近年來，隨著城市規(guī)模不斷擴(kuò)大，城市交通擁堵問題凸顯，人們越來越多地選擇城市軌道交通作為日常出行工具。而城市軌道交通車輛速度不斷提升，列車的載重量和車輛行駛密度不斷增加，對軌道交通輔助設(shè)備的穩(wěn)定、安全、監(jiān)測和維護(hù)等提出了更高的要求。

其中，轉(zhuǎn)轍機(jī)設(shè)備作為實(shí)現(xiàn)道岔尖軌等轉(zhuǎn)換的關(guān)鍵設(shè)備，任何失效都會使列車無法正常運(yùn)行，甚至可能造成列車掉軌、翻車等嚴(yán)重后果，帶來生命和財(cái)產(chǎn)的嚴(yán)重?fù)p失。因此，如何利用人工智能技術(shù)代替人力來進(jìn)行軌道交通轉(zhuǎn)轍機(jī)設(shè)備的監(jiān)測和維護(hù)，對故障問題能夠更加準(zhǔn)確的監(jiān)測、預(yù)判和及時告警，已成為國內(nèi)外各大高校及研究院所研究的熱點(diǎn)問題，軌道交通轉(zhuǎn)轍機(jī)設(shè)備的智能化研究也由此展開。

轉(zhuǎn)轍機(jī)設(shè)備智能化研究的目標(biāo)是將各類先進(jìn)的傳感器技術(shù)和大數(shù)據(jù)處理技術(shù)應(yīng)用在傳統(tǒng)轉(zhuǎn)轍機(jī)設(shè)備的故障檢測上，將多年老工程師的工作經(jīng)驗(yàn)總結(jié)出來，形成標(biāo)準(zhǔn)判據(jù)，借助儀器設(shè)備準(zhǔn)確性和可靠性的優(yōu)勢，利用大數(shù)據(jù)技術(shù)，對傳感器設(shè)備采集數(shù)據(jù)進(jìn)行分析，結(jié)合標(biāo)準(zhǔn)判據(jù)進(jìn)行故障的監(jiān)測和預(yù)判，克服人工監(jiān)測因?qū)I(yè)知識或經(jīng)驗(yàn)技術(shù)不足帶來的判斷不準(zhǔn)或誤判等缺點(diǎn)，大幅提高轉(zhuǎn)轍機(jī)設(shè)備的可靠性和故障發(fā)現(xiàn)的準(zhǔn)確性，確保軌道交通車輛的安全運(yùn)行。

在故障檢測的基礎(chǔ)上，還可以利用監(jiān)測數(shù)據(jù)的分析對故障進(jìn)行預(yù)判，在告警設(shè)備可能即將出現(xiàn)故障時對設(shè)備進(jìn)行保養(yǎng)，進(jìn)而避免故障的發(fā)生，最大限度地降低設(shè)備的維修成本，提高地鐵系統(tǒng)的服務(wù)質(zhì)量。

轉(zhuǎn)轍機(jī)設(shè)備的監(jiān)測主要表現(xiàn)在電壓電流、轉(zhuǎn)換力、動作時間和缺口檢測等指標(biāo)上，針對不同的指標(biāo)，國內(nèi)外各大高校及研究院所均有大量的研究。蘭州交通大學(xué)的李積英等教授及團(tuán)隊(duì)針對軌道交通工程的道岔控制系統(tǒng)中使用三相交流轉(zhuǎn)轍機(jī)進(jìn)行研究，開發(fā)出能夠檢測交流五線制轉(zhuǎn)轍機(jī)性能的測試儀器，借助其攜帶方便、可靠等優(yōu)點(diǎn)，給電務(wù)人員的現(xiàn)場應(yīng)用提供了很大幫助。

西北工業(yè)大學(xué)的王安 等人設(shè)計(jì)的基于ARM的便攜式轉(zhuǎn)轍機(jī)測試儀，主要對驅(qū)動轉(zhuǎn)轍機(jī)過程中的拉力和電流參數(shù)進(jìn)行測試，從而實(shí)現(xiàn)對ZD6、ZDJ9、S700K等型號轉(zhuǎn)轍機(jī)的檢驗(yàn)。北京交通大學(xué)鄭霄等人提出基于圖像處理技術(shù)的轉(zhuǎn)轍機(jī)實(shí)時在線監(jiān)測研究。西安電子科技大學(xué)李萌等人進(jìn)行轉(zhuǎn)轍機(jī)表示缺口的圖像監(jiān)測板設(shè)計(jì)，完成了對缺口寬度檢測和缺口的圖像采集，并通過編碼器傳送給監(jiān)控室。

本文為實(shí)現(xiàn)轉(zhuǎn)轍機(jī)系統(tǒng)中桿缺口的精準(zhǔn)有效監(jiān)測，借助高精度和高清晰度的數(shù)碼微視攝像機(jī)對轉(zhuǎn)轍機(jī)的桿缺口進(jìn)行拍攝，并利用圖像處理技術(shù)（如圖像分割、邊緣檢測和形態(tài)學(xué)運(yùn)算等算法）對圖像數(shù)據(jù)進(jìn)行處理。為了能夠有效排除外界非理性干擾因素的影響，提高檢測結(jié)果的準(zhǔn)確性，本次設(shè)計(jì)采用對桿缺口相對位移量進(jìn)行檢測的設(shè)計(jì)方法，換算獲得精準(zhǔn)的桿缺口值，從而真實(shí)反映轉(zhuǎn)轍機(jī)桿缺口大小，提供及時告警維護(hù)的信息。

1 圖像處理技術(shù)應(yīng)用分析

利用數(shù)碼微視攝像機(jī)獲取的轉(zhuǎn)轍機(jī)桿缺口圖像如圖1所示。桿缺口缺口大小隨觀察時間的不同而不同。工程上，鎖閉柱與鎖閉桿缺口間隙為(2±0.5)～(4±0.5)mm，若存在較大偏差則可能存在風(fēng)險，需要進(jìn)行檢修維護(hù)。利用圖像處理技術(shù)，對桿缺口進(jìn)行定時監(jiān)測，若缺口間隙出現(xiàn)異常則進(jìn)行告警，維修人員可根據(jù)告警提示合理開展維護(hù)工作，以確保軌道列車安全運(yùn)行。

圖1 攝像機(jī)獲取的轉(zhuǎn)轍機(jī)桿缺口圖像

圖像處理主要是在頻率域（frequency）和空間域（spatial）兩類不同的表示域進(jìn)行處理。頻率域圖像處理主要是通過圖像變換（如傅里葉變換），將圖像變換到頻率域，進(jìn)而對不同頻率處的圖像信息進(jìn)行針對性處理。空間域圖像處理是將圖像看作一個二維矩陣，使用矩陣分析和統(tǒng)計(jì)學(xué)原理等數(shù)字運(yùn)算對數(shù)據(jù)進(jìn)行處理。

空間域處理具有直觀性強(qiáng)和速度快等優(yōu)點(diǎn)，本文重點(diǎn)研究如何利用空間域圖像處理方法來進(jìn)行轉(zhuǎn)轍機(jī)桿缺口的精確可靠檢測，提出了一種轉(zhuǎn)轍機(jī)桿缺口檢測的算法流程來實(shí)現(xiàn)對其快速精確檢測。

考慮到轉(zhuǎn)轍機(jī)應(yīng)用場景的非理想性和檢測準(zhǔn)確性的要求，本次算法采用檢測桿缺口相對變化量的設(shè)計(jì)方法，利用初始桿缺口值和桿缺口相對變化量來獲取準(zhǔn)確的桿缺口值，再與工程值進(jìn)行比較，若存在非正常值情況，則啟動告警。

如圖1所示，數(shù)碼微視攝像機(jī)獲取的圖像除所要求的桿缺口信息外還包含了許多額外數(shù)據(jù)信息，這些信息的存在會在一定程度上增加圖像處理過程的準(zhǔn)確性和復(fù)雜度，因此在進(jìn)行桿缺口檢測之前先應(yīng)對圖像進(jìn)行裁剪處理。

圖2給出了裁剪后的桿缺口圖像。利用工程師的工程經(jīng)驗(yàn)對裁剪圖像的位置和尺寸進(jìn)行確認(rèn)及修正，當(dāng)存在極端事件導(dǎo)致桿缺口出現(xiàn)在裁剪圖像外并導(dǎo)致檢測算法無法正常工作時，需要進(jìn)行現(xiàn)場調(diào)整。

圖2 轉(zhuǎn)轍機(jī)桿缺口裁剪圖像

圖2（a）和圖2（b）所示分別為不同時刻的桿缺口圖像。利用圖像分割技術(shù)可將桿缺口的相對變化量進(jìn)行分割標(biāo)記。常用的圖像分割方法有基于閾值的分割方法、基于邊緣的分割方法、基于區(qū)域的分割方法、基于聚類的分割方法、基于模型的分割方法和基于特定理論工具的分割方法。

結(jié)合本次應(yīng)用圖像的特點(diǎn)和要求，選擇基于閾值的分割方法。為了獲得合適的閾值，選擇最大類間方差法來進(jìn)行閾值確定。其基本思路是：根據(jù)圖像的直方圖，選擇一合理灰度作為閾值將圖像分割成兩部分，并計(jì)算兩組方差，若分成的兩組之間的方差最大，則對應(yīng)的灰度即為閾值灰度值。圖3給出了圖像分割后的目標(biāo)區(qū)域圖像。

圖3 圖像分割后的目標(biāo)區(qū)域圖像

為進(jìn)一步對桿缺口相對變化量進(jìn)行定位，本文采用了邊緣檢測和形態(tài)學(xué)運(yùn)算的圖像處理技術(shù)。邊緣檢測就是檢測出圖像上的邊緣信息，其目的是找到圖像中亮度變化劇烈的像素點(diǎn)構(gòu)成的集合，即物體的輪廓。根據(jù)邊緣檢測算子的不同，可以分為梯度算子、羅伯特（Roberts）算子、索伯（Sobel）算子以及重點(diǎn)強(qiáng)調(diào)鄰接特性的其他算子等。本文選用羅伯特算子作為邊緣檢測算子，其表達(dá)式為

公式1

對圖3中的圖像進(jìn)行邊緣檢測處理后的結(jié)果如圖4所示。

圖4 邊緣檢測處理后的圖像

圖像形態(tài)學(xué)運(yùn)算是指由一組形態(tài)學(xué)代數(shù)運(yùn)算子組成的運(yùn)算。基本的形態(tài)學(xué)運(yùn)算算子包括腐蝕算子（erosion operator）、膨脹算子（dilation operator）、開算子（opening operator）、閉算子（closing operator）和骨骼算子（skelton operator）等。其中，腐蝕算子是在數(shù)字運(yùn)算上消除物體的邊界點(diǎn)，目的在于將小于結(jié)構(gòu)元素的物體消除，消除物體的大小可根據(jù)結(jié)構(gòu)元素的大小而定。膨脹算子的作用是將物體接觸的所有點(diǎn)合并到物體中，增大目標(biāo)，進(jìn)而填補(bǔ)目標(biāo)中的空洞。

開算子是消除圖像上的細(xì)小噪聲，進(jìn)而平滑物體邊界。閉算子是填充物體內(nèi)的細(xì)小空洞，進(jìn)而平滑物體邊界。本次圖像處理的目的是將轉(zhuǎn)轍機(jī)桿缺口檢查出來，因此，優(yōu)先選擇采用腐蝕算子對目標(biāo)缺口的邊界點(diǎn)進(jìn)行處理，再進(jìn)行方形閉環(huán)運(yùn)算。處理后的圖像結(jié)果分別如圖5和圖6所示。

圖5 腐蝕算子處理后的圖像

圖6 方形閉環(huán)運(yùn)算處理后的圖像

從圖6中可以看出，除了目標(biāo)物體桿缺口外，還有其他非目標(biāo)物體存在，需要進(jìn)一步將非目標(biāo)物體去除。結(jié)合本次設(shè)計(jì)中具體的應(yīng)用場景，選取對目標(biāo)物體像素點(diǎn)統(tǒng)計(jì)進(jìn)而消除的方法，根據(jù)轉(zhuǎn)轍機(jī)桿缺口的初始標(biāo)準(zhǔn)寬度W0、可容許的最大寬度Wmax和最小寬度Wmin，可確定目標(biāo)像素的范圍寬度分別為min[(Wmax-W0), (W0-Wmin)]-Wcor和max[(Wmax-W0), (Wmin-W0)]+Wcor，工程上可對算法進(jìn)行訓(xùn)練，進(jìn)而優(yōu)化校正偏差Wcor的值，以確保檢測的精度。

圖7給出了去除非目標(biāo)物體后的圖像。根據(jù)目標(biāo)圖像和背景圖像不同的灰度值，進(jìn)一步將目標(biāo)圖像從背景圖像中分割出來，即可獲得圖8所示的桿缺口相對變化情況，其中包含桿缺口的相對變化量的寬度像素Wp和長度像素值Lp。

考慮到微型相機(jī)與目標(biāo)物體的相對距離可能會有微變，為了確保檢測的精度，借助像素寬長比與實(shí)際寬長比相等的判據(jù)，求得桿缺口的相對變化寬度ΔW=(Wp/Lp)L，其中，L為桿缺口實(shí)際寬帶，且為恒定值。

將通過圖像智能檢測算法獲得的轉(zhuǎn)轍機(jī)桿缺口寬度與標(biāo)準(zhǔn)桿缺口間隙進(jìn)行比較，若超出標(biāo)準(zhǔn)范圍則進(jìn)行告警，結(jié)合物聯(lián)網(wǎng)技術(shù)，通知檢修人員具體轉(zhuǎn)轍機(jī)的位置和桿缺口寬度，幫助檢修人員進(jìn)行正確的判斷及故障處理。

圖7 去除非目標(biāo)物體后的圖像

圖8 目標(biāo)圖像桿缺口的最終檢測結(jié)果

2 結(jié)論

軌道交通設(shè)備的智能監(jiān)測系統(tǒng)研究對城市軌道交通的安全運(yùn)行具有重要意義。本文針對軌道交通設(shè)備中的轉(zhuǎn)轍機(jī)設(shè)備的智能化故障監(jiān)測進(jìn)行研究，借助圖像處理技術(shù)，合理運(yùn)用圖像分割、邊緣檢測和形態(tài)學(xué)運(yùn)算等算法，對轉(zhuǎn)轍機(jī)設(shè)備中桿缺口的相對變化量進(jìn)行監(jiān)測，進(jìn)而實(shí)現(xiàn)對轉(zhuǎn)轍機(jī)設(shè)備中的桿缺口精準(zhǔn)有效監(jiān)測，當(dāng)桿缺口超出標(biāo)準(zhǔn)寬度時能夠及時告警，從而提高設(shè)備的智能化應(yīng)用水平，確保軌道交通設(shè)備的安全運(yùn)行。