資源描述：
《地鐵車輪外形磨耗自動檢測系統(tǒng)》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、地鐵車輪外形磨耗自動檢測系統(tǒng)提要：介紹一種在車輛運動狀態(tài)下非接觸式對車輪外形磨耗進行快速自動檢測。系統(tǒng)由CCD攝像機、照明光源、線激光控制光源、計算機和圖像處理軟件等組成，對動態(tài)車輪圖像進行采集、圖像處理和數(shù)據(jù)管理，從而實現(xiàn)對被測車輪的外形磨耗的自動檢測，并對影響運營安全的車輪由軟件發(fā)出警報信號、數(shù)據(jù)記錄和圖像保存，同時實現(xiàn)數(shù)據(jù)和圖像網(wǎng)絡共享。主題：地鐵車輪磨耗自動檢測設備開發(fā)1.開發(fā)的目的1．1地鐵車輛在運行中存在著車輪與鋼軌之間力的傳遞（牽引力、制動力、離心力），造成車輪踏面的摩擦而磨耗，對車輛的安全性、乘坐舒適性和運行平穩(wěn)性影響很大。因此，對車輪踏面摩擦情
2、況和磨耗量需要進行定期的檢測，判斷是否對車輪進行旋削及車輪相關數(shù)據(jù)的跟蹤和分析。目前，在地鐵車輛維修中對車輪各參數(shù)的檢測還停留在手工階段，如對一列靜止列車的車輪幾何尺寸檢測是利用測量工具（屬靜態(tài)測量方法），對48個車輪（6節(jié)編組車）要進行每個車輪輪緣高度、輪緣寬度、車輪直徑和車輪內側距等測量，而在測量中工人工作量大、效率低，同時不可避免引入人為因素，直接影響測量的正確性，所測數(shù)據(jù)還要通過人工輸入到計算機，無法網(wǎng)絡化在線迅速了解車輪的檢測情況。所以開發(fā)本項目已成為實際生產中迫切需求。經過多年對車輛的維護和保養(yǎng)的經驗及計算機軟件應用的開發(fā)，參閱了有關國內外的相關資料
3、，設計出了車輪外形磨耗自動檢測軟件及其應用系統(tǒng)，具有創(chuàng)造性，并且在地鐵行業(yè)為首創(chuàng)，它的應用也具有很大的現(xiàn)實意義和可觀的經濟效益。1．2對于在車輛運行狀態(tài)和靜止態(tài)狀態(tài)下對車輪外形磨耗進行檢測的設備，在國外有日本、德國、美國和羅馬尼亞分別采用各種方式進行了研究，并應用在實際測量中。目前比較先進的采用計算機數(shù)字圖像處理方法，數(shù)字圖像處理方法一般分接觸式和非接觸式測量，從提高效率來講，非接觸式測量已成為現(xiàn)代化管理重要手段。按接觸式方式：有像素組成的圖像塊:如：g(I,j)=｛f(I,j)+f(I-1,j-1)+f(I,j-1)+f(I+1,j-1)+f(I-1,j)+f
4、(I-1,j+1)+f(I,j+1)+f(I+1,j+1)｝/9使圖像能比較不失真的情況下，滿足測量要求。如圖3所示。圖3圖像的平滑圖4．2圖像的銳化模塊圖像的銳化處理主要是突出邊緣圖像信息，使圖像更清晰（采用高通慮波），其設計方法有利于進一步圖像的二值化處理。如圖4所示。方法如下：以原始圖像F（I，J）的像素值與邊緣上相鄰的像素F（I-1，J-1）的像素之差的絕對值的百分比之和得到G（I，J）的值rr=r1+0.25abs(r1-r2)bb=b1+0.25abs(b1-b2)gg=g1+0.25abs(g1-g2)圖4圖像的銳化4．3圖像的二值化模塊經過原始圖
5、像的不斷處理，最終要求圖像具有黑、白兩種像素值。采用圖像的二值化處理主要使圖像畫面內僅存在黑色（灰度值為0）、白色（灰度值為1）的二值圖，在圖面上不呈現(xiàn)有灰度變化，在圖像處理中二值圖起到重要作用，大大簡化后面的圖像處理，一般圖像中顯示物體與背景有明顯區(qū)別，通過選擇閥值t，可分離所需的圖像和背景圖像，以便對圖像進行測量處理打下基礎，方法如下：f(I,j)=1;f(I,j)>=tf(I,j)=0;f(I,j)<t通常用f(I,j)=1部分表示圖像，用f(I,j)=0表示背光，來確定t值。如圖5所示。圖5圖像的二值化4．4圖像的細化模塊圖像的細化處理主要是
6、進一步修飾處理，達到一個圖像像素寬度的線（即：一個像素寬）。經過圖像的二值圖后，再利用羅伯特(Roberts)算子來提取邊緣處理和圖像逆反處理，同時再進行離散性處理（孤立點），最終為圖像的檢測做準備。羅伯特(Roberts)算子方法：gx=｛f(I,j)-f(I+1,j)｝2;gy=｛f(I+1,j)-f(I,j+1)｝2;g(I,j)=｛gx+gy｝1/2圖像逆反處理的方法：設定輸入源圖像的灰度值為f(I,j)，輸出圖像的灰度值為g(I,j)，那么g(I,j)=255-f(I,j)。如圖6（a）、（b）所示。（a）（b）圖6圖像的細化4．5圖像的修正模塊圖像的
7、自動識別是以車輪的內側面為基準線進行的，因為車輛在以5km/h速度運動進入停車庫時，由于輪軌之間存在間隙，車輪軸可能產生左右軸向偏移，采集的圖形其實際內側面與理論面基準垂直線產生一定角度a，圖像不一定垂直理論基準垂線，為此，重點研究了如何能自動識別其垂直度的算法，即能對圖像進行自動的掃描，對圖像不斷進行判斷（旋轉），修正車輪內側面基準線的垂直位置，最后使圖像的內側面基準線與理論設定的X軸垂直，如圖7所示。X圖7圖像的垂直線修正4．6圖像的測量模塊經過圖像修正后得到如圖8，我們選擇好各個參數(shù)和識別的區(qū)域，如車輪內側面至70mm處為車輪的直徑測量點和識別區(qū)域（紅色虛
8、線），計算機便自動在這個
