楊 玲，高軍偉

（1.青島大學(xué) 自動(dòng)化學(xué)院，青島266071；2.青島大學(xué) 山東省工業(yè)控制技術(shù)重點(diǎn)實(shí)驗(yàn)室，青島266071）

隨著人們對(duì)高速、便捷的追求，地鐵、輕軌、高鐵等逐漸成為生活中不可或缺的出行方式，列車(chē)的安全問(wèn)題也越來(lái)越引起重視，而列車(chē)輪對(duì)的磨損是影響列車(chē)安全的重要因素之一。列車(chē)在運(yùn)行時(shí)會(huì)受到?jīng)_擊力，制動(dòng)時(shí)輪軌會(huì)對(duì)列車(chē)輪對(duì)產(chǎn)生強(qiáng)烈的摩擦，這些都會(huì)對(duì)列車(chē)輪對(duì)造成磨損，因此要對(duì)列車(chē)輪對(duì)進(jìn)行定期檢查。

目前針對(duì)輪對(duì)踏面磨損的情況還未形成統(tǒng)一的檢測(cè)機(jī)制，通常采用人工測(cè)量的方法。針對(duì)人工檢測(cè)工作量大，效率低下，易受外界因素影響等缺點(diǎn)。本文設(shè)計(jì)了自動(dòng)檢測(cè)系統(tǒng)，對(duì)采集到的圖片進(jìn)行處理，得到輪對(duì)直徑、輪緣高、輪緣厚、磨損踏面的等效錐度和接觸特征，具有快速方便，準(zhǔn)確可靠的優(yōu)點(diǎn)。

1 圖像獲取

實(shí)驗(yàn)中用到了兩種類型的列車(chē)輪對(duì)，直徑為760 mm 和820 mm， 實(shí)驗(yàn)中采用CCD 線陣相機(jī)，CCD 相機(jī)[1]具有解析度高，抗干擾能力強(qiáng)的優(yōu)點(diǎn)，且得到輪對(duì)踏面輪廓圖像信噪比高。選用一字線激光發(fā)射波長(zhǎng)為650 nm 的激光，可使細(xì)線化處理的踏面誤差小于0.1 mm 以內(nèi)。采集裝置如圖1所示，當(dāng)列車(chē)行駛到采集裝置附近時(shí)， 采集裝置啟動(dòng)，CCD 相機(jī)即可采集激光照射到踏面上形成的高亮光帶，從而得到完整的踏面輪廓圖，如圖2所示。

圖1 圖像采集裝置Fig.1 Image acquisition device

圖2 CCD 相機(jī)采集圖像Fig.2 CCD camera captures images

2 圖像處理

使用MATLAB 軟件對(duì)通過(guò)CCD 相機(jī)采集的踏面輪廓圖像進(jìn)行處理，包括灰度化、去噪、邊緣提取、細(xì)線化處理，最終獲得圖像的像素圖。

2.1 灰度化處理

對(duì)采集的踏面輪廓圖進(jìn)行灰度化處理可以簡(jiǎn)化圖像信息，便于后續(xù)計(jì)算。本文采用加權(quán)平均法進(jìn)行灰度化[2]處理，對(duì)于RGB 賦予不同的權(quán)值，得到灰度化后圖像，如圖3所示。與其他灰度化方法相比，經(jīng)過(guò)加權(quán)平均值灰度化處理后的圖像更加合理清晰。

圖3 灰度化處理后的圖像Fig.3 Image after grayscale processing

2.2 BM3D 濾波處理

由于列車(chē)在運(yùn)行時(shí)存在噪聲，為抑制與圖像無(wú)關(guān)的噪聲， 要對(duì)灰度化處理后的圖像進(jìn)行濾波處理。本文采用BM3D 算法[3]對(duì)經(jīng)灰度化處理后的圖像濾波，BM3D 算法分為基礎(chǔ)估計(jì)與最終估計(jì)兩部分。基礎(chǔ)估計(jì)又分為3 步：第1 步為相似塊分組，首先將噪聲圖像分為圖像塊，在這些圖像塊中選擇若干參照塊， 并在參照塊周?chē)褜げ町惗刃〉南嗨茐K，采用歐式距離判斷圖像塊與參照塊差異度的大小，并將這些相似塊整合成三維矩陣；第2 步為協(xié)同濾波， 首先采用DCT 變換對(duì)圖像塊二維變換，并對(duì)矩陣的第三個(gè)維度一維變換，然后采用硬閾值的方式將小于超參數(shù)的成分置為0， 并進(jìn)行相應(yīng)的反變換； 第3 步將反變換后的圖像塊恢復(fù)到原位置，采用加權(quán)平均值法獲得基礎(chǔ)估計(jì)的去噪結(jié)果。最終估計(jì)也分為3 步：第1 步與基礎(chǔ)估計(jì)相似，得到噪聲圖像的三維矩陣與基礎(chǔ)估計(jì)的三維矩陣2 個(gè)三維數(shù)組；第2 步為維納濾波，將2 個(gè)三維數(shù)組進(jìn)行一維變換與二維變換，用維納濾波縮放三維矩陣的系數(shù)；第3 步將圖像塊復(fù)原到原來(lái)位置，采用加權(quán)平均值方法得到最終圖像，如圖4所示。

圖4 BM3D 濾波處理Fig.4 BM3D filter processing

2.3 邊緣提取

對(duì)BM3D 濾波后的圖像進(jìn)行邊緣特征提取，采用canny 邊緣檢測(cè)算法[4-6]。首先計(jì)算圖像梯度，梯度變化明顯的地方為圖像可能存在的邊緣；然后采用非極大值抑制方法檢測(cè)強(qiáng)弱邊緣；最后通過(guò)雙閾值檢測(cè)法確定及連接邊緣， 得到邊緣提取后的圖像，如圖5所示。

圖5 canny 邊緣處理后圖像Fig.5 Image after canny edge processing

2.4 細(xì)線化處理

本文采用ZS 細(xì)線化算法[7]對(duì)圖像進(jìn)行細(xì)線化處理，首先建立一個(gè)3×3 模板，如圖6所示，最中間的P 為目標(biāo)像素，P 的周?chē)鷩? 個(gè)像素點(diǎn)，分為前景像素與背景像素兩類， 前景像素指像素值為255的白色像素； 背景像素指像素值為0 的黑色像素。ZS 細(xì)線化算法分為兩步，第1 步循環(huán)所有前景像素點(diǎn)，對(duì)符合下面條件的前景像素點(diǎn)進(jìn)行剔除。

圖6 匹配模板示意圖Fig.6 Schematic diagram of matching template

（1）前景像素點(diǎn)個(gè)數(shù)小于等于6 個(gè)，大于等于2個(gè)；

（2）前景像素與背景像素變換的次數(shù)為1；

（3）P1×P3×P5=0 且P3×P5×P7=0；

第2 步與第1 步相似，同樣循環(huán)所有前景像素點(diǎn)，對(duì)滿足條件的前景像素點(diǎn)進(jìn)行剔除。

（1）前景像素點(diǎn)個(gè)數(shù)小于等于6 個(gè)，大于等于2個(gè)；

（2）前景像素與背景像素變換的次數(shù)為1；

（3）P1×P3×P7=0 且P1×P5×P7=0；

對(duì)圖像進(jìn)行多次上述步驟，即可得到細(xì)線化處理后的圖像，如圖7所示。

圖7 細(xì)線化處理后圖像Fig.7 Image after thinning processing

2.5 張正友標(biāo)定法

張正友標(biāo)定法[8-9]基于小孔成像原理，根據(jù)像素坐標(biāo)系、圖像坐標(biāo)系與世界坐標(biāo)系之間存在線性關(guān)系，可求出相機(jī)內(nèi)外參數(shù)以及畸變系數(shù)，進(jìn)而將像素坐標(biāo)轉(zhuǎn)換為世界坐標(biāo)。

為求出相機(jī)內(nèi)外參數(shù)， 將打印好的12×9 邊長(zhǎng)為25 mm 的棋盤(pán)格以不同的位置、角度、方向進(jìn)行拍攝，利用PYTHON 軟件進(jìn)行標(biāo)定，標(biāo)定過(guò)程以及最終求得相機(jī)內(nèi)外參數(shù)、畸變系數(shù)如圖8所示。

圖8 標(biāo)定過(guò)程Fig.8 Calibration process

3 踏面分析

對(duì)實(shí)驗(yàn)室中存在的兩組輪對(duì)的不同位置采集多次，將圖片進(jìn)行處理及標(biāo)定之后可求得多組踏面參數(shù)，將之與使用游標(biāo)卡尺測(cè)量所得踏面參數(shù)相比較，數(shù)據(jù)記錄如表1所示，本文設(shè)計(jì)的自動(dòng)檢測(cè)系統(tǒng)與實(shí)際測(cè)量出的輪對(duì)參數(shù)的誤差較小，準(zhǔn)確度較高。

表1 計(jì)算值與實(shí)際測(cè)量值相比較Tab.1 Comparison of calculated value and actual measured value

將求出的踏面坐標(biāo)導(dǎo)入SIMPACK 軟件， 建立輪對(duì)模擬圖，如圖9所示，即可得到磨損踏面的曲線。SIMPACK 中計(jì)算踏面等效錐度的方法有兩種，分別為諧波法[10]和UIC519[11]，兩種方法原理如下。

圖9 模擬輪對(duì)圖Fig.9 Simulation wheelset diagram

3.1 諧波法

假定輪對(duì)的橫移運(yùn)動(dòng)為簡(jiǎn)諧運(yùn)動(dòng)，則：

式中：A 為輪對(duì)的橫移量。在橫移運(yùn)動(dòng)的一個(gè)周期內(nèi)，有：

對(duì)λe求導(dǎo)，可求出E 最小時(shí)，有：

根據(jù)A 的變化，可通過(guò)積分獲得整個(gè)輪對(duì)踏面的等效錐度。

3.2 UIC519 標(biāo)準(zhǔn)

UIC519 方法計(jì)算等效錐度方法在計(jì)算等效錐度時(shí)原理如下，列車(chē)輪對(duì)在軌道上進(jìn)行的運(yùn)動(dòng)為蛇行運(yùn)動(dòng)，用公式描述為

式中：y 為輪對(duì)側(cè)向位移；V 為輪對(duì)前進(jìn)速度；y¨為輪對(duì)側(cè)向加速度；e 為接觸點(diǎn)間距；r0為車(chē)輪半徑；Δr為左右輪之間的滾動(dòng)半徑差。

車(chē)輪前進(jìn)速度可假定為常數(shù)：

式中：x 為輪對(duì)縱向位移，再由以下公式：

車(chē)輪具有錐形外角γ 的情況下可得：

代入式（9），可得：

帶入初始條件：

根據(jù)Klingel[12]公式，可得波長(zhǎng)為

因此，踏面斜率為

整理可得等效錐度為

兩者得到等效錐度均可在SIMPACK 軟件[13-14]中表示出來(lái)，如圖10所示，與標(biāo)準(zhǔn)踏面相比較可以看出兩者等效錐度曲線并不重合。如圖11所示，接觸點(diǎn)情況也存在差異，說(shuō)明實(shí)驗(yàn)室中的輪對(duì)踏面存在一定磨損。

圖10 與標(biāo)準(zhǔn)踏面等效錐度比較Fig.10 Comparison of equivalent taper with standard tread

圖11 與標(biāo)準(zhǔn)踏面接觸關(guān)系比較Fig.11 Comparison of contact relationship with standard tread

4 軟件實(shí)現(xiàn)

根據(jù)上述研究， 通過(guò)MATLAB GUI 設(shè)計(jì)交互界面，搭建輪對(duì)檢測(cè)系統(tǒng)，對(duì)踏面進(jìn)行測(cè)量。交互界面包含載入圖像、BM3D 去噪處理、Canny 邊緣檢測(cè)、ZS 細(xì)線化處理等處理過(guò)程，以及像素坐標(biāo)、參數(shù)顯示等處理結(jié)果，簡(jiǎn)單易懂，方便操作。系統(tǒng)還設(shè)置了登錄界面，以保證系統(tǒng)安全性。

將采集到的圖像輸入到MATLAB 軟件，按下載入圖像按鈕即可顯示采集到的圖片， 按下去噪處理、邊緣檢測(cè)、細(xì)線化等按鈕，相應(yīng)處理過(guò)程也可在交互界面顯示。按下計(jì)算參數(shù)按鈕即可計(jì)算出輪對(duì)參數(shù)，保存結(jié)果按鈕可保存踏面參數(shù)及日期，效果如圖12所示。將SIMPACK 軟件與MATLAB 軟件相結(jié)合，可以將輪對(duì)踏面的等效錐度及與輪軌接觸情況在界面中展示出來(lái)，進(jìn)而判斷輪對(duì)的安全性。

圖12 輪對(duì)踏面檢測(cè)系統(tǒng)Fig.12 Wheelset tread detection system

5 結(jié)語(yǔ)

為簡(jiǎn)化對(duì)列車(chē)踏面磨損的測(cè)量計(jì)算，本文設(shè)計(jì)了一種基于機(jī)器視覺(jué)的輪對(duì)踏面檢測(cè)方法，該方法利用圖像處理相關(guān)方法以及張正友標(biāo)定法求出踏面參數(shù)以及輪對(duì)踏面輪廓的完整坐標(biāo)， 誤差小、精確度高。將數(shù)據(jù)導(dǎo)入SIMPACK 軟件后，可以清楚獲得踏面的等效錐度、接觸情況等曲線，還可以模擬出輪對(duì)運(yùn)行情況。設(shè)計(jì)的交互界面清晰明了，載入不同的踏面圖像，求出相應(yīng)的結(jié)果，有利于對(duì)踏面磨損情況進(jìn)行分析。