探讨基于机器视觉的受电弓磨耗检测系统

(整期优先)网络出版时间:2018-12-22
/ 2

探讨基于机器视觉的受电弓磨耗检测系统

钟廷黄平霞张飞龙

(成都地铁运营有限公司四川成都610000)

摘要:受电弓是机车从电网取电的重要装置,其在运行过程中不可避免地受到电气和滑动磨耗,当磨耗达到一定程度后,有很大可能造成暂时性断电,甚至引发铁路交通事故。当前针对受电弓磨耗检测大多是以人工目测,有很大的误差性,为了避免磨损检测不准确的情况,采用磨耗检测系统保证检测结果准确。本篇文章基于此,首先介绍受电弓磨耗检测系统设备概况,系统的主要技术要求,以及系统算法。

关键词:机器视觉;受电弓;磨耗监测

前言:

我国城市化进程不断加快,城区面积的增加,对轨道交通的需求越来越大。进入21世纪后,我国城市地铁建设明显升温,众多城市相继开通地铁线路。受电弓是机车重要的装置,其磨耗程度影响了轨道交通的安全性、稳定性,传统磨耗检测方法有一定的局限,不能有效应对精细化管理的情况,应用受电弓磨耗监测系统具有重要意义。

1受电弓磨耗检测系统设备概况

监测系统的设备包含1套受电弓系统,其主要安装在8号线元华车辆段。动态检测系统主要由轮对动态检测、受电弓动态检测系统两大部分组成。前者主要包含的检测范围,主要有外形尺寸动态检测1套、轮对擦伤动态检测1套、视频图像擦伤检测1套、轴温动态检测1套(含车号识别系统1套)、车号识别系统1套、受电弓检测装置1套、现场控制系统1套、数据采集系统、数据处理系统、监控系统主控机1套、客户终端控制台(包括台式电脑等)1套。

2检测系统的主要技术要求

2.1受电弓动态检测系统

受电弓动态检测系统,其适用的环境温度,室外设备-35℃~+75℃;室内设备-20℃~+55℃,湿度要求≤95%。检测过程中,要确保车辆穿行速度在≤20km/h,且两列车辆通过间隔要≮4min。这套检测系统对于工作环境没有太大要求,能够适应雨、雪、雾等环境,满足电磁兼容的标准[1]。

受电弓动态检测系统,主要利用非接触自动图像测量技术,对受电弓滑动磨耗的具体磨耗值、碳滑板最小和最大剩余、磨耗差等参数进行测量,从而得出相应检测结果。同时这项技术支持自动分析反馈参数,如受电弓中心线偏差值。此外,对于受电弓表面出现的缺口、羊角异常磨耗进行检查。对于接触网的接触压力,同样也有所反馈,基于杠杆原理对超限数据进行自动报警。

2.2轮对动态检测系统

轮对动态检测主要采用非接触式图像测量技术,针对轴温探头采用高精度位移测量技术,通过两项技术可以了解机车车轮的关键部位尺寸,以及车轮在运行过程的踏面缺陷和轴温。对于车辆运行产生的振动、接触网,以及供电装置的电磁干扰,检测设备包括EMC设计保障,基于板级和系统级的EMC器件设计保障,通过一定的综合测试,能够检测轨道底部的箱体,提高供电装置的抗干扰能力,适应轨边环境,最大限度保证动态检测的测量精度。

考察受电弓应用软件的兼容性,确认增加的程序和设备功能,还要考虑软硬件是否兼容。针对不同硬件,提供数据输出的接口,从而实现受电弓应用有效数据融合、共享和功能扩充。针对受电弓轮对动态检测,是以工业级产品的标准对待,对于其可靠性、稳定性的要求更高,同时支持不同需求的检测设定[2]。

系统功能方面,主要是对车辆轮对外形尺寸检测模块展开检测,通过它可以了解踏面磨耗、轮缘厚度、轮缘高度等技术参数。检测数据编制的报表,可以按照车厢号的先后顺序呈现检测结果,根据项目配置列出单位信息,同时在软件操作界面还提供导航按钮,帮助使用者快速定位某节车厢的监测数据。同时还提供过去10年的检测数据对比功能,从而为使用者判断某一轮位的检测时间、检测值、复核值等信息。根据数据比对的需要,将设置时间内的检测数据按照轮位顺序,将曲线数据导出成ZIP压缩包。

3检测系统算法

3.1图像处理算法

基于机器视觉技术对受电弓的检测,主要对反馈的受电弓图像,通过一定图像处理算法,从而帮助使用者获得所需数据。例如,图像分析中对受电弓边缘轮廓提取,处理图像的单一像素,这种方式是利用算法对噪声有较高敏感度,判断正确的目标边缘。如利用Canny算子边缘检测思想配合高斯函数,确定一阶微分边缘点,对应一阶导数的极小值、二阶导数零交叉点。针对这种情况,采用Roberts算子边缘检测,利用其较高的定位精度、水平垂直方向感好的优势,对受电弓的边缘轮廓进行提取。采用Sobel算子边缘检测的方法,对受电弓图像选取四个领域进行灰度加权,通过对边缘点极值判断,增加计算量。但是这样的检测算法的精度较低,容易因为定位精度不准确,检测到伪边缘。

3.2算法描述

利用图像处理算法对受电弓磨耗信息进行提取,首先要完成图像分割,通过这样的方式消除信息提取过程中干扰项的影响,也是机器视觉技术要解决的问题,将分析图像分割成若干个互不交叉和重叠的图像组合,合成目标标注。

配合遥感数据对不同车辆从背景识别,利用边缘监测确定图像中的边缘点,通过相应策略连接成连续轮廓。这一过程的图像分割主要在于噪声的干扰,使得检测结果呈现伪边缘情况,直接导致轮廓漏检、检测位置偏差的不良后果。完成单幅图像需要耗费一定的计算时间,针对噪声影响因素进行消除和抗噪处理,计算效率不够经济。

结论:

综合上述,受电弓是机车的重要装置,对于其磨耗值需要采取精度更高的设备和检测系统,及时获知其运行状态。通过受电弓动态检测、轮对动态检测系统,利用非接触式图像测量技术发现受电弓运行时的缺陷,同时配合图像处理算法,得知更准确的受电弓磨耗参数。

参考文献:

[1]李科,仇广民,王克,等.受电弓动态检测系统技术原理及应用分析[J].铁道机车与动车,2018(03):34-36.

[2]张梦双,伍尚志,贺翔,等.广州地铁3号线北延段受电弓碳滑板异常磨耗原因分析[J].价值工程,2018,37(05):133-134.