轨道扣件病害自动化检测研究及应用

doi:10.13474/j.cnki.11-2246.2021.0247

测绘通报 ›› 2021, Vol. 0 ›› Issue (8): 88-92.doi: 10.13474/j.cnki.11-2246.2021.0247

• 轨道交通前沿测绘技术研究与应用 • 上一篇下一篇

轨道扣件病害自动化检测研究及应用

侯海倩^1,2, 唐超^1,2, 赵丽凤^1,2, 张昊³

1. 北京城建勘测设计研究院有限责任公司, 北京 100101;
2. 城市轨道交通深基坑岩土工程北京市重点实验室, 北京 100101;
3. 北京路桥瑞通养护中心有限公司, 北京 101300

收稿日期:2021-06-07 修回日期:2021-06-24 出版日期:2021-08-25 发布日期:2021-08-30
作者简介:侯海倩(1989-),女,硕士,工程师,主要从事轨道交通安全运营管理研究。E-mail:houkjz1989@163.com

Research and application of automatic detection of rail fastener damage

HOU Haiqian^1,2, TANG Chao^1,2, ZHAO Lifeng^1,2, ZHANG Hao³

1. Beijing Urban Construction Exploration & Surveying Design Research Institute Co., Ltd., Beijing 100101, China;
2. Beijing Key Laboratory of Deep Foundation Pit Geotechnical Engineering of Rail Transit, Beijing 100101, China;
3. Beijing Luqiao Ruitong Maintenance Center Co., Ltd., Beijing 101300, China

Received:2021-06-07 Revised:2021-06-24 Online:2021-08-25 Published:2021-08-30

摘要/Abstract

摘要： 传统扣件检查基本采用人工检查方式，不仅工作效率低、劳动强度大，而且人为干扰因素多、检查采样率低。针对以上问题，本文提出了一种基于线结构光传感器的轨道扣件损伤和松动检测方法，并开发了轨道扣件智能监测系统以实现扣件病害自动检测。最终将研究成果应用于徐州市某地铁区间轨道扣件检测，验证了该方法的可行性和准确率，为地铁轨道扣件检查提供了新方法。

关键词: 轨道, 自动化检测, 结构光传感器, 扣件损伤, 决策树, 区域生长法

Abstract: The traditional fastener inspection basically adopts manual inspection method, which not only has the disadvantages of low work efficiency and high labor intensity, but also has the disadvantages of many human factors interference and low inspection sampling rate. To solve these problems, this paper proposes a method for detecting damage and loosening of rail fasteners based on a line structure light sensor, and develops an intelligent monitoring system for rail fasteners to realize detecting damage automatically. Finally, the research results are applied to the detection of rail fasteners in a subway section of Xuzhou city, and the method is verified with feasibility and accuracy, which provides a new method for the inspection of subway track fasteners.

Key words: rail, automatic detection, structured light sensor, fastener damage, decision tree, zone growing method

中图分类号:

P258

侯海倩, 唐超, 赵丽凤, 张昊. 轨道扣件病害自动化检测研究及应用[J]. 测绘通报, 2021, 0(8): 88-92.

HOU Haiqian, TANG Chao, ZHAO Lifeng, ZHANG Hao. Research and application of automatic detection of rail fastener damage[J]. Bulletin of Surveying and Mapping, 2021, 0(8): 88-92.

参考文献

[1] 王振. 两种轨道扣件弹条失效分析及有限元模拟分析[D]. 成都:西南交通大学, 2013.
[2] 张泽宁. 轨道扣件快速弹条状态识别应用软件设计与实现[D]. 上海:上海工程技术大学, 2020.
[3] 刘妮娜, 王永录.轨道扣件智能检测系统的设计及应用[J]. 高速铁路技术, 2016, 7(4):55-59.
[4] 王开雄. 基于部件模型的高铁扣件检测算法研究[D]. 成都:西南交通大学, 2019.
[5] 肖源淼, 秦飞, 包建强, 等. CRTSⅢ型轨道板自动化检测系统性能评价方法[J]. 测绘与空间地理信息, 2021, 44(3):190-194.
[6] 崔晓璐, 程梽, 何志强, 等. 地铁线路先锋扣件结构参数对轮轨摩擦自激振动的影响[J]. 润滑与密封, 2021, 46(4):32-38.
[7] 路通. 地铁智能巡检车高精度自主定位技术研究[D]. 北京:北京交通大学, 2019.
[8] 王嘉宁, 汤景然, 蒋祝鹏, 等. 高速铁路扣件弹条裂缝检测算法研究[J]. 电子世界, 2021(5):15-16.
[9] 李天夫, 屈伸, 董晨, 等. 轨道扣件弹条断裂失效分析[J]. 金属热处理, 2019, 44(S1):174-177.
[10] 王兵水, 郑树彬, 李立明, 等. 基于YOLO改进算法的轨道扣件状态检测研究[J]. 智能计算机与应用, 2020, 10(1):137-143.
[11] 邓忞成.高速铁路无砟轨道道床板裂缝成因及控制措施[J]. 智能城市, 2021, 7(7):31-32.
[12] 安小雪, 李欢, 郑树彬, 等. 轨道扣件检测系统机械结构随机振动疲劳分析[J]. 计算机仿真, 2021, 38(3):40-45.
[13] 傅志方, 华宏星.模态分析理论与应用[M]. 上海:上海交通大学出版社, 2000.
[14] 刘学毅, 王平.车辆轨道路基系统动力学[M]. 成都:西南交通大学出版社, 2010.
[15] 赵新军.技术创新理论(TRIZ)及应用[M]. 北京:化学工业出版社, 2004.
[16] AITKENHEAD M J, AALDERS I H. Automating land cover mapping of Scotland using expert system and knowledge integration methods[J]. Remote Sensing of Environment, 2011, 115(5):1285-1295.
[17] ALIPPI C, CASAGRANDE M, FUMAGALLI F. et al. An embedded system methodology for real-time analysis of railways track profile[C]//Proceedings of the 19th IEEE Instrumentation and Measurement Technology Conference.[S.l.]:IEEE, 2002:747-751.
[18] DERUVO P, DISTANTE A, STELLA E, et al. A GPU-based vision system for real time detection of fastening elements in railway inspection[C]//2009 16th IEEE International Conference on Image Processing (ICIP). Cairo:IEEE, 2009:2333-2336.
[19] LORENTE A G, LLORCA D F, VELASCO M G, et al. Detection of range-based rail gage and missing rail fasteners:use of high-resolution two- and three-dimensional images[J]. Transportation Research Record, 2014, 2448(1):125-132.
[20] MARINO F, DISTANTE A, Mazzeo P L, et al. A real-time visual inspection system for railway maintenance:automatic hexagonal-headed bolts detection[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 2007, 37(3):418-428.

轨道扣件病害自动化检测研究及应用

Research and application of automatic detection of rail fastener damage

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[2]	贾煜, 汪泓, 蔡宏, 张磊. 结合地形因子与分层策略的喀斯特地区无人机影像分类[J]. 测绘通报, 2022, 0(2): 121-127.
[3]	李梓豪, 唐超. 基于高清工业相机的盾构隧道裂缝智能识别算法分析[J]. 测绘通报, 2021, 0(8): 83-87,101.
[4]	王子彦, 任超, 梁月吉, 施亚杰, 李现广, 张胜国. 基于高分六号红边特征的面向对象桉树人工林信息提取[J]. 测绘通报, 2021, 0(6): 6-11.
[5]	陈磊士, 高霞霞, 廖玉芳, 邓剑波, 周碧. 基于CART决策树的高分二号洞庭湖区湿地分类方法[J]. 测绘通报, 2021, 0(6): 12-15.
[6]	王树祥, 韩留生, 杨骥, 李勇, 赵倩, 刘杨晓月, 吴昊. 一种改进的融合多指标荒漠化等级分类方法[J]. 测绘通报, 2021, 0(4): 8-12.
[7]	黄燕, 陈明辉, 高益忠, 黎海波. 城市轨道交通地理信息管理平台研究与实现——以东莞市为例[J]. 测绘通报, 2021, 0(2): 126-130.
[8]	王朝辉, 马下平, 严丽, 鲁铁定, 赵庆志. 北斗三号全球卫星导航系统的广播星历精度评估[J]. 测绘通报, 2021, 0(1): 59-65,98.
[9]	杨晓飞, 吴真真, 唐超. 城市轨道交通保护区综合安全管理研究与应用[J]. 测绘通报, 2020, 0(9): 7-11.
[10]	田军, 唐超. 新型测绘技术在轨道交通智慧建造中的应用[J]. 测绘通报, 2020, 0(9): 23-26.
[11]	冯增文, 李珂, 李梓豪, 任传斌. 低空无人机的倾斜摄影测量技术在城市轨道交通建设中的应用[J]. 测绘通报, 2020, 0(9): 42-45.
[12]	王勇, 王柄强, 唐超. 基于移动三维激光扫描的地铁盾构环片提取与分析[J]. 测绘通报, 2020, 0(9): 46-49,65.
[13]	饶鹏文, 毛亚. BDS卫星实时钟差估计[J]. 测绘通报, 2020, 0(5): 69-72,100.
[14]	刘儒宏, 刘成龙, 何金学, 杨雪峰. 惯导型轨检仪轨道测量精度检测方法研讨[J]. 测绘通报, 2020, 0(4): 76-80.
[15]	聂运菊, 熊佳诚, 程朋根, 罗跃. 结合PS特征点的SBAS地表形变监测[J]. 测绘通报, 2020, 0(4): 91-95.