普速铁路道岔滑床板病害及识别方法

贾 强,李 鑫,苟 强,王方旭,阎玉菡 ,齐海鹏

(1. 陕西机电职业技术学院,陕西 宝鸡 721001; 2. 兰州交通大学,甘肃 兰州 730070)

道岔是铁路轨道结构的重要组成部分,铁路运输业务中的列车到发、会让、越行,机车摘挂,不同铁路线路的连接以及铁路网与专用铁路的连接,均需道岔才能实现。据统计,国内目前约有15万组道岔,道岔复杂繁多的结构部件,导致其容易发生病害,与钢轨接头、小半径曲线并称为铁路三大薄弱环节[1-2]。滑床板是承垫基本轨与尖轨,同时给尖轨滑动时提供滑动面的垫板,主要设置在转辙器尖轨全长范围内岔枕面上,其材质主要是钢板材质。滑床板是道岔转辙器的重要零部件,安设于转辙器尖轨全长范围的岔枕面上,如图1所示。

图1 滑床板位置

滑床板由于长期提供滑动平面,受摩擦及挤压会导致受损严重,进而破裂的台面无法继续为基本轨和尖轨起承垫作用,若此时继续使用该滑床板做承垫,尖轨来回滑动会危及机车行车安全。近些年计算机软硬件技术高速发展,多专业融合研究是当下发展趋势之一。陈鹏等[3]结合车辆-道岔耦合动力模型,建立有限元模型,利用数值仿真方法和疲劳伤损理论,分析滑床板伤损原因,评估寿命,提出滑床板结构的优化建议。唐守峰等[4]通过方差与权重的Otsu算法选取阈值,从一定层面改进算法适应性,同时,融合多尺度形态学与改进Canny算子,处理图像边缘。李海培[5]通过灰度垂直投影法提取钢轨轨面,设计一种改进轨面缺陷识别方法,图经过预处理减小后续处理程序,对比其他检测方法、时间等均有一定提高。本文针对所属区域线路岔区中出现的多处滑床板断裂或脱焊病害,分析外界环境因素,对滑床板材料做试验检测,结合改进Canny边缘检测方法,分析识别滑床板伤损图像,并进行道岔滑床板伤损自适应识别。

1 道岔病害简介

道岔组成构件种类复杂繁多,多跟钢轨存在于一处横断面上,各个钢轨之间互相传递作用力,其中滑床板承受尖轨与基本轨传递的压力。由于常年行车、荷载变化等因素影响,道岔病害、接头及胀轨等问题凸显。道岔病害主要分为以下几个方面:

1) 几何形位不良:一般由于道岔2个方向的行车密度不同,造成相同轨枕上的机械磨损不一致,可根据行车密度,采用“分段起道、4股钢轨一起抬平”等方法维护。

2) 尖轨病害:根据尖轨结构,基本轨或尖轨有硬弯会造成尖轨与基本轨不密贴,基本轨垂直磨损严重,与尖轨的高度不匹配,使尖轨较窄的断面过早受力,也对导致尖轨病害,可通过天窗期内量测尖轨跟端轨缝,判断其值大小,及时修正尖轨与基本轨。

3) 道床病害:道砟之间的不密实等导致不均匀沉降,当机车运行时,动态条件下的反复荷载作用及各种力的耦合,不均匀道砟会产生不同程度的凸起或下沉导致病害出现,可通过天窗期内轨道几何形位检测及现场振捣等方法及时处理。

4) 滑床板断裂或脱焊:滑床板由于长期提供滑动平面,受摩擦及挤压会导致受损严重,进而破裂的台面无法继续为基本轨和尖轨起承垫作用,若此时继续使用该滑床板做承垫,尖轨来回滑动会危及机车行车安全,应通过检修及时发现,及时更换,及时处理。

本文结合图像边缘检测,为滑床板断裂病害检测提供一种可行性的自适应识别方法,以期提高检测效率,对铁路道岔滑床板检测维护提供可行性识别手段。

2 滑床板材料试验

2.1 化学材料分析

滑床板底板和台板所使用的材料均为Q235AQ235A是碳素结构钢[6-7]。Q235A韧性和塑性较好,有一定的伸长率,具有良好的焊接性能和热加工性。根据西北地区实际线路,取道岔区域已断裂的滑床板,取样进行化学成分检验,具体成分如表1所示,对比规范要求,得出该区域滑床板的化学成分符合规范。

表1 实际线路滑床板材料组成 WB/%

分析表1成分数据,可以得出该区域滑床板的组成化学成分符合规范限定范围,单一考虑化学性能,则可以确定材料成分对滑床板的断裂病害影响不大。但综合分析Q235A级碳素钢仅仅能够满足常规材料的屈服强度、抗拉强度、伸长率等要求,对于西北区域温差变化较大的复杂气候条件,是否可以满足,需对其适应性作进一步分析。改进滑床板的材料,针对特殊地区做优化处理。

2.2 力学性能分析

结合不同的力学试验来测定Q235A级碳素钢材料的各种力学性能。在新材料的创新研发和使用过程中,力学性能是最重要的性能指标,且为材料塑性加工产品性能检验中不可缺少的检验项目。力学性能试验主要包括拉伸试验、扭转试验、压缩试验、冲击试验、硬度试验、疲劳试验等。本文主要对滑床板进行拉伸试验及疲劳断裂试验,试验过程如图2～3所示。

图2 拉伸试验 图3 疲劳断裂试验

拉伸试验结果数据如表2所示。

表2 Q235A拉伸试验数据

分析表2数据,对比规范GB/T700—2006(碳素结构钢)及GB/T228—2002(金属材料室温拉伸试验方法)得到,该区域道岔使用滑床板材料力学性能符合要求。

疲劳断裂试验结果表明,根据该区域内列车通过轴重等数据进行试验设计,在200万次疲劳下,Q235A级碳素钢的性能只有原来的25.6%,疲劳寿命为3.87×104轮次,且滑床板底板与台板的接缝处为疲劳寿命危险集中区。

综上所述,对于滑床板的组成材料的化学组成及力学性能基本上能符合规范要求,但在该区域实际线路中,期疲劳断裂试验表明,在线路通货能力较强及荷载集中情况下,滑床板底板与台板接缝处容易发生断裂伤损。

3 外界环境分析

西北区域年温度变化较大,因此存在较大温差,为研究外界环境是否对滑床板造成病害影响,统计线路所在区域城市年温度,并绘制温度变化曲线,如图4所示。

图4 温度曲线

分析图4得出,部分时段内,滑床板病害发生次数与温度变化拟合度不高,表面该区域内滑床板断裂时与温度的变化没有明显的相关性。

4 滑床板伤损图像智能识别

4.1 图像预处理

图像平滑处理主要用来降低图像上存在的失真及一系列噪点。本文通过分离彩色通道,将图像矩阵行列元素进行扩展填充,结合线性代数矩阵行列数据处理方法,针对图像边缘像素行列数据进行填充;同时,重构卷积核行列数据,进行平滑处理图像,选择不同颜色通道数据并分离三色图像后分割病害区域。

如图5所示,为分离出Green通道后分割的病害区域。

图5 提取图像病害区域

4.2 改进Canny边缘检测

本文结合传统Canny边缘检测算法,经过图像平滑处理,将图像矩阵元素进行扩展填充,重构卷积核行列数据,进而将图像矩阵与卷积核进行卷积计算,得到平滑后的图像矩阵。设定图像边界识别阈值,结合滑床板特性发现不同灰度级分布较为明显,故达到改进Canny边缘检测算法实现较好的自适应边界识别。具体流程如图6所示。

图6 改进Canny边缘检测流程

处理后的图像如7所示。

图7 改进Canny边缘检测结果

对比传统Canny边缘检测、Scharr、sobel边缘检测方法处理时间如表3所示。

表3 图像边缘检测数据对比

综上,分析改进Canny边缘检测算法识别道岔伤损,结果表明Canny算子提取效果较好;使用灰度级自提取,进而确定了伤损位置,识别伤损轮廓线较清晰,且改进Canny边缘检测算法在处理时间上较传统Canny边缘检测提高4.47%、比Scharr、Sobel边缘检测方法平均提升约10%。

5 结论

1) 分析实际线路所处区域21个月温度变化数据并根据道床滑床板的材料,检测其化学组成,并通过试验测试力学性能,分析得出材料组成及力学性能符合规范要求,外界环境变化不符合影响病害规律,但荷载对滑床板病害有影响。

2) 提出一种改进Canny边缘检测的滑床板图像识别算法,利用卷积核行列元素重构及灰度级自提取,达到自适应病害识别的目标,相比传统处理方法平均提高了约8.2%的图像处理速度,为检测维护提供可行的识别方法,但对于油污严重等客观因素仍需进一步研究。