發(fā)布時(shí)間：2020-05-05 14:58

【摘要】：隨著我國(guó)軌道交通行業(yè)的不斷發(fā)展,隨之而來的便是運(yùn)輸任務(wù)的日趨繁重,以及列車運(yùn)行密度、行車速度的不斷提高。在此情況下,鋼軌磨耗日趨嚴(yán)重,因此需要及時(shí)對(duì)鋼軌磨耗情況做出準(zhǔn)確、高效的檢測(cè)。傳統(tǒng)的接觸式磨耗檢測(cè)方法需要大量人工操作,存在檢測(cè)效率低、檢測(cè)精度低等問題,而基于CCD和結(jié)構(gòu)光技術(shù)的鋼軌輪廓檢測(cè)系統(tǒng)采用了光學(xué)非接觸式測(cè)量方式,具有較高的檢測(cè)精度,通過與軌道檢查列車相結(jié)合,能夠極大提高檢測(cè)效率并且實(shí)現(xiàn)檢測(cè)數(shù)據(jù)的綜合智能管理,是鋼軌磨耗檢測(cè)的發(fā)展趨勢(shì)。本文在基于二維激光位移傳感器的鋼軌輪廓檢測(cè)系統(tǒng)基礎(chǔ)上,主要分析研究了兩大問題:鋼軌輪廓識(shí)別和鋼軌磨耗檢測(cè)。其中,鋼軌輪廓分類識(shí)別的意義主要在于能夠識(shí)別線路特征,從而為軌檢數(shù)據(jù)提供定位信息;鋼軌磨耗檢測(cè)的意義在于實(shí)現(xiàn)鋼軌垂直磨耗和側(cè)面磨耗的自動(dòng)化計(jì)算。鋼軌輪廓分類識(shí)別的研究中,本文首先分析了線路實(shí)測(cè)數(shù)據(jù)中各軌形輪廓的特征,并提出了鋼軌輪廓的特征提取算法;其次,基于鋼軌的輪廓特征數(shù)據(jù),本文進(jìn)一步提出了基于支持向量域描述(SVDD)的模式識(shí)別方法;最后,通過特征數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證,分析了該算法的特性以及各參數(shù)的影響,并通過優(yōu)化算法模型使得基于支持向量域描述的分類器模型性能較優(yōu)。鋼軌磨耗檢測(cè)算法的研究中,本文首先分析了鋼軌的結(jié)構(gòu)以及磨耗的定義,研究了基于軌腰幾何特征的非線性最小二乘輪廓匹配方法;在此基礎(chǔ)之上,由于實(shí)測(cè)數(shù)據(jù)中存在軌腰受干擾的異常數(shù)據(jù),因此本文提出了采用距離和目標(biāo)函數(shù)代替最小二乘的方法,并通過Nelder-Mead單純形優(yōu)化算法求解最優(yōu)參數(shù),完成實(shí)測(cè)輪廓與標(biāo)準(zhǔn)輪廓的匹配;最后,通過仿真,對(duì)比分析了該方法相對(duì)于最小二乘法具有更優(yōu)的匹配精度。本文最后,選取了部分線路的實(shí)測(cè)數(shù)據(jù),對(duì)上述算法進(jìn)行測(cè)試,并分析驗(yàn)證了本文所提出算法的有效性。
【圖文】：

統(tǒng)安裝于軌道檢查車上，并隨軌檢車運(yùn)行連續(xù)采集鋼軌斷面輪廓的方式進(jìn)行計(jì)算，，然而，由于實(shí)際工況的復(fù)雜，檢測(cè)系統(tǒng)采集到的數(shù)據(jù)中除了正常的鋼軌輪廓數(shù)據(jù)外，還會(huì)采集到很多其他的輪廓數(shù)據(jù)，如軌道上的扣件，護(hù)軌，魚尾板，道岔區(qū)的多種組合軌形輪廓以及鋼軌受雜物遮擋的輪廓數(shù)據(jù)等，如圖 1-1。（a）鋼軌扣件 （b）護(hù)軌 （c）魚尾板

檢測(cè)小球，PC 上位機(jī)組成，檢互垂直的位移傳感器構(gòu)成二維平面位機(jī)采集并處理傳感器數(shù)據(jù)得到鋼磨耗檢測(cè)點(diǎn)計(jì)算出鋼軌的磨耗值[6]。（PSD）和半導(dǎo)體激光器的測(cè)量方法橫向光電效應(yīng)，采用伺服電機(jī)和半 1-3，當(dāng)激光照射到 PSD 敏感表面與鋼軌表面照射點(diǎn)到透鏡中心的距離由 PSD 表面光點(diǎn)位置的變化求出，，一方面通過采集光點(diǎn)位置的變化數(shù)成一整套非接觸式測(cè)控系統(tǒng)[6]。半導(dǎo)體激光器
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U216.3;TN249

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 全順喜;;60 kg/m鋼軌和60N鋼軌輪軌接觸幾何關(guān)系對(duì)比分析[J];鐵道標(biāo)準(zhǔn)設(shè)計(jì);2017年06期

2 于良;張靈凱;;基于網(wǎng)格參數(shù)尋優(yōu)法的支持向量機(jī)邊坡位移預(yù)測(cè)研究[J];城市地理;2017年02期

3 鄭偉博;張紀(jì)會(huì);;基于Nelder-Mead單純形法的改進(jìn)量子行為粒子群算法[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2016年02期

4 譚周文;郭雁一夫;;激光三角法鋼軌磨耗檢測(cè)系統(tǒng)研究[J];傳感器與微系統(tǒng);2016年05期

5 蘇宏升;殷凱樂;;基于Nelder-mead單純形法的改進(jìn)人工蜂群算法研究[J];計(jì)算機(jī)工程與應(yīng)用;2016年24期

6 賈利民;;高鐵:裝備制造業(yè)的國(guó)家名片[J];時(shí)事報(bào)告;2015年06期

7 占棟;于龍;肖建;盧明舫;;鋼軌輪廓全斷面檢測(cè)中軌廓?jiǎng)討B(tài)匹配方法研究[J];鐵道學(xué)報(bào);2015年05期

8 王德明;王桂寶;張廣明;孫冬梅;;基于激光輪廓掃描儀的鋼軌磨耗檢測(cè)系統(tǒng)[J];儀表技術(shù)與傳感器;2014年10期

9 曹健;孫世宇;段修生;張澤建;;基于KKT條件的SVM增量學(xué)習(xí)算法[J];火力與指揮控制;2014年07期

10 張東風(fēng);;山西中南部鐵路30t軸重75kg/m鋼軌重載道岔設(shè)計(jì)研究[J];鐵道標(biāo)準(zhǔn)設(shè)計(jì);2014年06期

相關(guān)博士學(xué)位論文 前2條

1 梁錦錦;支持向量機(jī)和支持向量域描述的若干問題研究[D];西安電子科技大學(xué);2009年

2 徐圖;超球體多類支持向量機(jī)及其在DDoS攻擊檢測(cè)中的應(yīng)用[D];西南交通大學(xué);2008年

相關(guān)碩士學(xué)位論文 前8條

1 于玲玲;我國(guó)軌道交通裝備制造企業(yè)國(guó)際競(jìng)爭(zhēng)力研究[D];北京交通大學(xué);2016年

2 郭雁一夫;鋼軌輪廓檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];湖南大學(xué);2016年

3 魏曉梅;基于FPGA和ARM的二維激光位移測(cè)量技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2014年

4 范永東;模型選擇中的交叉驗(yàn)證方法綜述[D];山西大學(xué);2013年

5 李文寶;鋼軌磨耗檢測(cè)與列車定位技術(shù)研究[D];西南交通大學(xué);2013年

6 王健峰;基于改進(jìn)網(wǎng)格搜索法SVM參數(shù)優(yōu)化的說話人識(shí)別研究[D];哈爾濱工程大學(xué);2012年

7 張振興;城市軌道交通中的列車定位方法研究[D];北京交通大學(xué);2008年

8 趙瑩;支持向量機(jī)中高斯核函數(shù)的研究[D];華東師范大學(xué);2007年

本文編號(hào)：2650330