详情

原文传递基于图像处理的列车脱轨系数预测方法的研究

论文题名：	基于图像处理的列车脱轨系数预测方法的研究
关键词：	轮轨接触;生成对抗网络;U型网络;多传感器数据融合;脱轨系数预测
摘要：	列车脱轨事故具有破坏性强、危害性大、损失严重、影响范围广的特点，因而列车脱轨预防成为铁路运输安全领域关注的重要课题。一方面，铁路正逐步向高速、重载的方向发展，导致列车轮轨间的相互作用力不断加剧，运行平稳性受到影响，因而更易发生脱轨事故；另一方面，现有列车脱轨分析理论体系不完善、不成熟，列车运行环境检测系统跟不上高速发展的要求，不能有效减轻甚至避免脱轨事故的发生。因此，形成公认的合理评判列车是否脱轨的评判标准势在必行。考虑到脱轨机理复杂，影响列车脱轨的因素较多，本文通过摄像机实时监测列车轮轨接触状态，构建多传感器融合的脱轨系数预测模型，旨在提出一种实时在线评判列车运行安全的有效方法，为列车自动化运行等级设备的升级换代提供参考。研究内容如下：　　(1)研究了我国铁路四种常见的钢轨(43kg/m,50kg/m,60kg/m,75kg/m)以及三种踏面类型（锥形、LM型、LMA型踏面）参数、根据列车蛇行运动过程中产生的轮轨间位移量，结合轮轨接触点的位置和个数特征，建立起无岔区和道岔区的轮轨接触模型。在中国铁道科学研究院提出的车轮抬升量随时间变化曲线结论的基础上，根据轮轨中心线间形成的不同间隔距离确立安全等级范围。　　(2)为使得动态采集的轮轨接触图像取得更好轮轨边缘分割曲线，提出一种综合径向、偏心、薄棱镜畸变的标定方法，对轮轨接触图像进行畸变矫正。该算法的基本思路为首先在针孔畸变模型下求解相机参数，然后综合畸变模型，对参数的初始值进行迭代更新，直到达到精度要求，并将畸变系数求解出来。结果表明本文所提算法可以更加快速、准确地得出摄像机的内外部参数，且求出畸变模型的畸变系数。此外，采用在图像中人为加入噪声的方法验证出该算法抗噪性能强，可以适应于列车动态运行环境中。最后，对道岔区和无岔区图像进行矫正，得到了良好的效果。　　(3)鉴于动态采集的轮轨接触图像灰度差异小、背景复杂等特征，提出一种基于生成对抗网络的轮轨接触区域边缘曲线分割算法。生成模型是该算法能否以更高精度提取轮轨边缘曲线的关键，因而采用U型思想搭建生成模型。为了增强网络对输出的敏感性，有利于权重的调整，提高分割精度，将在网络中引入残差思想。此外，为了扩大接收区域视野范围，引入扩张卷积。实验结果表明，改进后的模型在准确率、敏感性、特异性等方面的指标均有所提高，可以以较高精度完成道岔区和无岔区的边缘曲线提取。　　(4)考虑到轮轨横移量、轮重减载率、加速度、速度参数对列车运行平稳性的影响较大，本文构建起多传感器数据融合的预测脱轨模型。该模型采用泛化能力和容错能力较强的BP神经网络搭建，对于BP神经网络会陷入局部最优值问题采用PSO算法进行优化。采用在兰州北编组站采集到的实测数据进行验证，结果表明，PSO-BP脱轨系数预测模型预测准确度高，且预测速度快。
作者：	秦菲菲
专业：	交通信息工程及控制
导师：	董昱
授予学位：	硕士
授予学位单位：	兰州交通大学
学位年度：	2022