基于機(jī)器視覺的貨車轉(zhuǎn)向架典型故障檢測(cè)方法研究.pdf

1、近年來，隨著我國鐵路貨車運(yùn)輸事業(yè)的快速發(fā)展，貨車運(yùn)行已呈現(xiàn)出高速、重載、大密度開行的發(fā)展趨勢(shì)。傳統(tǒng)的人工檢測(cè)由于受到列檢人員等因素的影響使得工作效率低，顯然這樣的檢測(cè)方式已經(jīng)不能滿足當(dāng)下貨車的發(fā)展要求。對(duì)此，鐵路總公司針對(duì)鐵路貨車運(yùn)行故障檢測(cè)，推出了一套利用機(jī)器代替人眼的安全檢測(cè)系統(tǒng)，即TFDS(Trouble of moving freight car detection system,貨車運(yùn)行故障動(dòng)態(tài)檢測(cè)系統(tǒng))，該系統(tǒng)能大大的降低人

2、為因素的干擾，提高了檢測(cè)效率和準(zhǔn)確率。然而，現(xiàn)階段該系統(tǒng)還處于人機(jī)結(jié)合的列檢方式，為進(jìn)一步提高檢測(cè)效率，推動(dòng)TFDS向“機(jī)控”模式的轉(zhuǎn)變。
　　本文結(jié)合計(jì)算機(jī)視覺理論，針對(duì)貨車轉(zhuǎn)向架的三個(gè)典型故障：滾動(dòng)軸承軸端螺栓丟失故障、滾動(dòng)軸承前蓋丟失故障和枕簧丟失故障，設(shè)計(jì)相應(yīng)的算法實(shí)現(xiàn)故障檢測(cè)。通過研究圖像預(yù)處理相關(guān)技術(shù)。首先，詳細(xì)介紹了圖像去噪、圖像增強(qiáng)、圖像分割的相關(guān)理論，并結(jié)合實(shí)際故障圖片研究各自算法原理，分析其各自適用范圍和優(yōu)缺點(diǎn)

3、。其次，介紹了邊緣檢測(cè)算子，包括 Roberts、Sobel、Prewitt、Log、Laplace和Canny算子，這些邊緣檢測(cè)算子將用于滾動(dòng)軸承軸端的螺栓丟失故障中。最后介紹了故障判讀方法，包括Hough變換和模板匹配，這些方法將靈活的運(yùn)用于本文貨車轉(zhuǎn)向架的三個(gè)典型故障檢測(cè)當(dāng)中。針對(duì)滾動(dòng)軸承軸端的螺栓丟失故障，采用的是輔助定位的思想，依據(jù)車輪軸與軸承之間的關(guān)系來間接定位軸端螺栓所在區(qū)域，然后通過 Hough變換圓檢測(cè)來進(jìn)行故障判讀。

4、針對(duì)滾動(dòng)軸承前蓋丟失故障我們所采用的仍舊是輔助定位的思想，但在故障判讀階段所用的卻是歸一化相關(guān)系數(shù)匹配方法。針對(duì)枕簧丟失的故障，采用的是基于尺度空間理論的模板匹配方法來進(jìn)行枕簧定位，然后通過模板匹配求歸一化相關(guān)系數(shù)進(jìn)行故障判讀。通過對(duì)TFDS的理解與分析，本文設(shè)計(jì)并編寫了相關(guān)的系統(tǒng)界面，為故障檢測(cè)提供一個(gè)更好的故障判讀界面。論文最后對(duì)三套算法進(jìn)行測(cè)試，通過測(cè)試結(jié)果可以看出本文設(shè)計(jì)的算法適用性較好，能正確的進(jìn)行故障識(shí)別，最后，通過實(shí)際應(yīng)用