[发明专利]一种基于轮轨接触轨迹的铁道车辆脱轨智能监控系统

说明书

本发明公开了一种基于轮轨接触轨迹的铁道车辆脱轨智能监控系统，包括轮廓识别模块、相机姿态自标定验证模块、轮廓识别验证模块、轮对横移量识别验证模块和力学仿真模块，轮廓识别模块，相机姿态自标定验证模块、轮廓识别验证模块、轮对横移量识别验证模块和力学仿真模块之间电连接，轮廓识别模块包括高清摄像机，高清摄像机扫描车轮和钢轨轮廓，相机姿态自标定验证模块用于调节高清摄像机的拍摄角度，轮廓识别验证模块对高清摄像机所拍摄的车轮和钢轨轮廓进行识别验证，轮廓识别模块、相机姿态自标定验证模块、轮廓识别验证模块和轮对横移量识别验证模块所获得数据信息通过力学仿真模块进行展示。

技术领域

本发明属于轨道交通技术领域，具体涉及一种基于轮轨接触轨迹的铁道车辆脱轨智能监控系统。

背景技术

列车的横向稳定性是判定列车运行性能的重要指标，其主要目的是避免列车的蛇形失稳。当列车出现蛇行失稳时，列车的轮对横移量会增大，甚至会引起轮缘与轨道的碰撞，此外，轮对的横向振动也会诱发转向架和车体的大幅横向振动。一旦出现这样的现象，列车的运行性能就会恶化,乘坐舒适性就会下降，作用在列车各零件上的动载荷就会增大,轮轨力将会上升,导致车辆以及轨道线路的损伤，甚至可能造成脱轨事故。

列车在运行时，轮轨接触迹线受到车辆系统特性、轮轨廓形、曲线线路、轨道不平顺等因素的影响，不断发生变化。为了实现轮轨接触轨迹的在线检测，要采用特定方法对轮轨廓形和轮对横移量进行检测，然后获得轮轨接触轨迹。目前，被公开的轮轨相对位移在线检测方法不多，主要分为以下三类：(1)热成像和激光检测方法；(2)模板匹配和边缘检测方法；(3)基于深度学习的虚拟点检测方法。同时利用轮轨接触轨迹进行安全性评价的研究非常少，目前没有明确的判断安全性的标准。

发明内容

本发明的目的是解决上述问题，提供一种识别准确率高、能够自动生成轮轨接触轨迹动态视频，在三维坐标体系内动态展示轮轨接触点的基于轮轨接触轨迹的铁道车辆脱轨智能监控系统。

为解决上述技术问题，本发明的技术方案是：一种基于轮轨接触轨迹的铁道车辆脱轨智能监控系统，包括轮廓识别模块、相机姿态自标定验证模块、轮廓识别验证模块、轮对横移量识别验证模块和力学仿真模块，轮廓识别模块，相机姿态自标定验证模块、轮廓识别验证模块、轮对横移量识别验证模块和力学仿真模块之间电连接，轮廓识别模块包括高清摄像机，高清摄像机扫描车轮和钢轨轮廓，相机姿态自标定验证模块用于调节高清摄像机的拍摄角度，轮廓识别验证模块对高清摄像机所拍摄的车轮和钢轨轮廓进行识别验证，轮对横移量识别验证模块对高清摄像机拍摄的车轮和钢轨中的轮对横移量进行识别和验证，轮廓识别模块、相机姿态自标定验证模块、轮廓识别验证模块和轮对横移量识别验证模块所获得数据信息通过力学仿真模块进行展示。

本发明还公开了一种基于轮轨接触轨迹的铁道车辆脱轨安全评价方法，包括以下步骤：

S1、通过动力学仿真和台架试验，利用测力轮对获得脱轨系数、轮重减载率和轮轴横向力等安全性指标与轮轨接触点位置之间的映射关系；

S2、对采集到的图像进行预处理；

S3、测量激光线与摄像机不同夹角对廓形识别的差异；

S4、对算法进行静态试验验证；

S5、在滚动振动试验台上进行动态验证。

进一步地，所述步骤S1中通过映射关系，将轮轨接触点位置在踏面的上的不同位置进行安全性等级划分，结合接触点的运动趋势制定出更准确的安全性评价准则。

进一步地，所述步骤S2还包括以下分步骤：

S21、预处理包括：无关区域裁剪、补光处理、色彩空间转换、自适应亮度校正、灰度处理和降噪处理；

S22、对步骤S21中预处理后的图像进行Canny边缘检测算法处理后，进行钢轨粗定位处理，然后利用Hough直线检测算法检测出钢轨的左右边缘，实现钢轨进行定位；