李穎 程朝陽 陸永彪 陳仕明 余寧 秦哲 那強
1.中國鐵道科學(xué)研究院集團有限公司 基礎(chǔ)設(shè)施檢測研究所, 北京 100081; 2.北京鐵科英邁技術(shù)有限公司, 北京 100081
曲線地段軌道在列車離心力的作用下,比直線地段受力大,軌道幾何尺寸不易保持,是鐵路線路的薄弱環(huán)節(jié)。軌道曲線參數(shù)的平順性關(guān)系到列車運行的平穩(wěn)性與穩(wěn)定性,影響列車通過曲線地段容許的最高運行速度。為使曲線保持圓順,維護良好狀態(tài),工務(wù)部門根據(jù)軌檢車提供的周期性檢測數(shù)據(jù)對線路進行調(diào)整,因此對軌道曲線參數(shù)準(zhǔn)確檢測提出了要求[1]。
目前國內(nèi)廣泛使用的是GJ-6 型軌道檢測系統(tǒng)以及最新研制的數(shù)字式軌道檢測系統(tǒng),能夠檢測的曲線半徑為R= 150 ~ 12 000 m,但是對R= 5 000 ~ 8 000 m的曲線線路檢測準(zhǔn)確性不高,對于提速線路和高速線路上R> 8 000 m的大半徑曲線線路的識別和檢測準(zhǔn)確性較低,從而導(dǎo)致系統(tǒng)提供的軌道不平順超限大值所在的曲線線型(緩和曲線、圓曲線、直線)往往存在誤判。同時,對曲線的起始位置、平均半徑、長度等參數(shù)檢測的準(zhǔn)確性低、偏差大,使得系統(tǒng)提供的曲線摘要報表和數(shù)據(jù)利用率較低。
國內(nèi)在役的軌道檢測系統(tǒng)使用步長跟蹤曲線線型的方法計算曲線相關(guān)參數(shù),但是該方法受跟蹤步長和設(shè)定閾值參數(shù)的影響,對不同大小的半徑不能自適應(yīng)選擇參數(shù),檢測準(zhǔn)確性達不到要求。侯廣東[2]提出擬合迭代算法識別曲線關(guān)鍵參數(shù),該方法受迭代終止閾值的影響,線型分段自動化能力有限。熊麗娟等[3]提出使用霍夫變換、穩(wěn)健估計和迭代法三種基本算法對曲線關(guān)鍵參數(shù)先進行識別,再進行擬合與迭代,使用軌道檢查儀采集數(shù)據(jù)進行后處理,實現(xiàn)較為復(fù)雜,不適用于車載軌道檢測實時系統(tǒng)。
曲線參數(shù)檢測時,只要確定曲線的直緩點、緩圓點、圓緩點、緩直點四大特征點的準(zhǔn)確位置,就能準(zhǔn)確計算曲線平均半徑、長度、線型等參數(shù)。軌道檢測系統(tǒng)曲線檢測數(shù)據(jù)具有明顯的時間和空間特征,空間上無交叉和重復(fù),與地理測繪領(lǐng)域中運動軌跡數(shù)據(jù)特征提取類似[4]。軌跡特征提取算法有兩種:①線性分段法[5],算法簡單且計算復(fù)雜度低;②非線性擬合法[6],其結(jié)果更接近真實軌跡,但算法復(fù)雜,計算量大。在線性分段軌跡特征提取的經(jīng)典算法中,DP 算法[7]最具代表性。該算法是一種線性壓縮算法,能有效提取曲線軌跡特征點,運算復(fù)雜度較低。其主要思想是將復(fù)雜線段進行抽稀和壓縮[8],從而尋找出線型變化處的特征點,但是DP 算法在局部細節(jié)上不能很好地反映曲線走向特征。本文根據(jù)軌道檢測系統(tǒng)曲線檢測數(shù)據(jù)特點,提出在經(jīng)典DP 算法粗略確定曲線特征點的基礎(chǔ)上,在特征點周圍窗口內(nèi)使用角度閾值法提取角點,再將各個角點逐一連線成為走向段,設(shè)定閾值尋找極值走向段,根據(jù)極值段篩選出曲線線型變化處的全局特征點,實現(xiàn)對曲線相關(guān)參數(shù)的準(zhǔn)確檢測。
車載軌道檢測系統(tǒng)通過安裝在車體或檢測梁內(nèi)的慣性和位移傳感器來測量曲線相關(guān)參數(shù),要求傳感器信號帶寬不能太高,以免噪聲信號疊加到線型數(shù)據(jù)中,干擾曲線特征點的準(zhǔn)確獲取。目前在役的軌道檢測系統(tǒng)能輸出曲率、曲率變化率、曲線正矢等曲線相關(guān)檢測波形,在利用這些數(shù)據(jù)之前需要對信號進行預(yù)處理,降低噪聲信號的影響。在多種信號濾波方法中,選取能有效去除噪聲又能保持曲線線型不失真的線性高斯濾波算法對傳感器信號進行預(yù)處理濾波。高斯濾波窗口長度不宜設(shè)置過大,按照軌檢系統(tǒng)空間0.25 m 采樣間隔,一般選取100 ~ 120 m 窗口長度,以防止曲線特征點被濾除,同時可以滿足檢測系統(tǒng)延時輸出最大長度限制。本文選取窗口長度120 m 進行高斯濾波(圖1),可以看出軌道曲線線型變化的特點,整體形狀類似于互相間隔的梯形,存在變形并含有噪聲,使得底邊與斜邊的轉(zhuǎn)折點不易準(zhǔn)確確定。
圖1 曲線檢測數(shù)據(jù)預(yù)處理
車載軌道檢測系統(tǒng)雖然是在線實時檢測系統(tǒng),但內(nèi)部需要根據(jù)數(shù)學(xué)模型作計算和濾波處理,運算需要積累一定長度的區(qū)段數(shù)據(jù),而且曲線摘要報表的輸出是按各鐵路局或者工務(wù)段管轄區(qū)段進行統(tǒng)計,因此可以應(yīng)用DP 算法對曲線線型數(shù)據(jù)進行特征點提取。DP算法的基本思路[8]為:設(shè)置一定長度(L)區(qū)段,連接區(qū)段的首尾兩點形成一條直線,計算區(qū)段內(nèi)所有點到直線的距離,將最大距離(Dmax)與設(shè)定的閾值(D)進行比較,若Dmax<D則將這一區(qū)段上所有中間點都刪除;若Dmax>D則保留此坐標(biāo)點,并以該點為界,將區(qū)段分為兩部分,對這兩部分遞歸使用該方法。原理見圖2。該算法能夠刪除曲線上的非特征點,尋找最有代表性的特征點,不足之處是在局部細節(jié)上不能很好地反映曲線的走向特征。
圖2 DP算法提取特征點原理
如圖3 所示,對一鐵路軌道部分曲線數(shù)據(jù)使用純DP 算法進行特征點提取。該段線路設(shè)計半徑5 000 ~12 000 m。首先設(shè)定距離閾值(D),使用經(jīng)典DP 算法得到曲線的粗略特征點和軌跡,D可以稍大,使DP 算法迭代次數(shù)減少,提高計算速度。L根據(jù)需要統(tǒng)計或檢測的里程確定,D根據(jù)曲率數(shù)值選取。在動態(tài)軌道檢測系統(tǒng)中曲率的單位為rad/km,對于半徑5 000 ~12 000 m 的區(qū)段,可以取D= 0.02 km。由圖3 可以看出,使用DP 算法能夠提取特征點并確定曲線線型變化軌跡,但直緩點、緩圓點、圓緩點、緩直點四個線型變化特征點的位置存在偏差。特征點位置偏差不僅使檢測系統(tǒng)提供的曲線起始位置、曲線長度、平均半徑、限速半徑等曲線參數(shù)的檢測結(jié)果產(chǎn)生較大誤差,還會對高低、軌向、軌距、水平、三角坑等軌道幾何參數(shù)超限峰值所在的線型出現(xiàn)誤報,因此須要對算法進行改進。
圖3 使用DP算法提取曲線軌跡與特征點
使用DP 算法能夠從全局出發(fā)確定軌跡線的特征點,保留曲線數(shù)據(jù)的整體形態(tài),但是對四大特征點位置的確定不夠精準(zhǔn),須要進一步采取局部特征提取方法。因此,在使用DP 算法確定粗略特征點的一定寬度窗口內(nèi),依據(jù)角度閾值法篩選角點[9],再將所有角點連線成為走向段,設(shè)定閾值尋找極值走向段,從而準(zhǔn)確得到曲線線型變化處四大特征點。
角點是計算機視覺領(lǐng)域提出的概念,可應(yīng)用于輪廓曲線的特征點提取,其定義為曲線上局部曲率最大值點[10]。本文對DP 算法確定的粗略特征點窗口內(nèi)角點提取方法為:設(shè)定角度閾值(φ),依次順序獲取窗口內(nèi)曲線數(shù)據(jù)的3 個點,計算相鄰兩點連線的夾角θi1和θi2;根據(jù)式(1),將αi與φ進行比較,若αi≥φ則將該點放入角點集合(S)中。
設(shè)定曲線上窗口內(nèi)數(shù)據(jù)點之間角度變化值作為選擇角點的依據(jù)。用絕對角度來度量曲線軌跡變化,規(guī)避了丟失曲率變化特征點的問題,同時也避免了使用斜率差提取角點方法帶來的非線性弊端。
軌道檢測系統(tǒng)的曲線檢測數(shù)據(jù)雖然通過多種信號處理,但是仍然存在噪聲,而且線路上曲線的圓順性并不理想,存在大值波動。噪聲和大值波動的存在容易使曲線趨勢特征被破壞并形成多個特征點[11]。通過角度閾值法篩選的曲線角點集合(S),可能由局部特征點、轉(zhuǎn)折點、極值點、波動較大的非極值點等組成的,因此要再次對這些角點進行評價和篩選,確定準(zhǔn)確的曲線四大特征點。將S中相鄰的兩個角點逐一連線成為走向段,使尋找表征曲線線型變化特征點的問題轉(zhuǎn)化為尋找極值走向段的問題,采用順序?qū)Ρ茸呦蚨沃敝链_定極值段[12],該極值段對應(yīng)的角點即為曲線線型變化四大特征點。
將角點集合S={s1,s2,…,sN}中兩個相鄰角點連線,以其平均值tj=(sj+sj+1)/2 代表該走向段,表征該段的趨勢程度,tj∈T,其中T為走向段集合,T={t1,t2,…,tM}。當(dāng)軌道曲線線型轉(zhuǎn)變時會存在一個極值段,設(shè)定閾值(ξ)對極值段進行篩選。篩選條件為:{tj<tj-1}∩{tj<tj+1} 或 {tj>tj-1}∩{tj>tj+1},|tj-tj-1|>ξ或|tj-tj+1|>ξ。
當(dāng)極值段為極大值時,極值段角點大的點為曲線線型變化特征點;當(dāng)極值段為極小值時,極值段角點小的點為曲線線型變化特征點。
曲線線型變化四大特征點提取算法步驟:①設(shè)置DP 算法距離閾值,粗略特征點周圍窗口寬度、角度閾值、走向段極值閾值。②軌道曲線檢測原始信號數(shù)據(jù)采用高斯濾波進行預(yù)處理。③使用DP 算法確定粗略特征點。由于此步為粗篩,對距離閾值的選取可以稍微增大,以降低DP 算法的迭代次數(shù),提高運算時間。④在已確定的窗口寬度內(nèi)提取角點。根據(jù)式(1)依次計算窗口內(nèi)曲線相鄰數(shù)據(jù)點的角度變化值,當(dāng)角度變化大于角度閾值時,把該點加入角點集合。⑤將相鄰角點連線為走向段,以角點平均值建立走向段集合。⑥確定極值走向段并確定曲線線型變化全局特征點。根據(jù)篩選條件刪除走向段集合內(nèi)不滿足條件的區(qū)段,得到極值走向段。極值段為極大值或極小值時,取相應(yīng)極值段角點大或小的點為曲線線型變化最終特征點。
由于DP 算法能夠確定曲線特征點的粗略位置,結(jié)合TB 10098—2017《鐵路線路設(shè)計規(guī)范》對5 000 m以上大半徑曲線線路中緩和曲線的設(shè)計要求,窗口寬度取50 m 較為合適;角度閾值的選取根據(jù)自適應(yīng)閾值法,依次計算窗口寬度范圍內(nèi)相鄰兩點連線夾角的平均值作為角度閾值;走向段極值閾值的選取可以稍大,避免特征點具有局部性,同時減少計算量。
算法流程見圖4。
圖4 算法流程
將本文提出的算法應(yīng)用到車載軌道檢測系統(tǒng)曲線參數(shù)檢測中,與只采用DP 算法提取的特征點進行對比,見圖5。可知:純DP 算法提取的特征點往往受噪聲和大值波動的干擾,線型變化特征點位置不夠準(zhǔn)確;本文算法提取的線型變化特征點在DP 算法的基礎(chǔ)上進行了修正,準(zhǔn)確性得到提高。
圖5 部分曲線數(shù)據(jù)特征點提取
對于圖3 曲線數(shù)據(jù),使用本文算法對四大特征點位置進行修正(圖6),可以明確看出曲線線型變化處,圓緩點、緩直點位置更加準(zhǔn)確。
圖6 本文算法提取曲線軌跡與特征點
為了進一步驗證算法的準(zhǔn)確性,使用本文提出的算法與在役軌道檢測系統(tǒng)現(xiàn)有算法、純DP 算法進行對比,對某高速鐵路和普速鐵路線路的曲線進行檢測,部分曲線參數(shù)檢測數(shù)據(jù)見表1。其中臺賬為對應(yīng)線路上曲線標(biāo)準(zhǔn)設(shè)計半徑和長度參數(shù)。以臺賬數(shù)據(jù)為參考標(biāo)準(zhǔn)值,根據(jù)表1數(shù)據(jù)進行準(zhǔn)確率統(tǒng)計對比,見表2。本文不考慮檢測數(shù)據(jù)和臺賬之間的里程偏差。
表1 三種算法曲線參數(shù)檢測結(jié)果對比 m
表2 三種算法曲線參數(shù)檢測準(zhǔn)確率對比
由表1 和表2 可知:對半徑5 000 ~ 12 000 m 的高速鐵路線路大半徑曲線,軌道檢測系統(tǒng)曲線檢測現(xiàn)有算法無法檢測出數(shù)據(jù),使用純DP 算法對曲線半徑和長度參數(shù)檢測的平均準(zhǔn)確率為93.5%,使用本文算法可達95.8%;對半徑5 000 m 以下的普速鐵路線路,現(xiàn)有算法對曲線半徑和長度檢測的平均準(zhǔn)確率為91.1%,使用純DP 算法為93.7%,使用本文算法可達95.8%。經(jīng)過大量的數(shù)據(jù)測試和驗證,本文算法對曲線參數(shù)檢測的平均準(zhǔn)確率能達到95%以上。
本文在軌道檢測系統(tǒng)曲線參數(shù)檢測中引入經(jīng)典DP算法提取曲線線型變換粗略特征點,在粗略特征點一定窗口寬度內(nèi)使用角度閾值法提取角點,將角點連線成走向段,通過尋找極值走向段的方法確定曲線線型變化處準(zhǔn)確特征點,根據(jù)準(zhǔn)確的四大特征點位置來計算曲線平均半徑、長度等曲線參數(shù)。本文算法能夠準(zhǔn)確確定軌道曲線線型變換四大特征點的位置,對大半徑和小半徑曲線的檢測準(zhǔn)確率均達到95%以上,具有良好的適應(yīng)性,能夠更好地為鐵路工務(wù)部門服務(wù)。