城轨列车走行部地面检测系统研究与设计

邬春晖，夏志成，高一凡，陈小英，周 勋，刘凯峰

（1. 北京市地铁运营有限公司运营二分公司古城车辆段，北京 100043； 2. 北京锦鸿希电信息技术股份有限公司，北京 100070）

走行部作为城轨列车的关键部件，在整个车辆系 统中起着承载、走行、牵引等作用，其运行状态对城轨列车的安全运行至关重要。传统的检修模式难以适应列车安全运行的要求，检修人员通常只能检查到走行部部件的表面安装状态，且仅依靠检修人员经验的模式难以真正及时地排除可能存在的隐患[1]。因此，结合现代化信息技术，创新性地将城轨列车走行部的故障诊断改为在线检测模式，建立了一套可以实时监测走行部部件运行状态的系统，结合车载融入强大的监测系统，使城轨列车走行部的故障现象能够得到及时检测，并实现自动化诊断，有利于提高现有车辆检修维护效率，提前发现部件隐患并消除其对列车安全的潜在威胁，对轨道交通的安全保障具有重大意义。同时，减少了城轨列车走行部的故障诊断环节人力投入，为社会经济带来一定效益[2]。

目前，中国城轨列车因保障运行安全的需要，配备了大量具备单一监测功能的独立安全监测设备[3]。基于此，设计了一种通过式检测的地面检测系统，实现了对列车走行部的关键零部件进行自动化检测并作出故障预警，以提高列车检修效率，保障列车运行安全。

1 系统组成及功能

地面检测系统主要由轨旁检测设备和地面中心设备组成。轨旁检测设备包括轮对尺寸检测模块、图像检测模块、红外温度检测模块、轨旁处理设备、磁钢、车号识别设备、电缆等组成。地面中心设备主要由对轨旁检测设备及检测数据进行控制管理的一系列软硬件设施组成。地面检测系统组成见图1。

图1 地面检测系统组成 Figure 1 Ground monitoring system components

地面检测系统具有轮对尺寸、车底关键部件异常及轴箱、电机等部件温度异常的检测报警功能，此外还具备系统自检、自动防护、测轴计速和车号识别读取的辅助功能。

地面检测系统可以对轮对检测数据分析处理的结果进行轮对尺寸超限报警提示。车底图像检测主要检测列车车底、转向架内侧位置是否有异物，车底螺栓有无断裂及螺栓脱落。车侧图像检测主要检测车侧TBU螺栓有无脱落、高度阀杆有无断裂脱落，车侧轴端螺栓、一系簧螺栓有无脱落等现象。系统对扫描后的车底及拍摄的车侧图像进行自动识别和分析并进行报警提示；对车辆轴箱、电机及车下弱电箱温度进行检测，当其温度超限时，系统自动报警，并且系统定时对检测设备自身进行检查，可记录自检信息并及时进行故障报警。考虑轨旁检测设备工作环境的特殊性，系统也具备对关键部件的自动防护功能。系统具备测速计轴功能，可计算通过的轴数，依据列车通过速度调整系统测量扫描速度，以确保系统具备良好的适应性。此外系统能自动识别列车车号，将车号信息与检测及告警信息进行自动匹配。

2 工作流程

系统通过开机磁钢获取车辆通过信息。当列车通过时，开机磁钢会发出开机信号，所有检测设备收到信号，进入待机检测状态。

车号识别天线读取车辆上安装的车号电子标签，对通过的车辆进行车号识别。识别的车号信息会传输图像检测模块和轮对检测模块。

轮对检测系统通过射频标签动态识别列车，对进入检测轨道的列车车轮进行动态检测，利用轮对经过磁钢产生的脉冲信号，以及轮对之间的固定距离，确定列车速度，以此判定列车行进方向，自动开启轮对检测系统进行轮对采集，经过采集卡，高速同步采集轮对数据，并对数据进行滤波与校正，将校正后的数据实时提交给工控主机。通过工控主机对数据进行解析，算法处理选取最佳踏面圆，将离散数据点拟合成轮对踏面曲线，同时计算出轮对的轮缘高度、厚度、轮径。最后将测得的轮缘高度、厚度、轮径值与地铁检修部门提供经验值进行对比和轮对指标超限判定。通过将历史检测的数据存入到大数据平台中，对历史数据进行多项式拟合，得到轮对尺寸的劣化趋势曲线，从而对车轮状态进行预警判定。最后通过接入车号信息，整合车号、车轴和轮对数据信息，将对应匹配的检测结果输出到城轨综合检测与评估预警系统。

图像及温度检测模块通过线阵相机、面阵相机和红外相机，对车底和车侧存在螺栓脱落，高度阀杆断裂，异物悬挂，电机、弱电箱温度、轴箱温度超限的情况进行图像采集，采集的图像经过处理设备识别处理。通过使用深度卷积神经网络FASTER R-CNN完成算法自我学习，通过图像差和BLOB分析的图像对比方法，提高异物检测精度。原始图像在做处理前会采用直方图均衡做归一化处理，提高数据处理效率，降低错判率和漏判率。最后通过整合图像信息及对应车号、车轴信息，将匹配的检测结果通过既有通信井的网线或光纤输出到地面中心设备后接入城轨综合检测与评估预警系统。最终城轨综合检测与评估预警系统会根据检测结果及报告进行预警、报警提示。

3 轨旁检测设备

3.1 轮对尺寸检测模块

随着CCD(电荷耦合器件)技术和激光技术的发展，在线非接触式测量已成为轮对尺寸测量技术的主流[4-6]。本系统轮对尺寸检测模块通过激光传感器，应用激光测量法，对轮对的轮缘高度、厚度等尺寸进行检测[7]。

激光传感器的基本原理是光学的三角测量原理，如图2所示。激光束照射到目标物体的表面，形成一个光条，经过摄像头上的透镜在光敏探测器上产生图像，通过对光敏探测器获取的图像进行膨胀、腐蚀、二值化处理，之后提取图像光斑中心线。由于激光器与摄像头的相对位置是固定的，当激光传感器与目标物体的距离发生变化时，光敏探测器上的像点位置也相应发生变化，根据物像的三角形关系，就可以根据传感器结构参数计算出高度的变化，即测量了高度变化。

图2 激光传感器原理 Figure 2 Principle of laser sensor

当轮对检测模块接收到开机磁钢发出的开机信号时，开启激光传感器等设备进入测量准备状态。当车辆轮对通过时，激光传感器的激光投向轮对踏面上，激光传感器分别对车轮内、外踏面进行扫描，获取踏面信息，提取出的车轮廓形如图3所示；测量车轮直径尺寸信息；对传感器的测量数据融合可获得轮对内侧距。采集到车轮直径、轮对内侧距等数据后，发送到轨边箱中处理设备，对轮对尺寸数据进行分析处理[8]。根据轮对尺寸处理结果，系统进行报警提示。列车完全通过后，模块会通过计轴数量信号，进行设备关机。在未感应车辆进入时，激光传感器保护 盖不开启，因此不会危及站在系统周边的任何人员。轮对尺寸检测指标如表1所示。

图3 车轮廓形 Figure 3 Contour shape of metro vehicle wheels

表1 轮对尺寸检测指标Table 1 Inspection index of wheelset dimension mm

3.2 图像检测模块

日检虽为车辆日常例行检查，但总体检修内容较多、作业效率要求高、参与人员多、检修质量要求高。随着图像处理技术的发展，基于图像识别的自动检测技术得到了飞速发展[9]。本系统图像检测模块通过图像检测的方式来检测车底和车侧是否存在异常，自动诊断准确率达80%以上。

3.2.1 车底图像检测

车底图像检测主要检测列车车底、转向架内侧位置是否有异物，车底螺栓有无断裂及螺栓脱落。由于被检测的车辆底板通常处于匀速运动状态，因此利用一台或多台线阵相机对其逐行连续扫描，以达到整个表面均匀检测。图像处理可逐行进行，或者对由多行组成的面阵图像进行处理。此外选用线阵相机对整个车辆进行拍摄，可减少数据量，方便后期图像储存及处理。

基于城轨车辆运行条件及现场实际勘察情况，因需采集车体底部约2 m宽区域整体连续图像，故选用两个CMOS传感器类型线阵相机，每个相机覆盖的视场在1 m左右，采用的相机分辨率为2048，则每个像素的分辨率为0.5 mm。两个相机的镜头朝上，针对车底进行扫描。由于车轮侧面无法用以上两个相机扫描，需另增加两个相机，与车轮侧面成一定角度进行扫描。因此车底图像检测共需4个线阵相机。为减少传输接口，4个相机通过数据整合板，压缩后通过接口与轨边箱通信。车底图像检测示意见图4。

图4 车底图像检测 Figure 4 Metro vehicle bottom image detection

当列车入库经过开机磁钢时，检测模块接收到来车信号，模块开机准备。列车继续前行，由测速磁钢可得出列车的行进速度，从而可以计算出车体异物螺栓检测模块的拍摄频率，相机及光源同步采集整个过程的数据，数据整合板把4路采集的GIGE信号合并成1路CXP信号输出。测速磁钢通过轴计数，当经过24个轮对时，模块停止拍摄，在列车通过系统的过程中，模块持续拍摄并保存数据。

相机拍摄频率与列车行进速度相对应，当整个车辆通过后，相机就获得了整个车底部分的图像信息。系统可对保存的数据进行分析处理，自动识别出车底有无异物及螺栓是否脱落等情况，并且将采集数据与车号识别模块数据相结合，精确定位到具体车辆、具体位置的异常情况，为检修提供更方便的信息。

针对螺栓等固定形状的检测物，初期通过模板匹配方法定位螺栓，也可通过人工添加标识。后期采用深度学习的方法训练模板，进而提高整体的识别率。针对异物检测，主要是通过后期的图像裁割，获得轮对内侧面的图像，会根据轮对的外形特征，采用比对的方法识别异物。

3.2.2 车侧图像检测

车侧图像检测主要检测车侧TBU螺栓有无脱落、高度阀杆有无断裂脱落，车侧轴端螺栓、一系簧螺栓有无脱落等现象。TBU螺栓、高度阀杆、轴端螺栓、一系簧螺栓由于检测是定点拍摄，只需要特定部位的数据信息，如果选用线阵相机，就需要持续扫描储存，得到需要的图像信息。由于要根据实时速度计算提取触发前后时间的数据，增加了系统复杂度，因此选用CCD面阵相机，每次触发时拍摄几张图片就能满足需求。

根据现场实际勘查情况，采用两个面阵相机分别拍摄。轨道每侧有两个面阵相机，一共有4个面阵相机。采用面阵相机，可以在磁钢触发的时候，直接拍摄到TBU螺栓位置，并可以通过车速及视场的关系，连续触发拍摄，即可以把包含TBU螺栓、车轮侧面的图像拍摄完整。检测得到的面阵图像不用拼接，只需通过图像处理，判断故障即可。车侧图像检测示意见图5。

图5 车侧图像检测 Figure 5 Metro vehicle side image detection

当列车入库经过磁钢时，检测模块接收到来车信号，模块开机准备。列车继续前行，当车轮经过触发磁钢时，磁钢工作并触发相机及光源，这样整车经过时会拍摄24次，每次触发模块会拍摄，模块通过GIGE传输到轨边箱内的数据整合板进行数据整合，然后把数据保存到服务端。

针对螺栓等固定形状的检测物，初期通过模板匹配方法定位螺栓，也可通过人工添加标识，后期采用深度学习的方法训练模板，进而提高整体的识别率。

3.3 红外温度检测模块

红外温度检测模块主要采用红外相机拍摄方式，检测轴箱、电机、弱电箱的温度是否异常。

红外相机通过镜头镜片材质选择过滤反射掉绝大多数光线，仅允许通过较窄取值范围的远红外光照射到温度传感器表面，运用光电技术检测物体热辐射的红外线特定波段信号，将该信号转换成可供人类视觉分辨的图像和图形，并可以进一步计算出温度值。

结合现场实际工况条件，检测电机、弱电箱、轴箱温度选用测温型非制冷红外相机，机芯组件支持全帧测温、区域测温、线测温及点测温，可通过上位机读取任意点温度数据。普通红外线测温仪仅有单点测量功能，而红外相机则可捕获被测目标的整体温度分布，快速发现高温、低温点，从而避免漏检，红外温度探测精度≤2℃，温度波形图像示例见图6。

图6 温度波形图像 Figure 6 Temperature waveform image

红外轴温探头通过红外成像原理，测量列车电机、弱电箱、轴箱外表辐射温度，通过磁钢触发计数，因车辆型号确定、车底电机弱电箱位置固定，再结合地铁车辆编组形式(Tc-M-T-M-M-Tc)，针对性地得到列车每个电机、弱电箱、轴箱的外表温度波形，拍摄的数据通过GIGE传输到轨边箱进行数据整合，并进行分析处理。

原始电机、弱电箱、轴箱温度波形通过异常波形模版匹配、热轴波形模版匹配等方法，对每个电机、弱电箱、轴箱的温度状态进行判别，做出微热、强热、激热的预报，自动导出不良报表。微热、强热、激热报警阈值根据实际列车运行状况设定，如电机温度微热状态时，判定是正常；强热状态时，判定有故障，需要检修；激热状态时，判定严重故障，列车停运，必须检修。

3.4 辅助模块

3.4.1 磁钢设备

磁钢用于检测车辆到达其正上方的时刻以触发后续硬件设施启动数据采集。通过采用磁钢采集车辆通过及轴位信号，磁钢采用基于金属车轮移动产生磁通量变化检测车轮通过磁钢上方的时刻。磁钢安装后与钢轨构成磁路。

当导体置于磁场中且通电时，电子有序定向运动，为了方便分析洛伦兹力与安培力的大小关系，现考虑以下模型：以金属通电导体中的电子为例，假设一根长为L，横截面积为S的通电金属直导体在磁场强度为B的匀强磁场中运动，其中单位体积有n个自由电子。

当车轮通过磁钢时，由于轮缘从磁钢顶端中间通过，使磁通量增大，引起磁钢线圈的磁通量变化，线圈产生感应电动势，能够感应出一个近似正弦的电压信号，将此信号进行调理，得出一个轴位标准电平信号，系统通过采集电信号标记轮对经过的时刻。

3.4.2 车号识别设备

车号读取识别模块采用无线FSK调制方式，读取车载电子标签中存储的车型、车号信息。车号读取识别模块工作频率可在910.1、912.1、914.1 MHz 3个频点间进行选择，设备输出功率小于1.2 W，可有效避免对周围其他电子设备的干扰。

读取识别设备与安装在列车上的专用电子标签配合使用，实现对通过列车的车号信息自动读取。

当车号读取识别模块接收到开机磁钢发送的开机信号时，开启车号识别天线和识别模块，微波功放开启，发出微波查询信号。当车辆下面的电子标签经过微波查询信号覆盖区域时，电子标签向车号识别天线反射回带有电子标签数据的微波信号，通过天线接收，车号识别模块解码完成电子标签数据的读取，并通过通讯接口上传到轨边箱其他检测模块。

4 地面中心设备

地面中心设备包括操作控制台、监控系统、数据库、数据综合分析和管理软件。可以通过网络检测系统的启停，控制地面检测设备和轨边箱中设备通信，监控设备的运行状况，管理最终的检测结果，并且具有数据的输出和输入接口，用于接入既有的城轨综合检测与评估预警系统，为列车的走行部安全保障与评价提供数据支撑。

5 示范应用

该系统目前已在北京地铁9号线郭公庄车辆段进行示范应用。轨旁检测设备部署在进场方向岔08至岔20区段，可实现JD1-JD13股道列车通过时自动检测功能。设备电源单独引入，满足限界要求的AC220V供电箱为轨旁检测设备提供电力。检测系统地面中心设备部署在车辆基地综合维修楼通信机房内，通过扩容原有设备功能实现数据和信息传递。

应用该系统前，需每半个月进行一次轮对尺寸人工检测作业，每列车消耗工时双人3 h；需每日进行走行部状态检作业，每列车消耗工时单人0.5 h。应用该系统后，每日进行在途列车车轮几何尺寸、车底车侧图像对比和走行部温度自动动态采集监测，减少了人工测量与判断误差，采样精度达到或优于设计指标，平轮识别率≥94%，温度最大偏差为–1.1℃，轮对不圆度误差为±0.98 mm，关键部件故障识别率≥85%，关键部件动态性能预测准确率达97.22%。应用表明该系统实现了其设计功能。

该系统的应用，可替代列车入库后轮对几何尺寸人工测量、列车走行部及车底车侧人工目视检查，可提高车辆检测检查效率，并能够降低因人工原因导致的漏检。有助于城轨车辆检修的降本增效，具有很好的应用前景。

6 结语

本文中的城轨列车走行部地面检测系统，将结构光、红外、高速相机等多种检测模块集成于一体，通过在轨道旁设置检测设备，实现车底关键部件的异常温升故障诊断、轮对尺寸在线动态检测以及列车轮对尺寸自动快速检测与超限报警。通过式检测，可实现对列车走行部的一日多检，从而减少人工手检和例行检测，显著降低检测的时间与人力成本，提高现有列车检测效率和作业质量，并能够及时发现列车故障隐患，增强城轨列车运用中隐性故障的发现能力。该系统完成了在北京地铁9号线上的应用示范，实现了城轨列车通过时的走行部自动检测告警，对城轨交通运载工具在途监测的实现具有指导意义。