常通帥

（中車青島四方機車車輛股份有限公司，山東 青島 266111）

近年來，隨著我國城軌技術(shù)的不斷進步，機車運行速度不斷提升，運行車次不斷增加，載客量不斷加大，種種因素導致列車受電弓的磨耗加劇，從而導致受電弓系統(tǒng)頻繁出現(xiàn)磨耗、裂紋等故障，因此，受電弓滑板的裂紋檢測需要更加的準確、及時，將事故隱患扼殺在萌芽狀態(tài)。為及時、準確地了解受電弓的狀況，需要采取高效、及時、精確、智能的檢測方法對滑板裂紋故障進行識別。

現(xiàn)有受電弓裂紋檢測方法可歸納為三種方式：(1)人工檢測方式，通過人工登頂手動檢測的方法實現(xiàn)裂紋檢測的目的，但這種檢測方式檢測效率較低，且容易受到檢測人員技術(shù)水平不同的影響，不同檢測技術(shù)人員的經(jīng)驗不同、熟練程度不同導致檢測結(jié)果經(jīng)常出現(xiàn)差異。（2）接觸式檢測方式，其設計原理簡單，較為容易判斷，效率較高，可以較為實時地檢測出受電弓的狀態(tài)，但其對檢測裝置的安裝可靠性要求高，維修代價較大。檢測結(jié)果過分依賴檢測裝置（傳感器）的可靠性。（3）非接觸式檢測方式，利用超聲波測距、圖像處理等方法實現(xiàn)受電弓滑板的裂紋檢測。文獻[8]利用三組照相機與一組攝相機構(gòu)建一套受電弓在線檢測系統(tǒng)，該系統(tǒng)的拍攝角度較多，通過對受電弓的多角度拍攝，實現(xiàn)了受電弓圖像信息的清晰度與準確性，隨后，利用圖像處理技術(shù)，對受電弓完成圖像提取，以此為基礎對提取得到的受電弓進行裂紋和燒壞故障的判別。但該方法對現(xiàn)場實現(xiàn)安裝要求高，實際應用效果差，同時，在檢測計算中未消除周圍環(huán)境對圖像質(zhì)量的干擾，檢測精度過低；對于受電弓滑板的上下邊緣提取效果不理想，在現(xiàn)場實際應用效果有待提升。

綜上所述，為更準確地檢測受電弓滑板裂紋情況，提高受電弓滑板裂紋檢測效率及精度，本文介紹了一種基于計算機圖像處理技術(shù)的受電弓滑板裂紋檢測方法。首先，運用圖像濾波技術(shù)對圖像進行預處理，降低噪聲因素的干擾，然后，利用二代曲波變換實現(xiàn)對于受電弓滑板的識別和分解，通過裂紋特征分析，采用移動平行窗口方法，最終實現(xiàn)受電弓滑板裂紋的檢測識別。

1 受電弓系統(tǒng)簡介

受電弓是列車受流的關(guān)鍵設備，通常安裝于列車車頂上，列車運行所需的能量是通過受電弓與接觸網(wǎng)之間的滑動摩擦獲得。因此，受電弓與接觸網(wǎng)之間的可靠性將直接影響列車受流質(zhì)量。受電弓的種類及結(jié)構(gòu)類型較多，各個國家的受電弓有其獨特的結(jié)構(gòu)方式，總體上可以分為兩類，即單臂和雙臂。受電弓每一部分相互配合，保證能夠可靠工作，受電弓的結(jié)構(gòu)圖如圖1 所示。

圖1 受電弓結(jié)構(gòu)分析圖

底架由絕緣子和安裝座組成；傳動系統(tǒng)由框架阻尼器和升弓裝置組成；框架由拉桿、下臂桿、平衡桿及上框架組成；弓頭由碳滑板和弓頭支撐兩部分組成。受電弓通過絕緣子與列車相連，并通過底架撐起整個受電弓，弓頭與接觸網(wǎng)相連，獲得列車運行的能量。傳動系統(tǒng)可以控制受電弓的高度，可以通過平衡桿調(diào)節(jié)受電弓的水平狀態(tài)，由此構(gòu)成了一個相對較復雜的受電弓系統(tǒng)。

圖2 裂紋檢測流程圖

2 滑板裂紋檢測算法設計

2.1 算法流程設計

當受電弓滑板出現(xiàn)裂紋時，裂紋方向多為縱向裂紋，裂紋的長度、厚度也不同，當對受電弓滑板裂紋進行檢測時，滑板的劃痕、接縫等干擾因素也嚴重約束了檢測精度。受電弓滑板裂紋檢測需要在高效的前提下，能夠?qū)崿F(xiàn)精確定位并準確計算，本文采用二代曲波變換方法，分析識別滑板裂紋故障，并進行定量分析判斷，具體流程如圖2 所示。

2.2 滑板裂紋特征分析

滑板長時間運行會出現(xiàn)各種故障，在出現(xiàn)裂紋的同時，也會出現(xiàn)劃痕、接縫斷裂等問題，拍攝過程中也會出現(xiàn)接觸線、車頂雜物等偽故障圖像。傳統(tǒng)的形態(tài)處理在將滑板裂紋、接縫、劃痕等特征區(qū)分時，區(qū)分效果不佳，經(jīng)常出現(xiàn)誤檢的現(xiàn)象，曲波變換具備方向選擇準確、辨識能力高的特性，同時，計算速度較快，在圖像處理中實際案例應用較廣。本文利用二代曲波變換對滑板進行分解，利用基于移動平行窗口的方法識別裂紋。在進行曲波變換處置前，需將滑板上表面圖像中可能包含的特征元素進行信息收集，對接觸線、劃痕、接縫、裂縫等特征圖像尋找圖像的元素規(guī)律。接縫位置較為固定，且形狀單一，出現(xiàn)在滑板左右兩側(cè)，同時，與滑板邊緣存在 e 與 e 的角度規(guī)律；接觸線與受電弓的位置為垂直分布，雖然接觸線在安裝、排布中呈 型，但兩者之間的角度變化范圍可以劃分到 e ～ e ；由于接觸線與受電弓摩擦造成的劃痕角度規(guī)律較為固定，變化范圍在 e～ e ，并且通過實際觀察發(fā)現(xiàn)，劃痕多為帶狀分布，規(guī)律性較強；滑板在正常運行狀態(tài)下很少出現(xiàn)裂紋故障，但當滑板發(fā)生機械碰撞時，劇烈的撞擊不僅使得滑板形態(tài)發(fā)生改變，同時，使得滑板出現(xiàn)裂紋，由于滑板經(jīng)受撞擊的情況各不相同，導致滑板出現(xiàn)裂紋的位置、裂口形狀千差萬別，裂紋形狀規(guī)律性較差，故此可以通過識別裂紋的其他規(guī)律進行識別。

二代曲波變換是一種多尺度幾何變換算法。該算法在圖像矩陣處理過程中將圖像在所有尺度中分解，通過分解得到系數(shù)矩陣，將矩陣中的高維信息進行映射，在二維分解角-定位點坐標平面，將圖像的高維信息轉(zhuǎn)變?yōu)閳D像的幾何特征。二代曲波系數(shù)為：

式中，j 為尺度參數(shù)，l 為方向參數(shù)，k 為位移參數(shù)，f 為信號的頻域形式，r 和θ 為頻域極坐標。

經(jīng)過二代曲波變換處理后，滑板圖像得到一個含多方向的系數(shù)矩陣，根據(jù)圖像中滑板接縫、劃痕、接觸線以及裂紋的特征與像素規(guī)律，將其對應的曲波分解系數(shù)對應至方向矩陣中，得到表1。

表1 滑板圖像曲波分解系數(shù)分布表

通過表1 可知，滑板背景的系數(shù)值分布規(guī)律較為簡單，且與裂紋分布系數(shù)存在明顯差異；劃痕的方向角度較為集中，分布規(guī)律同樣明顯，因此，對滑板背景與劃痕通過設定全局系數(shù)便可得到較好的處理效果。兩條接縫的系數(shù)分布與裂紋分布具有較多的重疊，系數(shù)值、系數(shù)個數(shù)重合較多；接觸線在系數(shù)值、系數(shù)個數(shù)中同樣與裂紋存在較為的重疊，因此，對于接縫與接觸線需采用其他方法進行去除。

2.3 滑板裂紋提取

滑板圖像經(jīng)過濾波處理后，圖像中的滑板背景與劃痕已得到有效處理，針對裂紋、接縫、接觸線，三者之間像素規(guī)律較高，與滑板邊緣的方向也近似，但是，接縫、接觸線數(shù)目固定，針對以上特點，本文采用基于移動平行窗口方法裂紋進行識別。

假設滑板部件的圖像尺寸為Mh N，對其進行n 層曲波分解，第n-1 層包括l 個方向矩陣，接縫與接觸線對應lk方向，則接縫與接觸線的表示矩陣為c。接縫與接觸線具備線奇異特性，因此，在c 中會有較大系數(shù)值的帶狀平行區(qū)域，同時距離相近；根據(jù)帶狀區(qū)傾斜角度與間隔相等的特性，通過移動平行窗口進行接縫特征提取。在移動平行窗口中，設定3個方向均為3π/4 的平行四邊形窗口，窗口高M，寬2p+1，窗口間距d。平行四邊形窗口對應的矩陣元素值為Aij，經(jīng)窗口過濾后的C：

式中，i，j 為元素所在的行列，k 為方向號。

經(jīng)過窗口過濾處理后，帶狀區(qū)域外的元素值變?yōu)?，區(qū)域內(nèi)對應曲波分解系數(shù)的絕對值。分析C 中的系數(shù)值，C 中存在3 處系數(shù)值較大的帶狀區(qū)域，將接觸線、接縫以及裂紋的形狀特征與系數(shù)值數(shù)據(jù)特征進行類比分析，能夠?qū)⑷哌M行有效區(qū)分。

通過對接觸線、接縫以及裂紋進行區(qū)分排除后，滑板圖像對裂紋故障存在干擾的因素有效減小，此時，檢測得到線狀的奇異特征后，便可判定裂紋的存在。需對裂紋的形狀、尺寸進一步確定，因此，采用形態(tài)細化方法對裂紋尺寸進行確定。形態(tài)細化方法是對檢測得到的圖像進行逐步篩減，選定裂紋圖像邊緣像素，對像素進行逐一刪除直至剩余單一像素，計算刪除像素數(shù)量，得到對應尺寸數(shù)據(jù)。在進行細化處理時，需設定:當前像素領域的8 個方向的像素數(shù)據(jù)均需滿足，當鄰域內(nèi)特定灰度值的像素數(shù)目少于8 個時，將該像素點刪除。當前像素領域像素個數(shù)大于1 個時，將該像素點刪除。對圖像進行處理后，得到裂紋骨架效果圖。

3 滑板裂紋檢測實例

3.1 實驗設置

為驗證本文所提出滑板裂紋識別算法的可行性，檢驗檢測結(jié)果的準確性，首先，設定三組不同層次實驗。首先，驗證裂紋檢測算法有效性，通過對某一存在裂紋的受電弓圖像進行圖像處理與檢測，獲取實驗結(jié)論與實驗數(shù)據(jù)，將實驗數(shù)據(jù)與人工檢測數(shù)據(jù)進行對比，判定算法真實有效；其次，驗證裂紋檢測算法的適用性，設定3 組不同環(huán)境的裂紋圖像，針對正常圖像、過度曝光圖像與補光不足圖像進行檢測，研究三種不同情況下，檢測得到的實驗結(jié)果的準確率，判定算法廣泛適用；最后，驗證裂紋檢測算法的檢測精度與穩(wěn)定性，分別檢測5 組裂紋故障，重復檢測5 次，通過與人工數(shù)據(jù)進行對比，計算檢測誤差，判定算法時候可靠準確。

3.2 實驗結(jié)果

經(jīng)過圖像處理后的受電弓圖像有效去除了滑板表面磨損嚴重、劃痕較多、不同區(qū)域滑板亮度不同等因素的干擾，最后獲取得到的滑板裂紋圖像骨架圖像如圖3 所示。

圖3 滑板裂紋圖像骨架圖

將檢測識別的裂紋結(jié)果與人工檢測得到的裂紋數(shù)據(jù)進行對比，兩組實驗數(shù)據(jù)中裂紋位置相同，計算得到的裂紋長度為6.2mm，人工檢測得到的裂紋長度為6mm，兩組實驗數(shù)據(jù)相差0.2mm，符合實際檢測要求，證明本算法真實有效。

選取實際現(xiàn)場采集得到的圖像共60 張，通過對原始圖像進行分析，其中包括40 張補光均勻的正常圖像，10 張補光不足的圖像，10 張過度曝光的圖像，分別檢測圖像中裂紋的存在、位置與長度，并與人工檢測得到的數(shù)據(jù)進行對比，對比結(jié)果如表2 所示。

表2 裂紋識別結(jié)果

通過表2 可知，原始60 張圖像中實際含有的裂紋條數(shù)為7 條，檢測得到的裂紋條數(shù)為10 條，通過具體分析得到，40 張正常圖像中3 根存在滑板裂紋在檢測過程中均被準確識別，裂紋的位置與長度能夠精確計算獲取，未發(fā)生漏檢現(xiàn)象，3 條誤檢的裂紋究其原因為攝像機與滑板裂紋的高度差距對檢測結(jié)果造成影響，同時，車頂存在形狀特征與裂紋較為相似的污痕，并且類似污痕在車頂中較為普遍，造成此類偽故障未能有效去除，從而造成出現(xiàn)誤檢的情況；10 張過度曝光圖像中1 根存在滑板裂紋在檢測過程中均被準確識別，裂紋的位置與長度能夠精確計算獲取，未發(fā)生漏檢現(xiàn)象，出現(xiàn)一張誤檢的情況，10 張補光不足圖像中1根存在滑板裂紋在檢測過程中均被準確識別，裂紋的位置與長度能夠精確計算獲取，未發(fā)生漏檢現(xiàn)象，出現(xiàn)2 張誤檢的情況，究其原因在圖像處理過程中，補光不足或過度曝光圖像中的細節(jié)丟失情況較為嚴重，在邊緣位置出現(xiàn)較多的偽邊緣，偽邊緣與裂紋有較大的重合，造成誤檢?？傮w裂紋的識別準確率為90.7%，未出現(xiàn)漏檢現(xiàn)象，檢測精確有待提高。

計算上述正確識別得到的裂紋長度，將5 幅檢測含裂紋的圖像作為參考，計算裂紋長度與人工值作比較，實驗結(jié)果如表3 所示。

表3 測量結(jié)果對比表

在滑板裂紋檢測實驗中，分別驗證了裂紋檢測算法有效性、裂紋檢測算法的適用性與驗證裂紋檢測算法的檢測精度與穩(wěn)定性，通過實驗數(shù)據(jù)對比系統(tǒng)檢測數(shù)據(jù)中，最大偏差為0.23mm，最小偏差為0.02mm，誤差范圍控制在±0.3mm 范圍內(nèi)，表明系統(tǒng)具有較高的重復測量精度，適用性較強，滿足現(xiàn)場檢測要求。

4 結(jié)語

為提高受電弓滑板裂紋的檢測的準確性，本文介紹了一種基于計算機圖像處理技術(shù)的受電弓滑板裂紋檢測方法。運用圖像處理技術(shù)實現(xiàn)受電弓滑板裂紋狀態(tài)的識別以及裂紋長度的檢測。通過受電弓滑板檢測實例驗證，實驗結(jié)果表明，本文方法的裂紋識別準確率高達90.7%，具有較高的識別準確率。在裂紋長度檢測精度上，最大偏差為0.23mm，最小偏差為0.02mm，具有良好的重復測量精度，滿足實際現(xiàn)場檢測要求。