基于极坐标等角度分布的钢轨廓形测量误差校准

引用本文

占栋, 景德炎, 吴命利, 张冬凯. 基于极坐标等角度分布的钢轨廓形测量误差校准[J]. 北京交通大学学报, 2018,42(3): 112-119.
ZHAN Dong, JING Deyan, WU Mingli, ZHANG Dongkai. Rail profile measurement error calibration based on equal angle distribution method in polar coordinate system[J]. JOURNAL OF BEIJING JIAOTONG UNIVERSITY, 2018,42(3): 112-119.
Doi:10.11860/j.issn.1673-0291.2018.03.015 复制到剪切板

Permissions

北京交通大学学报编辑部所有

基于极坐标等角度分布的钢轨廓形测量误差校准

占栋^1,², 景德炎², 吴命利¹, 张冬凯³

1. 北京交通大学电气工程学院,北京 100044

2. 中国铁路经济规划研究院,北京 100038

3.西南交通大学电气工程学院,成都 610031

第一作者:占栋(1986—),男,湖北黄石人,工程师,博士.研究方向为轨道交通电气化及检测技术.email:15198281626@163.com.

收稿日期: 2017-11-13

基金: 国家自然科学基金(61134001,51177137,U1234203); 国家重点研发计划(2017YFB1201202)

摘要

针对钢轨廓形(轨廓)动态测量系统现场长期应用精度下降问题,提出采用接触式轨廓测量仪对动态测量系统进行校准.首先根据极坐标系等角度分布原则,分别对接触式测量轨廓和非接触式测量轨廓进行数字化建模和重采样处理.然后选取接触式测量轨廓作为基准,建立非接触式测量轨廓与基准轨廓之间的映射关系.最后通过对比二者偏差,实现轨廓动态测量系统误差现场校准.实际应用表明,经校准后的轨廓动态测量系统,静态测量误差由0.96 mm降低到0.14 mm,动态重复性误差最大值、平均值和均方根值分别为0.29 mm、0.13 mm和0.18 mm,验证了校准方法的可行性.

关键词: 钢轨; 轮廓; 数字建模; 重采样; 校准

中图分类号:U216.3 文献标志码:A 文章编号:1673-0291(2018)03-0112-08

Rail profile measurement error calibration based on equal angle distribution method in polar coordinate system

ZHAN Dong^1,², JING Deyan², WU Mingli¹, ZHANG Dongkai³

1. School of Electrical Engineering, Beijing Jiaotong University, Beijing 100044, China

2. China Railway Economic and Planning Research Institute, Beijing 100038, China

3. School of Electrical Engineering, Southwest Jiaotong University, Chengdu 610031, China

Fund:National Natural Science Foundation of China (61134001, 51177137, U1234203); National Key R&D Plan(2017YFB1201202)

Abstract

In order to solve the long term onsite problem of accuracy decrease of the rail profile dynamic measurement system, the contact-type profile measurement instrument is proposed to correct the error of the dynamic measurement system. Firstly, the rail profiles, measured through the contact-type and noncontact-type methods, are digitized and resampled according to the principle of equal angle distribution in polar coordinate frame. Then, the contact-type rail profile is set as reference and the mapping relation between the contact-type and noncontact-type profiles can be established. Afterwards, the contact-type profile is compared with the noncontact-type profile based on the proposed method. The deviation, which is used for the error calibration, can be easily obtained. The onsite static experimental results show that the error of the corrected profile can be decreased from 0.96 mm to 0.14 mm. The onsite dynamic results indicate that the max-imum value, mean value and root mean square value of the absolute error are within 0.29 mm, 0.13 mm and 0.18 mm, respectively. Both the onsite static and dynamic measurements demonstrate the effectiveness of the proposed method.

Keyword: rail; profile; digital modeling; resampling; calibration

文章图片

钢轨廓形(轨廓)是表征钢轨服役性态的基本特征, 同时也是影响列车运行安全的重要因素^{[1, 2, 3, 4, 5]}.为实现轨廓精确测量, 国内外专家和学者开展了深入广泛的研究.文献[6, 7]首先提出采用激光摄像式传感器进行轨廓测量, 重点对传感器测量模型和复杂环境下钢轨激光图像处理方法进行了研究, 通过实际应用验证了方法的有效性.文献[8]提出采用KALMAN滤波和HESSIAN矩阵相结合的方法, 对轨廓图像目标和特征进行快速跟踪和精确识别, 以此提高轨廓测量效率和精度 .文献[9]首次系统地考虑了车体振动对轨廓测量的影响, 提出了一种基于多线结构光的轨廓测量误差补偿方法, 分别在静态和动态下进行了模拟试验和误差精度分析.文献[10]在传统测量方法的基础上, 提出采用非线性模型, 对轨廓标定方法进行优化, 提高了测量精度.文献[11]提出采用仿射变换理论, 通过Hausdorff距离和粒子群优化算法, 对动态测量轨廓进行校正和基准对齐, 提高了系统测量精度.文献[12]在文献[8, 9, 10, 11]的基础上, 对轨廓动态测量方法进行了进一步的改进, 提出基于不同钢轨断面轨颚特征点共线约束的结构光平面自标定方法, 该方法能够大大提高标定计算的灵活性和通用性.文献[13]对轨廓全断面测量方法进行了研究, 提出了一种圆柱靶标的多传感器数据融合算法, 并成功应用于钢轨生产制造中的轨廓在线测量.为满足现场轨廓测量实际需要, 国内外有关企业和科研机构基于激光测量技术, 研制了不同规格的轨廓检测系统^{[14, 15]}.

通过上述理论方法研究和实际的应用, 非接触式轨廓测量技术得到了长足的发展, 为钢轨科学维护发挥了不可替代的作用.采用车载方式进行轨廓动态检测, 已经成为行业共识.然而, 现场长期应用, 一些新的问题逐步显现.例如, 随着检测车辆运行里程增加, 车轮磨耗、检测梁变形、光学测量元件性能衰退现象日益明显, 导致测量基准改变和精度损失的问题较为突出.车载轨廓检测系统属大型动态检测设备, 拆卸返回实验室标定, 时间周期长, 难度大, 费用高, 会对现场维修作业带来一定影响.如何对车载轨廓测量系统进行现场快速校准, 提高系统可维护性, 确保系统长期可靠运行, 是现场需要解决的问题.

经过现场数据收集及误差溯源发现, 上述因素导致的测量误差, 属于系统误差范畴, 与随机误差相比, 具有明显规律可循, 可借助一定的标定手段减小或消除.本文作者从轨廓测量实际出发, 对车载轨廓检测装置现场长期运用产生的测量误差进行研究.提出采用MINIPROF接触式测量仪, 基于极坐标系等角度分布原则, 对车载非接触式测量轨廓进行重采样处理和基准对齐.通过对比接触式和非接触式测量轨廓二者偏差, 对车载轨廓测量系统进行现场校准, 解决车载测量系统现场长期使用带来的系统误差问题.

1 测量原理

采用线结构光技术进行轨廓测量, 系统测量原理及传感器性能直接决定轨廓测量精度, 同时也是影响轨廓校准方法选取的重要因素, 因此, 有必要对轨廓测量原理进行分析和讨论.

1.1 轨廓测量原理

要实现轨廓全断面测量, 单股钢轨至少需使用2组线结构光视觉传感器.每组传感器均由1台摄像机和1台线结构光源构成.同一股钢轨, 紧贴车轮踏面的一侧称为钢轨内侧, 远离车轮踏面的另一侧为钢轨外侧.受传感器视角决定, 要实现轨廓全断面测量, 须在钢轨内外侧对称安装两组传感器, 且保证内外侧光平面重合, 示意图如图1所示.

	Figure Option View Download New Window
	图1 轨廓测量示意图Fig.1 Schematic of rail profile measurement

测量时, 内外侧传感器投射的光平面与钢轨相交, 在钢轨表面形成1条包含钢轨轮廓的激光光条曲线.旁侧摄像机与光平面呈一定角度拍摄激光图像, 基于激光三角原理, 实现轨廓测量.

1.2 测量性能分析

采用线结构光技术进行轨廓测量, 前提须对传感器进行标定, 建立精确的测量模型.关于轨廓测量传感器标定, 可参见文献[16].本节重点分析传感器在不同方向分辨率, 为轨廓数字建模、重采样及校准提供依据.

线结构光传感器测量原理如图2所示.图2中, 摄像机坐标系定义为 $o_{c} ⁃ x_{c} y_{c} z_{c}$ , $o_{c} x_{c}$ 为摄像机像平面横轴方向, $o_{c} y_{c}$ 为像平面纵轴方向, $o_{c} z_{c}$ 为主光轴方向.测量基准坐标系定义为 $o_{w} ⁃ x_{w} y_{w} z_{w}$ , $o_{w}$ 为 $o_{c}$ 在光平面投影, $o_{w} z_{w}$ 为 $o_{c} x_{c} z_{c}$ 平面与光平面交线, $o_{w} y_{w}$ 位于光平面内且 $o_{w} y_{w} ⊥ o_{w} z_{w}$ , 摄像机相对于结构光平面安装角度为 $φ_{1}$ .

	Figure Option View Download New Window
	图2 线结构光视觉测量原理Fig.2 Measurement principle of line structured-light vision

传感器 $o_{w} z_{w}$ 轴测量原理, 如图3(a)所示.以 $o_{w}$ 为原点, $o_{w} z_{w}$ 轴测量起始点为 $A$ , 终点为 $C$ , $∠ A o_{c} C$ 为传感器横轴测量视角, 主光轴 $o_{c} z_{c}$ 与 $o_{w} z_{w}$ 交于点 $B$ , 摄像机像平面横轴任意点 $X_{E}$ 经焦点 $o_{c}$ 与 $o_{w} z_{w}$ 交于点 $D, O$ 为像平面主点.传感器 $o_{w} y_{w}$ 轴测量原理如图3(b)所示, $o_{c} E$ 为待测点 $D$ 在主光轴 $o_{c} z_{c}$ 上投影, $FH$ 为传感器纵轴测量范围, $∠ F o_{c} H$ 为传感器纵轴测量视角.

	Figure Option View Download New Window
	图3 传感器测量原理Fig.3 Measurement principle of sensor

采用直接线性模型^[12], 对传感器在 $o_{w} z_{w}$ 和 $o_{w} y_{w}$ 轴测量特性分别进行讨论.由激光三角原理可知^[16], 传感器分辨率由内部参数与外部参数共同决定.内部参数主要包括像平面主点坐标 $(X_{0}, Y_{0})$ 、像元尺寸 $μ$ 、镜头焦距 $f$ .外部参数包括摄像机与光平面间基距 $z_{c} o_{w}$ .根据像平面上任意点坐标 $(X_{E}, Y_{E})$ , 可建立图3(a)中像平面横轴 $O X_{E}$ 与光平面测量轴 $o_{w} z_{w}$ 间映射关系

$o_{w} D = \frac{o_{c} o_{w} \cdot [\tan φ_{1} \cdot f + μ \cdot (X_{E} - X_{0})]}{[f - μ \cdot \tan φ_{1} (X_{E} - X_{0})]} (1)$

根据图3(b)中三角几何关系, 可得摄像机像平面纵轴 $O Y_{E}$ 与光平面测量轴 $o_{w} y_{w}$ 间映射关系

$\begin{array}{l} FH = [(o_{c} o_{w} / \cos φ_{1}) + (o_{w} D - \\ o_{c} o_{w} \tan φ_{1}) \sin φ_{1}] μ \cdot 2 Y_{0} / f (2) \end{array}$

设传感器在 $o_{w} z_{w}$ 轴上的测量分辨率为 $Δ X$ , 在 $o_{w} y_{w}$ 轴上的测量分辨率为 $Δ Y$ , 根据像素坐标 $(X_{E}, Y_{E})$ 在 $o_{w} z_{w}$ 、 $o_{w} y_{w}$ 轴上的成像距离 $o_{w} D$ 和 $FH$ , 可得

$\{\begin{array}{l} Δ X = o_{w} D^{(i + 1)} - o_{w} D^{(i)} \\ Δ Y = F H^{(i + 1)} - F H^{(i)} \end{array} (3)$

式中上标 $i$ 为像素坐标序号.选用TY-RPDS-300系列线结构光视觉传感器进行轨廓测量, 其基距 $o_{w} o_{c}$ 为200 mm, 焦距 $f$ 为16 mm, 像元尺寸 $μ$ 为0.005 3 mm, 安装角度 $φ_{1}$ 为65° , 主点坐标( $X_{0}, Y_{0})$ 为(512, 640).

借助式(1)~式(3)中模型及TY-RPDS-300系列线结构光视觉传感器参数, 可得此传感器测量分辨率, 如图4所示.

	Figure Option View Download New Window
	图4 测量分辨率Fig.4 Measurement resolution

由图4可知, 采用线结构光技术进行轨廓测量, 轨廓测量分辨率是关于图像坐标 $(X_{E}, Y_{E})$ 的非线性函数, 造成同一测量轨廓分辨率不统一, 为测量轨廓误差描述及校准带来极大不便.因此, 利用线结构光技术进行轨廓测量, 要实现误差校准, 利用合适的方法对测量轨廓进行数字建模和重采样处理, 是实现轨廓分辨率统一的重要步骤.

2 轨头廓形数字建模

目前, 铁路应用最广泛的是60 kg/m钢轨, TB60轨廓设计尺寸如图5(a)所示^[17].轨头设计廓形由2条线段和5段圆弧前后依次相切连接而成, 每条线段和圆弧切点如图5(b)所示.为便于表述, 将 $A_{1} B_{1}$ 、 $B_{1} C_{1}$ 、 $C_{1} D_{1}$ 、 $D_{1} D_{2}$ 、 $D_{2} C_{2}$ 、 $C_{2} B_{2}$ 、 $B_{2} A_{2}$ 按顺序记为 $L_{i}$ , $L_{i}$ 长度记为 $S_{i}$ , 直角坐标系中, $L_{i}$ 对应角度记为 $α_{i}$ , $i = 1, 2, 3, \dots, 7$ .

	Figure Option View Download New Window
	图5 轨头设计廓形及角度分布Fig.5 Designed railhead profile and angle distribution

要精确描述轨头形貌特征, 首先需对标准轨头设计廓形进行数字化离散, 然后采用计算中Matlab软件建立轨头数字模型.若以图5(b)中 $A_{1} A_{2}$ 为横轴 $x$ , 轨廓中轴线为纵轴 $y, A_{1} A_{2}$ 中点为原点 $o$ , 建立笛卡尔直角坐标系 $oxy$ , 则设计轨廓可用分段函数描述.

$\{\begin{array}{l} A_{1} B_{1} : 20 x - y + 728.614 = 0, \\ - 36.43 \leq x < - 35.4 \\ B_{1} C_{1} : {(x + 22.42)}^{2} + {(y - 19.96)}^{2} = 169, \\ - 35.4 \leq x < - 25.35 \\ C_{1} D_{1} : {(x + 7.30)}^{2} + {(y + 45.31)}^{2} = 6400, \\ - 25.35 \leq x < - 9.95 \\ D_{1} D_{2} : x^{2} + {(y + 265.19)}^{2} = 90000, \\ - 9.95 \leq x < 9.95 \\ D_{2} C_{2} : {(x - 7.30)}^{2} + {(y + 45.31)}^{2} = 6400, \\ 9.95 \leq x < 25.35 \\ C_{2} B_{2} : {(x - 22.42)}^{2} + {(y - 19.96)}^{2} = 169, \\ 25.35 \leq x < 35.4 \\ B_{2} A_{2} : - 20 x - y + 728.614 = 0, \\ 35.4 \leq x < 36.43 \end{array} (4)$

对图5中轨头设计廓形进行数字化离散, 为便于定位, 采用等角度作为特征.评价轨廓数字化离散方法性能主要有以下因素:1) 离散点分布特征是否明显, 是否便于定位和分析; 2) 整个轨头区域, 离散点分布是否均匀; 3) 是否便于测量轨廓特征提取; 4) 是否有助于算法处理效率提升.

采用等角度分布原则, 对轨廓进行数字化离散.同理, 为表征 $L_{i}$ 内离散点分布密度, 采用 $ρ_{αi} = α_{i} / S_{i}$ 描述.根据图5(a)可求得 $α_{i}$ , 如图5(b)标注所示, 半径13 mm、80 mm、300 mm圆弧覆盖角度分别为74.1° 、11.1° 和3.8° .由于不同半径圆弧曲率差异较大, 以等角度为原则的轨廓数字化离散, 存在不同区域离散点分布不均的问题.

为解决上述方法在轨廓数字化建模时面临问题, 提出采用极坐标系下的等角度分布原则, 对轨头廓形进行数字化离散.极坐标系极点、极轴分别与图5(b)中笛卡尔直角坐标系原点 $o 、 x$ 轴重合, $L_{i}$ 在极坐标系下角度记为 $β_{i}$ . $L_{i}$ 采用极坐标系下等角度为原则进行离散, 所得密度分布记为 $ρ_{βi}$ , $ρ_{βi} = β_{i} / S_{i}$ , 结果如表1所示.

分别在直角坐标系和极坐标系下采用等角度原则进行轨廓数字化离散, 离散点密度分布 $ρ_{αi}$ 和 $ρ_{βi}$ 对比, 如图6所示.

表1 等角度离散后轨廓特征点分布统计 Tab.1 Statistical analysis of characteristic point distribution of rail profile after equal angle sampling

分段曲线 $L_{i}$	长度/mm	角度/(° )		平均分布/(° /mm)
分段曲线 $L_{i}$	$S_{i}$	$α_{i}$	$β_{i}$	$ρ_{αi}$	$ρ_{βi}$
$A_{1} B_{1}$	20.6	0	30.2	0	1.47
$B_{1} C_{1}$	16.8	74.1	21.9	4.41	1.30
$C_{1} D_{1}$	15.6	11.1	21.8	0.71	1.40
$D_{1} D_{2}$	20.0	3.8	32.0	0.19	1.60
$D_{2} C_{2}$	15.6	11.1	21.8	0.71	1.40
$C_{2} B_{2}$	16.8	74.1	21.9	4.41	1.30
$B_{2} A_{2}$	20.6	0	30.2	0	1.47

表1 等角度离散后轨廓特征点分布统计 Tab.1 Statistical analysis of characteristic point distribution of rail profile after equal angle sampling

	Figure Option View Download New Window
	图6 等角度离散特征点分布密度Fig.6 Distribution density of equal angle diaspora characteristic point

由图6可知, 采用极坐标系下等角度原则进行轨廓数字化离散, 能够兼顾轨头特征点定位和廓形描述, 与直角坐标系离散方法相比具有显著优势.

3 试验

根据轨头廓形数字建模, 对测量轨廓进行重采样处理.现场得到测量轨廓后, 将其置于相同坐标系进行基准对齐, 采用极坐标系等角度分布原则, 对测量轨廓进行重采样处理, 建立相同基准下不同测量轨廓一一映射关系, 据此进行轨廓测量误差校准.

3.1 静态校准试验

钢轨设计廓形为不同滚动圆与线段圆顺连接而成, 受测量分辨率限制, 测量轨廓存在锯齿波现象.采用分段函数对测量轨廓进行圆滑处理, 对于精度保证至关重要.本文采用基于多项式作为目标函数, 对测量廓形进行拟合处理, 提高测量轨廓的圆顺度.

采用图7(a)中车载轨廓测量装置, 对钢轨断面进行测量.为校准现场测量误差, 采用图7(b)中MINIPROF接触式轨廓测量仪对同一钢轨断面进行测量.该接触式轨廓测量仪精度达0.01 mm^[18], 相对于钢轨维修工艺以及车载非接触式轨廓测量精度, 可将其作为轨廓真实值处理.

	Figure Option View Download New Window
	图7 测量系统现场实物Fig.7 Measurement experiment of onsite setup

采用文中轨廓数字化建模方法, 对测量轨廓进行重采样及基准对齐, 对齐结果如图8(a)所示, 局部放大如图8(b)所示.

	Figure Option View Download New Window
	图8 测量轨廓结果Fig.8 Rail profile measurement results

由图8(b)可知, 非接触式测量轨廓与接触式测量轨廓存在不重合.非接触式测量系统存在明显的误差, 故需进行校准.设接触式测量轨廓为 $R H^{(0)}$ , 非接触式测量轨廓为 $R H^{(1)}$ , 由于采用了极坐标系下的等角度分布原则对轨廓进行数字化离散, $R H^{(0)}$ 与 $R H^{(1)}$ 在极坐标系下每一点都建立了一一映射关系.设 $R H^{(0)}$ 与 $R H^{(1)}$ 在极坐标系下偏差记为 $Δ RH$ , 则

$Δ RH = R H^{(1)} - R H^{(0)} (5)$

$Δ RH$ 即为非接触式测量轨廓误差, $△ RH$ 在极坐标系0° ~180° 范围内波动情况, 如图9中红色曲线所示.

	Figure Option View Download New Window
	图9 标定前后误差对比Fig.9 Comparison of errors before and after calibration

由图9可知, $Δ R H$ 最大偏差为0.96 mm, 而铁路线路修理规则要求, 轨头磨耗测量精度须控制在0.3 mm以内^[19], 该车载非接触式轨廓测量系统精度无法满足标准要求.在进行多处不同轨廓测量中发现, 此系统最大误差基本都在1 mm左右, 且不同钢轨断面的非接触式测量轨廓与接触式测量轨廓相比, 误差曲线基本重合, 说明该误差为系统误差, 可以通过接触式测量轨廓进行校准.

为实现车载非接触式轨廓测量精度提升, 采用图9中标定前误差对非接触式测量轨廓进行补偿校准.校准后的非接触式轨廓测量系统, 对新的钢轨断面进行测量, 再与接触式测量轨廓对比, 标定后误差见图9中蓝色曲线, 其最大误差为0.14 mm.由图9中校准前后轨廓测量误差可知, 采用文中方法进行车载轨廓检测系统现场校准, 可显著提高系统精度.

3.2 静态测量试验

以上试验得到了校准后的轨廓测量系统静态精度.安装于检测车上的轨廓测量系统, 主要用于动态检测, 动态测量精度是体现系统测量性能的重要指标.因此, 在满足静态精度的基础上, 进行动态试验.检测车以80 km/h速度在平直线路往返运行各一次.轨廓测量系统通过里程定位模块进行空间定位.在长100 m的钢轨上每间隔25 m取1个样本, 通过对比同一钢轨断面的两次轨廓测量结果, 得到系统在不同钢轨断面的重复性误差, 以此验证本文校准方法在轨廓动态测量中的有效性.

设 $R D_{ij}$ 为第 $i$ 个钢轨断面的第j次轨廓测量结果, 其中 $i = 1, 2, 3, 4, 5, j = 1, 2,$ 则轨廓测量系统在第i个钢轨断面的重复性误差 $R E_{i}$ 为

$R E_{i} = R D_{i 1} - R D_{i 2} (6)$

5组轨廓样本动态重复性误差曲线见图10.校准后的轨廓测量误差幅值基本重合, 从而有效地验证了文中校准方法的稳定性.为得到校准后的轨廓测量系统动态重复性误差技术指标, 采用最大误差(Maximum absolute error, Max)、平均误差(Mean Absolute Error, MAE)和均方根误差(Root Mean Square Error, RMSE), 来表征轨廓动态重复误差.图10中重复性误差统计结果见表2.

	Figure Option View Download New Window
	图10 动态重复性误差曲线Fig.10 Dynamic repeatability error curves

表2 重复性误差统计 Tab.2 Statistical analysis of repeatability errors mm

由表2可知, 统计后的5组钢轨断面的重复性误差最大值、平均值和均方根值, 分别为0.29 mm、0.13 mm和0.18 mm.对5组钢轨断面动态测量轨廓重复性误差概率分布进行统计, 并采用高斯函数对误差概率分布进行拟合, 结果如图11所示.

由图11容易看出, 不同轨廓样本重复性测量误差, 都符合高斯分布特性, 与工程应用中随机误差分布规律一致, 进一步验证了文中校准方法的有效性.

	Figure Option View Download New Window
	图11 重复性误差概率分布Fig. 11 Probablity distribution of repeatability errors

4 结论

1)结合轨廓形态特征, 提出采用极坐标系等角度分布原则, 对轨廓进行数字化离散和重采样处理, 建立了测量轨廓数字化模型.

2)针对车载非接触式轨廓测量系统长期使用带来的误差问题, 提出采用MINIPROF接触式轨廓测量仪, 对非接触式测量轨廓进行标定, 从而解决了车载轨廓测量误差现场校准问题.

3)通过校准前后轨廓测量结果分析, 经文中方法现场校准, 车载轨廓测量系统静态精度由0.96 mm提高到0.14 mm, 动态重复性误差最大值、平均值和均方根值, 分别为0.29 mm、0.13 mm和0.18 mm, 验证了文中校准方法切实可行.

The authors have declared that no competing interests exist.

参考文献

文献列表

[1]	翟婉明, 赵春发, 夏禾, 等. 高速铁路基础结构动态性能演变及服役安全的基础科学问题[J]. 中国科学, 2014, 44(7): 645-660. ZHAI Wanming, ZHAO Chunfa, XIA He, et al. Basic scientific issues on dynamic performance evolution of the high-speed railway infrastructure and its service safety[J]. Science China, 2014, 44(7): 645-660. (in Chinese) [本文引用:1]
[2]	温泽峰, 金学松. 钢轨波浪形磨损研究[J]. 中国铁道科学, 2007, 28(1): 136-138. WEN Zefeng, JIN Xuesong. Study on rail corrugation[J]. China Railway Science, 2007, 28(1): 136-138. (in Chinese) [本文引用:1]
[3]	刑丽贤. 提速条件下钢轨伤损特点及钢轨伤损分类的研究[D]. 北京: 中国铁道科学研究院, 2008. XING Lixian. Research on defect characteristics and classification of higher speed rails[D]. Beijing: China Academy of Railway Sciences, 2008. (in Chinese) [本文引用:1]
[4]	李伟, 杜星, 王衡禹, 等. 地铁钢轨一种波磨机理的调查分析[J]. 机械工程学报, 2013, 49(16): 26-32. LI Wei, DU Xing, WANG Hengyu, et al. Investigation into the mechanism of type of rail corrugation of metro[J]. Journal of Mechanical Engineering, 2013, 49(16): 26-32. (in Chinese) [本文引用:1]
[5]	刘月明, 李建勇, 蔡永林, 等. 钢轨打磨技术现状和发展趋势[J]. 中国铁道科学, 2014, 35(4): 29-37. LIU Yueming, LI Jianyong, CAI Yonglin, et al. Current state and development trend of rail grinding technology[J]. China Railway Science, 2014, 35(4): 29-37. (in Chinese) [本文引用:1]
[6]	AlIPPI C, CASAGRANDE E, SCOTTI F, et al. Composite real-time image processing for railways track profile measurement[J]. IEEE Transaction on Instrumentation and Measurement, 2000, 49(3): 559-564. [本文引用:1]
[7]	POPOV D V, RYABICHENKO R B, KRIVOSHEINA E A. Calibration of the CCD photonic measuring system for railway inspection[C]// Proceeding of SPIE. Bellingham, 2005: 1-9. [本文引用:1]
[8]	SUN J H, LIU Z, ZHAO Y T, et al. Motion deviation rectifying method of dynamically measuring rail wear based on multi-line structured-light vision[J]. Optics & Laser Technology, 2013, 50(2): 25-32. [本文引用:2]
[9]	LIU Z, SUN J H, WANG H, et al. Simple and fast rail wear measurement method based on structured light[J]. Optics and Lasers in Engineering, 2011, 49(11): 1343-1351. [本文引用:2]
[10]	占栋, 于龙, 肖建, 等. 轨道检测中激光摄像式传感器标定方法研究[J]. 机械工程学报, 2013, 49(16): 39-47. ZHAN Dong, YU Long, XIAO Jian, et al. Calibration approach study for the laser camera transducer of track inspection[J]. Journal of Mechanical Engineering, 2013, 49(16): 39-47. (in Chinese) [本文引用:2]
[11]	LIU H L, LI Y F, MA Z J, et al. Recognition and calibration of rail profile under affine-distortion-based point set mapping[J]. IEEE Transactions on Instrumentation and Measurement, 2017, 66(1): 131-140. [本文引用:2]
[12]	WANG C, LI Y F, MA Z J, et al. Distortion rectifying for dynamically measuring rail profile based on self-calibration of multiline structured light[J]. IEEE Transaction on Instrumentation and Measurement, 2018, 67(3): 678-689. [本文引用:2]
[13]	MOLLEDA J, USAMENTIAGA R, MILLARA A F, et al. A profile measurement system for rail quality assessment during manufacturing[J]. IEEE Transactions on Industry Applications, 2016, 52(3): 2684-2692. [本文引用:1]
[14]	鞠标, 朱洪涛, 徐菊萍, 等. 基于几何特征的钢轨磨耗检测系统的研究[J]. 铁道标准设计, 2016, 60(12): 31-35. JU Biao, ZHU Hongtao, XU Juping, et al. Rail abrasion inspection system based on geometric features[J]. Railway Stand ard Design, 2016, 60(12): 31-35. (in Chinese) [本文引用:1]
[15]	郑树彬, 柴晓东, 安小雪, 等. 基于动态模板的钢轨磨耗测量方法研究[J]. 中国铁道科学, 2013, 34(2): 7-12. ZHENG Shubin, CHAI Xiaodong, AN Xiaoxue, et al. Rail wear measuring method based on dynamic template[J]. China Railway Science, 2013, 34(2): 7-12. (in Chinese) [本文引用:1]
[16]	占栋. 线结构光视觉测量关键技术及在轨道交通巡检中应用[D]. 成都: 西南交通大学, 2015. ZHAN Dong. Research on key techniques of line-structured light vision measurement and its applications in railway dynamic inspection[D]. Chengdu: Southwest Jiaotong University, 2015. (in Chinese) [本文引用:2]
[17]	中国国家质量监督检验检疫总局, 中国国家标准化管理委员会. 铁路用热轧钢轨: GB 2825—2007[S]. 北京: 中国质检出版社, 2008: 12-16. General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China, Stand ardization Administration of the People’s Republic of China. Hot-rolled steel rails for railway: GB 2825—2007 [S]. Beijing: China Quality Press, 2008: 12-16. (in Chinese) [本文引用:1]
[18]	TELLISKIVI T, OLOFSSON U. Contact mechanics analysis of measured wheel-rail profiles using the finite element method[J]. Proceeding of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit, 2001, 215(2): 65-72. [本文引用:1]
[19]	中华人民共和国铁道部. 铁路线路修理规则[S]. 北京: 中国铁道出版社, 2012: 20-29. The Ministry of Railway of the People’s Republic of China. The principle of railway line maintenance [S]. Beijing: China Railway Press, 2012: 20-29. (in Chinese) [本文引用:1]

2014

0.0

翟婉明, 赵春发, 夏禾, 等. 高速铁路基础结构动态性能演变及服役安全的基础科学问题[J]. 中国科学, 2014, 44(7): 645-660.

ZHAI

Wanming

, ZHAO

Chunfa

, XIA

, et al. Basic scientific issues on dynamic performance evolution of the high-speed railway infrastructure and its service safety[J]. Science China, 2014, 44(7): 645-660. (in Chinese)

... 钢轨廓形(轨廓)是表征钢轨服役性态的基本特征,同时也是影响列车运行安全的重要因素^[1,2,3,4,5] ...

2007

0.0

... 钢轨廓形(轨廓)是表征钢轨服役性态的基本特征,同时也是影响列车运行安全的重要因素^[1,2,3,4,5] ...

2008

0.0

刑丽贤. 提速条件下钢轨伤损特点及钢轨伤损分类的研究[D]. 北京: 中国铁道科学研究院, 2008.

XING

Lixian

. Research on defect characteristics and classification of higher speed rails[D]. Beijing: China Academy of Railway Sciences, 2008. (in Chinese)

本文结合提速线路钢轨伤损的现场调查结果,对提速条件下钢轨的伤损特点进行了研究,重点对钢轨滚动接触疲劳伤损进行了分析研究,提出了修改我国钢轨伤损分类标准的建议。各铁路局有代表性的提速线路区段钢轨伤损情况调查的数据及分析结果表明：除传统伤损形式以外,又出现了一些钢轨伤损的新类型,主要有：直线钢轨交替不均匀侧面磨耗；钢轨滚动接触疲劳伤损；钢轨波浪状弯曲。本文分别对这三种新的钢轨伤损形式的特点及其形成原因进行了深入的分析研究,为预防和解决提速条件下的钢轨伤损问题提供了可靠依据。近年来随着铁路运输条件的变化,钢轨滚动接触疲劳伤损日益突出,不仅出现在曲线上股,还出现在下股和直线的轨距角及踏面中心部位,严重影响钢轨的使用寿命甚至危及行车安全。我国目前钢轨滚动接触疲劳伤损主要表现为轨头斜裂纹、隐伤和剥离掉块。本文针对广深、京广线以及进口热处理钢轨出现的滚动接触疲劳伤损,重点对轨头斜裂纹伤损、斜裂纹萌生机理以及扩展的全寿命模型进行了分析研究,讨论研究了钢轨强度等级、轨底坡对钢轨滚动接触疲劳(RCF)的影响,并提出相应预防对策及建议。在国内钢轨使用情况调查和检验分析的基础上,参考国内外钢轨伤损分类方法及有关各种典型伤损的资料,论述了我国铁路钢轨的伤损类型及其伤损状态和伤损原因,可以作为现场判断钢轨伤损类型、分析钢轨伤损原因的参考资料,同时也结合我国铁路伤损钢轨统计工作概况,提出了修改钢轨伤损分类标准的建议。该论文的研究成果与提速条件下铁路行车安全密切相关具有重要的现实意义。

... 钢轨廓形(轨廓)是表征钢轨服役性态的基本特征,同时也是影响列车运行安全的重要因素^[1,2,3,4,5] ...

2013

0.0

李伟, 杜星, 王衡禹, 等. 地铁钢轨一种波磨机理的调查分析[J]. 机械工程学报, 2013, 49(16): 26-32.

Wei

, DU

Xing

, WANG

Hengyu

, et al. Investigation into the mechanism of type of rail corrugation of metro[J]. Journal of Mechanical Engineering, 2013, 49(16): 26-32. (in Chinese)

... 钢轨廓形(轨廓)是表征钢轨服役性态的基本特征,同时也是影响列车运行安全的重要因素^[1,2,3,4,5] ...

2014

0.0

刘月明, 李建勇, 蔡永林, 等. 钢轨打磨技术现状和发展趋势[J]. 中国铁道科学, 2014, 35(4): 29-37.

LIU

Yueming

, LI

Jianyong

, CAI

Yonglin

, et al. Current state and development trend of rail grinding technology[J]. China Railway Science, 2014, 35(4): 29-37. (in Chinese)

综述钢轨病害产生的原因及其预测方法、钢轨打磨机理、打磨策略、打磨方式、打磨模式、打磨周期、质量评价和钢轨打磨技术的发展趋势等,研究钢轨打磨策略由修复性打磨向预防性打磨转变带来的新要求。由于钢轨表层材料的去除厚度由1.0~1.5mm减小为0.1~0.2mm,打磨周期缩短为原来的1/4,因此迫切需要提高打磨效率;包络式打磨作业速度低但材料去除厚度大,轮廓式打磨与之相反,建议根据线路维护的实际需求在不同打磨周期内交替采用这2种方式进行钢轨打磨;钢轨打磨目标廓型的优化可以钢轨标准廓型或钢轨磨损廓型为基础进行;针对我国列车运行密度大、"天窗时间"短、线路客货两用等实际路况,建议制定区域线路打磨周期的长期规划以降低钢轨维护成本;研究30~80km·h-1高速打磨技术以提高打磨效率;细化打磨模式可满足按照目标廓型打磨钢轨的要求;钢轨打磨作业的智能化、信息的集成化和装备的柔性化是钢轨打磨技术的发展趋势。

... 钢轨廓形(轨廓)是表征钢轨服役性态的基本特征,同时也是影响列车运行安全的重要因素^[1,2,3,4,5] ...

2000

0.0

... 文献[6,7]首先提出采用激光摄像式传感器进行轨廓测量,重点对传感器测量模型和复杂环境下钢轨激光图像处理方法进行了研究,通过实际应用验证了方法的有效性 ...

2005

0.0

2013

0.0

... 文献[8]提出采用KALMAN滤波和HESSIAN矩阵相结合的方法,对轨廓图像目标和特征进行快速跟踪和精确识别,以此提高轨廓测量效率和精度 ...

... 文献[12]在文献[8,9,10,11]的基础上,对轨廓动态测量方法进行了进一步的改进,提出基于不同钢轨断面轨颚特征点共线约束的结构光平面自标定方法,该方法能够大大提高标定计算的灵活性和通用性 ...

2011

0.0

... 文献[9]首次系统地考虑了车体振动对轨廓测量的影响,提出了一种基于多线结构光的轨廓测量误差补偿方法,分别在静态和动态下进行了模拟试验和误差精度分析 ...

2013

0.0

占栋, 于龙, 肖建, 等. 轨道检测中激光摄像式传感器标定方法研究[J]. 机械工程学报, 2013, 49(16): 39-47.

ZHAN

Dong

, YU

Long

, XIAO

Jian

, et al. Calibration approach study for the laser camera transducer of track inspection[J]. Journal of Mechanical Engineering, 2013, 49(16): 39-47. (in Chinese)

... 文献[10]在传统测量方法的基础上,提出采用非线性模型,对轨廓标定方法进行优化,提高了测量精度 ...

2017

0.0

... 文献[11]提出采用仿射变换理论,通过Hausdorff距离和粒子群优化算法,对动态测量轨廓进行校正和基准对齐,提高了系统测量精度 ...

2018

0.0

... 采用直接线性模型^[12],对传感器在 owzw和 owyw轴测量特性分别进行讨论 ...

2016

0.0

... 文献[13]对轨廓全断面测量方法进行了研究,提出了一种圆柱靶标的多传感器数据融合算法,并成功应用于钢轨生产制造中的轨廓在线测量 ...

2016

0.0

鞠标, 朱洪涛, 徐菊萍, 等. 基于几何特征的钢轨磨耗检测系统的研究[J]. 铁道标准设计, 2016, 60(12): 31-35.

Biao

, ZHU

Hongtao

, XU

Juping

, et al. Rail abrasion inspection system based on geometric features[J]. Railway Stand ard Design, 2016, 60(12): 31-35. (in Chinese)

... 为满足现场轨廓测量实际需要,国内外有关企业和科研机构基于激光测量技术,研制了不同规格的轨廓检测系统^[14,15] ...

2013

0.0

... 为满足现场轨廓测量实际需要,国内外有关企业和科研机构基于激光测量技术,研制了不同规格的轨廓检测系统^[14,15] ...

2015

0.0

占栋. 线结构光视觉测量关键技术及在轨道交通巡检中应用[D]. 成都: 西南交通大学, 2015.

ZHAN

Dong

. Research on key techniques of line-structured light vision measurement and its applications in railway dynamic inspection[D]. Chengdu: Southwest Jiaotong University, 2015. (in Chinese)

近年来,轨道交通在中国得到了突飞猛进的发展,不断增加的运营里程数据表明,中国轨道交通骨干运输网已经基本形成。未来,轨道交通发展将由大规模建造逐步转入长期安全运营维护和管理阶段。作为轨道交通基础设施的钢轨、隧道、接触网,不仅要经受一切自然条件的影响,还需承载高速列车移动载荷,影响其服役安全的因素众多,现场十分复杂。依赖传统人工巡道、人工持便携式测量仪对上述基础设施进行定点测量,显然无法满足现代轨道交通发展需要。没有现代科学维护手段,很难确保其安全稳定运行。如何采用现代科技手段进行轨道交通基础设施维护,成为轨道交通维护部门面临的重要难题。线结构光测量作为现代视觉测量技术重要分支,具有量程大、精度高、柔性好、主动受控等优点,受到越来越广泛关注。将线结构光视觉测量技术应用于轨道交通基础设施动态巡检中,较既有人工静态或步巡检测,具有无法比拟的优势。然而,线结构光视觉测量是一门涉及光学、光电子学、信号处理、模式识别、计算机科学、仪器科学等诸多学科的综合性应用技术,内容十分宽泛,影响其测量的因素众多,面临的实际问题非常复杂。因此,开展线结构光视觉测量关键技术及其在轨道交通基础设施动态巡检中应用研究,对于解决轨道交通基础设施巡检难题,十分关键。鉴于此,围绕线结构光测量技术,对以下关键问题进行研究：(1)要实现线结构光视觉测量,须对系统进行标定。解决多视觉传感器全局标定难题,是决定测量系统成败关键。复杂线结构光测量系统,面临传感器数量多、空间分布广、现场工况恶劣等实际问题。提出按不同传感器测量视角,将复杂线结构光系统标定,分解为公共视角、相邻视角和无公共视角三类不同问题,并以此为基础,进一步将不同测量视角下多视觉传感器标定,等效变换为多次单个视觉传感器标定及其内外部参数求解和两两逐次换算,建立系统精确测量模型。通过复杂视觉测量系统中不同传感器测量视角划分及其差异化标定方法,有效解决测量系统标定难题。(2)如何提取位于结构光平面内稳定可靠的特征点,一直以来都是困扰光平面结构参数标定的现实难题。针对该问题,提出了一种针形靶标和位移台相结合的运动标定方法。通过光平面与位移台针形靶标相交及其运动,获取足够数量的光平面标定特征点。该方法有效解决了光平面特征点获取问题,相对于传统标定方法普遍存在的特征点数量不足而言,能够显著提高精度。(3)精确的结构光图像特征提取,是系统测量关键环节。传统图像处理算子,显然无法满足高精度测量要求。基于曲线拟合、曲面拟合和特征值分解的数值运算方法,能够获取亚像素精度,但普遍存在运算量大问题。为兼顾图像特征提取算法在识别精度和处理效率方面性能,提出了一种基于脊线跟踪的改进Hessian矩阵特征提取算法。通过脊线跟踪对Hessian矩阵算法改进,避免了原算法对图像整体进行大规模运算问题。改进Hessian矩阵识别算法,在保持原算法亚像素识别精度基础上,有效提高了处理效率。(4)现实中,不同视觉传感器与待测物体之间位姿不同,传感器会受光照条件、待测物表面形状、光路及自身光敏特性影响,导致经全局校准后测量系统,在公共视角内测量相同物体轮廓,往往出现不重合现象。最近迭代点算法(Interactive Closest Points, ICP)作为不同传感器测量数据融合经典算法,在离线处理中应用十分广泛,但对于实时性要求很高的结构光在线测量,由于需对不同点集进行穷尽搜索,一般很难满足实时要求。为此,提出了一种基于k-d树的多视觉传感器测量数据快速配准方法。通过k-d树快速搜索算法引入,切实提高了测量数据融合效率。(5)针对车载动态检测中的车辆振动问题,以钢轨廓形检测为例,系统分析了车辆多自由度振动对钢轨廓形测量影响,探明了车辆不同类型振动对钢轨廓形测量误差影响规律,提出了基于正交分解的车辆多自由度振动解耦和补偿方法,并进行现场测试,试验结果验证了所提方法的有效性。通过线结构光视觉测量技术在轨道交通基础设施巡检中应用,不仅验证了研究方法测试精度、测试效率、现场可行性,同时,切实解决了轨道交通基础设施巡检难题,为轨道交通运营维护提供技术手段。

... 关于轨廓测量传感器标定,可参见文献[16] ...

... 由激光三角原理可知^[16],传感器分辨率由内部参数与外部参数共同决定 ...

2008

0.0

... 2 轨头廓形数字建模目前,铁路应用最广泛的是60 kg/m钢轨,TB60轨廓设计尺寸如图5(a)所示^[17] ...

2001

0.0

... 01 mm^[18],相对于钢轨维修工艺以及车载非接触式轨廓测量精度,可将其作为轨廓真实值处理 ...

2012

0.0

... 3 mm以内^[19],该车载非接触式轨廓测量系统精度无法满足标准要求 ...