钢轨检测压电超声换能器宽频阻抗匹配研究

针对钢轨损伤检测系统中压电超声换能器与激励源存在阻抗失配,以及压电超声换能器带载后谐振频率偏移等问题,本文对压电超声换能器宽频阻抗匹配进行研究。首先,对压电超声换能器BVD模型参数进行优化。其次,基于上述模型,设计4种匹配网络,对其性能进行比较分析,从而确定最佳网络拓扑结构和参数。最后,基于一发一收实验平台,测试对比匹配前后压电超声换能器的接收信号。测试结果表明,本文设计的阻抗匹配网络可以实现对压电超声换能器的高效匹配,匹配后发射换能器有功功率平均提升了197.38%,工作带宽从1.44 kHz提升至2.22 kHz。同未匹配和传统L型匹配网络相比,本文设计的宽频阻抗匹配网络使得发射强度分别提升了61.07%和18.05%,压电超声换能器在工作带宽内均可达到良好的发射状态。

基于Hough变换和Catmull-Rom样条曲线的钢轨检测算法

针对现有的钢轨检测算法中对于钢轨识别准确性不高的问题,提出一种基于Hough变换和Catmull-Rom样条曲线的钢轨检测算法。首先对图像进行降噪预处理,利用Canny边缘检测算法进行边缘检测,然后利用Hough变换检测直轨,根据直轨消失点确定轨道模型,最后针对弯轨利用等分窗口搜索弯轨特征点,对选取的特征点进行Catmull-Rom样条曲线拟合弯轨。实验表明,该算法不仅能够准确拟合钢轨曲线,而且具有较好的准确性和鲁棒性。

激光诱导击穿光谱和激光超声技术在钢轨检测中的应用

激光诱导击穿光谱技术快速、多元素测量,成为物质成分分析的理想手段和方法;激光超声技术是检测夹杂物和缺陷的新兴热门技术。本文将两者相结合,搭建了集两种技术于一体的实验系统,利用激光激励的光谱信号绘制了光谱图并分析了钢轨化学成分和残留元素;同时利用激励出的超声信号绘制了时频图并计算得到了钢轨人工缺陷的位置信息。两种技术在信息探测上实现了互补,集成的系统完全非接触检测,为钢轨微观与宏观的健康监测提供了理想的检测方法。

基于双边滤波的三维曲面重构技术在钢轨检测中的应用

钢轨廓形的测量对指导钢轨打磨、提高列车运行安全、延长钢轨寿命具有重要的意义。采用三维激光扫描重建技术,获取钢轨廓形点云数据;分别采用迭代最近邻算法、双边滤波法以及曲率精简法对钢轨点云数据进行拼接、降噪和精简处理;对比在不同高斯滤波参数下,该技术对钢轨点云数据的滤波效果。结合UM动力学软件和有限元分析软件对三维重构后的钢轨模型进行仿真对比分析。结果表明:采用该三维重构技术可以快速地对钢轨的型面进行重构;高斯滤波参数σ_c为20时,对钢轨点云数据的滤波效果较好,能够使钢轨轨顶保持良好的细节特征。

基于IoT传感器网络的实时钢轨检测系统

本文针对铁路部门对线路进行定期巡检和列车状态监测的实际需求,提出一种基于物联网(IoT)传感器网络的实时钢轨检测系统,包括ZigBee检测端、ZigBee传输端和云端服务器3部分,用于长距离实时采集钢轨振动信息,分析扣件松紧程度、列车载重及运行速度等状态参数。与传统检测系统相比,该系统将多种传感器融合,并利用分段通信方式将检测端数据上报至云端,具有功耗低、成本低、不占用轨道资源等优点,并可实现24 h实时监测,大大提高了铁路轨道检测的效率和质量。综合实验表明,利用本文系统能够有效区分钢轨扣件的正常和脱落2种状态,结合特定型号的列车参数还可计算出列车的车厢数量、运行速度和载重等。本系统可实现性强,能够融合多种复杂算法,未来有望在铁路部门的故障定位和实时监测任务中发挥更关键的作用。

LS9000激光测量系统在钢轨检测中心的应用

随着激光技术的发展和不断更新,激光测长已应用于诸多行业。LaserSpeed9000系列激光测长仪将探头、处理器、输出、电源等集成为一体,利用激光多普勒原理进行非接触式测量,避免了与被测体的摩擦损伤,大大提高了测量的精度和可靠性,是一种非常优秀的长度测量系统。本文主要介绍了LS9000激光测长技术在钢轨检测中心的应用。

基于混合模型的钢轨检测识别方法

为了改善我国现有钢轨检测识别方法准确性和鲁棒性不高以及弯轨拟合较差等问题,提出一种基于直线-曲线混合模型的钢轨检测识别算法。首先对图像进行预处理,调整滞后阈值进行Canny边缘检测。采用累计概率Hough变换对直轨检测并完成近远视场的划分以及消失点的确定。对近视场直轨采用直线模型拟合,根据其检测结果对远视场进行循环线性近似获取钢轨特征点,并根据钢轨灰度特征进行验证,采用最小二乘法完成曲线拟合。直线-曲线模型的切换根据制定的规则完成。实验结果表明,提出的算法检测正确率为90.1%,适用于不同环境的场景,具有较好的鲁棒性。

基于改进半径约束圆拟合方法的钢轨磨耗检测

研究目的:钢轨磨耗检测是保证轨道质量,确保轨道系统安全运行的重要手段。传统钢轨检测方法依赖于人工使用特定的测量仪器来测量钢轨的轮廓,进而得到钢轨磨耗,耗费大量人力物力。基于结构光的非接触式测量方法可以快速、高效地对钢轨轮廓进行实时测量、磨耗计算,其检测效率高,安全性强,具有十分广阔的应用前景。研究结论:(1)利用离群点去除算法可有效地去除线结构光下采样得到的钢轨轮廓噪声;(2)利用插值算法结合60 kg钢轨自身结构比例特点可对钢轨轮廓进行精确分割;(3)采用基于半径约束的圆拟合算法提取测量件圆心坐标效果良好;(4)磨耗检测试验结果表明,采用本文的钢轨磨耗检测方法后,钢轨总磨耗均方根误差为0.08 mm,可满足钢轨磨耗检测的要求;(5)本研究成果可为轨道交通的运营维护提供一定参考。

机器视觉在钢轨表面病害检测应用研究综述

繁忙的铁路运输会导致钢轨表面病害的出现,及时对钢轨表面进行检测能有效确保铁路的安全运行。首先介绍了钢轨表面病害的产生原因以及病害类型;其次分析了自动检测技术中机器视觉检测法的实现系统以及该方法的优势和面临的困境;再次从轨道背景、病害分割提取以及病害分类评估3个方面归纳了现如今主流的钢轨表面病害识别处理方案,即传统图像方法和机器学习方法。传统方法从纹理、图像语义2个方面进行特征提取和病害识别的算法设计,实现了对病害的识别、提取和预警,通过优化算法来克服环境因素带来的干扰,提高鲁棒性。近年来研究趋向于将传统方法与机器学习方法相结合,通过深度学习模型自动学习特征,弥补传统方法的不足,发挥机器学习方法在自适应性和泛化能力方面的优势,以实现更高的性能和应用广泛性。2种方法在特征设计方式、数据驱动与人工设计差异以及适应性和通用性3个方面各有优缺点。最后,提出视觉检测技术未来的发展方向应主要集中于提高算法的兼容性和多数据融合能力方面。

采用LED均匀照明成像的机器视觉钢轨裂纹故障检测

对于铁路钢轨上的裂纹故障检测,目前基于机器视觉的检测技术主要存在的问题包括:(1)没有特定照明设计,捕获的图像会因光照导致细节缺失;(2)图像处理技术不完善,导致无法高精度检测故障;(3)传输设备的速度限制,造成图像信息处理不及时。因此,本文根据铁路钢轨图像信息特点,设计适合的特定均匀照明系统,并采用相应的图像裂纹检测技术,形成一套高效的钢轨裂纹检测系统。实验证明:该系统检测的准确率可达98%。

双轨式钢轨超声波探伤与表面图像监控集成检测研究

针对双轨式钢轨探伤仪主要进行钢轨内部探伤、无法同步进行钢轨表面监控的情况,提出集成超声波探伤与轨面图像监控的方法,即在原探伤数据采集的基础上,同时进行钢轨表面图像监控,实现15~20 km/h检测速度下钢轨伤损检测。介绍了集成系统的组成、工作原理和工作状况。在系统试验性能测试过程中,伤损检出效果好、轨面监控图像清晰,对提高判伤效率与探伤准确性具有一定的实际意义。

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0.0012,AUC值达到0.9935,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。

基于改进YOLOv5的钢轨表面缺陷检测

针对钢轨表面缺陷检测效率较低及抗干扰能力较差的问题,提出一种基于改进YOLOv5的钢轨表面缺陷检测算法.首先,采用图像增强操作对采集到的钢轨表面图像进行预处理,减轻高光、异物等噪声对检测效果的影响.其次,将多头自注意力层嵌入YOLOv5骨干网络末端,并为缺陷特征引入全局依赖关系,提升模型对密集缺陷的检测效果.最后,构建跨层加权级联结构,将浅层信息融入到深层网络中,使网络对缺陷边界的回归更为精准.实验结果表明:本文的钢轨表面缺陷检测算法对裂纹、剥落、磨损3类表面缺陷检测的平均精度均值达到98.2%,每秒帧数(Frames Per Second,FPS)达到77帧/s,能够在不同的环境条件中实现对缺陷的精准检测,比其他某些同类算法拥有更高的鲁棒性、准确性和实时性.

基于激光三角测距法的双轨式钢轨波磨检测仪

为有效解决钢轨波磨病害检测及整治,设计了一种基于激光三角距法的双轨式钢轨波磨检测仪。介绍了该波磨检测仪的总体结构、检测系统的硬件组成和核心软件系统的功能。该波磨检测仪采用弦测法测量原理和动态基准弦结构,可实现同时对双轨顶面波磨的非接触式动态测量,具备测量数据全程记录、回放、分析等功能。通过该波磨检测仪检测数据与RMF1100波磨小车检测数据的对比分析,验证了该波磨检测仪检测数据的重复性与真实性,以及检测的可靠性。昆明地铁的现场试用表明,采用该波磨检测仪,能够大大提高检测效率,能够实现钢轨波磨的精准测量,为波磨病害检测及整治提供了高效合理的解决方法。

直流牵引供电系统新型钢轨回流方案及钢轨绝缘检测方法

直流牵引供电系统的走行轨兼作回流轨时,因钢轨对地不能完全绝缘,从而产生杂散电流。以钢轨绝缘为研究目标,通过详细分析国内外杂散电流防护中的各项要求,以及现阶段钢轨绝缘水平和测试方法,提出了一种新型的钢轨回流方案和钢轨绝缘检测方法。该方案和方法可便捷、准确地测量钢轨的绝缘水平,指导杂散电流防护工作的实施,可应用于城市轨道交通新建线路或既有线路供电系统改造项目中。

基于机器视觉的钢轨表面面型缺陷分类实验设计

随着城市轨道交通的飞速发展,实现钢轨表面缺陷实时检测对铁路行业稳步发展意义重大。如何实时检测钢轨表面缺陷是保障铁路运行安全亟须解决的一个关键问题。鉴于此,设计了一套基于机器视觉的钢轨表面缺陷检测实验仿真方法。搭建图像采集、图像预处理和缺陷分类等模块;提出自拟合亮度调整算法完成像素值统计,得到清晰的缺陷特征图像;用750组数据训练网络权值,实现缺陷分类预测;经过数据分析和误差评估,识别准确率在90%以上,相关系数高达0.96,单幅图像平均耗时1.267 s,测试表明,所提方法能准确、高效地实现钢轨表面缺陷信息的缺陷分类与识别。

基于改进YOLOv5的超声钢轨缺陷检测方法

钢轨内部缺陷检测是保证列车运行安全非常重要的安全保证,为了增加对钢轨内部缺陷的识别准确率,减少人为不确定因素的干扰,提出了一种用YOLOv5目标识别的方法来辅助识别,并对YOLOv5算法进行改进,改进了数据增强,提升数据鲁棒性,添加NAM注意力模块来捕获局部信息,同时引入GhostNet,对模型进行轻量化处理。改进的YOLOv5_GNM算法的AP50值到达了87.7%,参数量减少了37%,帧数达到了66帧,提高了缺陷识别的准确率。

高铁钢轨的三维结构光检测及视角优化研究

为满足高速铁路对钢轨更为严格的检测要求,同时实现检测过程的高效与数据的智能管理,提出了一种新的钢轨廓形非接触检测系统。针对在双目结构光检测过程中人为选择的检测仪视角对钢轨检测数据的不确定性影响,基于投影仪和系统最佳测量范围两方面影响因素,提出了视角优化方法,确定检测设备位置参数,保证点云数据的完整性和准确性。通过实地检测与实验对比,证明该视角优化方法确定的检测视角可获得较理想的检测结果,较好地解决了人为选择视角得到点云数据的缺失和冗余等缺陷。

基于机器视觉的钢轨表面检测光学模型的研究

在机器视觉的检测中,图像是整个系统中最重要的原始数据,其质量决定了后期图像处理的效果和速度。为探讨高质量图像的采集,提出一种基于线阵CCD相机和线阵光源的钢轨表面缺陷检测的光学理论模型,分析线阵CCD采集系统中振动模糊的原因,推导出图像灰度值与系统振动幅度和缺陷深度的关系,研究光源照射角度和相机拍摄角度对图像灰度和缺陷区域对比度的影响,并通过实验验证模型的合理性。结果表明:缺陷区域图像灰度值随着钢轨表面缺陷深度增大而降低,采用较低的光源照射角度可增大缺陷与背景的对比度,突出缺陷特征便于后期图像处理的缺陷识别。