
CN113091835A (zh) | 基于边缘计算和大数据的网轨隧综合检测装置及方法 | |
CN112406948A (zh) | 针对钢轨轨头全轮廓磨耗病害的测量*** | |
CN214565358U (zh) | 针对钢轨轨头全轮廓磨耗病害的测量*** | |
CN106910334A (zh) | 一种基于大数据预测路段状况的方法及装置 | |
CN112285111A (zh) | 一种受电弓前碳滑板缺陷检测方法、装置、***和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |