【中圖分類號】：U279.3 【文獻標志碼】：A 【文章編號】：1008-3197（2025）04-08-04

【DOI編碼】：10.3969/j.issn.1008-3197.2025.04.003

Intelligent Traction Alignment Equipment for Underfloor Wheel Lathe Based on Quality Control（QC） Methodoloy

FENG Shuai

（ChinaRailway Siyuan Survey and Design Group Co.，Ltd.，Wuhan 43oo63，China）

【Abstract】：To addressthe issues of long operationtime，por accuracy，and low effciencyoftraction alignment equipment forunderfloor whellathes，，this study employs quality control（QC）methodology.Firstly，the 5M1E analysis method was used to confirm the feasibility of goals from perspectives including personnel resources，research and development capability and technical collaboration.Then，brainstorming method was applied to propose technical solutions for radio frequency （RF）wireless traction alignment equipment，image recognition-based intelligent traction alignment equipment，and laser radar amp;image recognition tractionalignment equipment.Subsequently，the 5W1H analysis method was utilized to formulate and implement countermeasures focusing on clamping mechanism，image recognition，convolutional neural network algorithm，and assemblydebugging.Finally，the effectiveness of the QC methodology was verified through validation tests.

【Key words】：quality（QC）control methodoloy;underfloor whellathe;traction alignment；electric multipleunit（EMU）

輪對是動車組承載、牽引、制動、導向的核心部件之一，其運行狀態(tài)直接影響到動車組的運營安全。為提高動車組行車質量，減少車輪不良振動和噪聲，根據檢修修程需對動車組定期進行修作業(yè)，處理輪緣偏磨、踏面擦傷等缺陷[2～3]。牽引對位作為輪對修的前提，直接影響著輪作業(yè)的效率4。現(xiàn)有的牽引對位作業(yè)主要是待公鐵兩用牽引車連掛動車組后，由1名人員在輪設備外觀察動車組位置，1名人員在鏃輪設備基坑中觀察輪對位置，1名人員在動車組車尾進行安全聯(lián)防，1名人員在牽引車中操控，通過多方對講機來確定停車位置，需要4人經3～5次調整后才可滿足床定位精度要求，牽引對位總耗時約17min，存在耗時長、精度差、效率低、人為因素影響大等問題，進而影響輪作業(yè)效率5。因此，有必要研發(fā)一種不落輪床智能牽引對位技術及設備，用機械代替人工，用自動代替手動，實現(xiàn)省時又省力，提升璇輪牽引對位效率。質量管理（QC）方法基于質量管理理論，著眼企業(yè)的市場定位、經營策略、發(fā)展目標和存在問題，以提高質量、解決問題、增加效益為活動目的，本文基于QC方法研究不落輪床智能牽引對位技術及設備。

1方案研究

1.1目標確定

某動車所年鏃輪能力需求約250列標準組，按照每年工作 300d， 每天工作8h計算，單臺轉向架輪時間為 36min ，其中輪對缺陷檢查與修時間約 28min ，但因輪對缺陷檢查與修已實現(xiàn)了全自動，無法再壓縮作業(yè)時間，因此牽引對位時間需 ?×8min ；另根據動車組運用檢修修程，不落輪床的牽引對位精度應 ?20mm 存在牽引對位理論、設備布局設計、牽引對位方案、圖像識別、仿真模擬等多個難題。通過“5M1E”即人（Man）、機器（Machine）、材料（Material）、方法（Method）、測量（Measurement）、環(huán)境（Environment）的分析法，分別從人員儲備、研發(fā)能力、技術協(xié)作、研發(fā)經費、借鑒對比等方面對目標進行分析探討，并制定目標可行性分析圖，一致認為目標可行。見圖1。

1.2總體方案

基于牽引對位作業(yè)的現(xiàn)狀和需求，采用頭腦風暴法，積極發(fā)揮主動性與創(chuàng)造性，提出了無線射頻牽引對位設備、圖像智能識別牽引對位設備和激光雷達 + 圖像識別牽引對位設備3種總體方案-9，并組織業(yè)內設計專家組成評審小組進行方案評審，分別從設備可靠性、經濟合理性、接口復雜性和研發(fā)周期4個方面進行綜合對比分析。見表1。

表1總體方案分析對比

方案二對位精度 20mm 開發(fā)投入45～50萬元、接口2個專業(yè)、研發(fā)周期3～4月，具有精度合理、造價適中、實施簡單、研發(fā)迅速等優(yōu)點，作為不落輪床智能牽引對位設備研究的推薦方案。

1.3深化方案

確定推薦方案后，分別從自適應夾緊機構[10～11]牽引對位系統(tǒng)、圖像識別算法3個方面進行方案深化。見表2。

表2方案深化對比

續(xù)表2

通過深化研究，對工作特點、工作效率和研發(fā)成本進行綜合對比后，明確自適應夾緊機構采用6自由度智能機械臂、牽引對位采用圖像識別牽引對位系統(tǒng)、圖像識別采用卷積神經網絡圖像識別算法的最佳組合方案。

2對策制定及實施

2.1對策制定

確定推薦方案和深化方案后，采用“5W1H\"即原因（Why）、對象（What）、地點（Where）、時間（When）、人員（Who）、方法（How）的思路制定對策，并針對6自由度智能機械臂、圖像識別牽引對位系統(tǒng)、卷積神經網絡圖像識別算法和組裝測試分別確定分目標和措施。見表3。

表3對策

2.2對策實施

2.2.16自由度智能機械臂設計

選擇改良型機器人，使用抓取定位專用2D照相機，可實現(xiàn)機械臂 360^° 多角度、全方位活動，保障同時抓取多個零件及滿足不同種類下壓爪及頂塊安裝要求。針對某動車所配屬的CRH1A、CRH2A、CR400、CRH380B、CRH380D、CRH3C、CRH6A等車型進行姿態(tài)仿真分析，規(guī)劃機械臂作業(yè)路徑，由機械臂智能調用對應的下壓爪及頂塊，仿真結果車型覆蓋率 100% ，滿足預設目標值 395% 的要求。

2.2.2牽引對位系統(tǒng)設計

在公鐵兩用牽引車上加裝無線收發(fā)控制單元，利用無線通訊技術對牽引車進行全權控制，實時調整牽引車的運行速度和行車方向等。利用高清監(jiān)控球機及圖像識別算法，通過動態(tài)及靜態(tài)識別的方式實時識別并確認動車組位置，并通過無線通訊技術向牽引車發(fā)出控制指令，完成動車組精準對位。見圖2。

系統(tǒng)研發(fā)成功后進行了多次仿真計算，車號及軸位圖像識別對位系統(tǒng)絕對牽引對位精度最大值為18mm ，滿足預設目標值 ?20mm 的要求。

2.2.3卷積神經網絡圖像識別算法開發(fā)

基于機器學習的自行迭代和深度學習能力，圖像分割、部件定位等技術，開發(fā)了2D圖像定位、3D重構等單類型檢測算法，實現(xiàn)不同車型圖像準確識別。見圖3。

圖3算法開發(fā)流程

經測試，不同車型的圖像識別綜合準確率達99.1% ，滿足預設目標值 98% 的目標。

2.2.4樣機加工與測試

設備設計方案完成和仿真測試成功后，與不落輪璇床設備供應商合作，在生產車間內完成了設備的加工生產，并在某動車所輪庫進行了安裝和調試。經現(xiàn)場測試，各項設備安裝準確無誤，整套設備運行流暢，可實現(xiàn)自適應夾緊、圖像智能識別牽引對位等功能，設備可靠。

4結語

本文基于QC方法，研發(fā)了基于6自由度智能機械臂、圖像識別牽引對位系統(tǒng)和卷積神經網絡圖像識別算法的智能牽引對位設備，有效解決了現(xiàn)有輪作業(yè)牽引對位耗時長、精度差、效率低、人為因素影響大等問題。此外，本文的研究成果也可用于指導其他類似設備的研發(fā)。

3效果檢查

3.1目標檢查

鏃輪作業(yè)開始前，由中央集成控制系統(tǒng)向機械臂發(fā)出指令，根據車型調用對應下壓爪及頂塊并安裝到位；在滿足動車組移動條件的前提下，中央集成控制系統(tǒng)向公鐵兩用牽引車下達牽車移動指令后開始自動牽車人庫；隨后通過車號及軸位圖像識別系統(tǒng)實時識別動車組位置并進行自動對位；牽引對位完成后即可進行后續(xù)輪作業(yè)。見圖4。

圖4整體效果

經驗證，智能牽引對位時間平均約為 2.96min ，滿足對位時間 8min 的目標值；牽引對位誤差最大約17.8mm ，平均絕對誤差為 16.8mm ，滿足對位精度 ? 20mm 的目標值。

3.2效益檢查

采用智能牽引對位設備技術后，動車組牽引對位效率大大提高，牽引對位時間提升了5.66倍，輪作業(yè)效率提高了1.45倍，人工由4人減少至2人，具有良好的經濟效益，實現(xiàn)了輪作業(yè)牽引對位的智能化、智慧化，符合軌道交通行業(yè)的發(fā)展趨勢，具有較好的示范意義和推廣應用價值。

參考文獻：

[1]周玲玲.武漢動車段輪輞輪輻探傷及輪工藝線新型設計研究[J.鐵道標準設計，2017，61（4）：166-168.

[2]中鐵第四勘察設計院集團有限公司.鐵路動車組設備設計規(guī)范：TB10028—2016[S].北京：中國鐵道出版社，2016.

[3]張正舟，歐陽鵬.高速鐵路動車運用所總平面布置方式研究[J].鐵道勘察，2024，50（1）：163-168.

[4]桑翠江.鐵路動車組運用檢修設施設計標準研究[J].鐵路工程技術與經濟，2019，34（6）：13-18.

[5]杜新偉，石曉飛，肖亞運，等.關于不落輪智能牽引對位系統(tǒng)的研究[J].鐵道運營技術，2024，30（1）：12-15.

[6]宋云超.基于QC方法的縮短機車整車試驗臺檢修時間技術研究[J].鐵道建筑技術，2016，（2）：114-117.

[7]劉奇鋒.基于卷積神經網絡的軌道傷損智能檢測算法研究與應用[D].北京：北京建筑大學，2022.

[8]曹子昱，任宛星，付連著，等.基于卷積神經網絡的調車機車前方車列圖像識別算法[J].中國鐵道科學，2020，41（6）：156-162.

[9]甘超瑩，甘建文，顧野.基于圖像識別技術的城市軌道交通車站智能視頻監(jiān)控系統(tǒng)的設計與應用[J].城市軌道交通研究，2023，26（2）：76-80+85.

[10]馬榮華，趙嵩.多自由度機械臂抓取過程關節(jié)角度的智能控制[J].機械設計與研究，2024，40（1）：136-141.

[11]李研彪，王澤勝，孫鵬，等一種四自由度冗余串并混聯(lián)擬人機械臂的動載協(xié)調分配優(yōu)化[J].機械工程學報，2020，56（9）：45-54.