钢轨磨耗自动检测装置制造方法及图纸

钢轨磨耗自动检测装置，属于检测领域，为了得到一种可以执行钢轨磨耗检测方法的检测装置，其技术要点是：包括一字线激光器、CCD图像传感器和微处理器、一字线激光器发出的一字线光束所在平面和被测钢轨表面呈60°角，CCD图像传感器位于一字线光束所在平面的正上方，所述微处理器的输入端接收CCD图像传感器采集的钢轨图像信息，并执行钢轨磨耗检测方法。

Rail abrasion automatic detection device

Automatic detection device of rail wear, belongs to the detection field, in order to obtain a detection device can perform the rail wear detection method, which is characterized in that includes a line laser and CCD image sensor and a microprocessor, a line from a laser beam line in the plane and measured rail surface is 60 DEG CCD image sensor located in the line where the beam just above the plane of the rail image information of the input end of a microprocessor for receiving CCD image sensor, and the implementation of rail abrasion detection method.

【技术实现步骤摘要】
钢轨磨耗自动检测装置
本专利技术属于检测领域，涉及一种钢轨磨耗自动检测装置，特别涉及基于一字线激光图像处理和微处理器的能够有效检测钢轨轨头表面磨耗深度和宽度一种钢轨磨耗自动检测装置。
技术介绍
铁路是交通运输的大动脉，相比其他运输方式，重载铁路运输以运量大、成本低的特点在世界各地迅速发展起来。在轨道设备中,钢轨是最重要的组成部件,直接承受列车载荷并引导车轮运行。钢轨的技术状态是否完好,直接影响着列车能否按规定的速度安全、平稳和不间断的运行。铁路机车是通过轮轨间的摩擦力来传递驱动力和制动力,而轮轨间的摩擦则会导致钢轨磨耗的产生。随着机车的高速、重载、高密度运行,钢轨的磨耗就会快速度的增加,特别是小半径曲线外轨内侧面磨耗尤为严重。钢轨磨耗的检测技术经过了从简单目测到尺规类工具检测、数字化仪器检测等过程。目前，我国在钢轨磨耗检测方面有接触卡具测量、涡流检测、光学三角测量等主要方法，检测结果往往取决于检测工人的态度和仪器使用的经验，这些方法存在着检测效率低、检测精度不高等诸多问题，已不能满足目前高速化的发展需要。虽然现在出现了一种利用激光检测铁轨表面磨耗的检测设备，但不能实现精准的步进式检测，其他检测方法也只是停留在理论研究层面。
技术实现思路
为了得到一种可以执行钢轨磨耗检测方法的检测装置，本专利技术提出了一种钢轨磨耗检测装置，以执行钢轨磨耗方法，其技术要点是：包括一字线激光器、CCD图像传感器和微处理器、一字线激光器发出的一字线光束所在平面和被测钢轨表面呈60°角，CCD图像传感器位于一字线光束所在平面的正上方，所述微处理器的输入端接收CCD图像传感器采集的钢轨图像信息，并执行钢轨磨耗检测方法。有益效果：本专利技术给出了一种钢轨磨耗检测装置，且激光与导轨表面成一定角度照射，为保证钢轨有磨耗时在表面形成的两段激光图像在垂直于导轨的方向不在一条直线上；60°是为了两段图像在磨耗断面上形成一个特殊三角形，即一个60°的直角三角形，这样方便计算磨耗宽度和深度。附图说明图1为实施例2中所述钢轨磨耗自动检测装置的结构框图；图2为无磨耗激光图像示意图；图3为有磨耗激光图像示意图；图4为亮度曲线及圆盘直径示意图；图5为数据点及特征量的标记示意图。具体实施方式实施例1：一种钢轨磨耗自动检测方法，采集钢轨的激光图像，并与完整钢轨激光光带图像进行图像比对，以判断检测钢轨是否有磨耗，判断钢轨有磨耗的，对采集的激光图像进行激光图像处理，所述激光图像处理包括图像预处理和图像边缘提取，激光图像处理后，选择并提取与钢轨磨耗量相关的激光图像特征量，以计算得到钢轨磨耗深度和宽度。其中：所述提取与钢轨磨耗量相关的激光图像特征量为以下特征量中的一种以上：1)激光图像的两段直线部分的长度lA和lB；2)两段直线激光图像的宽度差e；3)两段直线激光图像的纵向位置差z；4)两段直线激光图像间过渡段的长度lC；5)两段直线激光图像间过渡段的倾角θ；磨耗宽度和磨耗深度统称为钢轨磨耗的特征量，选择上述中一个或多个激光图像特征量，用于计算钢轨磨耗的深度和宽度；而在计算钢轨磨耗的深度和宽度时，并非选择全部的上述激光图像特征量进行计算，为了优化计算过程，选择激光图像特征量的组合作为计算钢轨磨耗的深度和宽度的基础计算数据，选择该组合时的方法是：首先确定与该磨耗特征相关的激光图像特征量，并从激光图像特征量中选择首选特征量，计算其余各激光图像特征量与首选特征量的相关度系数，并求其平均值，该平均值即为特征量选择的阈值β，若其中某两个激光图像特征之间的相关系数的绝对值|rTij|≥β，该两个激光图像特征是相关冗余特征，只选择其中一个作为钢轨磨耗判断的激光图像特征量。即在选择用于判断的激光图像特征量的组合时，假设M是在具有磨耗的钢轨上定点采集到的特征样本集合，该集合包含N个固定点的反应磨耗的激光图像特征量，选择相关度系数作为度量参数，该参数体现特征之间的相似性，两个激光图像特征是相关冗余特征，只选择其中一个作为钢轨磨耗判断的激光图像特征量，用于寻找可以有效判断钢轨磨耗宽度和深度的最少激光图像特征量的组合。作为一种实施例，上述中相关度系数作为度量参数，以体现特征间相关性的具体方法是：使用设两组不同的激光图像特征分别为：Ti＝{tik,k＝1,2,…,n}和Tj＝{tjk,k＝1,2,…,n}，其中k表示第k个测试点，共有n个测试点，则两组激光图像特征的相关系数定义如下：式中，和分别为两组特征Ti和Tj的平均值：和相关系数rTij反映了两组特征Ti和Tj的相关程度，rTij的取值为负时，表示两特征负相关；rTij的取值为正时，表示两特征正相关；当rTij＝0时，两磨耗特征之间是不相关的，当rTij的绝对值越接近于1时，两激光图像特征的相关程度越高，产生的冗余性越大，在反应钢轨磨耗的激光图像特征集合中，利用各激光图像特征量之间的相关系数，设置阈值β，若其中某两个激光图像特征之间的相关系数的绝对值|rTij|≥β，该两个激光图像特征是相关冗余特征，只选择其中一个作为钢轨磨耗判断的激光图像特征量。在另一实施例中，对于上述所述的阈值β的确定方法是：对于某单一的激光图像特征量，选中其作为首选特征，判断其余激光图像特征量为冗余特征的可能性的方法是：确定首选特征后，通过计算获得钢轨磨耗宽度和深度相关激光图像特征集合中与首选特征量之间的相关度系数，将该组相关度系数数据的均值设置为阈值β，阈值β的确定方法是：其中：式中c为特征量的数量，l为首选特征量的序号，j为备选特征量的序号。由此，上述实施例，求得特征间的相关系数以得到特征间冗余的可能性大小，将该组相关度系数数据的均值设置为阈值β，以此阈值作为判断特征是否冗余的依据，从而在判断两特征冗余时，只选择冗余特征间的一个作为计算磨耗的深度和宽度的激光图像特征，以优化计算过程，以此得到最少特征组合。作为一种实施例，具体公开磨耗深度和宽度的计算方法：激光图像的两段直线部分的长度lA作为磨耗宽度检测的首选特征，两段直线激光图像的纵向位置差z作为磨耗深度检测的首选特征；由两组激光图像特征的相关系数计算得到激光图像的两个直线部分的长度lA和lB作为磨耗宽度检测的特征量，两段直线激光图像的纵向位置差z作为磨耗深度检测的特征量，磨耗宽度计算公式为：其中，l为没有磨耗钢轨的宽度；磨耗深度计算公式为：V＝z·tan60°作为一种实施例，所述图像预处理包括如下步骤：首先将图像灰度化，绘制灰度图像的直方图，找出灰度集中范围；然后使用下述公式，对灰度图像进行灰度增强，使图像更加清晰；其中：a、b分别为灰度图像直方图中灰度值集中分布的左右边界点，x、y分别代表灰度增强前后的灰度值。作为一种实施例，所述图像边缘提取的方法，包括如下步骤：本文档来自技高网...

【技术保护点】
一种钢轨磨耗检测装置，其特征在于，包括一字线激光器、CCD图像传感器和微处理器、一字线激光器发出的一字线光束所在平面和被测钢轨表面呈60°角，CCD图像传感器位于一字线光束所在平面的正上方，所述微处理器的输入端接收CCD图像传感器采集的钢轨图像信息，并执行钢轨磨耗检测方法。

【技术特征摘要】
1.一种钢轨磨耗检测装置，其特征在于，包括一字线激光器、CCD图像传感器和微处理器、一字线激光器发出的一字线光束所在平面和被测钢轨表面呈60°角，CCD图像传感器位于一字线光束所在平面的正上方，所述微处理器的输入端接收CCD图像传感器采集的钢轨图像信息，并执行钢轨磨耗检测方法。2.如权利要求1所述的钢轨磨耗检测装置，其特征在于，还包括LCD显示器、声光报警系统和接口单元，所述微处理器的输出端分别与LCD显示器、声光报警系统、接口单元连接，所述接口单元又与上位机连接以交换微处理器与上位机间的信息。3.如权利要求1或2所述的钢轨磨耗检测系统，其特征在于，所述检测系统还包括执行单元，执行单元接收微处理器的控制信号，执行单元包括第一伺服电机和第二伺服电机，微处理器连接第一伺服电机以控制钢轨磨耗检测系统行进方向和速度，微处理器连接第二伺服电机，第二伺服电机连接CCD图像传感器，第二伺服电机以控制CCD图像传感器的方位。4.如权利要求1所述的钢轨磨耗检测装置，其特征在于，所述微处理器包括：磨耗判断模块，采集钢轨的激光图像，并与完整钢轨激光光带图像进行图像比对，以判断检测钢轨是否有磨耗；磨耗计算模块，判断钢轨有磨耗的，选择并提取与钢轨磨耗量相关的激光图像特征量，以计算得到钢轨磨耗深度和/或宽度。5.如权利要求1所述的钢轨磨耗检测装置，其特征在于，还包括：特征量选择模块，选择所述与钢轨磨耗量相关的激光图像特征量为以下特征量中的一种以上：1)激光图像的两段直线部分的长度lA和lB；2)两段直线激光图像的宽度差e；3)两段直线激光图像的纵向位置差z；4)两段直线激光图像间过渡段的长度lC；5)两段直线激光图像间过渡段的倾角θ。6.如权利要求5所述的钢轨磨耗检测装置，其特征在于，所述特征量选择模块选择特征量的过程是：钢轨磨耗的特征量包括磨耗宽度和磨耗深度，选择一个或多个激光图像特征量，用于计算钢轨磨耗的深度和/或宽度，在选择用于判断的激光图像特征量的组合时，假设M是在具有磨耗的钢轨上定点采集到的特征样本集合，该集合包含N个固定点的反应磨耗的激光图像特征量，选择相关度系数作为度量参数，两个激光图像特征是相关冗余特征的，只选择其中一个作为钢轨磨耗判断的激光图像特征量，以得到有效判断钢轨磨耗宽度和深度的最少激光图像特征量的组合，并以该特征量组合计算得到钢轨磨耗的某一特征量。7.如权利要求6所述的钢轨磨耗检测装置，其特征在于，所述判断两个激光图像特征是相关冗余特征的方法是：从激光图像特征量中选择首选特征量，计算其余各激光图像特征量与首选特征量的相关度系数，并求其平均值，该平均值为激光图像特征量选择的阈值β，若其中某两个激光图像特征之间的相关系数的绝对值|rTij|≥β，则该两个激光图像特征是相关冗余特征，只选择其中一个作为钢轨磨耗判断的激光图像特征量。8.如权利要求6或7所述的钢轨磨耗检测装置，其特征在于，计算所述相关度系数的方法是：设两组不同的激光图像特征分别为：Ti＝{tik,k＝1,2,…,n}和Tj＝{tjk,k＝1,2,…,n}，其中k表...

【专利技术属性】
技术研发人员：张秀峰，王娟，孙进生，
申请(专利权)人：大连民族大学，
类型：发明
国别省市：辽宁,21