一种多功能轨道检测系统的制作方法

阅读：评论：0

1.本发明涉及轨道检测技术领域，具体涉及一种多功能轨道检测系统。

背景技术：

2.为了保证高速列车的平稳安全运行，铁路工务部门需要定期对高速铁路轨道进行检测，评估线路各区段轨道质量并通知线下部门进行复查维修。但是轨道检查车在采集数据时，由于列车的自身振动影响、检测设备故障或者轨道病害等原因，轨道动态检测数据中通常存在部分异常状态。这些异常的存在阻碍了对轨道动态检测数据的深入挖掘，因此有必要检测出轨道动态检测数据中的异常区段并对异常情况进行分析，保证高速铁路轨道动态检测数据的真实性、有效性以及可靠性。目前，在轨道检测中还存在数据采集不全面、数据分析方法不够先进、故障定位及自行诊断不够精准的问题，需要一种多功能轨道检测系统。

技术实现要素：

3.本发明提供了一种多功能轨道检测系统，通过采用摄像装置和若干类传感器模组采集轨道检测数据，可以实现对轨道性能状态的多功能检测，及时发现状态异常和故障，并提供相应的维修方案，提高了轨道管理维护的水平。
4.本发明提供了一种多功能轨道检测系统，其特征在于，包括：
5.数据采集模块，用于利用摄像装置和若干类传感器模组，采集轨道监测数据；
6.数据存储模块，用于利用无线网络和信号线路，接收并存储所述轨道监测数据；
7.数据分析模块，用于对所述轨道监测数据进行检测和分类，发现轨道接触网状态异常、轨道几何状态异常或轨道轮廓磨耗状态异常，并发出相应的故障预警；
8.故障诊断模块，用于对所述状态异常进行诊断，提示故障类型并提供相应的维修方案。
9.进一步地，所述摄像装置包括线阵工业相机、面阵工业相机，所述若干类传感器模组包括无轴承速度传感器、位置传感器、轴端测速传感器、惯性导航传感器和rfid定位传感器组成的主传感器模组；所述摄像装置用于采集轨道接触网图像数据信息和轨道轮廓磨耗图像数据信息；所述若干类传感器模组用于采集轨道几何状态数据信息。
10.进一步地，所述数据存储模块包括车载数据服务器、地面数据中心和云平台数据中心；所述车载数据服务器，用于存储所述轨道接触网图像数据信息；所述地面数据中心用于存储所述轨道轮廓磨耗图像数据信息和轨道几何状态数据信息；所述云平台数据中心用于存储更新历史故障数据信息；所述车载数据服务器连接地面数据中心，所述地面数据中心连接云平台数据中心。
11.进一步地，所述数据分析模块包括轨道接触网状态检测单元，用于对所述轨道接触网图像数据信息进行分析处理，发现轨道接触网状态异常；所述轨道接触网状态检测单元包括图像矫正子单元、图像对比子单元和磨损判定子单元；
12.所述图像矫正子单元，用于获取预设的左右两个相机的立体图像，并对所述立体图像进行畸变校正和立体校正，得到轨道接触网的左右矫正图像；
13.所述图像对比子单元，用于基于半全局立体匹配算法，对所述左右矫正图像进行立体匹配，获得视差图；
14.所述磨损判定子单元，用于根据所述视差图，绘制三维重建图，将轨道接触网图像的俯视图与原图进行对比，判定轨道接触网的磨耗状态是否异常。
15.进一步地，所述数据分析模块包括轨道几何状态检测单元，用于基于检测模型检测轨道的几何状态；所述检测模型包括数据编码子单元和数据解码子单元；
16.所述数据编码子单元，用于利用编码器模型将数据映射到特征空间；所述数据编码子单元包括：
17.使用双向长短期记忆网络模型提取得到数据的上下文特征；
18.基于注意力机制，根据所述上下文特征，提取得到融合长期趋势信息以及周期性信息的里程信息；
19.基于自注意力机制提取得到数据属性间相关性信息；
20.利用多层感知机，对所述里程信息和所述属性间相关性信息进行压缩融合，得到突显特征信息；
21.所述数据解码子单元，用于将所述突显特征信息重构为原始输入数据；所述数据解码子单元包括：
22.利用多层感知机，对所述突显特征信息进行解压缩处理，得到里程信息和属性间相关性信息；
23.使用双向长短期记忆网络模型对所述里程信息进行处理，得到数据的重构序列；
24.使用一个全连接层对所述重构序列进行输出，得到原始输入数据。
25.进一步地，所述数据分析模块包括轨道几何状态分类单元，用于对所述原始输入数据进行分类；所述几何状态分类单元包括分类模型建立子单元和分类模型训练子单元；
26.所述分类模型建立子单元，用于获取所述原始输入数据的融合特征，使用全局平均池化层对所述融合特征进行降采样处理，使用全连接层进行分类；所述全连接层的激活函数为softmax函数；
27.所述分类模型训练子单元，用于使用半监督学习技术对模型进行训练；所述分类模型训练子单元包括：使用随机扰动函数对输入数据进行扰动，得到两个干扰版本；将所述两个干扰版本分别输入模型进行预测，得到预测结果；采用损失函数计算有标签样本数据的交叉熵损失和无标签样本数据的一致性正则化损失；使用bp算法更新参数，直至模型参数收敛。
28.进一步地，所述数据分析模块包括轨道轮廓磨耗状态检测单元，用于对轨道的钢轨、接头及轨枕图像进行分析处理，发现轨道轮廓磨耗；所述轨道轮廓磨耗检测单元包括图像预处理子单元、图像边缘检测子单元和轨道轮廓磨耗识别子单元；
29.所述图像预处理子单元，用于对所述轨道的钢轨、接头及轨枕图像数据进行多通道数字化处理，并进行直方图均衡化处理，获得预处理图像；
30.所述图像边缘检测子单元，用于利用canny算子对所述预处理图像进行边缘检测，获得边缘图像；
31.所述轨道轮廓磨耗识别子单元，用于基于霍夫变换，对所述边缘图像进行处理，获得直线点图像，通过opencvcv编程，计算得到所述直线点图像中的直线间夹角值，若所述直线间夹角值小于标准角度值，则判定出现轨道轮廓磨耗状态异常。
32.进一步地，所述图像边缘检测子单元包括：基于二维卷积图像平衡处理方式对所述预处理图像进行滤波处理；增加计算的梯度幅值及方向；采用双峰法进行图像阈值分割。
33.进一步地，所述数据分析模块包括预警单元；所述预警单元包括预警分类子单元、预警记录管理子单元、预警处理子单元；
34.所述预警分类子单元，用于对轨道接触网状态异常、轨道几何状态异常或轨道轮廓磨耗状态异常进行分类预警，并将所述预警信息和故障简要情况发送给相应的工作人员；
35.所述预警记录管理子单元，用于对预警记录进行管理，包括显示预警记录对应的位置信息、时间信息、预警记录发生时刻前后预定时间范围内的图像数据信息；并对误报、漏报、延报的预警记录进行标注；
36.所述预警处理子单元，用于将预警记录以及所对应的故障数据发送至云平台数据中心。
37.进一步地，所述故障诊断模块，用于根据云平台数据中心预设的故障信息库，确定故障类型，并提供相应的维修方案；所述故障诊断模块包括故障阈值设定单元、故障类型确定单元和维修方案提供单元；
38.所述故障阈值设定单元，用于设定轨道接触网状态异常阈值、轨道几何状态异常阈值或轨道轮廓磨耗故障阈值；所述轨道接触网状态异常阈值依据接触网图像的俯视图与原图的偏移程度确定；所述轨道几何状态异常阈值依据数据采集模块采集的速度、加速度、位置数据确定；所述轨道轮廓磨耗状态异常阈值根据所述直线点图像中的直线间夹角值确定；
39.所述故障类型确定单元，用于将状态异常数据信息与设定的状态异常阈值进行比较，当比较结果判定为故障后，将所述故障与预设的故障等级库中的故障等级进行匹配，确定相应的故障等级；根据所述故障等级的大小确定应对方法，所述应对方法包括：对状态异常进行继续判定或对故障进行及时处理；
40.所述维修方案提供单元，用于根据所述对故障进行及时处理的应对方法，将相对应的故障与预设的故障-维修方案库中的故障类别相匹配，确定相应的维修方案。
41.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
42.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
43.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
44.图1为本发明的一种多功能轨道检测系统结构示意图；
45.图2为本发明的一种多功能轨道检测系统中数据分析模块的轨道接触网状态检测
单元结构示意图；
46.图3为本发明的一种多功能轨道检测系统中数据分析模块的轨道几何状态检测单元结构示意图。
具体实施方式
47.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
48.本发明提供了一种多功能轨道检测系统，如图1所示，包括：
49.数据采集模块，用于利用摄像装置和若干类传感器模组，采集轨道监测数据；
50.数据存储模块，用于利用无线网络和信号线路，接收并存储所述轨道监测数据；
51.数据分析模块，用于对所述轨道监测数据进行检测和分类，发现轨道接触网状态异常、轨道几何状态异常或轨道轮廓磨耗状态异常，并发出相应的故障预警；
52.故障诊断模块，用于对所述状态异常进行诊断，提示故障类型并提供相应的维修方案。
53.上述技术方案的工作原理为：根据检测原理和特点，轨道检测可分为轨道静态检测与轨道动态检测；轨道动态检测是指使用轨道检查车或者高速铁路综合检测列车在运行时对轨道进行检测，其检测项目包括轨道几何以及车体加速度等舒适性指标；本实施例采用轨道动态检测方法，包括数据采集模块，用于利用摄像装置和若干类传感器模组，采集轨道监测数据；数据存储模块，用于利用无线网络和信号线路，接收并存储所述轨道监测数据；数据分析模块，用于对所述轨道监测数据进行检测和分类，发现轨道接触网状态异常、轨道几何状态异常或轨道轮廓磨耗状态异常，并发出相应的故障预警；故障诊断模块，用于对所述状态异常进行诊断，提示故障类型并提供相应的维修方案。
54.上述技术方案的有益效果为：采用本实施例提供的方案，通过采用摄像装置和若干类传感器模组采集轨道检测数据，可以实现对轨道性能状态的多功能检测，及时发现状态异常和故障，并提供相应的维修方案，提高了轨道管理维护的水平。
55.在一个实施例中，所述摄像装置包括线阵工业相机、面阵工业相机，所述若干类传感器模组包括无轴承速度传感器、位置传感器、轴端测速传感器、惯性导航传感器和rfid定位传感器组成的主传感器模组；所述摄像装置用于采集轨道接触网图像数据信息和轨道轮廓磨耗图像数据信息；所述若干类传感器模组用于采集轨道几何状态数据信息。
56.上述技术方案的工作原理为：由于接触网的跨距弹性不均匀和受电弓的惯性力的影响，导致地铁受电弓和接触线出现离线现象；对接触网的检测主要包括对接触网相关参数的检测，如接触线的导高、拉出值等等，还有列车高速行驶时受电弓垂直方向上的振动和冲击值，摄像装置和传感器模组是用来采集轨道监测数据的必备设备，通过采集不同的数据信息，进行检测分析，发现状态异常。本实施例摄像装置包括线阵工业相机、面阵工业相机，所述若干类传感器模组包括无轴承速度传感器、位置传感器、轴端测速传感器、惯性导航传感器和rfid定位传感器组成的主传感器模组；所述摄像装置用于采集轨道接触网图像数据信息和轨道轮廓磨耗图像数据信息；所述若干类传感器模组用于采集轨道几何状态数据信息。
57.上述技术方案的有益效果为：采用本实施例提供的方案，通过设置摄像装置和传
感器模组，拓展了数据采集的种类，提高了数据采集的质量。
58.在一个实施例中，所述数据存储模块包括车载数据服务器、地面数据中心和云平台数据中心；所述车载数据服务器，用于存储所述轨道接触网图像数据信息；所述地面数据中心用于存储所述轨道轮廓磨耗图像数据信息和轨道几何状态数据信息；所述云平台数据中心用于存储更新历史故障数据信息；所述车载数据服务器连接地面数据中心，所述地面数据中心连接云平台数据中心。
59.上述技术方案的工作原理为：轨道数据要反映定点位置的实际情况，以便于及时的发现安全隐患并提出解决措施，因此，数据库的建立极其重要；数据存储模块针对不同的数据类型设置不同的存储平台，以提供不同的用途；本实施例包括车载数据服务器、地面数据中心和云平台数据中心；车载数据服务器存储所述轨道接触网图像数据信息；地面数据中心存储所述轨道轮廓磨耗图像数据信息和轨道几何状态数据信息；云平台数据中心存储更新历史故障数据信息；车载数据服务器连接地面数据中心，地面数据中心连接云平台数据中心。
60.上述技术方案的有益效果为：采用本实施例提供的方案，通过不同的数据存储平台，可以有针对性地存储采集到的数据，提高了数据存储的效率。
61.在一个实施例中，如图2所示，所述数据分析模块包括轨道接触网状态检测单元，用于对所述轨道接触网图像数据信息进行分析处理，发现轨道接触网状态异常；所述轨道接触网状态检测单元包括图像矫正子单元、图像对比子单元和磨损判定子单元；
62.所述图像矫正子单元，用于获取预设的左右两个相机的立体图像，并对所述立体图像进行畸变校正和立体校正，得到轨道接触网的左右矫正图像；
63.所述图像对比子单元，用于基于半全局立体匹配算法，对所述左右矫正图像进行立体匹配，获得视差图；
64.所述磨损判定子单元，用于根据所述视差图，绘制三维重建图，将轨道接触网图像的俯视图与原图进行对比，判定轨道接触网的磨耗状态是否异常。
65.上述技术方案的工作原理为：双目视觉隶属于计算机视觉领域，其基本理论是在相机成像理论的基础上发展而来。相机的成像过程是将三维世界中的物体映射到相机的二维成像平面；在从三维场景到二维成像平面的透视投影过程中，物体的空间深度信息丢失，立体视觉本质上就是要恢复这一深度信息，立体匹配的目标就是从左右图像对中寻特征点进行匹配计算，最终生成视差图，并可进一步转换成场景中的三维结构信息。本实施例图像矫正子单元获取两个相同相机的立体图像，并对立体图像进行畸变校正和立体校正，得到轨道接触网的左右矫正图像；图像对比子单元，用于基于半全局立体匹配算法，对所述左右矫正图像进行立体匹配，获得视差图；采用半全局匹配算法是通过多方向扫描线的局部优化来实现全局优化；磨损判定子单元，用于根据所述视差图，绘制三维重建图，将轨道接触网图像的俯视图与原图进行对比，判定轨道接触网的磨耗状态是否异常。
66.上述技术方案的有益效果为：采用本实施例提供的方案，通过对立体图像进行矫正可以消除畸变影响；构建三维重建图可以更加清楚地发现轨道轮廓磨耗的位置、深度等信息。
67.在一个实施例中，如图3所示，所述数据分析模块包括轨道几何状态检测单元，用于基于检测模型检测轨道的几何状态；所述检测模型包括数据编码子单元和数据解码子单
元；
68.所述数据编码子单元，用于利用编码器模型将数据映射到特征空间；所述数据编码子单元包括：
69.使用双向长短期记忆网络模型提取得到数据的上下文特征；
70.基于注意力机制，根据所述上下文特征，提取得到融合长期趋势信息以及周期性信息的里程信息；
71.基于自注意力机制提取得到数据属性间相关性信息；
72.利用多层感知机，对所述里程信息和所述属性间相关性信息进行压缩融合，得到突显特征信息；
73.所述数据解码子单元，用于将所述突显特征信息重构为原始输入数据；所述数据解码子单元包括：
74.利用多层感知机，对所述突显特征信息进行解压缩处理，得到里程信息和属性间相关性信息；
75.使用双向长短期记忆网络模型对所述里程信息进行处理，得到数据的重构序列；
76.使用一个全连接层对所述重构序列进行输出，得到原始输入数据。
77.上述技术方案的工作原理为：轨道动态检测数据包含轨道几何状态数据与车辆响应数据，是研究轨道状态演化的重要数据源。但是在收集数据过程中，由于设备故障、外部环境干扰以及轨道病害等因素的影响，检测得到的轨道几何状态通常存在部分异常，这些异常状态在一定程度上降低了数据的可靠性，增加了对轨道动检数据分析挖掘的难度，因此有必要检测轨道动态检测数据中的轨道几何异常状态，提高数据可靠性。对于轨道几何异常状态检测，基于数据驱动与机器学习的相关研究还比较少，目前的轨道几何异常状态检测在很大程度上依赖于人工经验。由于轨道动态检测数据存在噪声，数据的高维序列化导致数据在里程上存在长期或周期性趋势以及属性间存在复杂相关关系等原因。针对以上问题，本实施例提出一种轨道几何异常状态检测算法，利用改进的编码器提取轨道动态检测数据里程上的长期或周期性趋势以及数据属性间的复杂相关关系，具体包括数据编码子单元和数据解码子单元；
78.所述数据编码子单元，用于利用编码器模型将数据映射到特征空间；所述数据编码子单元包括：
79.使用双向长短期记忆网络模型提取得到数据的上下文特征；
80.基于注意力机制，根据所述上下文特征，提取得到融合长期趋势信息以及周期性信息的里程信息；
81.基于自注意力机制提取得到数据属性间相关性信息；
82.利用多层感知机，对所述里程信息和所述属性间相关性信息进行压缩融合，得到突显特征信息；
83.所述数据解码子单元，用于将所述突显特征信息重构为原始输入数据；所述数据解码子单元包括：
84.利用多层感知机，对所述突显特征信息进行解压缩处理，得到里程信息和属性间相关性信息；
85.使用双向长短期记忆网络模型对所述里程信息进行处理，得到数据的重构序列；
86.使用一个全连接层对所述重构序列进行输出，得到原始输入数据。
87.为了使模型编码器提取到的特征编码更具代表性，本实施例在模型的损失函数中加入了一个稀疏惩罚项，整体损失函数由两部分组成：数据的重构误差以及稀疏惩罚，选用突显特征信息的列和范数作为稀疏惩罚项，损失函数表示如下：
[0088][0089]
其中，l表示损失函数，p为输入序列,p
α
是重构序列，γ是解码器解码出的突显特征信息，ε是权重因子，||p-p
α
||2表示p-p
α
的谱范数；||r||1表示r的列和范数；
[0090]
上述技术方案的有益效果为：采用本实施例提供的方案，注意力机制的引入使得模型可以提取数据里程上的周期性特征和属性间相关性信息，有效降低了数据中噪声的影响，可以有效提升检测的精度；加入稀疏惩罚不但可以保证提取到尽可能稀疏的编码，还可以防止模型过度拟合。
[0091]
在一个实施例中，所述数据分析模块包括轨道几何状态分类单元，用于对所述原始输入数据进行分类；所述几何状态分类单元包括分类模型建立子单元和分类模型训练子单元；
[0092]
所述分类模型建立子单元，用于获取所述原始输入数据的融合特征，使用全局平均池化层对所述融合特征进行降采样处理，使用全连接层进行分类；所述全连接层的激活函数为softmax函数；
[0093]
所述分类模型训练子单元，用于使用半监督学习技术对模型进行训练；所述分类模型训练子单元包括：使用随机扰动函数对输入数据进行扰动，得到两个干扰版本；将所述两个干扰版本分别输入模型进行预测，得到预测结果；采用损失函数计算有标签样本数据的交叉熵损失和无标签样本数据的一致性正则化损失；使用bp算法更新参数，直至模型参数收敛。
[0094]
上述技术方案的工作原理为：设备故障、外部环境干扰以及轨道病害都会引起轨道几何状态异常，对于不同类型的异常数据，通常需要分别进行不同的处理。例如，对于设备故障或者外部数据干扰导致的异常数据，只需要将其直接删除即可；而对于因轨道病害导致的异常数据，往往需要定位异常发生位置并通知维修人员复查，如果确实存在病害则需要对轨道进行修复；由于轨道几何异常状态是轨道动态检测数据的一部分，因此其也具有高维度、序列化等特点。同时，由于异常发生的概率较低，因此轨道几何异常状态数据还存在数据规模小的特点。这些特点使得传统时间序列分类算法在轨道几何异常状态分类任务上效果不佳，容易发生过拟合现象。本实施例针对轨道几何状态异常数据序列特征难以提取以及样本规模小等问题，提出基于半监督学习的轨道几何异常状态分类算法进行分类，具体包括轨道几何状态分类单元，用于对所述原始输入数据进行分类。所述几何状态分类单元包括分类模型建立子单元和分类模型训练子单元；
[0095]
所述分类模型建立子单元，用于获取所述原始输入数据的融合特征，使用全局平均池化层对所述融合特征进行降采样处理，使用全连接层进行分类；所述全连接层的激活函数为softmax函数；
[0096]
所述分类模型训练子单元，用于使用半监督学习技术对模型进行训练；所述分类模型训练子单元包括：使用随机扰动函数对输入数据进行扰动，得到两个干扰版本；将所述两个干扰版本分别输入模型进行预测，得到预测结果；采用损失函数计算有标签样本数据
的交叉熵损失和无标签样本数据的一致性正则化损失；使用bp算法更新参数，直至模型参数收敛。
[0097]
上述技术方案的有益效果为：采用本实施例提供的方案，通过设计分类模型，可以充分提取数据的序列特征；通过采用半监督的训练方式对模型进行训练，可以防止轨道几何异常状态分类模型过拟合，能够有效提高分类的准确率。
[0098]
在一个实施例中，所述数据分析模块包括轨道轮廓磨耗状态检测单元，用于对轨道的钢轨、接头及轨枕图像进行分析处理，发现轨道轮廓磨耗；所述轨道轮廓磨耗检测单元包括图像预处理子单元、图像边缘检测子单元和轨道轮廓磨耗识别子单元；
[0099]
所述图像预处理子单元，用于对所述轨道的钢轨、接头及轨枕图像数据进行多通道数字化处理，并进行直方图均衡化处理，获得预处理图像；
[0100]
所述图像边缘检测子单元，用于利用canny算子对所述预处理图像进行边缘检测，获得边缘图像；
[0101]
所述轨道轮廓磨耗识别子单元，用于基于霍夫变换，对所述边缘图像进行处理，获得直线点图像，通过opencvcv编程，计算得到所述直线点图像中的直线间夹角值，若所述直线间夹角值小于标准角度值，则判定出现轨道轮廓磨耗状态异常。
[0102]
上述技术方案的工作原理为：通过对轨道的钢轨、接头及轨枕图像进行分析处理，可以发现轨道轮廓磨耗状态异常；本实施例轨道轮廓磨耗检测单元包括图像预处理子单元、图像边缘检测子单元和轨道轮廓磨耗识别子单元；
[0103]
图像预处理子单元，用于对所述轨道的钢轨、接头及轨枕图像数据进行多通道数字化处理，并进行直方图均衡化处理，获得预处理图像；多通道数字化处理通常采用的方式是将彩图像转化为多通道的mat对象，这个过程则需要先对图片每一个单通道分别处理，最后再对处理结构进行合并；直方图均衡化即将图像的像素灰度变变换成均匀分布；
[0104]
图像边缘检测子单元，用于利用canny算子对所述预处理图像进行边缘检测，获得边缘图像；
[0105]
轨道轮廓磨耗识别子单元，用于基于霍夫变换，对所述边缘图像进行处理，获得直线点图像，通过opencvcv编程，计算得到所述直线点图像中的直线间夹角值，若所述直线间夹角值小于标准角度值，则判定出现轨道轮廓磨耗状态异常；霍夫变换的原理是基于数学对偶性关系，适用于点与线的相关对偶性，结合处理图像中边缘线的特殊线型，利用曲线表达形式将原目标空间曲线变换为参数空间的对应点，把原目标图像中的边缘检测转为查参数空间中对应点的峰值，最后将整体性检测转化为图像局部性检测。
[0106]
上述技术方案的有益效果为：采用本实施例提供的方案，对图像进行预处理，可以有效的利用灰度值区间，使得图像的表现力更加出，提高图像预处理的效果，通过边缘图像到直线点图像的变换，可以更加准确地判断轨道轮廓磨耗。
[0107]
在一个实施例中，所述图像边缘检测子单元包括：基于二维卷积图像平衡处理方式对所述预处理图像进行滤波处理；增加计算的梯度幅值及方向；采用双峰法进行图像阈值分割。
[0108]
上述技术方案的工作原理为：边缘是一幅图像特性基本信息的体现，主要是指该图像中特定局部区域特征的不连续性；边缘检测是在图像变换的基础上，将数字图像中灰度值变化大的点标记出来，对有用的边缘信息进行采集使用，去除无用或不相关信息；现有
的传统边缘检测步骤一般包括三个步骤：滤波、增强和检测；滤波主要是基于图像强度的一阶和二阶导数，由于导数对噪声具有敏感性，因此采用滤波器进行滤波；增强主要针对的是增强边缘效果，需要确定选定图像各点领域在强度方面的变化情况；检测是通过增强的图像邻域中有较多的点梯度值变化比较大，采用特定方法对变化较大的点进行筛选。本实施例中，二维卷积处理是基于两个矩阵的计算方式，本实施例通过在图像矩阵两侧填充元素，扩展图像矩阵数据，从而将图像矩阵与卷积核进行二维卷积操作，得到处理后矩阵；传统canny算子计算梯度幅值及方向是通过一阶偏导的有限差分来实现，主要选择水平与垂直两个方向；在计算中会导致部分边缘信息无法获得边缘强度或因方向的法向矢量缺失而无法得到边缘；本实施例在计算中与sobel算子相结合，在选择0
°
、90
°
的基础上，增加45
°
、135
°
方向计算一阶偏导数；传统canny边缘检测算法在阈值设定过程中采用双阈值算法，本实施例结合采集图像数据的直方图效果，采用双峰法进行图像分割。根据轨道结构自适应全局直方图效果可以得出，图像波谷位置左右两侧灰度分布曲线近似看作两个正态分布函数拼接而成。
[0109]
上述技术方案的有益效果为：采用本实施例提供的方案，采用二维卷积图像平衡处理方式可以有效避免高斯函数标准差人为设定的影响，提高图像平滑处理的效率；增加梯度方向能够更加全面地笼阔图像矩阵相邻区域的矩阵行列值，可以防止检测过程中边缘的丢失；采用双峰法进行图像阈值分割可以有效缩短程序运行时间，提高图像检测的效率。
[0110]
在一个实施例中，所述数据分析模块包括预警单元；所述预警单元包括预警分类子单元、预警记录管理子单元、预警处理子单元；
[0111]
所述预警分类子单元，用于对轨道接触网状态异常、轨道几何状态异常或轨道轮廓磨耗状态异常进行分类预警，并将所述预警信息和故障简要情况发送给相应的工作人员；
[0112]
所述预警记录管理子单元，用于对预警记录进行管理，包括显示预警记录对应的位置信息、时间信息、预警记录发生时刻前后预定时间范围内的图像数据信息；并对误报、漏报、延报的预警记录进行标注；
[0113]
所述预警处理子单元，用于将预警记录以及所对应的故障数据发送至云平台数据中心。
[0114]
上述技术方案的工作原理为：预警单元不但要做到及时预警，而且要对预警记录进行及时地整理和保存，以保证记录可查询研究。本实施例包括预警分类子单元、预警记录管理子单元、预警处理子单元；
[0115]
所述预警分类子单元，用于对轨道接触网状态异常、轨道几何状态异常或轨道轮廓磨耗状态异常进行分类预警，并将所述预警信息和故障简要情况发送给相应的工作人员；
[0116]
所述预警记录管理子单元，用于对预警记录进行管理，包括显示预警记录对应的位置信息、时间信息、预警记录发生时刻前后预定时间范围内的图像数据信息；并对误报、漏报、延报的预警记录进行标注；
[0117]
所述预警处理子单元，用于将预警记录以及所对应的故障数据发送至云平台数据中心。
[0118]
上述技术方案的有益效果为：采用本实施例提供的方案，通过设置预警单元，保证
了检测到异常状态后能够及时预警，并对预警记录进行管理，提高了检测系统的智能化水平。
[0119]
在一个实施例中，所述故障诊断模块，用于根据云平台数据中心预设的故障信息库，确定故障类型，并提供相应的维修方案；所述故障诊断模块包括故障阈值设定单元、故障类型确定单元和维修方案提供单元；
[0120]
所述故障阈值设定单元，用于设定轨道接触网状态异常阈值、轨道几何状态异常阈值或轨道轮廓磨耗故障阈值；所述轨道接触网状态异常阈值依据接触网图像的俯视图与原图的偏移程度确定；所述轨道几何状态异常阈值依据数据采集模块采集的速度、加速度、位置数据确定；所述轨道轮廓磨耗状态异常阈值根据所述直线点图像中的直线间夹角值确定；
[0121]
所述故障类型确定单元，用于将状态异常数据信息与设定的状态异常阈值进行比较，当比较结果判定为故障后，将所述故障与预设的故障等级库中的故障等级进行匹配，确定相应的故障等级；根据所述故障等级的大小确定应对方法，所述应对方法包括：对状态异常进行继续判定或对故障进行及时处理；
[0122]
所述维修方案提供单元，用于根据所述对故障进行及时处理的应对方法，将相对应的故障与预设的故障-维修方案库中的故障类别相匹配，确定相应的维修方案。
[0123]
上述技术方案的工作原理为：通过云平台存储历史故障数据，并根据故障数据设置不同状态异常的阈值，用以判定故障类型，根据故障类型提供相应的维修方案；本实施例包括故障阈值设定单元、故障类型确定单元和维修方案提供单元；
[0124]
所述故障阈值设定单元，用于设定轨道接触网状态异常阈值、轨道几何状态异常阈值或轨道轮廓磨耗故障阈值；所述轨道接触网状态异常阈值依据接触网图像的俯视图与原图的偏移程度确定；所述轨道几何状态异常阈值依据数据采集模块采集的速度、加速度、位置数据确定；所述轨道轮廓磨耗状态异常阈值根据所述直线点图像中的直线间夹角值确定；
[0125]
所述故障类型确定单元，用于将状态异常数据信息与设定的状态异常阈值进行比较，当比较结果判定为故障后，将所述故障与预设的故障等级库中的故障等级进行匹配，确定相应的故障等级；根据所述故障等级的大小确定应对方法，所述应对方法包括：对状态异常进行继续判定或对故障进行及时处理；
[0126]
所述维修方案提供单元，用于根据所述对故障进行及时处理的应对方法，将相对应的故障与预设的故障-维修方案库中的故障类别相匹配，确定相应的维修方案。
[0127]
上述技术方案的有益效果为：采用本实施例提供的方案，通过云平台数据中心建立故障信息库，可以提高故障诊断的效率，并提高故障维修的针对性有效性。
[0128]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

技术特征：

1.一种多功能轨道检测系统，其特征在于，包括：数据采集模块，用于利用摄像装置和若干类传感器模组，采集轨道监测数据；数据存储模块，用于利用无线网络和信号线路，接收并存储所述轨道监测数据；数据分析模块，用于对所述轨道监测数据进行检测和分类，发现轨道接触网状态异常、轨道几何状态异常或轨道轮廓磨耗状态异常，并发出相应的故障预警；故障诊断模块，用于对所述状态异常进行诊断，提示故障类型并提供相应的维修方案。2.根据权利要求1所述的一种多功能轨道检测系统，其特征在于，所述摄像装置包括线阵工业相机、面阵工业相机，所述若干类传感器模组包括无轴承速度传感器、位置传感器、轴端测速传感器、惯性导航传感器和rfid定位传感器组成的主传感器模组；所述摄像装置用于采集轨道接触网图像数据信息和轨道轮廓磨耗图像数据信息；所述若干类传感器模组用于采集轨道几何状态数据信息。3.根据权利要求1所述的一种多功能轨道检测系统，其特征在于，所述数据存储模块包括车载数据服务器、地面数据中心和云平台数据中心；所述车载数据服务器，用于存储所述轨道接触网图像数据信息；所述地面数据中心用于存储所述轨道轮廓磨耗图像数据信息和轨道几何状态数据信息；所述云平台数据中心用于存储更新历史故障数据信息；所述车载数据服务器连接地面数据中心，所述地面数据中心连接云平台数据中心。4.根据权利要求1所述的一种多功能轨道检测系统，其特征在于，所述数据分析模块包括轨道接触网状态检测单元，用于对所述轨道接触网图像数据信息进行分析处理，发现轨道接触网状态异常；所述轨道接触网状态检测单元包括图像矫正子单元、图像对比子单元和磨损判定子单元；所述图像矫正子单元，用于获取预设的左右两个相机的立体图像，并对所述立体图像进行畸变校正和立体校正，得到轨道接触网的左右矫正图像；所述图像对比子单元，用于基于半全局立体匹配算法，对所述左右矫正图像进行立体匹配，获得视差图；所述磨损判定子单元，用于根据所述视差图，绘制三维重建图，将轨道接触网图像的俯视图与原图进行对比，判定轨道接触网的磨耗状态是否异常。5.根据权利要求1所述的一种多功能轨道检测系统，其特征在于，所述数据分析模块包括轨道几何状态检测单元，用于基于检测模型检测轨道的几何状态；所述检测模型包括数据编码子单元和数据解码子单元；所述数据编码子单元，用于利用编码器模型将数据映射到特征空间；所述数据编码子单元包括：使用双向长短期记忆网络模型提取得到数据的上下文特征；基于注意力机制，根据所述上下文特征，提取得到融合长期趋势信息以及周期性信息的里程信息；基于自注意力机制提取得到数据属性间相关性信息；利用多层感知机，对所述里程信息和所述属性间相关性信息进行压缩融合，得到突显特征信息；所述数据解码子单元，用于将所述突显特征信息重构为原始输入数据；所述数据解码子单元包括：
利用多层感知机，对所述突显特征信息进行解压缩处理，得到里程信息和属性间相关性信息；使用双向长短期记忆网络模型对所述里程信息进行处理，得到数据的重构序列；使用一个全连接层对所述重构序列进行输出，得到原始输入数据。6.根据权利要求5所述的一种多功能轨道检测系统，其特征在于，所述数据分析模块包括轨道几何状态分类单元，用于对所述原始输入数据进行分类；所述几何状态分类单元包括分类模型建立子单元和分类模型训练子单元；所述分类模型建立子单元，用于获取所述原始输入数据的融合特征，使用全局平均池化层对所述融合特征进行降采样处理，使用全连接层进行分类；所述全连接层的激活函数为softmax函数；所述分类模型训练子单元，用于使用半监督学习技术对模型进行训练；所述分类模型训练子单元包括：使用随机扰动函数对输入数据进行扰动，得到两个干扰版本；将所述两个干扰版本分别输入模型进行预测，得到预测结果；采用损失函数计算有标签样本数据的交叉熵损失和无标签样本数据的一致性正则化损失；使用bp算法更新参数，直至模型参数收敛。7.根据权利要求1所述的一种多功能轨道检测系统，其特征在于，所述数据分析模块包括轨道轮廓磨耗状态检测单元，用于对轨道的钢轨、接头及轨枕图像进行分析处理，发现轨道轮廓磨耗；所述轨道轮廓磨耗检测单元包括图像预处理子单元、图像边缘检测子单元和轨道轮廓磨耗识别子单元；所述图像预处理子单元，用于对所述轨道的钢轨、接头及轨枕图像数据进行多通道数字化处理，并进行直方图均衡化处理，获得预处理图像；所述图像边缘检测子单元，用于利用canny算子对所述预处理图像进行边缘检测，获得边缘图像；所述轨道轮廓磨耗识别子单元，用于基于霍夫变换，对所述边缘图像进行处理，获得直线点图像，通过opencvcv编程，计算得到所述直线点图像中的直线间夹角值，若所述直线间夹角值小于标准角度值，则判定出现轨道轮廓磨耗状态异常。8.根据权利要求7所述的一种多功能轨道检测系统，其特征在于，所述图像边缘检测子单元包括：基于二维卷积图像平衡处理方式对所述预处理图像进行滤波处理；增加计算的梯度幅值及方向；采用双峰法进行图像阈值分割。9.根据权利要求1所述的一种多功能轨道检测系统，其特征在于，所述数据分析模块包括预警单元；所述预警单元包括预警分类子单元、预警记录管理子单元、预警处理子单元；所述预警分类子单元，用于对轨道接触网状态异常、轨道几何状态异常或轨道轮廓磨耗状态异常进行分类预警，并将所述预警信息和故障简要情况发送给相应的工作人员；所述预警记录管理子单元，用于对预警记录进行管理，包括显示预警记录对应的位置信息、时间信息、预警记录发生时刻前后预定时间范围内的图像数据信息；并对误报、漏报、延报的预警记录进行标注；所述预警处理子单元，用于将预警记录以及所对应的故障数据发送至云平台数据中心。10.根据权利要求1所述的一种多功能轨道检测系统，其特征在于，所述故障诊断模块，
用于根据云平台数据中心预设的故障信息库，确定故障类型，并提供相应的维修方案；所述故障诊断模块包括故障阈值设定单元、故障类型确定单元和维修方案提供单元；所述故障阈值设定单元，用于设定轨道接触网状态异常阈值、轨道几何状态异常阈值或轨道轮廓磨耗故障阈值；所述轨道接触网状态异常阈值依据接触网图像的俯视图与原图的偏移程度确定；所述轨道几何状态异常阈值依据数据采集模块采集的速度、加速度、位置数据确定；所述轨道轮廓磨耗状态异常阈值根据所述直线点图像中的直线间夹角值确定；所述故障类型确定单元，用于将状态异常数据信息与设定的状态异常阈值进行比较，当比较结果判定为故障后，将所述故障与预设的故障等级库中的故障等级进行匹配，确定相应的故障等级；根据所述故障等级的大小确定应对方法；所述应对方法包括：对状态异常进行继续判定或对故障进行及时处理；所述维修方案提供单元，用于根据所述对故障进行及时处理的应对方法，将相对应的故障与预设的故障-维修方案库中的故障类别相匹配，确定相应的维修方案。

技术总结

本发明提供了一种多功能轨道检测系统，包括：数据采集模块，用于利用摄像装置和若干类传感器模组，采集轨道监测数据；数据存储模块，用于利用无线网络和信号线路，接收并存储所述轨道监测数据；数据分析模块，用于对所述轨道监测数据进行检测和分类，发现轨道接触网状态异常、轨道几何状态异常或轨道轮廓磨耗状态异常，并发出相应的故障预警；故障诊断模块，用于对所述状态异常进行诊断，提示故障类型并提供相应的维修方案。本发明通过采用摄像装置和若干类传感器模组采集轨道检测数据，可以实现对轨道性能状态的多功能检测，及时发现状态异常和故障，并提供相应的维修方案，提高了轨道管理维护的水平。理维护的水平。理维护的水平。