为实现高速铁路周界侵限检测系统自动识别轨道区域的功能,提出了一种自适应的图像分割与识别算法。计算了每个场景的直线特征极大值以调节自适应参数,提出了新的基于边界点权重及区域面积的聚类组合规则,将碎片化区域快速组合成局部区域;简化了卷积神经网络,通过对卷积核进行预训练并在损失函数中增加稀疏项来提高特征图的差异性。在不使用显卡的前提下,对比实验结果表明所提算法的像素准确率最高(95.9%),计算时间最短(2.5 s),网络参数约为0.18×10 ⁶个,在分割精准度、识别准确率、计算时间、人工操作复杂度和系统硬件成本等之间找到了有效平衡点,提高了铁路周界侵限检测系统的自动化程度和工作效率。

针对现阶段我国铁路上应用的探伤设备只能在天窗时间进行人工巡检, 无法在线监测的问题, 提出一种基于超声导波的激光多普勒频移法钢轨内部缺陷监测方法。首先, 引入环境温度作为变量改进了半解析有限元方法, 并应用该方法获得了我国无缝线路CHN60钢轨在特定温度下的频散曲线。通过分析振型并结合激励响应算法确定了适于检测缺陷的模态及其激励方式, 从而激励该超声导波模态使其在钢轨中传播。然后, 应用半反半透玻璃镜将激光分为参考光和测量光, 测量光通过Bragg Cell进行频偏照射钢轨表面, 通过反射光产生的多普勒频移与参考光干涉得到光强度变化曲线, 经过信号处理及标定测得钢轨内部缺陷的回波速度信号, 再经过数字化处理和计算得到缺陷的位置。最后, 在北京环形铁路试验基地进行了现场实验, 以钢轨接地孔模拟钢轨内部核伤, 得到缺陷定位误差均小于05 m, 验证了该方法的可行性。使用激光多普勒频移方法检测导波信号从而定位缺陷的方法可以有效避免由于换能器接触性测量而产生的误差。该方法在不影响列车的正常运营的同时, 实现了全天候无间断的在线监测, 提高了检测效率。

基于高速相机研发了双视角高速视觉检测系统。 该系统可从不同角度对周期机械运动进行长时间、无接触的同步实时检测, 并可自动判断和存储异常动作的瞬时高帧率视频图像。基于机械系统运动特性提取理论, 提出了多视角高帧率视频图像的离线处理算法, 利用两个高速相机准确建立了样本图像数据库及它们的对应关系。提出了多视角同步实时检测算法, 完成了对目标的实时视觉检测, 并实现了瞬时保存关键图像的功能。为验证算法的有效性和系统的稳定性, 搭建了双视角高速视觉检测系统, 对真实的机械系统进行了实验。结果显示, 提出的系统实现了500fps的双目高速相机同步检测, 以及0.1 s内运动目标的自动判断, 同时完成了对关键图像的瞬时保存。文中的研究为机械系统的非接触检测提供了一种高速可视化的检测方法。