CN109798850A - 一种钢轨波磨测量方法 - Google Patents

Abstract

本发明公开了一种通过双2D激光位移传感器获得轨道波纹的原始数据，并计算两个相邻采样区域之间的重叠测量区域的长度；提取重叠测量区域中的数据集；通过遗传算法匹配所提取到的数据集，获得最优变换参数；使用最优变换参数将所有数据集转换到世界坐标系；进行数据集的拼接，并最终获得钢轨表面波磨值。本发明采样点间距更小，采样密度更高。

Description

一种钢轨波磨测量方法

技术领域

本发明涉及轨道交通检测领域，特别是一种钢轨波磨测量方法。

背景技术

波磨就是钢轨的纵向不平顺度，指钢轨表面纵向垂直方向受到磨损和腐蚀后的不平顺情况。目前应用最为广泛的动态智能测轨道波磨方法主要有两种，其一为弦测法，其二为惯性基准法。对于弦测法，一般可通过1D激光传感器实现，根据1D传感器的个数和1D传感器放置位置又主要分为一点弦测法、两点弦测法、三点等弦法和三点偏弦法。其中应用最多的是三点等弦法和三点偏弦法，其主要原理如图1所示，是根据首尾两个1D的测量点的连线形成一条弦，用中间的1D测量点到该弦的距离作为弦测值，然后根据转换公式和逆滤波器设计，把弦测值转化为波磨值。不过该方法主要存在三个方面的不足：

1)在弦测值与真实波磨值之间做转换时，仅当传递函数为1的时候，弦测值才能等于实际波磨值(这一条件在实际工程中几乎无法得到满足)，因此弦测法对实际波磨波形的夸大或缩小是无法避免的，其测量精度有限。

2)弦测法测量得到的数据并不是真实的波磨数据，它需要进行一系列复杂的数学转换，如设计FIR逆滤波器、计算传递函数，才能将弦测值复原为波磨值，其计算复杂度相对比较高。

3)同时，由于弦长有限，所以其能够测量的波长范围十分有限，无法满足多样的波磨测量要求。

另外，对于惯性基准法如图2所示，它是通过加速度传感器和位移传感器测得，根据车体的上下运动及车体与轴箱间相对位移之和来获得轨道的纵向方向上下起伏，即波磨值。

对于惯性基准法，主要的缺陷有两种：

1、惯性基准法测量时，检测速度不能过低，因为高通滤波器在低速检测长波波磨时，容易将长波磨误认为趋势项，这会引起很大的测量误差，特别是遇到台阶形的起伏时，基线甚至会产生局部扭曲，影响测量精度。

2、在惯性基准法测量中，为了滤除传感器自身的零点漂移而引入的低频趋势项数据，需要通过高通滤波器，滤波器的设计可能会引入一定测量误差，并增加运算复杂度。

本发明术语解释如下：

固定重叠区域(fixed overlap area,FOA)：双2D位移传感器的安装距离缩短后，它投射在轨道顶部上的两个激光条纹具有一定的重叠区域即为FOA。

自拼接(Self-splicing,SS)：根据这些在重叠区域中获得的有效特征点，可以拼接由两个2D传感器测量的两个数据集的方法。

采样重叠区域(sampling overlap area,SOA)：两个自拼接相邻采样之间设置重叠区域，将其称之为采样重叠区域。

互拼接(mutual-splicing，MS)：SOA中的所有激光点都用作特征点，以用来在两个相邻的采样之间拼接两个数据集的方法。

遗传算法(genetic algorithm,GA)：把问题参数编码为染色体，再利用迭代的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息，最终生成符合优化目标的染色体的一种算法。

均方根误差(The root mean square error，RMSE)：是观测值与真值偏差的平方和与观测次数m比值的平方根，是用来衡量观测值同真值之间的偏差。

绝对平方差(mean absolute error，MAE)：是绝对误差的平均值，能更好地反映预测值误差的实际情况。

相关系数(correlation coefficient,CC)：相关系数是研究变量之间线性相关程度的量。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种钢轨波磨测量方法，解决双2D传感器的垂直振动问题，并且获得波长范围更宽，性能更准确的轨道波磨值。

为解决上述技术问题，本发明所采用的技术方案是：一种钢轨波磨测量方法，包括以下步骤：

1)通过双2D激光位移传感器获得轨道波纹的原始数据，并计算两个相邻采样区域之间的重叠测量区域的长度；

2)提取重叠测量区域中的数据集；

3)通过遗传算法匹配所提取到的数据集，获得最优变换参数；

4)使用最优变换参数将所有数据集转换到世界坐标系；

5)进行数据集的拼接，并最终获得钢轨表面波磨值。

步骤1)中，对于2D激光位移传感器A，X轴的测量长度 和分别为2D激光位移传感器A投影到钢轨表面所对应坐标系的条纹边界点；对于2D激光位移传感器B，X轴的测量长度 和分别为2D激光位移传感器B投影到钢轨表面所对应坐标系的条纹边界点；两个相邻采样区域之间的重叠测量区域的长度D_sensor为双2D位移传感器之间的距离。

步骤2)中，2D激光位移传感器A、2D激光位移传感器B的数据集分别提取为和其中L＝N-S+1；是在A^K中的第S-1个激光点的横坐标；N为2D激光位移传感器A和2D激光位移传感器B采集的位移数据总个数；S为钢轨表面的激光点的个数。

所述最优变换参数包括：旋转角度θ、X轴方向平移参数T_x以及Y轴方向平移参数T_y；

1)最优变换参初始化：-2°＜θ＜2°，-5＜T_y＜10，x_ai-2＜T_x＜x_ai+2，选择适当的种群个数和迭代次数；

2)GA算法开始迭代后，利用每一个种群中的参数值对数据集合进行变换，根据仿射变换公式：

对进行仿射变换，得到在第k步迭代中的转换数据集合：x'、y'分别为数据集合中点的横坐标和纵坐标；

T_B1 ^k＝R^k*S_B1+T^k；

其中T^k＝[T_x ^k,T_y ^k]^T表示第k步迭代中的转换参数，然后计算T_B1 ^k的适应度值；

3)重复步骤2)，当适应度值达到稳定状态时，此时迭代达到预设最大迭代次数，最终得到的最优变换参数R和T，这里R和T的分别是旋转角度θ、X轴方向平移参数T_x以及Y轴方向平移参数T_y。

与现有技术相比，本发明所具有的有益效果为：

1、采样点间距更小，采样密度更高。相比较弦测法和惯性基准法，单次采样只能获取一个点的数据，双2D激光协同测波磨方法中单个2D传感器在单次采样中就可以获取一连串高精度数据，采样点间距更小，采样密度更高。通过两个2D传感器协同采集，仅依靠单次采样就可获取足够多的测量数据。从而大大简化采样系统的设计，提高波磨测量精度。

2、数据处理过程简单。这些测量数据不需要复杂的复原过程，只需要对两个传感器测量数据进行拼接，就可以直接作为真实波磨数据提取。由于不需要复杂复原过程，可以避免在复原算法中引入额外的转换误差，增加抗噪声能力。

3、可测量范围更大。双2D激光协同测波磨方法采样范围非常广，两个传感器采样得到的数据在数据拼接后覆盖的波段范围大，可以同时得到短波、中波，甚至长波的数据。

4、抗噪声能力强。双2D激光协同测波磨也享有弦测法的优点，它也不会受到传感器上下振动与检测车速度的影响。

附图说明

图1.三点弦测法基本原理示意图；

图2.惯性基准法原理示意图；

图3.D2D-DSM系统；

图4.D2D-DSM系统钢轨表面测量详图；

图5.自拼接原理图；

图6.拼接处理流程图；

图7.第一次采样的原始数据和SS处理后的结果；

图8.第二次采样的原始数据和SS处理后的结果；

图9.分别为SS和MS处理后的结果；

图10.波磨测量结果；

图11.短波中波长波测量结果图。

具体实施方式

动态D2D-DSM系统的整体结构如图3所示。两个测量系统分别安装在左右导轨的顶面上方，每个系统包括两个2D传感器。该系统还包含编码器，分频器，集线器和数据处理计算机。两个2D传感器平行于轨道的纵向放置，并且激光条纹投射在轨道顶部的中心线上。当系统开始运行时，编码器触发一个外部脉冲信号，所有2D传感器同步采样一个样本。因此，在该采样中获得的所有数据都由集线器收集，然后我们将它通过以太网发送到计算机进行处理。最后，结果显示在屏幕或打印机上。

系统操作步骤：

D2D-DSM的操作过程如图4所示。它主要由自拼接和相互拼接组成。对于自拼接，它分为三个步骤，从重叠区域提取数据集，通过使用最优变换参数来进行拼接。在相互拼接中，相邻采样中的两个拼接数据集用于处理，然后依据自拼接的三个步骤一样进行操作。

双2D传感器数据拼接

1.D2D-DSM的测量模型

D2D-DSM模型是为了创建一个世界坐标系并将所有数据集传输给它。只有这样做我们才使得所获得的数据可以代表测量轨道的纵向不规则状态。然而，在实际环境中，由于2D传感器受垂直振动的影响，所以它们的相对位置不能保持静止。因此，任何两个相邻采样之间的坐标系都会发生很大变化。另外，由于设备垂直安装的误差难以避免，属于两个传感器的坐标系完全独立。因此，无论是垂直安装误差还是垂直振动，测量模型的坐标系都不能通过X轴上的简单数据拼接来统一。根据以上分析，该测量模型需要仿射变换参数和多个特征点，以实现所有坐标系统的统一。为了确保测量系统的鲁棒性，我们提出了两种有效的数据拼接算法来解决这些问题。

1)自拼接：

为了在每次采样中添加许多特征点，我们缩短了双2D位移传感器的安装距离。所以投射在轨道顶部上的两个激光条纹具有一定的重叠区域。因此，在一次采样中，重叠区域中的数据由双2D位移传感器同时测量。换句话说，两个不同的传感器独立地测量相同的区域并获取到两个不相干的数据集。在重叠区域中获得的数据被视为有效特征点。这种类型的重叠区域称为固定重叠区域(FOA)，其区域X轴上的长度是D_sp。根据这些特征点，可以拼接由两个2D传感器测量的两个数据集。在我们的测量系统中，这种类型的数据拼接称为自拼接(SS)。在该测量模型的第K次采样中，由传感器A收集的N个位移数据，并且这些数据可以被表示为一个数据集其中的数据集A^K属于坐标系，并且它的激光光点在A^K的坐标是与此同时，传感器B获取到M个位移数据并且也可以表示为一个数据集它属于坐标系其中每一个激光光点的坐标是在第K次采样中，将选择为所用的世界坐标系。根据在FOA的特征点，数据集合可以被有效地传输到世界坐标系中。在数据集B^K的传输完毕之后，将第K次采样中由双2D位移传感器所采到的数据进行拼接，而且拼接的数据可以表示为通过这种处理在每一次采样过程中的坐标系得以统一。

2)互拼接：

类似地，还在两个相邻采样之间设置重叠区域，我们称之为采样重叠区域(SOA)。SOA中的所有激光点都用作特征点，以用来在两个相邻的采样之间拼接两个数据集。这种拼接的方法叫做互拼接(MS)。选择作为世界坐标系，其中是第一次采样中传感器A的数据集所属的坐标系。选择它作为世界坐标系统的原因是在系统开始运行之前仔细调整传感器安装。所以坐标系比较稳定。在第一次和第二次采样过程中，和分别由第一次和第二次自拼接获得。通过互拼接，把数据集转换到坐标系，并且所拼接的得到的数据集属于坐标系用同样的方法，当系统进行第三次采样时，采样的得到的数据集被拼接成他属于坐标系在和之间进行互拼接并且拼接所得到的数据集可以表示为通过的转换，将三次采样得到的所有数据集统一到世界坐标系如果用此类方法进行K次采样，所得到的结果将为C^K-1＝{c_i}_i＝1。

2.自拼接的处理

1)从重叠区域提取数据集：在D2D-DSM系统的第K个采样中，可以计算两个传感器在X轴上的测量距离。如图5所示，对于传感器A，X轴上的测量长度是第一激光点的X轴坐标与最后激光点的X轴坐标之间的差。因此，测量长度可以如下计算

对于B传感器，用同样的方式得到在X轴的测量长度为：

参考系统的安装，双2D位移传感器之间的距离称为D_sensor。因此，此抽样的FOA长度如下，

在此时刻在数据集A^K中存在一个激光点满足以下不等式：

其中是在A^K中的第S-1个激光点的横坐标。然后将传感器A和传感器B的FOA中的数据集分别提取为和其中L＝N-S+1。

2)基于数据匹配的参数转换：

通过对重复区域数据提取，得到传感器A、B在重复测量区域采集数据为和虽然是在相同区域进行测量，但是由于两数据集合不在同一坐标系下，所以它们的坐标值不相等。不过，通过曲线的旋转、平移变换，可以实现数据匹配。

特征曲线的转换希望得到最优转换参数，本发明方法需要获得的转换参数有三个，一个是旋转角度θ，一个是X轴方向平移参数T_x以及Y轴方向平移参数T_y。本发明选用遗传算法，它是把问题参数编码为染色体，再利用迭代的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息，最终生成符合优化目标的染色体。GA算法初始化，三个参数值限定在一个范围内，-2°＜θ＜2°，-5＜T_y＜10，x_ai-2＜T_x＜x_ai+2。T_x选择进行迭代，是由于双2D传感器重复测量数据虽然长度相同，但是很有可能所有的采样点不在同一个位置，这样进行迭代，可以让大多数点进行对齐。

GA算法开始迭代后，每一步都利用种群中的参数值对数据集合进行变换，根据仿射变换公式：

其中T^k＝[T_x ^k,T_y ^k]^T表示第k步迭代中的转换参数，然后计算T_B1 ^k的适应度值，选择T_B1 ^k与中对应点之间的均方根误差值作为适应度函数值，适应度值计算如下

适应度值在这里越小说明匹配度越高。通过种群间的选择、交叉、变异运算，交换种群之间的信息，保留适应度值小的种群，逐步淘汰适应度值高的种群。最后，直到迭代达到预设最大迭代次数时，适应度函数值达到稳定状态，得到最优变换参数R和T。

3)数据拼接

得到最优变换参数后，利用最优变换参数对数据集合B^K进行仿射变换，这样传感器B测量数据即可转换到坐标系中，同样根据仿射变换公式，

这时得到的数据集合就属于坐标系然而，在FOA中有两个数据集和存在。将它们平均为一个数据集，结果，FOA中的数据集变为如下，

通过这些处理，第K次采样的数据集被拼接如下，

自拼接的处理过程是完整的，它的流程图如图6。通过自拼接使得在一次采样中两个传感器的坐标系可以实现统一。

3.互拼接

在第二次采样中，依然对采样数据进行自拼接处理，得到数据集合互拼接就是对这两个数据集合进行数据拼接。互拼接的流程与自拼接大体相同.两个数据集合之间的重复区域测量X轴方向长度不需要进行计算，这个距离是在实验之前预先根据需求设定好的，然后根据这个距离计算出采样频率的。按经验来说，这个长度越长，数据拼接的采样点越多，那么拼接后的结果精度越高。在互拼接中，坐标系依然选择也就是说，在整个数据处理过程中，我们把坐标系作为世界坐标系，把所有的数据都通过拼接处理，转换到这个坐标系中去。

实验及结果分析:

整个动态测量系统构成如图4所示。整个系统需要2组2D位移激光传感器，分别放在两侧钢轨上方，一组为两个2D激光，同时，还需要一个光电编码器，分频器，数据采集器，以及用于数据与信息处理的计算机。双2D位移传感器沿轨道纵向方向平行放置，扫描光线沿轨道方向投射到轨顶中心线位置，将两条光线沿钢轨纵向方向对齐，如图。当测量系统启动时，编码器会根据分频器预设触发频率与编码器转轴的滚动长度触发一个外部脉冲信号，所有双2D位移传感器收到该脉冲信号后同时进行一次数据采样。然后，采集到的数据会被送进数据采集器中，通过以太网送到计算机中进行处理，最后结果通过屏幕和打印机显示出来。

A、实验分析

实验测量对象是操作具有磨损和腐蚀的60kg/m导轨。我们使用0.1％线性的ZSY二维激光，其水平测量范围为115-230mm，垂直测量范围为175-250mm。这两个2D激光器平行部署在安装支架上。它们彼此相距0.17米，距离是固定的。测量轨道的长度约为1.5米。

B、有效测试

首先,基于此实验平台,获取了一段约1.5米的钢轨波磨测量数据，首尾相隔140mm。对这段数据进行了6次采样，通过6次自拼接，5次互拼接对这些数据进行处理。

如图7的(a)所示，我们可以得到第1次采样的两段数据，根据两段数据的Y轴长度以及测量公共区域的起始位置，可知双2D位移传感器的安装高度并不一致，但是根据数据自拼接算法可以将两个数据集拼接到世界坐标系中，如图7的(b)所示。同样采集到第二次数据，通过自拼接得到如图8(a)所示结果。为了使我们所得到的结果更加直观，如图9的(a)所示，我们将图7(b)的数据和图8的(b)的数据组合在一个坐标系内。图9的(b)中是我们用互拼接方法处理所得到的结果，随着两个数据集的拼接以及坐标系的统一，双2D传感器的垂直振动问题得以解决。

为了表示所提出的数据拼接算法的有效性,所有拼接过程中自拼接与互拼接的误差如表表1、表2所示，使用三个参数指标对拼接结果进行评价，它们分别是均方根误差(RMSE)、绝对平方差(MAE)以及相关系数(CC)。

表1：六次自拼接的有效性测试

	自拼接1	自拼接2	自拼接3	自拼接4	自拼接5	自拼接6
							RMSE	0.1537	0.1434	0.1536	0.1710	0.1501	0.1301
MAE	0.1187	0.1155	0.1250	0.1398	0.1190	0.1054
							CC	0.6649	0.6159	0.7244	0.6963	0.7720	0.7508

表2：五次互拼接的有效性测试

这里N表示每次拼接过程中单个传感器公共区域的采样点个数，x_j表示传感器A在公共区域测量得到的数据，表示传感器B在公共区域测量数据通过数据拼接之后得到的转换数据。可以注意到，数据拼接的误差不会太小，引起数据拼接误差的因素主要有三点：

1)双2D传感器的物理特性存在差异；

2)测量的点不完全在同一个点上，在同一区域测量的点很有可能不是完全相同的点；

3)测量存在一些噪声和干扰。

通过对整段测量数据的拼接，得到整段拼接数据图。这个结果可以验证我们提出的自拼接和互拼接算法确实对测量方法有效。

C、测量波长范围以及精确度的比较

经过自拼接和互拼接处理之后的钢轨波磨检测结果如图10所示。而且，基于弦测法的波磨测量结果和相同1.5m区域的真实波纹的结果也显示在图中。

我们的实验中，基于弦测法模型的弦长为330mm。根据查询大量文献，该模型得到的有效测量波长范围为0.165-2.310m。同时，D2D-DSM中用所提出方法使用的双2D位移传感器可以获得整个宽带波长范围，其结果可以直接反映轨道的纵向不规则状态。我们将波长范围分为三部分：短波，中波和长波，如表3所示。图10中的所有测量结果被分解成相应的三个部分，如图11所示。

表3.波长范围划分

	短波波长范围	中波波长范围	长波波长范围
				波长范围(mm)	30-100	100-300	300-1000

在表4中显示的是计算得到的三种波长范围的钢轨波磨值。通过对于弦测法的有效波长范围测量的分析，在短波范围内的波磨值在0.1-0.165m是无效的。因此，由D2D-DSM测量的中波值中的波纹值误差在三个波长范围内更接近真实值。所有结果都表明了我们提出的测量方法的有效性。

表4三种波长范围的钢轨波磨值

测量类型	短波波长	中波波长	长波波长
				真实值(mm)	0.1431	0.1731	0.2408
弦测值(mm)	无效	0.0801	0.2710
				所用方法值(mm)	0.1238	0.1817	0.2317

Claims (4)

1.一种钢轨波磨测量方法，其特征在于，包括以下步骤：

1)通过双2D激光位移传感器获得轨道波纹的原始数据，并计算两个相邻采样区域之间的重叠测量区域的长度；

2)提取重叠测量区域中的数据集；

3)通过遗传算法匹配所提取到的数据集，获得最优变换参数；

4)使用最优变换参数将所有数据集转换到世界坐标系；

5)进行数据集的拼接，并最终获得钢轨表面波磨值。

2.根据权利要求1所述的钢轨波磨测量方法，其特征在于，步骤1)中，对于2D激光位移传感器A，X轴的测量长度 和分别为2D激光位移传感器A投影到钢轨表面所对应坐标系的条纹边界点；对于2D激光位移传感器B，X轴的测量长度 和分别为2D激光位移传感器B投影到钢轨表面所对应坐标系的条纹边界点；两个相邻采样区域之间的重叠测量区域的长度D_senso_r为双2D位移传感器之间的距离。

3.根据权利要2所述的钢轨波磨测量方法，其特征在于，步骤2)中，2D激光位移传感器A、2D激光位移传感器B的数据集分别提取为和其中L＝N-S+1；是在A^K中的第S-1个激光点的横坐标；N为2D激光位移传感器A和2D激光位移传感器B采集的位移数据总个数；S为钢轨表面的激光点的个数。

4.根据权利要求3所述的钢轨波磨测量方法，其特征在于，所述最优变换参数包括：旋转角度θ、X轴方向平移参数T_x以及Y轴方向平移参数T_y；

1)最优变换参初始化：-2°＜θ＜2°，-5＜T_y＜10，x_ai-2＜T_x＜x_ai+2，选择适当的种群个数和迭代次数；

2)GA算法开始迭代后，利用每一个种群中的参数值对数据集合进行变换，根据仿射变换公式：

对进行仿射变换，得到在第k步迭代中的转换数据集合：x'、y'分别为数据集合中点的横坐标和纵坐标；

T_B1 ^k＝R^k*S_B1+T^k；

其中T^k＝[T_x ^k,T_y ^k]^T表示第k步迭代中的转换参数，然后计算T_B1 ^k的适应度值；

3)重复步骤2)，当适应度值达到稳定状态时，此时迭代达到预设最大迭代次数，最终得到的最优变换参数R和T，这里R和T的分别是旋转角度θ、X轴方向平移参数T_x以及Y轴方向平移参数T_y。