轨旁多功能探伤集群及其控制方法技术

本发明专利技术提供了轨旁多功能探伤集群及其控制方法，涉及轨道交通技术领域，包括基本检测单元、现场控制中心和远程控制中心，所述基本检测单元包括车侧图像采集机器人、走行部图像采集机器人、车顶图像采集机器人和车辆识别及公共信号采集单元；所述基本检测单元的数据输出端连接现场控制中心，所述车侧图像采集机器人、走行部图像采集机器人、车顶图像采集机器人用于自动识别列车车顶、车侧、车底关键部件的故障；本发明专利技术针对车辆人工日常维修重要项检查，采用基本检测单元对列车车顶、车侧、车底关键部件进行高清二维成像，并实现列车部件典型故障诊断分析，达到辅助人工检测，减轻劳动强度，保障列车安全，提高检修效率的目的。提高检修效率的目的。提高检修效率的目的。

【技术实现步骤摘要】
轨旁多功能探伤集群及其控制方法


[0001]本专利技术涉及轨道交通
，尤其涉及一种轨旁多功能探伤集群及其控制方法。

技术介绍

[0002]轨道交通是指运营车辆需要在特定轨道上行驶的一类交通工具或运输系统，是采取轮轨运转方式的快速大运量公共交通的总称，随着火车和铁路技术的多元化发展，轨道交通呈现出越来越多的类型，不仅遍布于长距离的陆地运输，也广泛运用于中短距离的城市公共交通中，常见的轨道交通有传统铁路、地铁、轻轨和有轨电车，此外还有磁悬浮轨道系统、单轨系统等新型轨道交通，轨道交通普遍具有运量大、速度快、班次密、安全舒适、准点率高、全天候、运费低和节能环保等优点，但同时常伴随着较高的前期投资、技术要求和维护成本，并且占用的空间往往较大；轨道交通车辆露天运行，受环境干扰大，故障形式多样，维修时间长，危害性大，为此需要对车辆进行检测，现有技术中，一般为人工日检/四日检，人工检测受流、走行部、牵引、制动供风、车门车窗、车钩等关键部件，检测时车辆停止，人工检测劳动量大，效率低，受外部环境的影响，容易出现漏检误检的情况，因此，本专利技术提出一种轨旁多功能探伤集群及检测方法以解决现有技术中存在的问题。

技术实现思路

[0003]针对上述问题，本专利技术提出一种轨旁多功能探伤集群及检测方法，该轨旁多功能探伤集群及检测方法采用基本检测单元对列车车顶、车侧、车底关键部件进行高清二维成像，并实现列车部件典型故障诊断分析。
[0004]为实现本专利技术的目的，本专利技术通过以下技术方案实现：一种轨旁多功能探伤集群，包括基本检测单元、现场控制中心和远程控制中心，所述基本检测单元包括车侧图像采集机器人、走行部图像采集机器人、车顶图像采集机器人和车辆识别及公共信号采集单元；所述基本检测单元的数据输出端连接现场控制中心，所述车侧图像采集机器人、走行部图像采集机器人、车顶图像采集机器人用于自动识别列车车顶、车侧、车底关键部件的故障，所述车辆识别及公共信号采集单元用于车辆车号和端位号自动识别，所述现场控制中心的数据输出端通过远程传输通道连接远程控制中心，分析获取检测结果、超限数据及图像和综合分析报告，所述远程控制中心通过车辆基地局域网将分析数据输出至大数据运维平台和网络终端。
[0005]进一步改进在于：所述车侧图像采集机器人、走行部图像采集机器人、车顶图像采集机器人均采用多个线扫描相机进行检测，配合近红外808纳米的激光光源，检测获取图像的分辨率小于1mm/Pixel，所述车侧图像采集机器人、走行部图像采集机器人、车顶图像采集机器人具备列车车顶及两侧高清彩色视频观测功能、列车车底走行部3d图像辅助检测功能；所述车辆识别及公共信号采集单元通过车辆车号和端位号自动识别，实现无人值守工
作模式，来车自动开启检测，离车自动关闭。
[0006]进一步改进在于：所述基本检测单元采用模式识别和机器学习技术，对各种车型和关键部件进行结构学习，使计算机形成各型车辆结构的概念信息，对采集后的图像，进行图像数据处理分析，在实际检测过程中，进行目标物体的结构分析，判断目标物是否异常，基于结构分析，进行目标异常检测。
[0007]进一步改进在于：所述远程控制中心提供检测功能数据、通信接口及公司信息管理系统接口，且分析获取的检测结果、超限数据及图像和综合分析报告具体包括整体系统的工作模式及系统自检信息，故障、磨耗超限分级预警及图像标注。
[0008]一种轨旁多功能探伤集群控制方法，包括以下步骤：采集列车车顶、车侧、车底关键部件的图像；图像预处理，利用全局直方图均值化，依据图像本身的信息对图像灰度直方图变量进行变化，改变像素亮度直接差值，以此进行校正；确定目标关键参考点，以该参考点作为支撑，确定其他部位的相对位置关系，通过目标结构划分和目标特征学习构建目标记忆空间，对关键部件定位；针对可视检修项点进行检测模型训练，包括训练好的丢失、异物、污渍、状态、裂纹检测模型，然后基于模式识别/机器学习算法对多种失效形式进行检测；输出检测结果、超限数据及图像和综合分析报告。
[0009]进一步改进在于：图像预处理包括：将一幅图总像素假设为n，灰度级总数设为l，为图像中出现rk该种会读的像素数量，计算第k级灰度值的概率：0≤r
k
≤1；k=0，1，2，~，l
‑
1；计算原始图像中的累计直方图分布的同时将其中所有像素进行相应变换，实现均衡化，转换公式为：0≤r
k
≤1；k=0，1，2，~，l
‑
1，其中，为图像灰度直方图变量均衡值，为灰度级变换。
[0010]进一步改进在于：对关键部件定位包括：将整个目标记忆空间分为多层，第一层为基本特征层，具体为特征分类器，代表了基本的视觉模式，其输入为局部图像块，输出为特征类型；第二层为目标层，具体表示特征与目标之间的关系，代表目标的结构特性，其输入为局部特征类型，输出为目标类型；第三层及以上为由目标构成的大体结构，具体表示目标与整体之间的关系，当目标按照规律构成更大的目标时，更大的目标模式则形成；每一层内有多个元素目标，每层元素之间通过连接参数相连；利用特征与目标之间的关系实现目标识别定位，具体包括：输入采集的图像，对采集的图像进行边缘特征提取，根据局部特征分类器对图像进行边缘特征分类，根据局部特征与目标之间关系、针对每一种目标进行目标中心投票，投票方式如
下：下：下：式中：I_scor为投票结果图；fea特征类型i针对目标N的第j个连接值；〖pos〗_x特征点x坐标；〖pos〗_y特征点y坐标；根据相似性判定，取投票票数最多的点作为定位点，进行目标识别定位，以此对关键部件进行识别定位。
[0011]进一步改进在于：根据丢失检测模型检测包括：将采集的图像进行预处理；将预处理的结果与部件模板匹配；获取匹配后的部件所在的图像；根据匹配后的部件图像数据，提取不同部件模板的梯度直方图；将梯度直方图输入训练好的支持向量机模型；输出结果并与训练好的丢失检测模型对比，判断是否存在部件走失。
[0012]进一步改进在于：根据异物检测模型检测包括：读入采集图像；对采集的图像进行预处理；对预处理后的图像进行轮廓检测、椭圆拟合；截取图像中的椭圆洞口图像；计算正常图像和测试图像的指纹信息，判断指纹信息个数相差是否大于20；是，则测试图像椭圆洞口有异物存在；否，则无异物；根据污渍检测模型检测包括：通过拉普拉斯算子对采集的图像进行图像增强；在处理后的图像，对检测区域定位；对检测区域的图像进行分隔并自适应二值化处理；将图像拟合最小外接矩形，并判断区域中是否有矩形；是，则区域中有污渍，否，则无污渍。
[0013]进一步改进在于：根据状态检测模型检测包括：读取采集的图像并进行预处理；对图像中目标部件进行定位并截取ROI；对目标部件图像进行中值滤波和Sobel检测；判断部件状态是否平行；否，则状态异常，是，则无异常；根据裂纹检测模型检测包括：读取采集的图像并进行预处理；对图像进行平滑去噪、Canny检测和腐蚀处理判断图像中是否有裂纹线；
是，则部件状态本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轨旁多功能探伤集群，包括基本检测单元、现场控制中心和远程控制中心，其特征在于：所述基本检测单元包括车侧图像采集机器人、走行部图像采集机器人、车顶图像采集机器人和车辆识别及公共信号采集单元；所述基本检测单元的数据输出端连接现场控制中心，所述车侧图像采集机器人、走行部图像采集机器人、车顶图像采集机器人用于自动识别列车车顶、车侧、车底关键部件的故障，所述车辆识别及公共信号采集单元用于车辆车号和端位号自动识别，所述现场控制中心的数据输出端通过远程传输通道连接远程控制中心，分析获取检测结果、超限数据及图像和综合分析报告，所述远程控制中心通过车辆基地局域网将分析数据输出至大数据运维平台和网络终端。2.根据权利要求1所述的一种轨旁多功能探伤集群，其特征在于：所述车侧图像采集机器人、走行部图像采集机器人、车顶图像采集机器人均采用多个线扫描相机进行检测，配合近红外808纳米的激光光源，检测获取图像的分辨率小于1mm/Pixel，所述车侧图像采集机器人、走行部图像采集机器人、车顶图像采集机器人具备列车车顶及两侧高清彩色视频观测功能、列车车底走行部3d图像辅助检测功能；所述车辆识别及公共信号采集单元通过车辆车号和端位号自动识别，实现无人值守工作模式，来车自动开启检测，离车自动关闭。3.根据权利要求2所述的一种轨旁多功能探伤集群，其特征在于：所述基本检测单元采用模式识别和机器学习技术，对各种车型和关键部件进行结构学习，使计算机形成各型车辆结构的概念信息，对采集后的图像，进行图像数据处理分析，在实际检测过程中，进行目标物体的结构分析，判断目标物是否异常，基于结构分析，进行目标异常检测。4.根据权利要求3所述的一种轨旁多功能探伤集群，其特征在于：所述远程控制中心提供检测功能数据、通信接口及公司信息管理系统接口，且分析获取的检测结果、超限数据及图像和综合分析报告具体包括整体系统的工作模式及系统自检信息，故障、磨耗超限分级预警及图像标注。5.一种轨旁多功能探伤集群控制方法，其特征在于：包括以下步骤：采集列车车顶、车侧、车底关键部件的图像；图像预处理，利用全局直方图均值化，依据图像本身的信息对图像灰度直方图变量进行变化，改变像素亮度直接差值，以此进行校正；确定目标关键参考点，以该参考点作为支撑，确定其他部位的相对位置关系，通过目标结构划分和目标特征学习构建目标记忆空间，对关键部件定位；针对可视检修项点进行检测模型训练，包括训练好的丢失、异物、污渍、状态、裂纹检测模型，然后基于模式识别/机器学习算法对多种失效形式进行检测；输出检测结果、超限数据及图像和综合分析报告。6.根据权利要求5所述的一种轨旁多功能探伤集群控制方法，其特征在于：图像预处理包括：将一幅图总像素假设为n，灰度级总数设为l，为图像中出现该种会读的像素数量，计算第k级灰度值的概率： ， 0≤≤1；k=0，1，2，~，l
‑
1；计算原始图像中的累计直方图分布的同时将其中所有像素进行相应变换，实现均衡
...

【专利技术属性】
技术研发人员：舒冬，王占生，李威，占俊，周小斌，刘曦洋，种传强，程春阳，高春良，张甫斌，葛红，张昕，王德威，周顺新，赵文涛，
申请(专利权)人：苏州市轨道交通集团有限公司成都盛锴科技有限公司，
类型：发明
国别省市：