基于钢轨图像频域特征的钢轨波磨检测方法
基于波噪比的高速铁路钢轨波磨快速检测方法
基于波噪比的高速铁路钢轨波磨快速检测方法
张航;卢春房;高亮
【期刊名称】《铁道学报》
【年(卷),期】2024(46)4
【摘要】为实现高速铁路钢轨波磨里程覆盖式、高频次、快速测量,提出基于波噪比的钢轨波磨快速检测方法。
采用便携式添乘仪检测高速列车车体振动和车内噪声数据,提出基于车体纵向加速度进行数值积分来计算列车速度和里程,采用曲线地段车体摇头角速度里程与台账里程的偏差值修正速度积分误差。
利用提取的里程修正后车厢噪声数据与钢轨波磨对应的400~700 Hz频带成分,计算频带能量占噪声总能量的比值,并获取波噪比超限时的钢轨波磨波长和里程。
结合高速列车实测数据分析,研究结果表明:速度修正后列车定位里程最大误差为87 m,对波磨比大于0.3的线路区段进行钢轨波磨波形测量和轴箱加速度振动能量比分析,钢轨波磨波长范围为53~57 mm,实测波长为53 mm,验证了该方法的正确性,为高速铁路钢轨波磨的快速测量提供技术支撑。
【总页数】8页(P1-8)
【作者】张航;卢春房;高亮
【作者单位】北京交通大学土木建筑工程学院;国家铁路局规划与标准研究院科研处;中国铁道学会
【正文语种】中文
【中图分类】U216.3
【相关文献】
1.基于振动响应的高速铁路钢轨波磨快速检测方法
2.基于钢轨图像频域特征的钢轨波磨检测方法
3.高速铁路钢轨波磨检测及打磨治理分析
4.基于本征模态函数分量能量比的高速铁路钢轨波磨声学诊断方法
5.基于HHT的高速铁路钢轨波磨检测方法
因版权原因，仅展示原文概要，查看原文内容请购买。
高速铁路钢轨波磨检测及打磨治理分析
2021年2月（总第412期）·31·质量管理QUALITY MANAGEMENT第49卷Vol.49第2期No.2铁道技术监督RAILWAY QUALITY CONTROL收稿日期：2020-06-20作者简介：孙小军，工程师0引言钢轨波磨是影响钢轨使用状态的主要病害形式之一，在客货混运铁路、地铁及高速铁路中较为常见，产生机理不尽相同［1-2］。
高速铁路钢轨发生波磨，容易造成动车组运行品质下降、扣件弹条断裂等问题，因此，预防和治理波磨受到铁路工务部门的高度重视。
从工务维修角度看，通过周期性打磨钢轨，可以最大限度地控制钢轨波磨的发展，有效延长钢轨和车辆部件的使用寿命，减少轨道维修费用，对于减轻振动和噪声污染也有重要意义［3］。
目前，钢轨波磨检测设备主要有离散型波磨测量仪（1m 直尺、1.2m 直尺、电子平直尺）和连续型波磨测量仪（接触式连续检测仪或激光式连续检测仪）2类。
钢轨打磨方式有传统打磨、快速打磨和人工小机打磨等。
基于某高速铁路钢轨打磨实践，分析波磨检测、打磨方式、打磨量和打磨周期等打磨治理的关键因素。
1波磨实测情况在选定的高铁观测线路上，动车组运行速度为250km/h~300km/h ，运行车型主要有CRH2，CRH380和CR400系列动车组。
根据高铁运营工况，在全线设立若干个检测段，开展周期性检测。
每个检测段长度2km~3km ，检测总里程约占线路运营里程的15%。
采用非接触式激光波磨测量仪，连续测量钢轨波磨，在检测段内，每100m 为1个统计段，分析滤波后波磨移动波深幅值的峰峰平均值和峰峰平均值超限百分比［4］。
为提高不同检测段的对比性，选取每个检测段的若干个100m 统计数据中的最大值（峰峰平均值最大值和峰峰平均值超限百分比最大值），作为表征该检测段的波磨特征值。
经检测分析，全线所有检测段，除A 段（北京南高速铁路钢轨波磨检测及打磨治理分析孙小军（中铁物总运维科技有限公司，北京100036）摘要：为预防和治理高速铁路钢轨出现的波磨现象，以某高铁钢轨为对象，跟踪检测和分析轨面波磨发展规律和不同打磨方式对波磨的治理效果。
钢轨波浪磨耗测量简介
波浪磨耗测量简介随着我国大提速和高速铁路的发展，线路状态对列车运行的影响，越来越集中在两个方面：长波长不平顺影响列车运行的舒适度；而短波不平顺，对列车走行部分的影响更为严重。
钢轨波浪磨耗，表面擦伤是钢轨短波不平顺的主要表现。
严重时，不但加剧车辆走行部的振动，影响行车安全，列车的这种响应，反过来加剧线路状态的恶化。
因此，今后钢轨波浪磨耗，表面擦伤等的检测应该随着铁路的高速化更加引起重视。
这里主要介绍波磨检测的新技术。
既然波浪磨耗属于轨道的短波不平顺，前面，介绍高低测量的一些基本问题都适用。
首先要解决的问题也是测量基准问题。
因此，可以分成两大类，即惯性基准和弦测法。
利用轴箱加速度计测量波磨国内外都有大量的研究和论述，这里不再重复。
下面介绍一下在最近引进的轨检车中，采用的以弦测法为基础的波磨测量技术。
一概述：最近引进的轨检技术，波磨测量其中之一是：意大利Tecnogamma 公司的波磨检测装置。
以往的波磨测量装置不同，采用弦测法和激光位移测量来实现。
现安装于检测中心200公里/小时的轨检车上。
二弦测法钢轨波浪磨耗检测利用弦测法原理来实现。
本系统用三个光电位移计，构成三点不等弦的测量。
: 波磨检测系统的弦测法.1 第一测量点;2 第二测量点;3 第三测量点.为了在波长从30 mm 到3000 mm 的测量范围内得到最优化的波长测量效果，三个测量点按照传递函数以一定的距离排列。
具体为:- 第一到第二测量点的距离为19 mm, 称为弦。
- 第一到第三测量点的距离为250 mm，为基准。
用三个光电位移计，构成三点不等弦的测量传感器安装在转向架上，这样系统本身只受第一系弹簧悬挂的影响。
这种安装可以在横向和垂直方向得到最好的检测效果。
检测系统可以在波长从10mm 到3000mm 的范围内检测波磨，下图是其传递函数。
短波和中波长的传递函数三光电位移计：光电位移计是采用三角测量原理实现的。
与钢轨没有任何机械接触，也无需机械定位系统。
基于振动响应的高速铁路钢轨波磨快速检测方法
基于振动响应的高速铁路钢轨波磨快速检测方法王林栋【摘要】钢轨波磨可能引起车辆部件持续振动甚至损伤,是我国高铁需要解决的重要问题之一.现有直接测量法因效率低下不能满足长大线路的检测需求,车载测量法的检测精度有待提高,这2种方法均无法有效反映出波磨对车辆部件的不利影响.因此需要一种新的检测方法,以快速发现与车辆部件振动和损伤密切相关的钢轨波磨.通过多次测试我国高铁钢轨波磨并分析轴箱振动特征,提出振动响应快速检测法.该方法能够通过高速列车上的轴箱振动加速度测试数据快速得到钢轨波磨情况和对应里程位置,为钢轨打磨提供依据.【期刊名称】《中国铁路》【年(卷),期】2017(000)007【总页数】6页(P44-49)【关键词】高速铁路;钢轨波磨;快速检测;振动响应【作者】王林栋【作者单位】中国铁道科学研究院机车车辆研究所,北京100081【正文语种】中文【中图分类】U216.6钢轨波磨是产生轮轨啸叫噪声和接触共振的主要原因之一。
轮轨啸叫经常引起局部噪声超标，接触共振很容易导致车辆部件损伤，以至影响列车安全。
随着我国高速铁路的长期运营，钢轨波磨（见图1）问题越来越受到重视。
经过一百多年的研究，对于钢轨波磨的特征、机理和分类已经比较明确，并逐渐摸索出一些预防和解决的方法。
1993年，Grassie和Kalousek根据经验和大量文献研究结果，按钢轨波磨的波长、机理和轨道类型，将钢轨波磨分为6类：重载波磨（200～300 mm）、轻轨波磨（500～1 500 mm）、弹性轨枕波磨（45～60 mm）、接触疲劳波磨（150～450 mm）、车辙型波磨（50 mm（电车）、150～400 mm）、响轨波磨（25～80 mm）[1]，其中响轨波磨、弹性轨枕波磨等已经在我国多条高速铁路上出现。
佐藤吉彦等评述了世界范围内（特别是日本）钢轨波磨的调查和形成机理等主要研究成果[2]。
谭立成等对大量既有线钢轨波磨现象进行调研，对波磨的形成机理进行初步系统的试验和理论研究[3]。
轨道波磨检测方法
轨道波磨检测方法介绍轨道波磨是指铁路轨道在使用过程中出现的纵向波状变形，对列车行驶产生不利影响，也会加速轨道磨损和设备破坏，因此对轨道波磨进行及时准确的检测十分重要。
本文将介绍一种轨道波磨检测的方法。
轨道波磨检测原理轨道波磨检测主要基于振动信号分析的原理。
当列车通过受波磨影响的轨道时，会产生振动信号，该振动信号包含了波磨的特征。
通过对这些振动信号进行分析，可以提取出波磨的频率、振幅等信息，从而实现对轨道波磨的检测。
轨道波磨检测方法传感器安装在进行轨道波磨检测之前，首先需要安装传感器来采集列车通过轨道时的振动信号。
传感器可以选择合适的加速度传感器或位移传感器。
传感器的安装位置对检测结果有着重要影响，通常选择在轨道的纵向方向两侧安装，确保能够准确捕获到振动信号。
信号采集与处理通过传感器采集到的振动信号需要进行后续的信号处理才能得到有效的波磨信息。
首先，需要对采集到的原始信号进行滤波处理，去除不相关的噪声，保留与波磨相关的信号。
然后，可以采用傅里叶变换等方法，将信号从时域转换到频域，得到振动信号的频谱信息。
最后，通过对频谱信息进行分析，可以提取出波磨的频率、振幅等参数。
特征提取与分类得到振动信号的频谱信息后，需要通过特征提取的方法来提取波磨的特征。
常用的特征包括频率、振幅、谱线宽度等。
通过提取出的特征，可以建立合适的分类模型来对不同类型的轨道波磨进行分类。
这样可以进一步分析波磨的严重程度，并制定相应的维修计划。
波磨检测算法优化为了提高波磨检测的准确性和效率，还可以对波磨检测算法进行优化。
一种常用的优化方法是使用机器学习算法，通过对大量的波磨样本进行训练，建立起预测模型。
该模型可以实现对波磨的实时检测，大幅提高波磨检测的效率。
结论轨道波磨对铁路运输的安全和舒适性有着重要影响，因此轨道波磨的检测十分关键。
本文介绍了一种基于振动信号分析的轨道波磨检测方法，包括传感器安装、信号采集与处理、特征提取与分类以及波磨检测算法优化等步骤。
钢轨波磨检测系统及方法[发明专利]
![钢轨波磨检测系统及方法[发明专利]](https://img.taocdn.com/s3/m/3a192488ddccda38366baf27.png)
专利名称：钢轨波磨检测系统及方法
专利类型：发明专利
发明人：杨飞,孙宪夫,赵一馨,魏子龙,孙善超,李国龙,柯在田,田新宇,刘贵宪
申请号：CN202011306881.1
申请日：20201120
公开号：CN112556627A
公开日：
20210326
专利内容由知识产权出版社提供
摘要：本发明提供了一种钢轨波磨检测系统及方法，其中，该系统包括：时空同步单元，用于接收运营列车的里程信息和速度信息，将里程信息和速度信息发送至数据采集单元；数据采集单元，用于接收里程信息和速度信息；采集运营列车的设定车厢的设定轴的左轴箱和右轴箱的垂向加速度信息；将里程信息、速度信息和垂向加速度信息发送至数据处理单元；数据处理单元，用于根据接收的里程信息、速度信息和垂向加速度信息，获得钢轨波磨信息。
本发明可以在不影响线路正常运营组织的前提下，实现在运营列车运行期间，高效准确地进行钢轨波磨检测，进而可以较早地发现线路存在钢轨短波病害的区段，为现场养修维护提供依据。
申请人：中国铁道科学研究院集团有限公司,中国铁道科学研究院集团有限公司基础设施检测研究所,北京铁科英迈技术有限公司
地址：100081 北京市海淀区大柳树路2号
国籍：CN
代理机构：北京三友知识产权代理有限公司
更多信息请下载全文后查看。
钢轨波磨的测量及评价
钢轨波磨的测量及评价
钢轨波磨的测量及评价是研巧钢轨波磨问题的重要基础。
在研究钢轨波磨产生的原因时，需要精确的描述典型地段波磨的表现形式，总结出钢轨波磨的波长成分及特征，波磨发展的规律Ｗ及不同轨道形式下钢轨波磨的表现特征等。
然而，由于钢轨波磨是与线路长度方向相关的由不同波长、不同相位和不同幅值的随机不平顺波叠加而成的随机过程，采用简单的测量方式仅仅能够提供极为有限的定性的数据。
另外，虽然在某些严重地段能够通过肉眼观察到波磨在钢轨走行带上产生的明暗光斑，由于波磨的波深幅值是微米级的单位，肉眼Ｗ及－般测量工具并不能准确测量波磨的特性及发展规律。
所研巧钢轨的精确测量及评价，对确定钢轨波磨产生的原因具有重要的意义。
在评价所采用的减少波磨的整改措施是否合理有效时，
也需要具体的测量数据作为衡量指标。
调整轨道或者车辆参数是缓解钢轨波磨的常用措施之一，然而，由于钢轨波磨产生的机理复杂，影响因素巧多，例如轮轨共振型的钢轨波磨，通常会出现多个共振点，造成不同波长成分的钢轨波磨，判断波磨特性随着轨道参数的改变，需要通过精确的测量才能捕捉到该整治思路的正确性。
另外，对钢轨进行周期性打磨，可Ｗ最大限度地控制钢轨波磨的发展，不仅能有效减少轮轨间的冲击作用、延长钢轨和车辆部件的使用寿命、减少轨道维修费用，而且对减轻振动及噪声污染有着重要的意义。
然而过于频巧的打磨，不仅要求工务部门的打磨设备，増加更多的维修养护王作量，而且还会导致钢轨由于打磨的损耗而缩短使用寿命。
因此，如何确定合理的打磨周期及打磨起始深度，使打磨工作更趋
合理化，仍是一个值得研究的问题，而及时、精确地測量出钢轨波磨值，是制定合理钢轨打磨策略的至要前提。
基于图像处理的钢轨表面缺陷检测方法研究
基于图像处理的钢轨表面缺陷检测方法研究基于图像处理的钢轨表面缺陷检测方法研究摘要：随着铁路运输的发展，钢轨作为承载列车载重的关键部件，其表面缺陷的检测变得尤为重要。
本文旨在研究一种基于图像处理的钢轨表面缺陷检测方法，通过对钢轨图像进行预处理、特征提取和缺陷检测三个主要步骤的研究，提出了一种有效的钢轨表面缺陷检测方法。
关键词：图像处理，钢轨，缺陷检测，预处理，特征提取 1. 引言钢轨作为铁路运输中重要的组成部分，负责承载列车运行的重要任务。
然而，由于长期运行和外界环境等原因，钢轨表面往往会出现各种缺陷，如裂纹、腐蚀、磨损等。
这些缺陷的存在不仅会影响车辆的正常运行，还可能导致更严重的安全事故。
因此，钢轨表面缺陷的及时、准确检测对于铁路运输的安全和稳定运行至关重要。
2. 钢轨图像预处理钢轨图像通常会受到各种因素的干扰，如光照、噪声等。
为了提高缺陷检测的准确性和效率，首先需要对钢轨图像进行预处理。
预处理的主要任务是去除图像中的噪声、调整图像的亮度对比度等。
一般可以通过滤波和灰度变换等方法来实现。
在滤波方面，可以利用高斯滤波、中值滤波等方法去除图像中的噪声干扰。
而在灰度变换方面，可以通过直方图均衡化等方法来增强图像的对比度。
3. 钢轨表面缺陷特征提取为了能够准确地检测钢轨表面的缺陷，需要对钢轨图像进行特征提取。
特征提取的目的是通过对钢轨图像的特征进行描述和量化，从而能够更好地区分正常区域和缺陷区域。
常见的特征提取方法包括形状特征、纹理特征等。
在形状特征方面，可以通过提取钢轨的轮廓信息来描述钢轨的形状特征。
通过轮廓提取算法，可以获得钢轨的闭合轮廓，并计算轮廓的长度、宽度、面积等特征。
这些特征可以很好地反映钢轨表面的缺陷情况。
在纹理特征方面，可以通过利用纹理分析算法来提取钢轨表面的纹理特征。
常用的纹理分析方法包括灰度共生矩阵、小波变换等。
通过计算钢轨图像的纹理特征，可以有效地区分正常区域和缺陷区域。
4. 钢轨表面缺陷检测在进行了预处理和特征提取之后，就可以进行钢轨表面缺陷的检测了。
轨道波磨检测方法
轨道波磨检测方法轨道波磨是指铁路轨道表面的不平整度，它是影响列车行驶安全和舒适度的重要因素之一。
因此，轨道波磨检测是铁路维护保养工作中的重要环节。
目前，常用的轨道波磨检测方法主要有三种：人工检测、机械检测和激光检测。
人工检测是最传统的检测方法，它主要依靠人工视觉和手感来判断轨道表面的平整度。
这种方法的优点是成本低、易于实施，但缺点也很明显，即检测效率低、准确性差、易受人为因素影响等。
机械检测是一种利用机械设备对轨道表面进行检测的方法。
常用的机械检测设备有轨道车、轨道磨床等。
这种方法的优点是检测效率高、准确性较高，但缺点也很明显，即成本较高、对轨道的磨损较大、需要专业的操作人员等。
激光检测是一种利用激光测量技术对轨道表面进行检测的方法。
这种方法的优点是检测效率高、准确性高、不会对轨道表面造成损伤等。
激光检测设备通常由激光发射器、激光接收器、数据采集系统等组成。
激光发射器发射激光束，激光束照射到轨道表面后，被反射回来的激光束被激光接收器接收，接收器将接收到的激光信号转化为电信号，并通过数据采集系统进行处理和分析，最终得出轨道表面的波磨情况。
总的来说，激光检测是目前最先进、最准确的轨道波磨检测方法。
它不仅能够快速、准确地检测轨道表面的波磨情况，还能够对轨道表面的其他缺陷进行检测，如裂纹、磨损等。
此外，激光检测设备体积小、重量轻，易于携带和安装，操作简单，不需要专业的操作人员。
因此，激光检测在铁路维护保养工作中得到了广泛应用。
总之，轨道波磨检测是铁路维护保养工作中的重要环节，不同的检测方法各有优缺点。
随着科技的不断进步，激光检测作为一种先进、准确、高效的检测方法，将在未来得到更广泛的应用。
应用三维结构光和小波分析进行钢轨波磨检测
应用三维结构光和小波分析进行钢轨波磨检测
李坪;王培俊;陈鹏;徐浩
【期刊名称】《铁道标准设计》
【年(卷),期】2018(062)008
【摘要】为了有效检测钢轨波浪形磨损,解决钢轨检测精度要求高、形成原因复杂而导致检测难的问题,提出利用三维结构光获取钢轨波磨数据,再利用小波分析来检测钢轨波磨的新方法.首先利用三维结构光扫描仪扫描一段钢轨,然后配准检测点云与标准模型并提取检测钢轨顶端纵向的波浪磨损数据,利用小波分析方法对该段数据进行分析,根据铁路检测标准将所得数据分为两类,从而得到有效的波磨数据.现场实验表明,将结构光和小波分析方法结合,既发挥了结构光数据量丰富准确的优势,又通过小波分析得到波磨的各个频率成分,能够准确地检测钢轨波浪形磨损.
【总页数】6页(P33-38)
【作者】李坪;王培俊;陈鹏;徐浩
【作者单位】西南交通大学机械工程学院,成都 610031;西南交通大学机械工程学院,成都 610031;西南交通大学机械工程学院,成都 610031;西南交通大学机械工程学院,成都 610031
【正文语种】中文
【中图分类】U213.4+2
【相关文献】
1.地铁线路控制钢轨波磨的钢轨打磨技术应用研究 [J], 杜星;郭俊;陈婧;崔大宾
2.基于钢轨图像频域特征的钢轨波磨检测方法 [J], 李清勇;章华燕;任盛伟;戴鹏;李唯一
3.小半径曲线钢轨波磨预测模型及在波磨抑制中的应用 [J], 张胜;陈光雄;赵晓男;闫硕;陈若茜
4.高速铁路钢轨波磨检测及打磨治理分析 [J], 孙小军
5.改进希尔伯特-黄变换方法在钢轨波磨检测中的应用 [J], 吴传奇;柴晓冬;李立明;郑树彬
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
万方数据
第１期
基于钢轨图像频域特征的钢轨波磨检测方法
间。由此本文提出了基于频域特征的钢轨波磨检测 算法，该算法包括４个主要的步骤（如图１所示， 图１（ｄ）中黑线标识的区间为钢轨波磨区间）。 （１）钢轨定位。根据轨道图像中钢轨区域和背 景区域的灰度统计特征差异，提出了基于位置加权 灰度垂直投影分析的钢轨定位算法。该算法能够去 除背景区域对于后续过程的干扰，快速有效地提取 钢轨图像。 （２）傅里叶变换。对钢轨图像按列进行傅里叶 变换，把钢轨图像从空间域转换到频率域。 （３）波磨线判定。对钢轨图像中的每一列，分 析其傅里叶变换系数，根据占优频率的位置和能量 识别该列是否属于波磨线。 （４）钢轨波磨区间判定。钢轨波磨一般由１组 连续的波磨线构成，对于钢轨图像的每一列进行判 定后，再对钢轨图像进行区间分析，识别是否存在 符合要求的波磨区间。
处理，得到
（ｃ）典型波磨线的能量谱曲线
ＥＮ（ｍ）＝毒塑生
∑Ｅ（歹）
ｉ＝１
（４）
额率
式中：ＥＮ（ｍ）为归一化的能量值，ＥＮ（ｍ）∈［ｏ， １］。 需要注意的是，直流分量Ｅ（ｏ）等于平均灰 度，它受光照的影响比较大，因此在归一化时没有 考虑它。 傅里叶变换性质表明任意一个函数都可以表示 为不同周期的正弦函数的线性加权和，而且傅里叶 变换系数的模Ｅ（ｍ）体现了频率为ｍ的正弦函数的 重要程度。因此，如果钢轨图像ＩＲ某一行的灰度 值呈现出明显的周期性的波动，说明特定频率的正 弦函数的重要程度高，而其他频率的正弦函数贡献
１．２波磨线的判定 通过ＩＴＬ算法提取钢轨图像后，需要分析钢 轨图像每一列的频域特征，并且判定其是否为波磨 线。波磨线判定包括２个步骤：首先对图像列进行 傅里叶变换，然后根据其频域特征判定该列是否为
波磨线。
ｍ∈［１，ｈ／２］ 式中：ｔ，为能量谱的阈值，是外部输入参数。
２５０ ｊ型２００
（５）
世 球１５０
钢轨的位置Ｔ为
Ｔ—ａｒｇｍａｘＳｇ（ｐ）Ｐ
Ｅ［１，ｂｏ—ｂ＋１］
（２）
其中，
㈤嚣辫叭ｅ，输入的轨道图像笛翁甏赢嬲黧
算法流程
“Ｙ村１刊‘Ｉ割陬
辛翠耋
畦笔１
＆（ｐ）一∑ｇ（ｉ）
式中：Ｓ。砷为特征值向量Ｇ中从位置Ｐ开始长度为 ｂ的所有特征值之和。 根据平均灰度投影算法（传统方法）和ＩＴＬ 算法（改进算法）得到的钢轨定位结果如图２所 示。图中：虚线所示为采用传统方法得到的结果， 实线为采用改进算法得到的结果。
定的依据。
在手工标注ｌ ０００条波磨线和背景直线的基础 上，对波磨线的上述３个特征进行了统计分析，图 ４给出了统计分析结果。由图４可见：背景直线的 占优频率主要集中在超低频区间，其值绝大部分都 小于５；而波磨线的也主要集中于低频区间，但其 值绝大部分在５～３５之间；背景直线占优频率的能 量值主要在０．０１以下，而典型波磨线占优频率的 能量值分布却更加分散一些；背景直线的累积能量 偏小，而波磨线的则往往比较大。 根据以上这些特征值的统计结果，提出了２种 波磨线判定算法：频率阈值法和累积能量阚值法。
相对较小。
（ｄ１典，魁背景直线的能量谱曲线
图３钢轨图像中典型波磨线和背景直线的灰度曲线和能 量谱曲线
需要注意的是，并不是所有的波峰都对应占优 频率，但其归一化能量值必须大于特定的阈值。 占优频率可以推导出３个判定波磨线的特征， 它们分别是频率值Ｄ，归一化能量互＿以及累积能
量（Ａｃｃｕｍｕｌａｔｅｄ Ｅｎｅｒｇｙ）ＥＡ。钢轨图像第ｚ行
１００ ０ １００ ２００ ３００ ４００ ５００ ６００ ７００ ８００ ９００ ０００
坐标
ｆａ）典型波磨线的灰度曲线
２００
假设输入的钢轨图像为ＩＲ，其宽度记为ｂ，高 度记为ｈ。对图像ＩＲ中的第ｚ列进行傅里叶变换， 其傅里叶变换系数ＦＩ（ｍ）为
ｈ－－１
嚣”ｏ
《１００
５０ ０ １００ ２００ ３００ ４００ ５００ ６００ ７００ ８００ ９００ ｌ ０００
算轨道图像每一列的灰度均值与灰度方差的比值， 然后将该比值乘以１个位置权重，得到该列的特征 值；组合轨道图像每一列的特征值，得到其特征值 向量，然后搜索特征值之和最大的定长区间即为钢
轨区域。
假设Ｉ（ｘ，ｙ）为轨道图像Ｉ中坐标（ｚ，ｙ）处的 灰度值，则轨道图像第ｚ列的特征值ｇ（ｚ）为
ｇ（ｚ）２躺训（ｚ）ｚ Ｅ［１，６。］
关键词：钢轨波磨；轨道检测；傅里叶变换；波磨线；波磨区间；图像频域特征 中图分类号：Ｕ２１６．４２４ 文献标识码：Ａ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１—４６３２．２０１６．０１．０４
钢轨波浪形磨耗简称钢轨波磨，是指钢轨沿纵
向表面出现的周期性的类似波浪形状的一种不平顺
器特征和机器学习的钢轨波磨检测方法，该方法是 目前常用的基于计算视觉的波磨检测技术。该方法 对整幅钢轨图像抽取Ｇａｂｏｒ纹理特征，然后应用 Ｋ一近邻方法进行波磨识别，取得了比较高的识别 效果。但是该方法基于钢轨图像的全局特征，Ｇａ— ｂｏｒ滤波速度比较慢，而且它还需要离线的模型训
ｒ（ｚ）为
如，一￡发主忽厶。㈤
Ｅｎｅｒｇｙ
显然Ｒ是ｂ维的、取值为ｏ～１的向量，搜索 结果向量中最大的连续区间，其长度记为ｚ。则判 定钢轨图像波磨区间的函数ｃ为
２≥。。 ｌ＜ｔ３
式中：厶。和厂眦分别为占优频率的下限和上限，
均为外部输入参数。 在式（７）中，ｒ（ｚ）等于１时代表波磨线，等 于０时代表背景线。如果钢轨图像第ｚ列不存在占 优频率，则直接判定该列为背景线。 ２）累积能量阈值法（Ａｃｃｕｍｕｌａｔｅ
匿０．０６ 蔓０．０４
００２ ０
０
２０
３０
４０
５０
６０
７０
舳
９０
１００
归～化能量，１０３ （ｃ）背景线的ｐＩ一化能量分布
ｐ １一化能景／１ ０ｊ ｄ）波磨线的ｐ Ｉ一化能量分７
ｅ）背景线的积岽能量分卉】
（Ｄ波磨线的积祟能量分＿ｆｆｊ
图４钢轨图像占优频率特征值的统计分析结果
１）频率阈值法（Ｆｒｅｑｕｅｎｃｙ
２．中国铁道科学研究院基础设施检测研究所，北京１０００８１）
摘要：通过统计分析钢轨图像中钢轨波磨线和背景线的傅里叶变换系数，发现波磨线的能量集中在频率
比较低的区间，而背景线的能量分布比较分散。基于此钢轨图像的频域特征提出了新的钢轨波磨检测方法。首
先设计并采用基于位置加权的钢轨定位算法，以快速从轨道图像中提取出钢轨的图像；然后基于钢轨图像每列 的傅里叶变换特征，提出频率阈值法和累积能量阈值法２种钢轨波磨线识别算法；最后依据识别出的钢轨波磨 线的连续性判定钢轨的波磨区间。结合实际线路的轨道图像，采用新方法和传统方法进行钢轨波磨检测效果的 对比试验。结果表明：新方法的精准率和召回率分别为９２．１９％和９７．２５％，比传统方法提高了约４％和１ｌ％， 检测速度也提高了１倍以上。
定义能量谱分布中波峰对应的频率为占优频率
（Ｄｏｍｉｎａｎｔ
Ｆｒｅｑｕｅｎｃｙ），记为，，则第ｚ行的占优
频率．厂：可以定义为 ＾一ａｒｇｍａｘ（ＥＮ（ｍ）ｌ ＥＮ（ｍ）≥ｔ１）
万方数据
第１期
基于钢轨图像频域特征的钢轨波磨检测方法
占优频率 ａ）背景线的占优频率分布
０ １０ ０．０８
占优频率 ｂ）波磨线的占优频率分砷
Ｅ（ｍ）一∑Ｉ（ｘ，ｙ）ｅ辛
ｙ＝Ｏ
坐标
（３）
（ｂ）典型背景直线的灰度曲线
式中：ｍ为频率，ｍＥ［ｏ，＾一１］。 Ｅ（ｍ）是一个复数，波磨判定算法主要关注的 是其能量谱和频率特性，因此，需要计算Ｒ（ｍ）的 模，记为Ｅ（ｍ）。因为实数序列傅里叶变换的系数
频率
是对称的，为了便于计算，所以只考虑ｔ（ｍ）的 前半部分，并且对其能量谱即模Ｅ（ｍ）进行归一化
否包含波磨。
１基于频域特性的钢轨波磨检测算法
在巡检系统采集的图像中钢轨波磨体现为明暗 相间的周期模式。如果把图像按列进行傅里叶变 换，那么钢轨的波磨线在频域上的能量分布具有明 显的稀疏性，并且波磨线的能量集中在低频的区
基金项目：国家自然科学基金资助项目（６１２７２３５４）；北京市自然科学基金资助项目（４１４２０４３）；中央高校基本科研业务费专项资金资助 项目（２０１４ＪＢＺ００３） 第一作者：李清勇（１９７９），男，湖南涟源人，教授。Ｅ－ｍａｉｌ：ｌｉｑｙ＠ｂｊｔｕ．ｅｄｕ．ｃｎ
Ｔｒａｃｋ
ａ）不同算法定位的钢轨Ｋ域
（ｂ｝特征值向量曲线
图２钢轨定位方法对比实例
由图２可见：采用传统方法定位钢轨图像时， 因为上方有强烈的外界光照，该方法错误地将钢轨 定位在虚线区域；而改进算法较准确地定位了钢轨 图像。
Ｌｏｃａｌｉｚａｔｉｏｎ，ＩＴＬ）算法。ＩＴＬ算法首先计
万方数据
中国铁道科学
第３７卷
练过程，使用不够方便。
现象，是一种典型的轨头表面缺陷［１］。长期以来， 钢轨波磨检测大多采用专用卡尺进行人工抽样测 量，检测效率低。近年来，研究人员提出了各种新 型的钢轨波磨检测方法，主要包括弦测法、惯性基
准法和机器视觉方法［１。３］。弦测法的基本原理是利
用钢轨上两测点的连线作为测量弦，中间测点到该 弦的垂直距离作为钢轨波磨的测量值。惯性基准法 的原理是计算加速度计安装点相对惯性坐标系的位 移，加速度计一般安装在构架上，并在轴箱上安装 光电位移计，测量轴箱相对加速度计安装点的位 移［４］。随着光电技术的发展，在弦测法或惯性基准 法中，研究人员正在考虑采用光电摄像和图像处理 技术获得位移信号，以提高检测精度［５］。当前，基 于计算机视觉的车载轨道巡检系统在国内外都得到 广泛应用［６‘９］，这些轨道巡检系统能够实时采集线 路环境（包括轨道）的高分辨率数字图像，然后运 用先进的模式识别技术进行特定的后端处理。 相应地，基于机器视觉的钢轨波磨检测方法得 到重视和应用。Ｍａｎｄｒｉｏｔａ等提出了基于空间滤波
第３ ７卷，第１期 ２ ０ １ ６年１月