軌道動(dòng)態(tài)檢測(cè)系統(tǒng)設(shè)計(jì)

李 萍，王君明，劉默耘

（湖北工業(yè)大學(xué) 機(jī)械工程學(xué)院，武漢 430068）

0 引言

我國(guó)鐵路不斷提速，為保證列車運(yùn)行安全性和舒適性，軌道日常檢測(cè)和養(yǎng)護(hù)要求相應(yīng)提高。用來檢測(cè)軌道的幾何不平順狀況，評(píng)價(jià)軌道幾何狀態(tài)的特種車輛，稱為鐵路軌道檢測(cè)儀，簡(jiǎn)稱軌檢儀[1]。

目前，用來檢測(cè)軌道靜態(tài)下的幾何參數(shù)的常規(guī)軌檢小車主要有德國(guó)生產(chǎn)的GEDO CE軌檢小車、瑞士安博格生產(chǎn)的GRP X000系列軌檢小車、鄭州辰維科技公司與鐵道第三勘察設(shè)計(jì)院集團(tuán)聯(lián)合研制的TRIG1000鐵路軌道幾何狀態(tài)檢測(cè)儀等[2]。這幾款軌道檢測(cè)小車在使用時(shí)需要配合全站儀來進(jìn)行必要的定位，與檢測(cè)人員的技術(shù)程度有很大關(guān)系，可靠性和效率都不高，且操作復(fù)雜。

針對(duì)軌道幾何狀態(tài)檢測(cè)存在的上述問題，已有一些學(xué)者提出了改進(jìn)方案。陳強(qiáng)等[1]提出基于車載近景攝影采集軌道圖像用以檢測(cè)軌道線形，采用軌面移動(dòng)平臺(tái)搭載相機(jī)采集圖像，以軌道板和軌道面稀疏布設(shè)的像控點(diǎn)作為約束條件，使用近景攝影測(cè)量空間解析幾何模型，平差解算軌道測(cè)點(diǎn)三維坐標(biāo)。仿真計(jì)算結(jié)果驗(yàn)證了車載攝影測(cè)量方法用于軌道靜態(tài)幾何參數(shù)快速檢測(cè)的可靠性。潘亮[3]從研發(fā)軌道檢測(cè)車的角度出發(fā)，描述了軌道各項(xiàng)參數(shù)的測(cè)量原理和硬件結(jié)構(gòu)，并將其應(yīng)用于新建高速鐵路和既有線路，結(jié)果證明該軌道檢測(cè)車可有效測(cè)量軌道實(shí)際狀態(tài)。

列車與軌道的相互作用除了引起軌道幾何狀態(tài)的改變，也會(huì)影響鐵軌相連部件（如鋼軌扣件和軌枕等）的“健康”狀況。常規(guī)軌道檢測(cè)車難以同時(shí)實(shí)現(xiàn)這些部件的動(dòng)態(tài)檢測(cè)與測(cè)量。對(duì)于每一種部件，若設(shè)計(jì)專用的檢測(cè)與測(cè)量?jī)x器，難以有效保證部件檢測(cè)的準(zhǔn)確率與效率。對(duì)此已經(jīng)有學(xué)者進(jìn)行了初步探索，如洪思敏[4]利用里程傳感器、軌距傳感器、超高傳感器以及專用便攜計(jì)算機(jī)等其它先進(jìn)檢測(cè)和數(shù)據(jù)處理設(shè)備，實(shí)現(xiàn)了里程、軌距、超高、扭曲、中線坐標(biāo)、軌向、高低等軌道參數(shù)的測(cè)量。同時(shí)，針對(duì)軌道狀況（如水泥、灌漿等殘留物、小車傾斜）對(duì)檢測(cè)結(jié)果的影響，將計(jì)算機(jī)視覺檢測(cè)系統(tǒng)應(yīng)用于軌檢小車，實(shí)現(xiàn)軌道狀況的實(shí)時(shí)監(jiān)控。

為針對(duì)性解決上述軌道檢測(cè)的問題，本文設(shè)計(jì)了一種實(shí)時(shí)性較強(qiáng)，準(zhǔn)確度較高的軌道動(dòng)態(tài)檢測(cè)系統(tǒng)。該系統(tǒng)可用于檢測(cè)有砟軌道的鋼軌以及與鋼軌連接的扣件和軌枕等部件的幾何狀態(tài)，能夠有效提升軌道檢測(cè)的可靠性與效率。

1 軌道動(dòng)態(tài)檢測(cè)與測(cè)量系統(tǒng)

軌道動(dòng)態(tài)檢測(cè)與多功能測(cè)量系統(tǒng)主要用于檢測(cè)有砟軌道（如圖1所示）兩列鋼軌的高低、水平方向不平順，鋼軌方向、里程、三角坑以及軌距等參數(shù)[5]，此外還能測(cè)量出曲線超高、曲率以及高低方向等軌道不平順的變化數(shù)值。對(duì)于與鐵軌相連部件，該系統(tǒng)能檢測(cè)扣件的位置和狀態(tài)變化（是否破損與丟失），軌枕的損耗情況。

軌檢測(cè)量車搭載軌道動(dòng)態(tài)檢測(cè)與多功能測(cè)量系統(tǒng)，可由軌道車提供動(dòng)力，以數(shù)值或波形的形式實(shí)時(shí)輸出軌道的幾何數(shù)據(jù)。

1.1 機(jī)械結(jié)構(gòu)設(shè)計(jì)

如圖2所示，軌檢測(cè)量系統(tǒng)的硬件由鋼軌測(cè)量子系統(tǒng)和部件圖像分析子系統(tǒng)組成，主要包括推桿、激光測(cè)距儀、電子羅盤、里程傳感器、GPS、工業(yè)CCD相機(jī)，視覺檢測(cè)軟件和電氣柜及工控機(jī)等。

針對(duì)工程中需要對(duì)多種鋼軌測(cè)量信號(hào)進(jìn)行采集、處理、分析、顯示、存儲(chǔ)的要求，軌檢測(cè)量車的鋼軌測(cè)量子系統(tǒng)采用工業(yè)控制計(jì)算機(jī)與二次儀表進(jìn)行串行通信的方式，實(shí)現(xiàn)對(duì)多種鋼軌測(cè)量信號(hào)的采集。該系統(tǒng)主要由傳感器、二次儀表、工業(yè)控制計(jì)算機(jī)等組成，其中二次儀表實(shí)現(xiàn)信號(hào)的濾波、放大等調(diào)理功能，工業(yè)控制計(jì)算機(jī)通過RS232串行通信方式獲取信號(hào)，并由軟件實(shí)現(xiàn)濾波、分析、顯示、存儲(chǔ)等功能。

圖2 軌檢測(cè)量車結(jié)構(gòu)示意圖

其次，對(duì)于與鐵軌相連部件，采用工業(yè)CCD相機(jī)透過測(cè)量車底部通孔，實(shí)現(xiàn)對(duì)扣件和軌枕圖像的采集。軌檢測(cè)量車的部件圖像分析子系統(tǒng)主要由工業(yè)相機(jī)、光源、鏡頭、視覺檢測(cè)軟件和工業(yè)控制計(jì)算機(jī)等組成。為保證圖像傳輸?shù)膶?shí)時(shí)性和穩(wěn)定性，利用具有USB3.0接口的相機(jī)采集圖像。系統(tǒng)運(yùn)行前，根據(jù)測(cè)量精度的實(shí)際需求，調(diào)整相機(jī)的位置、鏡頭角度、光照強(qiáng)度等影響圖像采集質(zhì)量的因素；待軌檢測(cè)量車到達(dá)指定位置后，觸發(fā)多組相機(jī)采集圖像，并傳送至工控機(jī)；應(yīng)用視覺檢測(cè)軟件依次對(duì)圖像進(jìn)行分析，實(shí)時(shí)獲取圖像處理結(jié)果。

1.2 軟件系統(tǒng)設(shè)計(jì)

軌檢測(cè)量車軟件系統(tǒng)也同樣分為鋼軌測(cè)量子系統(tǒng)和部件圖像分析子系統(tǒng)兩部分，測(cè)量軟件按功能可分為數(shù)據(jù)采集、分析、顯示以及保存四大模塊，其基本工作流程如圖3所示。

圖3 軟件系統(tǒng)流程圖

數(shù)據(jù)采集模塊控制激光測(cè)距儀等傳感器完成對(duì)兩列鋼軌幾何狀態(tài)數(shù)據(jù)以及位置信息的采集，并控制相機(jī)采集與鋼軌連接的部件圖像。數(shù)據(jù)分析模塊對(duì)采集的鋼軌數(shù)據(jù)進(jìn)行處理，比較得出兩列鋼軌間的數(shù)據(jù)差值，同時(shí)實(shí)現(xiàn)部件圖像的檢測(cè)和測(cè)量，與標(biāo)準(zhǔn)模板圖像進(jìn)行對(duì)比并判斷部件的“健康”狀況。數(shù)據(jù)存儲(chǔ)模塊及時(shí)存儲(chǔ)數(shù)據(jù)分析模塊處理的鋼軌和部件數(shù)據(jù)，指導(dǎo)制定軌道設(shè)備維護(hù)和維修計(jì)劃。

2 鋼軌及其部件動(dòng)態(tài)測(cè)量算法

2.1 鋼軌基本數(shù)據(jù)測(cè)量

軌道不平順是指軌道幾何形狀、尺寸和空間位置的偏差。廣義而言，凡是直線軌道不平、不直，對(duì)中心線位置和軌道高度、寬度正確尺寸的偏離；曲線軌道不圓順，偏離曲線中心位置和正確曲率、超高、軌距值，偏離順坡變化尺寸等軌道幾何偏差，通稱軌道不平順[6]。系統(tǒng)采用里程傳感器記錄里程數(shù)據(jù)并輔以GPS全球定位系統(tǒng)進(jìn)行矯正，實(shí)現(xiàn)軌檢測(cè)量車的準(zhǔn)確定位，實(shí)時(shí)記錄測(cè)量數(shù)據(jù)。

測(cè)量示意圖如圖4所示，四個(gè)激光測(cè)距儀分別檢測(cè)軌面下16mm處到軌檢車中心的距離（分別記為L(zhǎng)1～L4），假設(shè)小車在軌面上作蛇形運(yùn)動(dòng)，在水平面上偏離軌道中心角度為θ，則有：

式中，d為兩組激光測(cè)距傳感器之間的距離。

結(jié)合式(1)可知，該點(diǎn)軌距D為：

由于激光測(cè)距儀的精度在微米級(jí)，故軌距的測(cè)量精度主要由測(cè)量小車的制造精度和各部件的安裝配合精度決定。

圖4 鋼軌動(dòng)態(tài)測(cè)量原理圖

當(dāng)小車運(yùn)行時(shí)，電子羅盤測(cè)量的尋北角度為γ時(shí)，則軌道的走向角度為γ+θ，其精度與所選用電子羅盤的尋北角度精度相同。

2.2 鋼軌水平不平順檢測(cè)

鋼軌水平不平順的測(cè)量原理如圖5所示。由高精度電子羅盤測(cè)量出兩鋼軌平面與水平面的夾角α，根據(jù)兩軌頂面中心線間的距離L（由軌道設(shè)計(jì)資料獲取數(shù)據(jù)）即可由下式計(jì)算出兩列鋼軌的水平不平順。

圖5 水平不平順的測(cè)量原理

2.3 扣件圖像分析

鋼軌扣件[7]的圖像分析算法按功能可分為圖像獲取、圖像處理、測(cè)量分析和缺陷判別四個(gè)部分，具體流程[8]如圖6所示。

圖6 扣件圖像分析流程

首先，對(duì)采集到的鋼軌扣件圖像進(jìn)行預(yù)處理，降低圖像中含有的噪聲；接著，設(shè)定感興趣區(qū)域（Region of Interest，ROI），提取待測(cè)目標(biāo)，減少圖像處理時(shí)間并增加精度；其次，利用閾值分割和形態(tài)學(xué)處理進(jìn)一步提取待測(cè)目標(biāo)，并測(cè)量目標(biāo)的幾何參數(shù)；最后，將上述待測(cè)目標(biāo)的幾何參數(shù)與標(biāo)準(zhǔn)目標(biāo)進(jìn)行比較，判定缺陷 程度。

2.4 軌枕圖像分析

軌枕[9]圖像分析算法流程與扣件圖像分析算法類似，唯一的不同之處在于，軌枕圖像采用小波馬爾科夫隨機(jī)場(chǎng)[10]（Markov Random Field，MRF）算法進(jìn)行圖像分割，如圖7所示。

圖7 軌枕圖像分析流程

圖像在二維網(wǎng)格的不同位置上使用不同顏色值來反映真實(shí)景物的有關(guān)信息[12]，該二維網(wǎng)格中的大部分像素都只與鄰域像素相互影響。

小波變換理論[11]則利用此先驗(yàn)信息建立圖像的多尺度表達(dá)的金字塔模型，而MRF理論則利用此類信息表征圖像像素的空間交互關(guān)系。小波MRF算法能夠建立軌枕圖像的層次特征模型，有效提取軌枕圖像并屏蔽底層圖像的干擾。

3 測(cè)量結(jié)果與分析

3.1 鋼軌檢測(cè)結(jié)果及分析

以每10mm為間距，采集300組鋼軌幾何數(shù)據(jù)，該段鋼軌是用于測(cè)試軌檢測(cè)量車性能的標(biāo)準(zhǔn)軌道，檢測(cè)結(jié)果如圖8所示。實(shí)驗(yàn)結(jié)果表明，利用軌檢車測(cè)量到的軌距值與真實(shí)軌距值的誤差在±0.05mm之間，水平（垂直）不平順測(cè)量誤差為±0.027mm。

圖8 鋼軌測(cè)量結(jié)果

經(jīng)過大量實(shí)際軌道測(cè)量驗(yàn)證，該軌檢測(cè)量小車的檢測(cè)精度可達(dá)如下指標(biāo)：軌距測(cè)量范圍在1375～1455mm之間，測(cè)量誤差不超過0.05mm，不平順測(cè)量誤差為0.03mm。

3.2 扣件與軌枕圖像處理結(jié)果及分析

結(jié)合2.3節(jié)和2.4節(jié)所述的圖像分析流程，扣件與枕木的圖像處理結(jié)果分別如圖9和圖10所示。

圖9 扣件圖像處理結(jié)果

圖10 軌枕圖像處理結(jié)果

從圖9中可以看出，不同狀態(tài)下的扣件圖像處理結(jié)果明顯不同。對(duì)比圖9(d)～圖9(f)，扣件的移位或脫落會(huì)使圖像黑白像素分布發(fā)生明顯變化。據(jù)此，可以利用扣件處理后的圖像像素分布來判斷扣件狀況。

【】【】

從圖10中可以看出，不同狀態(tài)下的軌枕圖像處理結(jié)果也明顯不同。圖10(d)～圖10(f)表明，軌枕的破損與圖像黑白像素比有直接關(guān)系。軌枕破損程度越大，則圖像黑白像素比越大。

4 結(jié)論

針對(duì)軌道幾何狀態(tài)及其相關(guān)部件的檢測(cè)要求，設(shè)計(jì)了軌道多功能動(dòng)態(tài)檢測(cè)系統(tǒng)，利用激光測(cè)距儀與電子羅盤等實(shí)現(xiàn)鋼軌幾何狀態(tài)的動(dòng)態(tài)測(cè)量。此外，結(jié)合圖像分析算法與小波馬爾科夫隨機(jī)場(chǎng)理論，實(shí)現(xiàn)扣件和軌枕的視覺檢測(cè)。在標(biāo)準(zhǔn)軌道和實(shí)際軌道上的測(cè)量實(shí)驗(yàn)結(jié)果表明，系統(tǒng)的軌距測(cè)量范圍在1375～1455mm之間，測(cè)量誤差不超過0.05mm，不平順的測(cè)量誤差為0.03mm，充分滿足實(shí)際軌道動(dòng)態(tài)檢測(cè)的需求，并能準(zhǔn)確識(shí)別扣件與軌枕破損程度，進(jìn)一步確保列車運(yùn)行的安全性。

參考文獻(xiàn)：

[1]陳強(qiáng),劉麗瑤,楊瑩輝,等.高速鐵路軌道幾何狀態(tài)的車載攝影快速檢測(cè)方法與試驗(yàn)[J].鐵道學(xué)報(bào),2014,36(3):80-86.

[2]劉麗瑤.近景攝影測(cè)量檢測(cè)高速鐵路軌道幾何狀態(tài)的精度研究[D].成都:西南交通大學(xué),2012.

[3]潘亮.高速鐵路軌道幾何狀態(tài)檢測(cè)技術(shù)與實(shí)現(xiàn)[D].長(zhǎng)沙:中南大學(xué),2013.

[4]洪思敏.軌道檢測(cè)小車測(cè)量方法的研究[D].廣州:廣東工業(yè)大學(xué), 2015.

[5]文梅麗.軌道靜態(tài)幾何參數(shù)在線檢測(cè)系統(tǒng)[D].武漢:武漢科技大學(xué),2014.

[6]全順喜,王平,陳嶸.無砟軌道高低和方向不平順計(jì)算方法研究[J].鐵道學(xué)報(bào),2012,34(5):81-85.

[7]劉甲甲,熊鷹,李柏林,等.基于計(jì)算機(jī)視覺的軌道扣件缺陷自動(dòng)檢測(cè)算法研究[J].鐵道學(xué)報(bào),2016,38(8):73-80.

[8]ZHAO Daxing, FENG Wei, SUN Guo- dong, et al.High Precision Measurement System of Micro-electronic Connector based on Machine Vision[J].Journal of Applied Sciences,2013, 13(22):5363-5369.

[9]Yella S, Dougherty M, Gupta N K.Condition monitoring of wooden railway sleepers[J].Transportation Research Part C Emerging Technologies,2009,17(1):38-55.

[10]Feng W, Jia J, Liu Z Q. Self-validated labeling of Markov random fields for image segmentation[J].IEEE Transact- ions on Pattern Analysis and Machine Intelligence,2010,32(10):1871-1887.

[11]Dawoud A, Netchaev A. Fusion of visual cues of intensity and texture in Markov random fields image segmentation[J].Iet Computer Vision,2013,6(6):603-609.