机车走行部故障图像识别系统的研究

韩克勤,王 迁

(1 沈阳铁路局,辽宁沈阳110001;2 沈阳铁路局 机务处,辽宁沈阳110001)

我国铁路发展已经处于世界领先水平,机车装备基本上实现了客运高速、货运重载的目标。但是机车走行部的质量仍然依靠地面人工进行检测,不仅效率低、占用大量的人力,而且一旦出现漏检情况,极易出现走行部部件脱落、裂折等严重问题的发生,给列车运行安全带来了极大的安全隐患。目前铁路系统采用在线图像检测较为成功的是车辆的TFDS系统,但该系统不适合机车的使用,一是机车型号多、走行部构造复杂、部件数量大;二是该系统识别图片需要多张照片拼接,效果差,容易出现人为误差;三是图片完全靠人工分析,对分析人员的技术业务素质要求高。基于以上原因,开发研究适应机车走行部故障检测的图像识别系统(以下简称图像识别系统)是必要的。

1 机车走行部故障图像识别系统的构成及原理

1.1 机车走行部故障的特性

无论是内燃还是电力机车,其走行部都是一个有机的整体,数百个零部件相互耦合,在不同时刻的任何观测数据都是不可重复的。其故障具有以下特点:

(1)层次性:由于零件工作的关联性及耦合性,决定着机车故障的层次性,一种故障可由多层次原因构成。

(2)突发性及缓变性:突发性故障发生在瞬间,无明显症状,难以预测,而缓变性故障具有渐进性和局部功能失效的特点,可以预测。

(3)模糊性:机车故障和征兆信息并不是一一对应的,具有随机性,征兆之间界限是模糊的,并且某些信息具有不确知性。

(4)趋势性:机车大部分故障有随时间变化的一种趋势,即从微小征兆向显著征兆发展的趋势。

1.2 图像识别系统的构成

为适应机车走行部故障图像识别,本文提出的图像识别系统主要由3部分组成:①前端图像采集系统;②图像传输系统;③后端图像识别和检测诊断系统,系统结构拓扑图如图1所示。

(1)前端图像采集系统

前端图像采集系统由3台高速高清晰线扫描相机组成,埋入两条钢轨中间,分别向左、中、右3个方向采集机车走行部所有零部件的图像信息。采集后进行图像整合和图像预处理,形成一张完整的机车走行部图像。

(2)图像传输系统

图像实时压缩并通过千兆以太网传输并存储到监控中心的主机上。

(3)后端图像识别和检测诊断系统

图像在后端进行机车走行部特征的提取以及识别的运算,通过与数据库中不同车型机车走行部模板对比,做出判断或报警。

图1 机车走行部故障图像识别系统组成

1.3 系统工作原理

(1)系统工作框架

系统前端和后端功能的流程如图2所示。

图2 机车走行部故障图像识别系统功能流程图

(2)高清晰图片的获取

当机车运行时,高清晰图片的取得是整个系统有效运行的第一个难点,没有高清晰的图片作为保障,图像识别功能是无法实现的。因此在高速、低照度、周围存在电磁、高压、强振动等强干扰的情况下,对前端的图像采集设备无疑提出了一个很高的要求。在这个系统当中,采用了高速线扫描摄像机,可获得清晰、连续、完整的走行部图像。

(3)白天及夜间低照度情况下的图像采集

图像识别系统是将前端摄像机安装在两条钢轨中间的地面上,在机车通过的瞬间,仰角抓拍机车走行部高清图片,图片包含车轴、拉杆、抱轴油盒、牵引电机检查孔盖、基础制动装置等所有部件的详细信息。当拍摄环境发生变化时,摄像机内部会进行自动调光,并根据当前的光线条件自动输出补光灯控制信号。

(4)图像识别方法

对机车走行部图像识别分为3个步骤:①机车走行部的特征提取;②进行图像识别运算;③完成识别精度的计算,并对机车走行部状况进行判别和评估。

图像特征分析是图像识别的基础,其中最主要的图像特征包括纹理、形状(轮廓)、各零部件间相互位置关系等。首先要对机车走行部的特征进行提取,来作为识别和分析机车走行部状况的依据,目前常见的识别方法有模糊图像识别方法和基于人工智能的识别方法等;其次,在机车走行部图像识别系统中,采用模板匹配作为图像识别和分析的方法,模板就是由已知的各类机车走行部特征图像建立的数据库,而模板匹配就是在采集到的各类型机车走行部图像中搜寻目标,已知这些图像中有要寻找的目标,并且该目标与模板具有相同的尺寸、方向和图像,那么首先通过算法映射到对应的模板,然后再通过一定的算法就可以在图中找到目标,并确定其坐标位置。

在机车头底部的图像特征和提取过程中,运用的算法有支持向量机(SVM)算法、隐马尔代夫(HMM)算法、人工神经网络(ANN)算法以及动态归整(DTW)算法。

2 机车走行部故障识别流程

2.1 机车故障数据库的建立

到2010年末,沈阳铁路局配置的机车型号共16种,见表1。

表1 沈阳铁路局配置的机车型号表

机车走行部故障数据库由两大模块组成:内燃机车故障数据库和电力机车故障数据库。

(1)模板载入

该功能可以将目前服役中的所有车头底部特征图上传至数据库中,用作模板比对的标准图像。

(2)参数设置

主要完成机车头底部主要零部件的尺寸、方向等主要特征的确定。流程如图3所示。

(3)故障特征库建立

该数据库将运用专家知识及现场经验总结出上百条的现象、故障及解决方法。现象用A表示,其对应的解决方法将用S表示,例如出现A1的现象描述将对应S1故障问题和解决方法。

图3 机车走行部故障特征库的建立

2.2 机车走行部故障判别及评估(见表2)

表2 机车走行部故障特征

2.3 模板比对

(1)特征提取

对机车走行部电机、拉杆、转向架等主要零部件利用矩形框或者椭圆形框进行关键区域的设置和搜索。

(2)图像比对(见图4)

2.4 报警等级评估

对报警问题进行发展趋势分析,全面了解机车的运行情况,并对可能出现问题发出预警。报警信号按照发现的问题故障以及需要相应的紧急程度进行分级,如表3所示,并依次来决定对机车在何时需要进行维护或维修。

图4 机车走行部故障判别流程

表3 机车走行部故障报警等级

走行部故障的原因很多,要求快速、有效、准确地识别故障并采取有效措施及时排除故障。利用机车走行部故障图像识别系统诊断并给出处理措施,辅助维修人员进行事故处理,可以提高机车的安全经济运行水平。

3 结束语

机车走行部故障图像识别系统的研发,将会对机车整备作业带来深刻的变化,不仅提高了机车库内作业效率,而且对长交路机车走行部的质量提供了可靠的保证。