基于2D激光位移传感器的轨底坡动态检测系统研究

设置合理的轨底坡可使钢轨轨头与车轮踏面合理接触,减轻钢轨轨头的不均匀磨耗,延长钢轨使用寿命。为提高轨底坡静态检测精度,线路日常养护和维修效率,提出一种基于2D激光位移传感器(简称2D)的钢轨廓形检测原理和ARM嵌入式技术的轨底坡动态检测方法。结合传感器工作原理与特点,搭建一套可在线连续检测的轨底坡动态检测系统。考虑到2D空间姿态变化,建立适用于轨底坡动态检测的双2D空间姿态关系模型和标定解算模型。因为车体振动会产生对轨底坡计算结果的影响,利用Kalman滤波算法建立多传感器的状态空间模型,对轨底坡计算结果进行补偿。最后选用GJ-4型轨道检测车进行地铁正线试验,试验结果与人工复核结果的对比,符合工务段要求精度。试验结果验证了该轨底坡动态检测系统切实可行,Kalman滤波算法能够很好地对轨底坡的计算结果进行补偿修正。     

一种新的轨距动态检测方法研究

提出一种基于激光摄像检测的轨距计算新算法,该算法将按照轨距定义寻找轨顶踏面下16 mm内2股钢轨工作边之间的最小距离作为轨距测量值。考虑摄像机镜头畸变影响,建立2个激光摄像式传感器之间空间姿态关系的非线性标定模型,并给出一种标定方案。为了能快速定位轮廓特征点,提出钢轨轮廓特征曲线的概念,并给出特征曲线的一种定义方式,利用特征曲线能快速寻找轮廓特征点。与传统检测方法相比,新算法只用了2个激光摄像式传感器,不需要其他辅助传感器来对车体振动进行修正。最后通过实际地铁线路设置障碍试验,验证了该检测方法具有一定的抗干扰能力、稳定性高、结构简单、在线计算实时性强和检测精度高等特点。     

基于2D的钢轨轮廓特征点提取方法研究

钢轨轮廓数据特征点快速、准确提取是保证钢轨轮廓精确匹配、轨道几何不平顺精确检测的前提。对基于二维激光位移传感器(2D)的钢轨轮廓测量数据特征点提取方法进行研究,通过对采集的钢轨半断面轮廓数据采用基于中值误差与连续度自适应调整权值的平滑滤波方法对实测轮廓数据进行平滑处理,解决存在分段的轮廓数据达到分段平滑的效果。提出钢轨轮廓特征曲线的概念,并给出特征曲线的一种定义方式,利用特征曲线上的特征点去快速定位实测轮廓特征点。最后,采用GJ-2型轨道检测车进行试验,通过对实际轨道进行轮廓测量,采用本文所提出的特征点提取方法对实测轮廓数据进行特征点提取,试验证明,该方法能快速、准确地定位轮廓特征点。