胡廣勝++賢業(yè)飛++孫福慶++李艷

摘 要隨著高速列車車速不斷提高，對(duì)于車輛各部件檢查和監(jiān)控也提出了更高的要求。而傳統(tǒng)的人工檢測(cè)很容易出現(xiàn)檢測(cè)不到位的情況，伴隨著以圖片為主要信息載體的發(fā)展需求，通過機(jī)器人定點(diǎn)拍攝的彩色照片，利用圖像處理技術(shù)對(duì)可視化的部件進(jìn)行故障檢測(cè)，最后生成的報(bào)警信息可在終端屏幕由檢測(cè)人員查看并研判，提高了我們的信息檢測(cè)效率，也帶來了快捷的信息記錄和分享方式。

【關(guān)鍵詞】圖像處理 高速列車 故障檢測(cè)

1 引言

我們與外部世界的常規(guī)交互方式是人眼捕捉目標(biāo)信息、大腦將信息進(jìn)行分析，而圖像識(shí)別技術(shù)是賦予機(jī)器“眼睛”之后，借助機(jī)器捕捉目標(biāo)信息、機(jī)器和互聯(lián)網(wǎng)直接對(duì)信息進(jìn)行分析并返回結(jié)果。目前圖像識(shí)別技術(shù)也滲透到高速列車上，自2008年京津城際鐵路開始運(yùn)營(yíng)至今，在短時(shí)間內(nèi)中國(guó)建成了世界上營(yíng)運(yùn)里程最長(zhǎng)、最大規(guī)模的高鐵系統(tǒng)，搭建了最先進(jìn)的高速列車技術(shù)平臺(tái)。高速列車每天在高速、高密度地運(yùn)行，為了運(yùn)行安全，保質(zhì)保量地檢修列車具有重要的意義。

我們對(duì)物體的認(rèn)知是基于大腦器官感知的信息來推斷，這構(gòu)成了人類最重要的預(yù)判和處理突發(fā)時(shí)間的能力，而這些信息80%都是視覺類的，通過機(jī)器視覺的（即圖像識(shí)別技術(shù)）可以及時(shí)和準(zhǔn)確的獲取信息。本文將闡述利用彩色信息和模式識(shí)別混合方式處理圖像進(jìn)行高速列車轉(zhuǎn)向架的檢測(cè)，首先利用彩色信息作為定位的基礎(chǔ)，若部件的顏色信息不足以支持其從背景中區(qū)別出來，則采用模式識(shí)別方式進(jìn)行定位。定位結(jié)束后，對(duì)每一個(gè)部件做故障檢測(cè)。最后，在終端呈現(xiàn)檢測(cè)結(jié)果，并存儲(chǔ)檢測(cè)報(bào)文。

2 圖像自動(dòng)識(shí)別

相比于文字，圖像能夠提供更加生動(dòng)、容易理解的信息，幫助我們更快的用圖片來采集、判定和記錄信息。通過設(shè)計(jì)四個(gè)四軸和一個(gè)六軸聯(lián)動(dòng)工業(yè)機(jī)器人裝置自動(dòng)運(yùn)動(dòng)到定點(diǎn)位置，利用自身攜帶的彩色相機(jī)采集轉(zhuǎn)向架各部件高清彩色圖像，然后將圖像信息傳送給機(jī)柜設(shè)備送的分析中心服務(wù)器，服務(wù)器對(duì)采集的數(shù)據(jù)做存儲(chǔ)和彩色圖像自動(dòng)識(shí)別處理。

在上述過程中，轉(zhuǎn)向架故障識(shí)別正確率的關(guān)鍵就是對(duì)部件定位的精準(zhǔn)程度。所有后續(xù)的圖像處理方法都將在定位的基礎(chǔ)上進(jìn)行，所以本文采用的是彩色圖像處理方法。圖1為某車型轉(zhuǎn)向架模型，從圖中可以看出，有些部件的顏色特征很明顯，這樣的部件若利用以前的灰度圖像處理方法就丟失了其很重要的色彩特征，雖然就數(shù)據(jù)存儲(chǔ)空間來說，灰度圖像是彩色圖像的降維，但是對(duì)于后期的故障檢測(cè)卻不利，有可能算法難度增加幾倍。

圖2為圖像自動(dòng)識(shí)別流程圖。故障檢測(cè)是上述整個(gè)流程的重點(diǎn)，由于轉(zhuǎn)向架有上百個(gè)部件，不能采用統(tǒng)一的方法，在后續(xù)的部分詳細(xì)闡述其中幾個(gè)部件的檢測(cè)方法。

3 部件故障分析與識(shí)別

下面列舉幾個(gè)部件，詳細(xì)說明其定位方式和故障識(shí)別算法，包括防松線故障識(shí)別、防脫鏈故障識(shí)別。

3.1 防松線故障識(shí)別

為了防止螺栓在行車中會(huì)因列車顛簸或車廂之間擠壓造成脫落事故發(fā)生，在部件的邊緣畫上一條白色直線，如果直線發(fā)生扭曲或者斷開則說明緊固件松動(dòng)，需要及時(shí)維修，而這條白色直線叫做防松線。

圖3為自動(dòng)化裝置拍攝的真彩圖片。首先對(duì)圖片做預(yù)處理，使圖片內(nèi)容簡(jiǎn)化，突出目標(biāo)區(qū)域。然后定位圖中的螺栓和防松線區(qū)域，利用模板匹配算法，模板響應(yīng)最大值處便是螺栓的位置。圖4位預(yù)處理效果圖，可以看出經(jīng)過預(yù)處理后的圖片，邊緣清晰可見。模板匹配示意圖，如圖5。

螺栓定位成功后，便可通過防松線的特性找到防松線，從圖片中提取完整的防松線，如圖6。利用基于最小二乘法的分段直線擬合識(shí)別出來的防松線，判斷識(shí)別出的防松線是否為直線，如果是直線，說明無故障，否則判定為螺栓松動(dòng)，產(chǎn)生自動(dòng)識(shí)別報(bào)警， 圖7為擬合直線。

3.2 防脫鏈故障識(shí)別

防脫鏈與防松線相似，都是為監(jiān)測(cè)部件是否異常而設(shè)定的，軸箱上的防脫鏈分別固定在軸箱蓋的中心和軸箱上，若一端脫落則說明有故障

圖8為防脫鏈圖，利用形態(tài)學(xué)提取邊緣后的結(jié)果如圖9，圖中的邊緣雖然十分清晰，但是結(jié)構(gòu)非常復(fù)雜，利用軸箱蓋外輪廓定位也是不易的。如果用軸箱蓋上的紋理信息作為定位特征，很容易定位軸箱蓋上的螺栓，圖10為經(jīng)過頻域圖像增強(qiáng)算法和圖像分割技術(shù)，提取得到的螺栓二值效果圖。結(jié)合先驗(yàn)知識(shí)定位軸箱蓋的外輪廓，并將輪廓內(nèi)的其他邊緣信息剔除，利用距離之和最小算法擬合圓形，得到圓的相關(guān)參數(shù)。圖11為軸箱外輪廓圖，擬合后的結(jié)果如圖12。

利用擬合結(jié)果，確定防脫鏈兩端的位置，根據(jù)特征檢測(cè)與匹配算法判斷防脫鏈?zhǔn)欠駚G失，若有故障產(chǎn)生自動(dòng)故障報(bào)警。

4 結(jié)論

在某些應(yīng)用場(chǎng)景，機(jī)器視覺比人類的生理視覺更具優(yōu)勢(shì)，它更加準(zhǔn)確、客觀和穩(wěn)定。在有了成熟的圖像識(shí)別技術(shù)之后，加以人工智能的支持，計(jì)算機(jī)就可以自行對(duì)獲得的圖像、視頻信息進(jìn)行分析和判斷，發(fā)現(xiàn)異常情況直接報(bào)警，帶來了更高的效率和準(zhǔn)確度。本文利用四軸和六軸聯(lián)動(dòng)機(jī)器人拍攝的彩色照片處理進(jìn)行動(dòng)車組轉(zhuǎn)向架故障判斷，其優(yōu)點(diǎn)是比普通的灰度圖片具有更多地信息特征?；诓噬畔D像處理具有兩點(diǎn)好處：第一，部件定位時(shí)，可采用最鮮明的特征定位部件位置，這樣的方法具有較強(qiáng)的魯棒性。第二，故障識(shí)別也增加了更多的圖像處理手段，增加算法的靈活性。因此，本文采用的基于彩色圖像的動(dòng)車組轉(zhuǎn)向架故障識(shí)別方法，具有更強(qiáng)的適應(yīng)性、靈活性、可靠性。幫助我們更好的完成更多的任務(wù)。

參考文獻(xiàn)

[1]石懷龍，宋燁，鄔平波，曾京，朱海燕.高速動(dòng)車組轉(zhuǎn)向架懸掛剛度特性[J].吉林大學(xué)學(xué)報(bào)（工學(xué)版），2015，3（45）：776-782.

[2]顧超.基于目標(biāo)輪廓特征的識(shí)別及列車轉(zhuǎn)向架故障檢測(cè)[D].蘇州：蘇州大學(xué)， 2014.17-25.

[3]張然，湯全武，史崇升.基于遞推最小二乘自適應(yīng)濾波算法的圖像去噪[J].計(jì)算機(jī)應(yīng)用于軟件，2014.4（31）：193-196.

[4]侯玥.基于最大最小距離聚類算法的改進(jìn)多重心法選址研究[D].大連：遼寧師范大學(xué)，2015：19-24.

作者簡(jiǎn)介

胡廣勝（1978-），男，中國(guó)甘肅省白銀市人。大學(xué)本科學(xué)歷?，F(xiàn)為中車青島四方機(jī)車車輛股份有限公司項(xiàng)目主任質(zhì)量工程師、高級(jí)工程師。研究方向?yàn)楹附庸に嚰霸O(shè)備。

作者單位

中車青島四方機(jī)車車輛股份有限公司 山東省青島市 266111