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。

德国RAILCHECK光电式自动化钢轨检测系统在轨道检查车中的应用

介绍了德国RAILCHECK光电式自动化钢轨检测系统的结构原理、特点以及在轨道检查车中的应用情况。

钢轨波浪磨耗检测系统的研究开发

在了解国外各种检测方法基础上,研制完成了钢轨波磨在线检测系统RCIU 1,该系统是一个安装在轨检车上,对钢轨波浪磨耗进行动态在线检测的装置,它采用惯性法原理,利用虚拟仪器技术,在Windows操作平台下实现对轴箱加速度信号的等距离采样、显示和存储,实现了多任务并行处理,同时通过数字处理、积分滤波输出代表钢轨波磨幅值的位移量或标准差。从系统构成、检测原理、数据处理、多任务运行机制、系统标定和动态试验等几方面作了详细阐述。

遗传算法及其在钢轨断面检测系统中的应用

在钢轨磨耗检测系统中 ,摄像机标定是测量精度的关键 .讨论了用遗传算法优化摄像机的全部参数 ,该标定方案直接优化摄像机相对于世界坐标系的旋转角度 ,因此在能够获得精确解的同时 ,也保证了旋转矩阵的正交约束条件 ,可以有效地提高标定和钢轨磨损测量的精度 .

基于语义分割的钢轨表面缺陷实时检测系统

钢轨表面缺陷检测是铁路日常检测的重要部分,根据现代铁路自动化检测技术对实时检测和适应性的要求,构建了一个完整的钢轨表面缺陷识别和分析系统。根据机器视觉的基本原理,设计了一种带有LED辅助光源和遮光箱的图像采集装置,并将采集到的图像进行人工标注,建立了一个较为庞大的具有语义分割标注的钢轨表面缺陷数据集;将高级语义分割技术应用于钢轨图像分析,利用一种级联自编码结构(CASAE)的语义分割网络,将缺陷图像转化为基于语义分割的像素级预测掩码,并通过紧凑型卷积神经网络(CNN)将分割结果进行分类,从而实现钢轨表面缺陷的识别与分类;构建了智能化的人机交互系统,并将系统通过仿真实验的方式进行测试。实验结果表明,系统的检测准确率达到90%以上,每幅图像的平均处理时间为245.61 ms,可以在一定程度上代替人工检测,实现对钢轨缺陷的数字化管理。

钢轨连接板视频检测系统

目前已开发出了钢轨连接板自动视频检测系统，并成功进行了现场裂缝钢轨连接板检测效果评估。联邦铁路管理局研究与开发办公室与ENSCO．INC公司共同为该项研究活动提供资金。该系统利用安装在公路／铁路两用车（图1）上的高分辨率行扫描摄像机和2套钢轨连接板激光传感器进行检测。在两次现场示范检测中，系统对裂缝检测的故障报警率低，达到了预期的要求（检测到的裂缝中40％得到了系统操作人员的确认，60％未被确认）。尽管有15％的裂缝未检测到，但这些裂缝都不是中心裂缝。目前正对检测算法进行修正和试验，以降低裂缝失测率，以及由于道碴过高，植物、油渍、泥土或钢轨连接板附近的其他因素造成的错误判断。

钢轨全断面廓形高精度合成方法

为提高钢轨全断面廓形的检测精度,根据检测系统的结构光原理,利用基于平面靶标的标定装置改进了物像坐标变换参数标定算法,对单侧相机分别进行分块高精度标定,并在此基础上完成了双侧相机高精度拼接标定,最后通过设置标准检验模块对检测系统进行精度检定,实现了轨廓系统全断面廓形的高精度合成控制。现场实测结果表明,该方法可有效克服人为操作带来的主观性误差以及传统方法中不可避免的随机系统误差,全面提高全断面廓形获取的精度和稳定性。

GTC-80jⅡ型钢轨伤损检测系统项目风险管理探析

项目风险管理是对项目范围、进度、采购、成本等各项风险因素进行识别、分析、应对的全过程管理。以G公司GTC-80jⅡ型钢轨伤损检测系统项目为研究对象,从市场订单输入到回款阶段进行风险管理探析,应用风险分解结构法,从管理、技术、商务、环境4个方面识别风险;在细化风险的基础上,采用专家评分法、风险值法对4类风险进行风险敞口定性评价;以此为基础,提出风险应对策略和措施。