摘 要：高速列车在行驶一定的时间或里程后，需要对车底进行排查，检测车底是否存在损伤问题。传统的排查主要是靠人眼进行检测，这种方式给排查带来一定的不便与隐患。为提高对车底损伤部件定位检测的效率，本文提出利用机器视觉与运动控制技术实现对车底部件的自动化检测，以提高检测的精度与准度，为高速列车自动化检测技术发展奠定了基础，具有一定的参考价值。
关键词：损伤检测；机器视觉；自动化检测；
0 引言
高速列车行驶速度一般要达到200km/h及以上，在行驶到一定的里程数或行驶时常后，需要进行检修处理以保证后续行驶的安全[1]。在传统的车底检修过程中，检测人员会对车底进行排查，查看部件是否损耗或有裂缝存在。靠人眼与灯光配合进行检测的过程中，对于细小问题的排查存在一定的主观性，而且人工排查的效率与精度不高，甚至会出现漏检的情况。对后续的检测工作造成影响 [2]。
近年来随着机器视觉和运动控制技术的不断发展，在现代化的设备检测过程中，机器视觉正逐步取代人眼[3]。检测识别定位的速度、精度与准度相比人眼而言大大提高；伺服运动控制技术的应用已基本普及，控制的精度与速度已能满足现代工业的生产要求[4]，因此将机器视觉技术引入到高速车辆的部件检测中已经具备条件。
1 列车车底部件损耗定位检测系统
1．1 列车车底部件损耗定位检测系统介绍
本文将利用机器视觉与运动控制技术，提出并设计一套能够自动对车底部件进行视觉检测的系统。利用CCD相机捕捉车底部件的图像，对图像进行识别分析判断损伤部件的位置。以某车车底布局为例，布局图如图1所示。车底的部件分布有序，部分部件之间存有一定的距离[5]，根据这一特点针对车底CCD相机采集存在视野盲区的位置，可以采用伺服机械臂的输送的方式将CCD相机送至指定位置进行设备图片的采集。
.png)
图1 车底部件分布图
设计检测系统的模型如图2所示。图中上半部分为简易的车底模型图，下半部分为定位检测系统：包括轨道小车、三轴机械臂以及CCD相机，其中高速列车车底设备用虚线表示。进行检测时根据车底布局，预先将轨道小车的行走路线设定好，当走到某一部件的视野盲区时控制小车停下，启动三轴机械臂，把机械臂上的CCD相机送至指定位置进行图像采集。CCD相机采用面阵相机，相机视野如图中虚线所示，为使采集的图像更清晰，可在相机一侧加上合适的光源，保证图像的亮度便于后续对图像进行分析处理[6]。
.png)
图2 自动检测系统模型图
1.2 定位检测系统结构与原理分析
定位检测系统从结构设计上可分为视觉识别系统与运动控制系统两个部分。系统的结构框图如图3所示。其中视觉识别系统包括CCD相机、外加光源及工控机中的图像处理软件等；运动控制系统包括控制器、驱动器、机械臂等。
.png)
图3 定位检测系统结构框图
当轨道小车从初始点开始运动时，CCD相机进行车底图像的采集，当需进行图像采集的部件存在视野盲区时，轨道小车停下控制器控制驱动装置进行机械臂的运动，预先设置好机械臂的行动轨迹，把CCD相机送至指定位置进行图像采集。采集完成后控制器控制伺服装置安全收回机械臂，轨道小车继续向前直至CCD相机完成车底图像的采集，采集完成后把图像传到工控机中，利用图像处理软件对图片进行分析处理。图像处理技术应包含图像的预处理、图像滤波、图像增强、图像区域分割及图像特征检测等过程[7]，采用离线方式分析异常图像处理的结果，直至完成部件损耗图像的识别训练。在运动控制系统中采用PLC作为系统的控制方式，利用伺服进行轨道小车和机械臂的精准位置控制。若分析结果存在异常，便在工控机界面中显示出具体的位置，检测人员可以有针对性的进行排查，提高检测的精度与效率。
整体性而言，为保证图像数据获取的高效性以及控制定位的快速性，各自系统之间需要快而有效的数据传输。系统中轨道小车的位置，车底部件的图像数据信息，机械臂的运动轨迹数据都必须实时在工控机中记录，必须做好系统间的串口通信。当自身检测系统出现故障时，也必须预先做好自身的故障排查，在工控机的报警界面中显示出现异常的信息，方便后续的维护与使用。
2 定位系统间的通信方式分析
目前面阵CCD相机配备的接口类型主要有GigE和USB3.0两种。这两种接口对数据传输的速率都很快，针对快速性而言都满足要求。但在现场的安装过程中，CCD相机安装在轨道小车上，随着轨道小车的运动相机位置离工控机较远，必须选用一种适合远距离数据传输的方式才能满足要求。而GigE接口采用的是GigE Vision协议(基于千兆以太网通信协议)开发的相机接口标准，能够在很长距离上用标准线缆进行快速的数据传输[13]。而且目前GigE千兆以太网供电(PoE)技术已经成熟，能够实现在同一根以太网电缆上传输数据和供电，方便可靠并且数据传输的距离可达100m。这个距离的图像数据传输完全符合要求，因此CCD相机选用GigE千兆网接口作为通讯的接口类型。
现代的伺服系统已经采用新型总线技术作为其通讯的方式，大都支持PROFINET与PROFIBUS两种通讯形式 。但相比而言PROFINET通讯方式在传输带宽、传输距离以及通讯诊断等方面更有优势，因此设备之间采用PROFINET的通讯方式。整体间的通讯简图如图4所示。
.png)
图4 定位检测系统通讯简图
3 总结
本文首先介绍了高速列车检测维修的现状，提出了利用机器视觉进行车底定位检测的方法。进行整体系统的可行性分析，提出了系统的工作原理与结构框图的设计，将系统分为视觉识别与运动控制两个部分。为保证信息的高速传输，分析了两个部分各自的通讯方式，并对传输方式进行分析比较，选取了合适的通讯方式。为高速列车的自动化检测提出一种新的途径，在后续过程中将重点对系统的视觉识别精度进行研究，对损伤的部件图像进行机器学习训练，并对机械臂的运动控制进行分析研究。
参考文献
[1] 卞洪元.基于PLC控制的工业机器人系统的研究与实现[D].东南大学,2005.3.
[2] 贾启越,余翔宇.数字图像处理技术及处理过程[J].大观周刊,2012(5):232.
[3] 周超.边缘检测Canny算子的研究与改进[D].重庆师范大学,2012.04.
[4] 朱焜.铸造铝合金轮毂识别分类系统的研究[D].华中科技大学,2017.05.
[5] 赵慧,刘建华,梁俊杰.5种常见边缘检测方法的分析比较[J].现代电子技术,2014(6):89-92.
[6] 尹承添.基于机器视觉的钢板表面缺陷图像处理算法研究[D].南昌大学,2010.06.
[7] 王小俊,刘旭敏,关永.基于改进 Canny 算子的图像边缘检测算法[J].计算机工程,2012, 38(14):196-198.
[8] 刘静.人工目标识别与跟踪算法研究[D].西安电子科技大学,2008.06.
[9] C. Wang, H. Sun, S. Yada.et.al. Some Experiments in Relaxation Image Matching Using Corner Features[J].Pattern Recognition,1983 (2):167-182.
[10] 赵振刚.图像角点检测算法的研究[D].西安电子科技大学,2013.06.