详情

原文传递基于深度学习的动车转向架螺栓防松检测

论文题名：	基于深度学习的动车转向架螺栓防松检测
关键词：	动车组;转向架;螺栓防松检测;深度学习
摘要：	近年来，中国高铁运行里程逐年增加，关于动车组相关技术也发展迅速。在动车组运营过程中，转向架是不可或缺的一部分。转向架集承载，导向，减振，牵引，制动于一体，直接决定着动车的运行稳定性与人们的乘坐舒适性。然而转向架在运行时会出现零件脱落及其它损坏情况，转向架作为动车组的关键部件，其质量的好坏直接关系到动车能否正常运行以及人民群众生命财产安全。故需对转向架进行全方位的检测。　　目前转向架主要采用人工检测，主要对轮对、轴承等部件进行检测。检测强度高且繁琐，不仅耗时、效率低、还容易出现疏忽导致不良未检出。而转向架中螺栓部件数量众多，采用螺栓连接不同的结构，可以有效地增强转向架的结构稳定性，可以保证动车的平稳运行，减少安全事故的发生几率，但是，在运行过程中，任何一个螺栓的松动，都有可能给转向架乃至整列动车组的运行安全带来巨大的威胁，甚至可能引发严重的交通事故。综上，本文研究了转向架自动检测技术，并结合检测项特点，确定了检测方案，为了实现快速准确检测，对检测系统进行了设计。针对动车转向架上出现螺栓防松失效而导致螺栓松动的现象，对螺栓防松检测算法进行了研究和设计。　　1．对转向架上的检测位置进行统计，对检测项的检测需求和标准进行归纳总结，确定了2D和3D的拍照方式和检测形式。为了提高检测效率和精度，使用六轴机器人作为相机拍摄载体，为了实现自动化，设计了转向架助力装置代替人工推动转向架前进。在拍摄光源选择上，选择了投影式结构光源作为2D拍照光源；接着对成像方式进行布局设计，将拍摄装置设计为可调节装置，在实际拍摄中时可进行调整。最后对整个检测系统进行布局安装。　　2．分析了螺栓松动、防松措施失效的情况，并研究了对螺栓与防松钢丝的定位方法，建立螺栓和防松钢丝的检测数据集，采用深度学习目标检测算法对螺栓与防松钢丝进行定位分割。在对现有目标检测算法进行对比分析的基础上，最新的 YOLOv5s 网络在检测速度、mAP 值、精确率和召回率等评估指标上具有明显的优越性。能够实现快速准确的检测定位。　　3．针对分割定位到的螺栓和防松钢丝区域，对各种螺栓防松失效情况进行检测。（1）对于白色螺栓防松标记线因松动导致错位的情况，提出基于颜色和形状位置的定位方法。将待检测图像转入 HSV 色域空间，排除大部分干扰信息，再通过形态学处理和空间位置连通域定位出标记线区域。之后针对矩形区域的特征，提出了检测霍夫直线，计算两段霍夫直线的角度差来判断螺栓是否松动。为了准确提取霍夫直线，提出了基于二值化区域的霍夫直线检测和基于 Canny边缘检测的霍夫直线检测两种方法；（2）对于8字串联防松钢丝朝向检测问题，由于拍摄方向不一致，提出了用仿射变换将检测区域摆正，再用深度学习目标检测算法确定螺栓、防松钢丝和螺栓孔的大致位置，利用这些位置画延长线，最后比较两个点的坐标大小，实现了不同角度拍摄下朝向的检测；（3）针对拍摄角度正常的防松钢丝匝数检测，提出了用YOLOv5s网络对单匝进行分割，再利用整段防松钢丝的宽去除以单匝的宽得到匝数个数，对于拍摄角度多变的防松钢丝，利用YOLOv5s网络检测在单匝内部进行标注的内接矩形来计算匝数。　　最后，开发了转向架自动检测上位机软件，并对转向架进行了自动检测实验，结果表明本系统完成检测的时间达到 27 分钟，对螺栓和防松钢丝的检测定位准确率达到 95%，螺栓防松检测算法的误检率低于 10%，实现了快速准确的转向架螺栓防松检测。
作者：	单李
专业：	机械工程
导师：	杨延竹;林旺东
授予学位：	硕士
授予学位单位：	东华大学
学位年度：	2023