王丹　李東騰

［摘 要］針對(duì)鐵路發(fā)展的軌道構(gòu)件巡檢要求，本文提出在役軌道構(gòu)件病害智能檢測(cè)技術(shù)和裝備深化研究方案，通過深入研究一套基于3D視覺測(cè)量和機(jī)器人技術(shù)的在役軌道構(gòu)件病害智能檢測(cè)裝備來滿足高精度、智能化、長(zhǎng)里程的要求，以此保障軌道構(gòu)建高效巡檢和鐵路安全生產(chǎn)。

［關(guān)鍵詞］巡檢；二維/三位視覺聯(lián)合測(cè)量技術(shù)；深度學(xué)習(xí)

［中圖分類號(hào)］U21文獻(xiàn)標(biāo)志碼：A

近年來，隨著普速鐵路的快速發(fā)展，軌道構(gòu)件的狀態(tài)和性能成為運(yùn)營安全和維護(hù)的重要關(guān)注點(diǎn)。軌道的狀態(tài)會(huì)隨著時(shí)間的推移和列車行軋等因素而逐漸惡化，軌道構(gòu)件病害的發(fā)生使得鐵路事故的風(fēng)險(xiǎn)大大增加。但是在巡檢方面，人工巡檢方式和自動(dòng)化巡檢無法滿足工務(wù)檢測(cè)的高精度、長(zhǎng)里程的嚴(yán)格要求［1］。因此，本文旨在深化研究在役軌道構(gòu)件病害智能檢測(cè)技術(shù)和裝備方面的關(guān)鍵問題，從而滿足鐵路構(gòu)件巡檢長(zhǎng)里程、高精度的嚴(yán)格要求。

1 研究意義

構(gòu)件是軌道的重要組成部分，而軌道構(gòu)件病害則一直是普速鐵路工務(wù)檢測(cè)和維修的重點(diǎn)關(guān)注內(nèi)容。目前，對(duì)軌道構(gòu)件狀態(tài)的檢測(cè)主要依靠人工巡檢的方式進(jìn)行。巡檢的內(nèi)容包括鋼軌表面?zhèn)麚p、接頭、扣件失效等異常情況。但是人工巡檢方式和自動(dòng)化巡檢無法滿足工務(wù)檢測(cè)的嚴(yán)格要求，因此本文提出研究在役軌道構(gòu)件病害智能檢測(cè)機(jī)器人。

一方面，在役軌道構(gòu)件病害智能檢測(cè)裝備以小型化、自行走的軌道構(gòu)件智能巡檢機(jī)器人為載體，其形態(tài)介于手工工器具與大型作業(yè)車之間，同時(shí)兼顧了人工巡道的靈活性和綜合檢測(cè)車的高效率與準(zhǔn)確性。另一方面，利用二維/三維視覺聯(lián)合測(cè)量技術(shù)，通過在數(shù)據(jù)源頭上增加一維信息，彌補(bǔ)傳統(tǒng)二維圖像識(shí)別技術(shù)的不足，從而大幅簡(jiǎn)化軌道構(gòu)件病害識(shí)別算法的復(fù)雜度，既提高了算法效率和時(shí)效性，也提高了檢測(cè)準(zhǔn)確率和檢測(cè)內(nèi)容的豐富度。通過本項(xiàng)目技術(shù)的應(yīng)用，獲得軌道構(gòu)件病害的量化表征數(shù)據(jù)，從而為軌道狀態(tài)健康管理提供可靠支撐，對(duì)于提高目前工務(wù)維保專業(yè)的智能化水平、實(shí)現(xiàn)“狀態(tài)修”的理想目標(biāo)具有重要意義。

2 巡檢機(jī)器人設(shè)計(jì)

2.1 機(jī)械設(shè)計(jì)

機(jī)器人關(guān)鍵設(shè)備包括以下四個(gè)部分：

其一，傳動(dòng)系統(tǒng)。用于實(shí)現(xiàn)電機(jī)與車輪之間的動(dòng)力傳遞，主要包括減速器和傳動(dòng)機(jī)構(gòu)。巡檢機(jī)器人采用行星減速機(jī)和同步輪帶相結(jié)合的傳動(dòng)方式。行星減速機(jī)通過齒輪組合實(shí)現(xiàn)減速，其特點(diǎn)是體積小、重量輕、承載能力高、運(yùn)轉(zhuǎn)平穩(wěn)、噪聲低、輸出扭矩大等。同步輪帶通過輪帶組合實(shí)現(xiàn)減速機(jī)與車軸之間的傳動(dòng)，具有傳動(dòng)準(zhǔn)確、平穩(wěn)、效率高等特點(diǎn)。

其二，制動(dòng)系統(tǒng)。機(jī)器人采用電機(jī)制動(dòng)與電磁制動(dòng)相結(jié)合的方式實(shí)現(xiàn)制動(dòng)。由于機(jī)器人采用的伺服電機(jī)自身具有力矩保持功能，一般情況下，通過遙控終端人機(jī)交互界面中的減速按鈕，電機(jī)自動(dòng)降低轉(zhuǎn)速直至停止，即可實(shí)現(xiàn)機(jī)器人的正常制動(dòng)。同時(shí)，電機(jī)尾端帶有電磁制動(dòng)器，可實(shí)現(xiàn)緊急制動(dòng)和無電情況下的駐車制動(dòng)。

其三，車輪采用非金屬材料，避免機(jī)器人行駛時(shí)對(duì)線路上的計(jì)軸設(shè)備產(chǎn)生影響。同時(shí)，為盡量減小蛇形現(xiàn)象，車輪采用磨耗型踏面設(shè)計(jì)。同時(shí)，為了保證足夠的車底高度以符合限界要求，車輪半徑不小于60mm。

其四，快鎖結(jié)構(gòu)。巡檢機(jī)器人采用可拆卸結(jié)構(gòu)設(shè)計(jì)，各模塊之間利用快鎖結(jié)構(gòu)進(jìn)行連接，操作人員無需任何工具即可在幾分鐘之內(nèi)完成快速裝配或拆卸。為保證快鎖結(jié)構(gòu)的牢靠性，采用鈦合金材料加工而成，具有極高的剛性和強(qiáng)度。

機(jī)器人主體結(jié)構(gòu)機(jī)器人結(jié)構(gòu)設(shè)計(jì)主要考慮以下方面，機(jī)器人采用前驅(qū)方式，電機(jī)位于底盤下方，靠近前輪；為保證視覺模塊的下方視場(chǎng)范圍內(nèi)無任何遮擋，視覺模塊采用懸臂式結(jié)構(gòu)設(shè)計(jì)；考慮整體重心平衡，將電源部置于機(jī)器人的前部，視覺檢測(cè)部和自動(dòng)控制部置于機(jī)器人后部；考慮激光雷達(dá)的工作需求，將環(huán)境感知部置于機(jī)器人的最上部；考慮通信控制和數(shù)據(jù)傳輸?shù)膹?fù)雜性，將視覺檢測(cè)部、自動(dòng)控制部和環(huán)境感知部集成為一個(gè)整體；考慮搬運(yùn)和上下道的便捷性，采用可拆卸的結(jié)構(gòu)設(shè)計(jì)。

2.2 機(jī)器人控制系統(tǒng)設(shè)計(jì)

機(jī)器人控制系統(tǒng)按照功能可分為多個(gè)子模塊：

其一，操作員在投放機(jī)器人后，先對(duì)機(jī)器人進(jìn)行巡檢任務(wù)設(shè)置，機(jī)器人開始自動(dòng)運(yùn)行。在機(jī)器人運(yùn)行過程中，可看到機(jī)器人的運(yùn)行狀態(tài)、位置信息、任務(wù)完成情況，在必要時(shí)可切換至手動(dòng)控制，獲取行車監(jiān)控視頻進(jìn)行手動(dòng)駕駛。

其二，根據(jù)設(shè)置的任務(wù)信息，機(jī)器人自動(dòng)載入相應(yīng)的線路信息，并根據(jù)時(shí)間、里程、線路情況等進(jìn)行速度規(guī)劃。在無法繼續(xù)執(zhí)行任務(wù)的情況下，可進(jìn)行機(jī)器人召回。

其三，為確保機(jī)器人的安全運(yùn)行，環(huán)境感知通過攝像頭對(duì)軌道的狀態(tài)進(jìn)行檢測(cè)，包括可通行狀態(tài)和道岔等特殊軌道狀態(tài)，同時(shí)通過激光雷達(dá)對(duì)遠(yuǎn)距離障礙進(jìn)行檢測(cè)，將此類信息傳遞給行車控制器進(jìn)行車速控制和制動(dòng)。

其四，軌道檢測(cè)完成兩臺(tái)視覺模塊的數(shù)據(jù)采集和預(yù)處理，并進(jìn)行存儲(chǔ)。

其五，基于線路信息、位置信息、環(huán)境信息和機(jī)器人自身狀態(tài)（過彎、爬坡、下坡等）對(duì)機(jī)器人進(jìn)行速度控制，確保機(jī)器人在軌道上平穩(wěn)運(yùn)行，不發(fā)生脫軌、傾覆等問題。根據(jù)激光雷達(dá)和超聲波檢測(cè)的障礙物信息，控制機(jī)器人減速或者緊急制動(dòng)，避免發(fā)生碰撞。

其六，以線路的電子地圖為基礎(chǔ)，結(jié)合編碼器里程計(jì)數(shù)和GPS/北斗定位功能，獲得機(jī)器人的位置信息，根據(jù)線路上的設(shè)備，通過RFID檢測(cè)獲取精確的位置信息，以此對(duì)機(jī)器人和定位，輔助機(jī)器人自動(dòng)控制。

其七，輔助功能主要控制車燈照片和擴(kuò)音器。根據(jù)行車方向的不同（正向或方向），控制器自動(dòng)控制前后照明大燈和尾燈的亮滅?？刂茢U(kuò)音器進(jìn)行語音播報(bào)，用于對(duì)線路上的行人進(jìn)行警示。

3 關(guān)鍵技術(shù)

3.1 三維測(cè)量技術(shù)

在役軌道智能巡檢機(jī)器人的核心設(shè)備為3D相機(jī)，其技術(shù)原理為三維測(cè)量技術(shù)。

所謂三維測(cè)量技術(shù)是指利用光學(xué)投影和成像設(shè)備相配合以獲取物體表面點(diǎn)的三維空間坐標(biāo)的一種非接觸式測(cè)量技術(shù)，常用方法包括雙目視覺、激光散斑、莫爾條紋、結(jié)構(gòu)光等。其中，結(jié)構(gòu)光三維測(cè)量技術(shù)最成熟，相對(duì)而言檢測(cè)精度最高，近年來隨著智能芯片技術(shù)的發(fā)展，在工業(yè)檢測(cè)領(lǐng)域得到快速推廣，也是軌道智能巡檢系統(tǒng)采用的技術(shù)方法。

結(jié)構(gòu)光三維測(cè)量方法也稱為“光切法”或“光刀法”，其技術(shù)原理為三角測(cè)量原理。利用激光器向測(cè)量物體投射激光，從而在物體表面獲得一個(gè)反射點(diǎn)。再利用與激光器呈一定角度的相機(jī)對(duì)其進(jìn)行拍攝，從而在物體、激光器和相機(jī)之間構(gòu)成空間三角關(guān)系。由于相機(jī)與激光器之間的位置關(guān)系（角度和距離）可以通過事先標(biāo)定的方法獲得，從而即可根據(jù)激光點(diǎn)（也就是物體表面點(diǎn)）在相機(jī)成像面中的位置（像素坐標(biāo)）推算出其與相機(jī)成像面的實(shí)際距離，進(jìn)而可推算出其在世界坐標(biāo)系中的實(shí)際坐標(biāo)［2］。

光切法實(shí)質(zhì)是三角測(cè)量法的一種擴(kuò)展應(yīng)用，即將激光光線改換成激光光面（光刀）。這樣，在單次測(cè)量時(shí)，獲得的便不是一個(gè)點(diǎn)的高度值，而是一條線（輪廓線）上各個(gè)點(diǎn)的高度值。進(jìn)一步，利用激光線對(duì)物體表面進(jìn)行縱向掃描，即可獲得物體整個(gè)表面各點(diǎn)的高度值，也就是物體的輪廓面，俗稱“三維點(diǎn)云”。

顯然，相對(duì)于二維圖像而言，三維測(cè)量技術(shù)對(duì)于物體外形和結(jié)構(gòu)的測(cè)量具有天然的優(yōu)勢(shì)。因?yàn)閳D像的拍攝過程實(shí)際是將三維立體轉(zhuǎn)換為二維平面的過程，不可避免的丟失了一個(gè)維度（深度）的信息。想利用二維圖像對(duì)物體外形進(jìn)行測(cè)量，則需要通過其他信息（如灰度、陰影、顏色、物體表面各點(diǎn)相對(duì)位置關(guān)系等）將丟失的深度信息彌補(bǔ)回來，這從物理源頭上即存在技術(shù)障礙，難免對(duì)檢測(cè)算法提出極大挑戰(zhàn)。而鋼軌、扣件等軌道部件的可視病害中，軌面剝落掉塊、扣件螺栓松動(dòng)等無一不是改變了物體的原本外形，這就為三維測(cè)量技術(shù)發(fā)揮天然優(yōu)勢(shì)提供了理所當(dāng)然的應(yīng)用場(chǎng)景。

3.2 二維與三維視覺聯(lián)合測(cè)量技術(shù)

在役軌道智能巡檢機(jī)器人可同時(shí)采集軌道部件的二維灰度圖像和三維深度數(shù)據(jù)，將兩種數(shù)據(jù)類型各自在物體表面紋理檢測(cè)和立體結(jié)構(gòu)檢測(cè)方面的天然優(yōu)勢(shì)進(jìn)行結(jié)合，并針對(duì)不同軌道部件的不同病害在兩種數(shù)據(jù)類型中的不同表現(xiàn)特征進(jìn)行針對(duì)性的數(shù)據(jù)應(yīng)用，從而實(shí)現(xiàn)病害檢測(cè)算法的高效率運(yùn)行［3］。圖1為將二維灰度圖像和三維立體數(shù)據(jù)進(jìn)行像素級(jí)數(shù)據(jù)融合后得到的聯(lián)合視覺數(shù)據(jù)。

3.3 深度學(xué)習(xí)技術(shù)

在現(xiàn)代社會(huì)，實(shí)現(xiàn)人工智能需經(jīng)過機(jī)器學(xué)習(xí)，而深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種應(yīng)用較廣泛的技術(shù)方法。深度學(xué)習(xí)來源于人工神經(jīng)網(wǎng)絡(luò)的研究，與神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)相似，其由多個(gè)多層感知器構(gòu)成。

深度學(xué)習(xí)尋找樣本數(shù)據(jù)特征的方式為通過將低層特征數(shù)據(jù)進(jìn)行多種組合，并形成更為抽象復(fù)雜的高層表示屬性的類別或特征。深度學(xué)習(xí)是為了讓機(jī)器模擬人腦具備分析整合能力，以達(dá)到識(shí)別文字、音頻和圖像等數(shù)據(jù)的目的。學(xué)習(xí)的過程是通過學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律和表現(xiàn)層次，以幫助人們更好地解釋文字、圖像和音頻等數(shù)據(jù)的規(guī)律及其內(nèi)在關(guān)系。

深度學(xué)習(xí)首先需要設(shè)定合適的神經(jīng)元計(jì)算節(jié)點(diǎn)數(shù)量和多層運(yùn)算結(jié)構(gòu)層次，選擇合適的輸入層和輸出層樣本數(shù)據(jù)，在所構(gòu)建網(wǎng)絡(luò)的基礎(chǔ)上，由機(jī)器進(jìn)行學(xué)習(xí)，從而建立輸入層到輸出層對(duì)應(yīng)的函數(shù)關(guān)系，并通過多次調(diào)優(yōu)，盡可能建立與現(xiàn)實(shí)相符的關(guān)聯(lián)關(guān)系。訓(xùn)練成功的網(wǎng)絡(luò)模型可以幫助自動(dòng)化處理復(fù)雜事務(wù)。

在役軌道智能巡檢機(jī)器人通過不斷使用積累大量的軌道視覺數(shù)據(jù)，利用深度學(xué)習(xí)算法對(duì)軌道構(gòu)件病害進(jìn)行自動(dòng)識(shí)別和檢測(cè)，再進(jìn)一步進(jìn)行迭代學(xué)習(xí)，可使得巡檢機(jī)器人“越檢越準(zhǔn)”。

3.4 軌道構(gòu)件病害人工智能識(shí)別算法設(shè)計(jì)與模型訓(xùn)練

檢測(cè)算法的整體流程，首先，在數(shù)據(jù)預(yù)處理階段，對(duì)兩臺(tái)視覺模塊采集的二維灰度圖像和三維形貌圖像進(jìn)行空間標(biāo)定、濾波去噪以及拼接融合，為后續(xù)病害檢測(cè)識(shí)別和可視化打下基礎(chǔ)；其次，基于軌道二維灰度信息和三維深度信息，綜合采用深度學(xué)習(xí)、模式識(shí)別、圖像處理等方法，分別對(duì)鋼軌、接頭、扣件、道岔以及道床進(jìn)行病害檢測(cè)［4］；最后，在整條線路檢測(cè)結(jié)束后，生成檢測(cè)結(jié)果報(bào)表。

圖2為鋼軌病害檢測(cè)算法原理?；谲壍廊S信息，采用圖像處理算法，將鋼軌區(qū)域進(jìn)行分割提取。同時(shí)，基于軌道二維灰度信息和三維深度信息，綜合采用圖像處理算法和異常檢測(cè)算法，對(duì)鋼軌折斷、鋼軌剝落掉塊、鋼軌爬行等病害進(jìn)行檢測(cè)。

圖3為接頭病害檢測(cè)算法原理?；诙S灰度圖像和三維深度圖像，采用深度學(xué)習(xí)檢測(cè)模型，在海量數(shù)據(jù)中實(shí)現(xiàn)鋼軌接頭的檢測(cè)識(shí)別和精確定位。在此基礎(chǔ)上，采用模式識(shí)別和圖像處理算法，將接頭接縫、夾板、螺栓等各個(gè)部件區(qū)域進(jìn)行進(jìn)一步定位分割提取，通過特征檢測(cè)、區(qū)域測(cè)量等方法，實(shí)現(xiàn)接頭錯(cuò)牙、接縫超標(biāo)、夾板脫落、聯(lián)結(jié)螺栓脫落等病害的有效檢測(cè)。

圖4為扣件病害檢測(cè)算法原理。基于二維灰度圖像和三維深度圖像，采用深度學(xué)習(xí)檢測(cè)模型，在海量數(shù)據(jù)中實(shí)現(xiàn)扣件的精確定位。在此基礎(chǔ)上，綜合采用針對(duì)螺栓、彈條、軌距塊等扣件部件的深度學(xué)習(xí)檢測(cè)模型、分割模型以及圖像處理算法，實(shí)現(xiàn)螺栓缺失、螺栓松動(dòng)、彈條脫落、彈條折斷、彈條退出移位、彈條歪斜、軌距塊缺失等病害的有效檢測(cè)。

4 結(jié)語

針對(duì)鐵路軌道構(gòu)件病害巡檢對(duì)于檢測(cè)的高精度和長(zhǎng)里程的高要求，對(duì)機(jī)器人的構(gòu)造設(shè)計(jì)和圖像識(shí)別算法的深度研究提出合理方案，設(shè)計(jì)的小型化、自行走的軌道構(gòu)件智能巡檢機(jī)器人，兼顧了人工巡道的靈活性和綜合檢測(cè)車的高效率與準(zhǔn)確性，利用二維與三維視覺聯(lián)合測(cè)量技術(shù)彌補(bǔ)傳統(tǒng)二維圖像識(shí)別技術(shù)的不足，既提高了算法效率，也提高了檢測(cè)準(zhǔn)確率和檢測(cè)內(nèi)容的豐富度。通過在邯黃鐵路進(jìn)行多次模擬和改進(jìn)，機(jī)器人的各項(xiàng)功能符合鐵路現(xiàn)場(chǎng)的功能需求，可以為相關(guān)軌道構(gòu)件病害智能巡檢機(jī)器人的研究提供參考。

參考文獻(xiàn)

［1］鄧克濤. 城市軌道交通安全事故隱患排查治理信息化技術(shù)探討［J］. 科技風(fēng)，2020（4）：83.

［2］郭繼平，李名兆，周迎春，等. 基于快速散斑結(jié)構(gòu)光三維重建的在線測(cè)量系統(tǒng)［J］. 計(jì)測(cè)技術(shù)，2022，42（6）：48-52.

［3］王鯤鵬，趙心穎，王雨婷，等. 城軌車輛車載軌道智能巡檢系統(tǒng)設(shè)計(jì)［J］. 機(jī)電工程技術(shù)，2023，52（5）：204-208.

［4］于子良，黃志輝，楊玨，等. 軌道隧道巡檢現(xiàn)狀及智能檢測(cè)機(jī)器人發(fā)展趨勢(shì)［J］. 機(jī)車電傳動(dòng)，2020（6）：137-142.

［作者簡(jiǎn)介］王丹，男，河北滄州人，邯黃鐵路有限責(zé)任公司，中級(jí)工程師，本科，研究方向：鐵路設(shè)備維修與管理。

李東騰，男，河北石家莊人，邯黃鐵路有限責(zé)任公司，助理工程師，本科，研究方向：鐵路牽引供電。