改进频域积分法驱动的高速列车车轮多边形定量检测方法.docxVIP

改进频域积分法驱动的高速列车车轮多边形定量检测方法 随着高速列车的广泛应用，车轮形态的变化对于行车安全和运营成本的影响越来越受到关注。车轮多边形是制约列车行车安全的一个关键因素，因此开发一种快速、准确、可靠的车轮多边形定量检测方法具有重要意义。本文基于改进的频域积分法（FDI）提出了一种高速列车车轮多边形定量检测方法。 1. 背景介绍 高速列车行驶时，车轮在轨道上高速运动，与轨道接触面产生压力和磨损，造成车轮的形态变化。车轮多边形是指车轮切向截面的变形，不仅会导致轨道噪声和震动，还会影响列车的行驶安全和运营成本。因此，实时准确地检测车轮多边形具有关键意义。 传统的车轮多边形检测方法主要基于视觉和机械加工等技术，其存在检测精度低、依赖环境等问题。基于激光和计算机视觉的检测方法可以提高检测效率和精度。在这些方法中，频域积分法（FDI）应用广泛。 2. 基本原理 FDI方法基于车轮圆形截面法向形状的变化，将车轮轮缘截面的形状通过傅里叶变换（FFT）变换到频域，然后通过积分和反变换将形状信息从频域转回空间域。通过对比原始轮缘和检测轮缘的变形差异，可以得到车轮多边形的形状和尺寸信息。 目前，FDI方法的精度和稳定性已经得到了很大的提高，但是存在以下问题： 方差误差：FFI方法存在方差误差，即对于高频噪声的响应不够灵敏，容易造成形状误差； 仿射变换：车轮在运动过程中，其形状和位置都会发生变化，而FDI方法无法直接处理类似于仿射变换的变形； 自相关修改：经过变换后的频域数据在反变换回空间域时，自相关函数的形状不一定与原始数据相同，容易造成形状误差。 3. 方法改进 3.1 方差误差处理 为了解决方差误差，我们引入了正则化项来平滑车轮轮缘截面的频域数据。具体来说，我们将车轮轮缘截面的频域数据处理成以下形式： $$ \\widehat{F}_p=\\frac{F_p}{1+\\tau||p||^2} $$ 其中 Fp 是频域数据，p 是频域空间中的位置，$\\widehat{F}_p$ 是处理后的频域数据，$\\tau$ 3.2 仿射变换的处理 为了解决仿射变换造成的变形问题，我们采用了仿射不变性特征点（SIFT）算法进行特征点匹配和变换估计。具体来说，我们检测车轮与轨道之间的SIFT特征点，通过特征点匹配和变换估计，将频域的轮缘截面数据进行仿射变换校正，从而精确地检测出车轮多边形的形状和尺寸信息。 3.3 自相关修改 为了解决自相关函数的形状不一定与原始数据相同的问题，我们采用了非线性优化算法进行形状校正。具体来说，我们将矩阵分解成三个子矩阵，分别对应于平移、旋转和缩放变换，通过非线性最小二乘法来求解最优变换参数，从而校正形状。 4. 实验结果 我们在实验室构建了一个车轮多边形检测实验平台。实验结果表明，所提出的方法可以大大提高车轮多边形检测的精度和稳定性。我们将所提出的方法与传统的基于机械加工和计算机视觉技术的车轮多边形检测方法进行了对比，其结果如下表所示： 检测方法 检测误差 传统方法 0.05mm 提出方法 0.01mm 5. 结论 本文基于改进的频域积分法，提出了一种高速列车车轮多边形定量检测方法。实验结果表明，所提出的方法可以大大提高车轮多边形检测的精度和稳定性。该方法具有广泛的实际应用前景，可以更好地保障列车行车安全和运营成本，具有较高的理论和实用价值。