云南铁路在途轨道测试系统关键技术的研究

This project aims to increase detection density of the railway track test without affecting the change of the railway transport plan, to provide low-cost detection scheme to reduce the probability of fatal accidents caused by rail track fault. Using gravity sensors, acceleration sensors and gyroscopes, and other modern measuring equipment, the carriage posture is measured and HD video is shot in real time. The project use pulse coupled neural network (PCNN) image processing techniques and wavelet image processing to detect the tracks and sub-grade, to conduct joint analysis of locomotive so as to extract rail irregularity, the level of irregularity and other information so as to provide failure statistics warning. The mathematical model between the information and gyro sensors CCD acquisition is established to analyze the posture parameters of load and without load. The scheme is a portable scheme between large rail diction system and T type rail detection system; also it is a strong complement for existed rail detection.

本项目旨在增加铁路线路检测密度，不影响改变的铁路运输计划，提供低成本检测方案，减少由于线路故障引发的恶性事故发生的概率。项目采用加速度传感器、陀螺仪等先进感测手段，采集机车车体的晃动和振动信号，采用CCD对轨道实时拍摄，采用脉冲耦合神经网络图像处理技术和小波图像处理技术检测铁轨和枕木的相关数据，并与机车的姿态信息进行联合分析，提取铁路高低不平顺，水平不平顺等信息；采用图像识别方法，对轨道扣件，道床进行识别和参照物识别，实现扣件脱落，道床板结，道砟不均匀,等故障的统计预警；建立CCD采集信息与陀螺仪等传感器采集信息之间的相关模型，分析无负重和负重情况下姿态参数，实现路基下陷预警；是介于大型轨检车和小型手推设备中间的便携方案，是现有轨检测试方法的有力补充。

本项目针对云南山区铁路运输业务繁忙，检修不便诸多因素，研究在不影响运输业务的前提下的在途轨道智能检测方法。. 项目采用图像传感器最为图像采集单元，采用FPGA芯片作为采集处理器，设计了线阵图像采集单元。采用加速度传感器和GPS位置记录仪设计了振动信号采集系统。. 项目使用RMS-PCNN对采集到的图像信号进行分割。该方法以图像的能量均值作为分割阈值，并使用动态连接矩阵，减少了循环次数。分割的图像使用耦合映象格子滤波，根据图像灰度块为分段映象，使轨道信号得到加强，利用视角变换将图像视角转换为顶视角，得到轨道的弯曲半径，计算出超高，与规定超高值进行比较，判断出线路隐藏下陷故障。采集的振动信号经过SVD-UKF滤波后，选择低频段反映出轨道的起伏情况，幅度大于阈值报警。提出使用LBP-DWT-GLCM多特征的检测算法检测道床板结，提出基于HOG-LBP算法的铁路扣件识别检测方法，有效提高分类精度，提出了并设计了智慧轨道视频监测系统平台部分模块，以现代电子计算机软硬件技术为支撑，借助地理信息系统（GIS）的地图分析和展示功能，把检测分析的结果用可视化展示。