CN109840907A - 一种基于深度学习的钢轨磨损检测方法 - Google Patents

Abstract

本发明公开了一种基于深度学习的钢轨磨损检测方法，具体包括如下步骤：步骤1，采用已有磨损的钢轨构建实验模型；步骤2，建立深度学习框架；步骤3，基于步骤2建立的学习框架对钢轨的实际磨损程度进行测量。采用深度学习框架对钢轨的轮廓图进行训练，获得钢轨磨损测试的模型，可以快速检测出该轮廓图属于何种磨损程度，并且可以记录当前位置以便钢轨磨损实际路线图的生成。相比于传统的测量方式有了极大的提高，减少了大量繁琐的计算过程，节省了人力物力，最终实现快速、定期、智能化、信息化的钢轨磨损检测。

Description

一种基于深度学习的钢轨磨损检测方法

技术领域

本发明属于光电信息技术领域，涉及一种基于深度学习的钢轨磨损检测方法。

背景技术

随着我国经济的快速发展，对于铁路事业的发展也带来了新的挑战和机遇。重载运输成为铁路未来发展的主要趋势之一，然而，重载火车必然会增加火车自身的重量，铁路钢轨的磨损速度也会加快，随着火车运行速度的不断提升，这种破坏作用更加明显。

钢轨在自然条件、列车的轮轨及其他不可抗因素作用下，不可避免地会产生铁路钢轨的锈蚀、磨损等状况。在通常情况下，轮轨相互作用是引起钢轨磨损主要原因，特别是处于小半径曲线上的钢轨，磨损问题尤为严重。养护维修要求在钢轨磨损达到一定限度就更换钢轨，以保证列车运营安全。由于公司辖区铁路普遍存在自然环境差、养护维修人员少的特点，对及时更换磨损钢轨带来很大困难，同时也会大幅提高线路养护维修成本。

发明内容

本发明的目的是提供一种基于深度学习的钢轨磨损检测方法，该方法利用激光轮廓传感器测量钢轨的磨损，对铁轨的受损状况与使用寿命做出预测。

本发明所采用的技术方案是，一种基于深度学习的钢轨磨损检测方法，具体包括如下步骤：

步骤1，采用已有磨损的钢轨构建实验模型；

步骤2，建立深度学习框架；

步骤3，基于步骤2建立的学习框架对钢轨的实际磨损程度进行测量。

本发明的特点还在于，

步骤1构建的实验模型为：包括两条已有磨损的钢轨，在两条钢轨上均安装一对平行设置的推轴，在每对推轴中，两个推轴的一端与测距轮连接，测距轮设置在钢轨上，两个推轴的另一端之间通过连杆连接，两个连杆之间通过支架连接，支架上分别设有电脑和GPS定位器，连杆上安装有激光轮廓传感器，测距轮、GPS定位器及激光轮廓传感器均与电脑连接。

步骤2的具体过程为：

步骤2.1，预先采集训练模型，对训练模型进行深度学习训练，获得学习模型；

步骤2.2，将训练好的模型导入电脑，设置人工操作界面，对上传的数据进行处理、显示、存储。

步骤3的具体过程为：

步骤3.1，将仪器单位、作业人员名称、起始里程、行程区间、钢轨型号选择、钢轨测量间隔这些基本信息输入电脑中；

步骤3.2，激光轮廓传感器的光幕与钢轨截面平行，激光轮廓传感器的光幕相对于钢轨剖面中心线偏斜45°角,扫出一条亮线，激光轮廓传感器自动测量出这条亮线上的每一个点的(Z,X)值，并传输到电脑内，通过电脑内的计算机软件将这一组数据换算成钢轨剖面的x轴与y轴的值，由于钢轨磨损发生到钢轨轨面和钢轨内侧，所以，只检测钢轨轨面及钢轨内侧即可的磨损程度即可，将扫描的钢轨磨损后的切面轮廓线与标准轮廓进行对比，得到钢轨垂直磨损和内侧磨损量，总磨损量为垂直磨损和内侧磨损量之和。

本发明的有益效果是，采用深度学习框架对钢轨的轮廓图进行训练，获得钢轨磨损测试的模型，可以快速检测出该轮廓图属于何种磨损程度，并且可以记录当前位置以便钢轨磨损实际路线图的生成。相比于传统的测量方式有了极大的提高，减少了大量繁琐的计算过程，节省了人力物力，最终实现快速、定期、智能化、信息化的钢轨磨损检测。

附图说明

图1是本发明一种基于深度学习的钢轨磨损检测方法中构建的实验模型示意图；

图2(a)是本发明一种基于深度学习的钢轨磨损检测方法中激光轮廓传感器对钢轨剖面的扫描结果示意图；

图2(b)是本发明一种基于深度学习的钢轨磨损检测方法中激光轮廓传感器对钢轨剖面的扫描原理图；

图3是本发明一种基于深度学习的钢轨磨损检测方法中钢轨的磨损后的切面轮廓线与标准轮廓的对比示意图。

图中，1.钢轨，2.推轴，3.连杆，4.支架，5.电脑，6.GPS定位器，7.激光轮廓传感器，8.测距轮，9.钢轨标准轮廓，10.钢轨磨损后的切面轮廓。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明一种基于深度学习的钢轨磨损检测方法，具体包括如下步骤：

步骤1，采用已有磨损的钢轨构建实验模型；

实验模型如图1所示，包括两条已有磨损的钢轨1，在两条钢轨1上均安装一对平行设置的推轴2，在每对推轴2中，两个推轴2的一端与测距轮8连接，测距轮8设置在钢轨1上，两个推轴2的另一端之间通过连杆3连接，两个连杆3之间通过支架4连接，支架4上分别设有电脑5和GPS定位器6，连杆3上安装有激光轮廓传感器7，测距轮8、GPS定位器6及激光轮廓传感器7均与电脑5连接。

步骤2，建立深度学习框架，具体为：

步骤2.1，预先采集训练模型，对训练模型进行深度学习训练，获得学习模型；

训练模型包括：未磨损的钢轨(标签值为0)、轻度磨损钢轨(标签值为1)、接近超标磨损钢轨(标签值为2)和磨损超标钢轨(标签值为3)，其中各部分样本均占样本总数的1/4,利用写好的Python代码进行训练，得到训练模型；

步骤2.2，将训练好的模型导入电脑，设置人工操作界面，对上传的数据进行处理、显示、存储；

步骤3，基于步骤2建立的学习框架对钢轨的实际磨损程度进行测量，具体为：

步骤3.1，将仪器单位、作业人员名称、起始里程、行程区间、钢轨型号选择、钢轨测量间隔(1、2、5m可选)这些信息输入电脑中；

步骤3.2，激光轮廓传感器7的光幕与钢轨1截面平行，激光轮廓传感器7的光幕相对于钢轨1剖面中心线偏斜45°角,扫出一条亮线，如图2(a)所示，原理图见图2(b)，激光轮廓传感器7自动测量出这条亮线上的每一个点的(Z,X)值，并传输到电脑5内，通过电脑5内的计算机软件将这一组数据换算成钢轨1剖面的x轴与y轴的值，由于钢轨1磨损发生到钢轨轨面和钢轨1内侧，所以，只检测钢轨1轨面及钢轨内侧即可的磨损程度即可，将扫描的钢轨1磨损后的切面轮廓线(图3红色)与标准轮廓进行对比，得到钢轨1垂直磨损和内侧磨损量，总磨损量为垂直磨损和内侧磨损量之和，电脑屏幕上显示钢轨轨头标准轮廓和实际轮廓的对比图像，如图3所示。

在实际测量中，激光轮廓传感器7连续快速的对被检测线路钢轨1进行切片式扫描(扫描速度1024次/秒)并上传数据。系统根据操作人员设定的间隔采集一组(或多组的均值)钢轨轮廓数据、通过GPS定位器6同步采集GPS信息、通过测距轮8测量里程信息。

将采集的钢轨轮廓数据与标准钢轨轮廓数据进行比对和计算，以钢轨截面图像形式实时绘制到电脑5的屏幕上。根据磨损值按规定的颜色实时标注到GPS轨迹图上，采集的数据按采集时间自动保存到数据库(由人工设置作业的开始和结束)。

对实际钢轨的路线进行切片扫描，记录下每个轮廓图的位置信息及钢轨的磨损程度的标签值，数据点拟合得到钢轨磨损到的实际轨迹示意图。数据可以回放和分析，也可以调出不同时期相同作业区段的两组测量数据进行对比回放分析，根据测量时间间隔，计算人工选定的地点的磨损速度。

本发明一种基于深度学习的钢轨磨损检测方法的特点为，本发明主要分为两部分，第一部分是硬件模块，对钢轨1的轮廓进行扫描，获得钢轨1轮廓数据；第二部分是软件模块，对收集的钢轨1轮廓数据进行模拟生成轮廓图，对相应算法进行编程，实时获得钢轨的磨损情况，并存储于数据库。

将硬件模块采集到的钢轨表面轮廓数据传入相连的软件模块，系统软件实时将轮廓数据转换成曲线图像，检测钢轨的磨损程度，实时显示到电脑屏幕；采集的每一组轮廓数据和对应的GPS位置数据(大致方位)和水平位移传感器数据(精确位置)，并以特定的数据格式，存储到电脑上。这些数据可以重新回放，也可以通过U盘导出。

本发明一种基于深度学习的钢轨磨损检测方法利用激光轮廓传感器测量钢轨的磨损，对铁轨的受损状况与使用寿命做出预测，在日常工作中加强对于重载铁路线路的检查与数据记录，并进行科学分析，为后续的铁路项目建设提供重要的参考价值。通过对钢轨轮廓的成像以及磨损的测量可以大大减少不必要的维护、保养作业，进而降低曲线钢轨乃至整个铁路钢轨的维护难度和强度。通过采用专业的检测设备，对于曲线钢轨经常出现的问题点进行记录分析，进而实施针对性的保养和维护。

Claims (4)

1.一种基于深度学习的钢轨磨损检测方法，其特征在于：具体包括如下步骤：

步骤1，采用已有磨损的钢轨构建实验模型；

步骤2，建立深度学习框架；

步骤3，基于步骤2建立的学习框架对钢轨的实际磨损程度进行测量。

2.根据权利要求1所述的一种基于深度学习的钢轨磨损检测方法，其特征在于：所述步骤1构建的实验模型为：包括两条已有磨损的钢轨，在两条钢轨上均安装一对平行设置的推轴，在每对推轴中，两个推轴的一端与测距轮连接，测距轮设置在钢轨上，两个推轴的另一端之间通过连杆连接，两个连杆之间通过支架连接，支架上分别设有电脑和GPS定位器，连杆上安装有激光轮廓传感器，测距轮、GPS定位器及激光轮廓传感器均与电脑连接。

3.根据权利要求1所述的一种基于深度学习的钢轨磨损检测方法，其特征在于：所述步骤2的具体过程为：

步骤2.1，预先采集训练模型，对训练模型进行深度学习训练，获得学习模型；

步骤2.2，将训练好的模型导入电脑，设置人工操作界面，对上传的数据进行处理、显示、存储。

4.根据权利要求3所述的一种基于深度学习的钢轨磨损检测方法，其特征在于：所述步骤3的具体过程为：

步骤3.1，将仪器单位、作业人员名称、起始里程、行程区间、钢轨型号选择、钢轨测量间隔这些基本信息输入电脑中；

步骤3.2，激光轮廓传感器的光幕与钢轨截面平行，激光轮廓传感器的光幕相对于钢轨剖面中心线偏斜45°角,扫出一条亮线，激光轮廓传感器自动测量出这条亮线上的每一个点的(Z,X)值，并传输到电脑内，通过电脑内的计算机软件将这一组数据换算成钢轨剖面的x轴与y轴的值，由于钢轨磨损发生到钢轨轨面和钢轨内侧，所以，只检测钢轨轨面及钢轨内侧即可的磨损程度即可，将扫描的钢轨磨损后的切面轮廓线与标准轮廓进行对比，得到钢轨垂直磨损和内侧磨损量，总磨损量为垂直磨损和内侧磨损量之和。