地鐵車輪外形磨耗自動檢測系統提要： 介紹一種在車輛運動狀態下非接觸式對車輪外形磨耗進行快速自動檢測。系統由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，對動態車輪圖像進行采集、圖像處理和數據管理，從而實現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出警報信號、數據記錄和圖像保存，同時實現數據和圖像網絡共享。主題： 地鐵車輪磨耗 自動檢測設備 開發1.開發的目的 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性影響很大。因此，對車輪踏面摩擦情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據的跟蹤和分析。 目前，在地鐵車輛維修中對車輪各參數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（屬靜態測量方法），對48個車輪（6節編組車）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，所測數據還要通過人工輸入到計算機，無法網絡化在線迅速了解車輪的檢測情況。所以開發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的經驗及計算機軟件應用的開發，參閱了有關國內外的相關資料，設計出了車輪外形磨耗自動檢測軟件及其應用系統，具有創造性，并且在地鐵行業為首創，它的應用也具有很大的現實意義和可觀的經濟效益。1．2 對于在車輛運行狀態和靜止態狀態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字圖像處理方法，數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代化管理重要手段。按接觸式方式：有WRS2000型鐵道車輛車輪踏面/軌頭外形快速測錄儀及上海地鐵常用的模板式工具。通過手工操作對靜止的車輪進行檢測。按非接觸式方式：就是車輛在運行狀態下（車輪與車體不進行分解）對車輪進行自動測量。根據檢索相關資料，目前國內用非接觸式測量方法，如采用CCD方式，利用光測量法和B工程曲線算法，還停留在實驗階段。1．3 本文介紹的車輪外形磨耗自動檢測系統，重點研究并解決了在圖像處理中一些難點，通過在WIN98系統平臺上、利用編程語言開發出圖像處理應用軟件，對采集到的車輪圖像進行自動處理和識別，即：對車輪圖像進行各種特別處理并對其車輪內側面基準線的垂直度進行自動掃描、識別，能使圖像在坐標中旋轉，不斷進行修正，最終使車輪內側面垂直于水平坐標，便于后處理計算來完成車輪圖像的幾何尺寸的自動檢測目的。本方法最大優點是采集到的車輪圖像是正視圖，計算機處理迅速和正確。2.系統的組成 系統方案如圖一，在每根軌道的內側分別安裝二臺CCD攝像機和相關輔助照明光源，當列車以小于5Km/h左右的速度進入停車庫時，CCD攝像機及時捕捉到不同方向的車輪圖像，由軟件設定識別區域，自動進行抓拍到每個車輪圖像，并將左右二路的四幅車輪圖像通過無線或有線傳輸到計算機中的PCI采集卡，由PCI卡將視頻模擬信號轉變成數字信號，通過錄像功能保存在計算機硬盤中，便于在圖像處理時調用。然后應用本軟件進行對圖像的各種處理和數據管理。在試驗中發現采集到的圖像的分辯率是決定捕捉到的圖形與原物的逼真程度，所以選擇CCD攝像機和PCI采集卡非常重要，通過多次實踐，認為圖形的分辯率在520×520像素基本滿足工業圖形處理要求。
3 圖像的采集 圖像源的采集可分為模擬信號輸出和數字信號輸出，前者需要圖像采集卡、A/D模數變換模塊等，它能進行遠距離的傳輸。而目前隨著數字技術的發展，圖像采集簡便化，只要一個CCD數碼采集單元和一個配套的驅動程序，使用上非常方便。但傳輸距離比較近（調試），需要靠無線來傳輸圖像，其結果圖像噪聲較大。本項目的車輪外形磨耗自動檢測系統，其車輪圖像的采集由CCD攝像機、PCI采集卡和輔助光源來完成，將采集到的圖像數據直接傳遞給計算機。在本軟件中集成了圖像捕捉功能，設定一個監視區域，能自動捕捉目標并自動保存，不需要復雜的傳感器。圖2是現場采集到的彩色原始圖像，捕捉到的圖像清晰度是后期圖像處理的關鍵。要求車輪圖像的背景噪音與車輪輪廓具有明顯的不同。在試驗中增加濾色片，其效果非常滿意，能過濾不同的背景噪音。通過反復對實際圖像處理的結果。 圖2 原始圖像4 圖像的處理 一般圖像的處理是根據不同的項目對像進行處理，本軟件設計以車輪外形尺寸大小為測量的主要目標，達到測量值的精確性使其成為數字化管理手段，正確顯示出能接近原物的圖像的輪廓曲線，在軟件中集成了各種圖像處理方法，經優化比較，將圖像處理分為6大模塊：圖像的平滑處理模塊、圖像的銳化處理模塊、圖像的二值化處理模塊、圖像的細化處理模塊、圖像的自動修整處理模塊和圖像的自動測量模塊。4．1 圖像的平滑模塊圖像的平滑處理主要是去除圖像在數字化后產生的周圍干擾噪聲，而不使圖像失真（采用低通慮波），以當前圖形f(I,j)為中心切一個N×M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(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)>=t f(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和識別的區域，如車輪內側面至70mm處為車輪的直徑測量點和識別區域（紅色虛線），計算機便自動在這個區域內對所有圖像進行幾何尺寸的計算，每幅圖像基本在這個區域內，計算機便自動測量并保存數據，最終得到如圖8的圖像效果，C點為車輪直徑值（距離車輪內側面70 mm處），D點為車輪輪緣寬度值（距離車輪C點10 mm處），E點為車輪輪緣高度值，并且將所測的數據保存在數據庫內，建立純文本文件（TXT）和數據文件（DB）以及動畫文件（AVI），記錄48個車輪測量得到車輪數據以及動態圖像錄像。 圖8 圖像的測量4．7 圖像的數據庫管理為了將檢測到的數據進行分析和保存，本軟件設計了動態數據庫，如圖9。通過對每幅圖像的六大處理后，測量的數據分別保存在數據庫內和文本文件中，用戶可以方便搜索。對不符合要求的數據用紅色顯示并通過計算機RS232串行接口傳輸到設備中的指示燈顯示，提醒人們該車輪已超值。在軟件人機界面中，我們通過設定各類參數如：車輪的直徑在 840mm到770mm之間為正常車輪輪緣的高度在 28mm到32mm之間為正常車輪輪緣的寬度在28mm到34 mm之間為正常車輪內側距離在 1357mm到1359mm之間為正常超出的數據為不合格的車輪。通過采集圖形到圖像處理，所得到的數據符合設計要求，測量精度在0.2mm內。圖9 數據庫管理5 硬件設備的設計 硬件選擇的方案對本項目的成功相當重要，在對每輛車的檢測需要有一個車輛號碼，能自動產生一組編碼，由計算機處理、存儲、打印有關數據。本系統一般安裝在車輛進出的車庫入口處，地面安裝4臺CCD攝像機、光源和接收器，使每輛車經過時均產生一個車輛號碼。在夜間工作時，所有車輛須經過這個道口。系統能自動進入運行狀態（通過激光控制技術），在每輛車的車輛底架處安裝一組模塊，作為無源發射源。（或者在車輛上安裝無線發送器，即能作為車輛動態運動時的跟蹤目標信號，工作范圍20 M內，又能作為本系統的車輛號，采用挪威公司的產品，目前已應用在地鐵車輛的動態站名的顯示，作為無線收、發器，但是成本相對高）方便而可靠（本模塊目前廣泛應用在電梯層面的數字化控制）。6 項目試驗的結果該系統應用在生產過程中，對地鐵車輛在運營中起到積極的作用，能及時了解車輪的幾何形狀，預防車輪的脫軌事故的發生，通過計算機來分析大量的數據庫文件，可以及時發現車輪和軌道之間的相互作用，更好的防止輪、軌之間的不合理的磨損，以確保地鐵車輛每天的安全運營和乘客的乘車舒服性。過去對車輪維護和檢查是每周一次，勞動強度比較大，人為造成的因素比較多，通過使用計算機自動檢測系統，對車輪的檢查改為每天一次，同時通過網絡系統使所有管理人員都能了解地鐵車輛的車輪安全狀況，還能為企業提前預測車輪的維護保養的有關數據，起到可觀的經濟效益。目前，國內車輛維護單位非常希望得到地鐵車輛的動態車輪自動檢測系統，來幫助企業提高地鐵車輛安全性、維修能力和經濟效益參考資料1． 結構光條法應用于車輪外形磨耗自動檢測的研究李遠哲等鐵道車輛1998（3）2. 車輪踏面形狀自動檢測裝置 本多 明（日）國外鐵道車輛1999（2） 3．鄭芬芳等 同濟大學 鐵道車輛 2002（1）上海地鐵建設有限公司：何偉榮 2004 –09-01注：1． 本項目獲得“2004年上海市優秀發明選拔賽四等獎”2． 發表在“2004年北京-世界軌道交通論壇”國際會議文集3．文章供有關人員參考和交流
3 圖像的采集 圖像源的采集可分為模擬信號輸出和數字信號輸出，前者需要圖像采集卡、A/D模數變換模塊等，它能進行遠距離的傳輸。而目前隨著數字技術的發展，圖像采集簡便化，只要一個CCD數碼采集單元和一個配套的驅動程序，使用上非常方便。但傳輸距離比較近（調試），需要靠無線來傳輸圖像，其結果圖像噪聲較大。本項目的車輪外形磨耗自動檢測系統，其車輪圖像的采集由CCD攝像機、PCI采集卡和輔助光源來完成，將采集到的圖像數據直接傳遞給計算機。在本軟件中集成了圖像捕捉功能，設定一個監視區域，能自動捕捉目標并自動保存，不需要復雜的傳感器。圖2是現場采集到的彩色原始圖像，捕捉到的圖像清晰度是后期圖像處理的關鍵。要求車輪圖像的背景噪音與車輪輪廓具有明顯的不同。在試驗中增加濾色片，其效果非常滿意，能過濾不同的背景噪音。通過反復對實際圖像處理的結果。 圖2 原始圖像4 圖像的處理 一般圖像的處理是根據不同的項目對像進行處理，本軟件設計以車輪外形尺寸大小為測量的主要目標，達到測量值的精確性使其成為數字化管理手段，正確顯示出能接近原物的圖像的輪廓曲線，在軟件中集成了各種圖像處理方法，經優化比較，將圖像處理分為6大模塊：圖像的平滑處理模塊、圖像的銳化處理模塊、圖像的二值化處理模塊、圖像的細化處理模塊、圖像的自動修整處理模塊和圖像的自動測量模塊。4．1 圖像的平滑模塊圖像的平滑處理主要是去除圖像在數字化后產生的周圍干擾噪聲，而不使圖像失真（采用低通慮波），以當前圖形f(I,j)為中心切一個N×M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(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)>=t f(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和識別的區域，如車輪內側面至70mm處為車輪的直徑測量點和識別區域（紅色虛線），計算機便自動在這個區域內對所有圖像進行幾何尺寸的計算，每幅圖像基本在這個區域內，計算機便自動測量并保存數據，最終得到如圖8的圖像效果，C點為車輪直徑值（距離車輪內側面70 mm處），D點為車輪輪緣寬度值（距離車輪C點10 mm處），E點為車輪輪緣高度值，并且將所測的數據保存在數據庫內，建立純文本文件（TXT）和數據文件（DB）以及動畫文件（AVI），記錄48個車輪測量得到車輪數據以及動態圖像錄像。 圖8 圖像的測量4．7 圖像的數據庫管理為了將檢測到的數據進行分析和保存，本軟件設計了動態數據庫，如圖9。通過對每幅圖像的六大處理后，測量的數據分別保存在數據庫內和文本文件中，用戶可以方便搜索。對不符合要求的數據用紅色顯示并通過計算機RS232串行接口傳輸到設備中的指示燈顯示，提醒人們該車輪已超值。在軟件人機界面中，我們通過設定各類參數如：車輪的直徑在 840mm到770mm之間為正常車輪輪緣的高度在 28mm到32mm之間為正常車輪輪緣的寬度在28mm到34 mm之間為正常車輪內側距離在 1357mm到1359mm之間為正常超出的數據為不合格的車輪。通過采集圖形到圖像處理，所得到的數據符合設計要求，測量精度在0.2mm內。圖9 數據庫管理5 硬件設備的設計 硬件選擇的方案對本項目的成功相當重要，在對每輛車的檢測需要有一個車輛號碼，能自動產生一組編碼，由計算機處理、存儲、打印有關數據。本系統一般安裝在車輛進出的車庫入口處，地面安裝4臺CCD攝像機、光源和接收器，使每輛車經過時均產生一個車輛號碼。在夜間工作時，所有車輛須經過這個道口。系統能自動進入運行狀態（通過激光控制技術），在每輛車的車輛底架處安裝一組模塊，作為無源發射源。（或者在車輛上安裝無線發送器，即能作為車輛動態運動時的跟蹤目標信號，工作范圍20 M內，又能作為本系統的車輛號，采用挪威公司的產品，目前已應用在地鐵車輛的動態站名的顯示，作為無線收、發器，但是成本相對高）方便而可靠（本模塊目前廣泛應用在電梯層面的數字化控制）。6 項目試驗的結果該系統應用在生產過程中，對地鐵車輛在運營中起到積極的作用，能及時了解車輪的幾何形狀，預防車輪的脫軌事故的發生，通過計算機來分析大量的數據庫文件，可以及時發現車輪和軌道之間的相互作用，更好的防止輪、軌之間的不合理的磨損，以確保地鐵車輛每天的安全運營和乘客的乘車舒服性。過去對車輪維護和檢查是每周一次，勞動強度比較大，人為造成的因素比較多，通過使用計算機自動檢測系統，對車輪的檢查改為每天一次，同時通過網絡系統使所有管理人員都能了解地鐵車輛的車輪安全狀況，還能為企業提前預測車輪的維護保養的有關數據，起到可觀的經濟效益。目前，國內車輛維護單位非常希望得到地鐵車輛的動態車輪自動檢測系統，來幫助企業提高地鐵車輛安全性、維修能力和經濟效益參考資料1． 結構光條法應用于車輪外形磨耗自動檢測的研究李遠哲等鐵道車輛1998（3）2. 車輪踏面形狀自動檢測裝置 本多 明（日）國外鐵道車輛1999（2） 3．鄭芬芳等 同濟大學 鐵道車輛 2002（1）上海地鐵建設有限公司：何偉榮 2004 –09-01注：1． 本項目獲得“2004年上海市優秀發明選拔賽四等獎”2． 發表在“2004年北京-世界軌道交通論壇”國際會議文集3．文章供有關人員參考和交流