轨道车辆螺栓松动量与预紧力视觉检测方法研究.pdf
《轨道车辆螺栓松动量与预紧力视觉检测方法研究.pdf》由会员分享,可在线阅读,更多相关《轨道车辆螺栓松动量与预紧力视觉检测方法研究.pdf(14页珍藏版)》请在文库网上搜索。
1、第2 0 卷第9 期2023年9月D0I:10.19713/ki.43-1423/u.T20221887铁道科学与工程学报Journal of Railway Science and Engineering轨道车辆螺栓松动量与预紧力视觉检测方法研究Volume 20Number 9September2023王前选,王锐锋,李虎,曹航,刘成沛(五邑大学轨道交通学院,广东江门52 90 0)摘要:为实现轨道车辆螺栓松动智能检测与螺栓预紧力实时监测,提高轨道车辆生产、运维中螺栓的预紧精度,提出一种基于机器视觉技术的螺栓松动角度非接触定量测量方法,基于该方法探究螺栓在预紧过程中各参量之间的关系模型。首
2、先,进行相机内参标定;然后实时获取螺栓图像,对获取到的图像后进行透视变换、滤波降噪等预处理,通过设定特定的通道阅值来提取图像的感兴趣区域(Region ofinterest,RO I),使用Sklansky算法在ROI平面点集进行凸包选代,找出最少点集的矩形特征,同时利用旋转卡尺算法Rotatingcalipers返回凸包的最小面积外接矩形轮廓,以矩形中心点与Width边为特征计算出矩形特征的旋转角度;最终通过实验构建螺栓预紧力、拧紧力矩分别与旋转角度、螺杆行径量关系模型,以及预紧力与拧紧力矩关系模型。结果表明螺栓松动角度检测方法最大测量偏差为0.54,最大相对误差为3.2 5%。该方法具备测
3、量精度高,系统成本低、部署方便的特点,满足轨道车辆大批量的螺栓松动角度的非接触与自动化检测要求。轨道车辆螺栓智能精准预紧新工艺预紧力、拧紧力矩的计算精度达到90%以上,比传统的扭矩-转角法预紧精度高15%40%。研究成果为轨道车辆螺栓松动智能运维提供技术支撑。关键词:螺栓松动;轨道车辆;机器视觉;结构损伤检测;预紧力预测;拧紧力矩;螺栓预紧中图分类号:U270.6*7;U 2 7 9.3;U 2 6 0.7文章编号:16 7 2-7 0 2 9(2 0 2 3)0 9-3511-14文献标志码:A开放科学(资源服务)标识码(OSID)Visual detection method of rai
4、l vehicle bolt looseness and pre-tightening forceWANG Qianxuan,WANG Ruifeng,LI Hu,CAO Hang,LIU Chengpei(School of Rail Transit,Wuyi University,Jiangmen 529000,China)Abstract:To realize the intelligent detection of bolt loosening and real-time monitoring of bolt pre-tensioningforce in rail vehicles,a
5、s well as to improve the pre-tensioning accuracy of bolts in the production,operation,andmaintenance of rail vehicles.We proposed a non-contact quantitative measurement method of bolt looseningangle based on machine vision technology.Based on this angle measurement method,the relationship modelbetwe
6、en each parameter of the bolt in the pre-tensioning process was explored.Firstly,the camera was calibratedwith internal parameters.Then,the bolt image was acquired in real time.The acquired image was pre-processedwith perspective transformation,filtering and noise reduction.The region of interest(RO
7、I)of the image was收稿日期:2 0 2 2-0 9-2 9基金项目:国家重点研发计划项目(2 0 18 YFB1201601);江门市科技计划基础与应用基础研究重点项目(2 0 2 10 30 10 2 7 8 0 0 0 6 18 9);五邑大学港澳联合研发基金项目(2 0 19WGALH17)通信作者:刘成沛(198 7 一),男,江苏徐州人,讲师,博士,从事轨道交通智能检测;E-mail:l i u c h e n g p e i 2 0 12 16 3.c o m3512extracted by setting a specific channel threshold
8、.The Sklansky algorithm was used to carry out convex packetiteration in the point set of the ROI plane,to find out the minimum set of point Rectangular features,while usingRotating calipers algorithm Rotating calipers to return the minimum area of the convex packet connected to theouter rectangular
9、contour.The rectangular center point was followed and width side as a feature to calculate therectangular features of the rotation angle.Ultimately the experiments were constructed the bolt preload,tightening torque,respectively,and the angle of rotation with the amount of the screw line diameter re
10、lationshipmodel,as well as the preload and tightening torque relationship model.The new process of intelligent and precisepre-tensioning of railroad vehicle bolts were proposed.The new method of real-time monitoring of bolt pre-tensioning force in key parts of railroad vehicles were presented.The re
11、sults show that the maximummeasurement deviation of the bolt loosening angle detection method is 0.54.The maximum relative error is3.25%,which has the characteristics of high measurement accuracy,low system cost,and convenient deployment.It meets the requirements of non-contact and automated detecti
12、on of the bolt loosening angle of the large quantityof railroad vehicles.The proposed new process of intelligent and precise pre-tensioning of railroad vehicle boltspre-tensioning force and tightening torque calculation accuracy precision reaches more than 90%,which is 15%to 40%higher than the tradi
13、tional torque-angle method of pre-tensioning accuracy.The proposed visual detectionmethod of bolt loosening angle,new bolt pre-tensioning process,and new method of real-time monitoring of boltpre-tensioning force in key parts provide technical support for intelligent operation and maintenance of bol
14、tloosening in rail vehicles.Key words:loose bolts;railway vehicle;machine vision;structural damage detection;preload prediction;tightening torque;bolt preload铁道科学与工程学报2023年9月近年来,中国轨道交通发展迅猛,已经建成世界上最大的高速铁路网。截至2 0 2 2 年4月,中国铁路总里程超过15万km,其中高铁总运营里程超过4万km,约占世界高铁总里程2/3,高速铁路网的巨大规模给日常维护、检修工作带来挑战。螺栓因其互换性高、价格低
15、、安装方便等优点被广泛应用于轨道车辆的零部件连接中。螺栓松动、预紧力不足轻则导致列车停运,重则造成车毁人亡,螺栓精准预紧与松动检测是列车安全运行的重要保证。国内部分高速线路的列车运行速度已经达到350 km/h,运行速度的提高使列车各部位的螺栓承受更大、更复杂的交变载荷,螺栓连接存在的“串扰现象”使得精准预紧更加重要2。传统的螺栓松动检测主要是通过人工标记、敲打等来判断螺栓是否松动,该方法存在效率低、漏检率高等缺点。近年来,基于计算机视觉的结构健康监测技术(SHM)具有成本低、易于部署和非接触式等优点,在损伤检测方面表现出了巨大的潜力3。螺栓松动量检测技术主要分为接触式和非接触式。PENG等设
16、计了一种基于压电效应的螺栓紧固力在线监测装置,用于检测螺栓预紧力的变化。GOTOH等5采用基于三维边缘的六面体非线性有限元法,提出了考虑升空的螺栓松弛度测量检测方法。PINEDA等利用超声兰姆波混合技术监测螺栓连接扭矩大小来判断螺栓是否松动。伍济钢等7 使用经验模态分解法分析螺栓振动产生的速度信号来检测管道法兰连接螺栓松动。DENG等8 提出一种自动检测并标记螺栓接头松动角度的方法,平均相对检测误差仅为3.5%。王勇等9提出一种基于2 D/3D成像的螺栓松动检测方法,很好地应用于地铁列车异常检测。周靖等10 提出的基于机器视觉的螺栓松动检测方法只能检测6 0 范围内的松动角度。郭珍珠等 提出的
17、基于机器视觉的螺栓松动检测方法只能检测30 范围内的松动角度。综上,接触式检测方法主要存在前期设备成本高,检测精度受环境因素影响较大的问题。现有的非接触式方法或角度检测范围有限,工程实用性差,或只能对螺栓松动进行定性检测,或只能判断螺第9 期栓松动角度而不能检测螺栓预紧力的大小及损失量。轨道车辆生产维护中,螺栓预紧方法主要有扭矩法和扭矩-转角度法等,由于螺栓超过8 5%的扭矩耗散在接触面、螺纹齿的摩擦上,导致预紧力误差较大12。国内外学者针对螺栓精准预紧进行了相关研究:RAZI等13基于振动提出一种用于检测石油和天然气管道法兰接头中螺栓松动的健康监测策略。CROCCOLO等14通过实验得到拧紧
18、力矩和螺栓预紧力的关系,计算出扭矩系数,进而对螺栓拧紧过程中的失效原因进行分析和评估。刘盛循等15建立六角头螺栓模型,根据公式推导出六角头螺栓的预紧力和扭矩的关系。WU等提出一种基于转矩和角度法的模糊控制,提高了螺栓预紧转矩控制的精度和一致性。当前常用的预紧策略存在螺栓预紧力控制不精准、预紧效率低等问题。为解决以上问题,提出一种基于机器视觉技术的螺栓松动角度高精度、非接触测量方法。该方法能够实现0 90 范围内的螺栓松动角度的王前选,等:轨道车辆螺栓松动量与预紧力视觉检测方法研究3513检测,相对于现有螺栓松动角度测量方法,明显提高了松动角度检测范围,而且成本低,系统部署方便,凸显工程实用性。
19、通过构建螺栓松动量关系模型,基于螺栓松动量关系模型提出轨道车辆运维中螺栓预紧新工艺,螺栓预紧精度实现15%40%的提高,预紧精度可达到94%以上,解决传统的扭矩扳手预紧工艺精度低的问题,提高了轨道车辆运行的可靠性与安全性。实验还得出螺栓松动角度与预紧力关系模型,基于该模型提出螺栓预紧力在线视觉非接触监测方法,解决了传统的接触式垫圈存在的设备成本高,系统部署困难,监测结果受环境影响大等问题。1螺栓旋转角度检测算法实现过程算法实现过程主要包括相机内参标定、图像获取与预处理、ROI特征提取、寻找最小面积矩形轮廓与计算旋转角度5个步骤。各主要步骤实现效果如图1所示。()5.638(a)图像获取;(b)
20、透视变换;(c)滤波结果;(d)HSV效果;(e)ROI区域;(f)轮廓绘制;(g)输出角度图1图像关键处理步骤效果Fig.1Effect of key processing steps on images1.1木相机内参数标定在视觉检测技术中,为实现精准定位抓取、测量,相机参数标定尤为重要。针孔模型是相机常用的一种成像模型,原理如图2 所示。图中建立像素坐标系PCS,图像坐标系IPCS,相机坐标系CCS,O.是相机的光学中心。相机坐标系CCS是以相机的光轴作为Z轴,OO,即为相机焦距f。公式(1)为像素坐标与相机坐标之间的转换公式。相机内参数标定就是要找出公式(1)中矩阵T的畸变参数,接着对
21、相机畸变变形进行矫正。常用的相机标定法有张氏相机标定法。0U.h,=Th,=JeVoh,LO00(1)3514式中:h,=U,V,1是像素坐标系中任一点坐标;h,=X,/Z,Y,/Z,1是相机坐标系中任一点的坐标;单目相机成像原理为像素坐标系与相机坐标系的关系矩阵T;f 和f,分别是CCS上X轴和Y轴上的等效焦距;(U.V)是像素坐标系PCS的中心点的坐标,同时也是图像坐标IPCS中心点O的投影点。1.2图像获取与预处理相机现场检测存在因拍摄高度、角度变化导致的拍摄图像透视变形8 问题,影响检测精度。因此需要先对获取到的图像进行透视变换。图像的透视变换是指将图像从原始平面投影到一个新的视平面,
22、对图像进行校正,原理如图3所示。公式(2)为图像透视变换的通用公式。已知透视变换前后图像的4对对应点,令3=0,由公式(3)即可计算得到透视变换矩阵T。投影中心铁道科学与工程学报0PCSUvIPCS图2 相机成像原理示意图Fig.2 Schematic diagram of camera imagingprinciple原图像原图像平面新视平面上的图像2023年9月VPXi4(a)0iPu.PaYXCCS(b)Z新视平面(a)原始图像;(b)透视变换后图像图3图像透视变换原理图Fig.3Schematic of image perspective transformationalla12a13
23、V,=TV,=a21a22a23VLa31a32a33J式中:v,=x,J,1表示的是原始图像的一个像素点坐标;V=X,Y,Z表示经过透视变换后对应像素点的坐标。X10 00-x,X,-Xiyi.X4y41000-x4X4-X4y4a21000Xi.000X4y41-x,Y4-y4Y,JLas2由于图像存在噪声,影响算法实现效果,特(2)别是边缘噪声点影响矩形轮廓的提取精度,直接影响测量精度。因此,需选用保护图像边缘像素点细节的滤波器对图像进行滤波降噪。综合现有的图像滤波方法来看,联合双边滤波具备条纹光滑、边缘清晰、对比度好、结构完整性好的优aX.1-x;Y-yYa22.点 9。这里选择联合双
24、边滤波对图像进行降噪,公a12Y式(4)为联合双边滤波的计算公式。a13XYX:(4)pqeQa23Y,X4a31LY4J(3)式中:表示输入图像;J表示双边滤波后图像;k,表示联合双边滤波中归一化因子;p表示待滤波图像中心点;q为邻域中的一个与p对应的像素点;I,和I分别表示对应位置的像素点的灰度值;和第9 期g分别表示空间权值分布函数和像素局部范围权值分布函数,均为高斯分布函数。1.3ROI特征提取提取图像感兴趣区域(Regionof Interest,ROI)前,先将图像转换为HSV色彩空间,结果如图1中(d)所示。其中h,s,v 分别代表图像的色调,饱和度以及亮度。根据公式(5)设置特
25、定的通道阈值来锁定图像ROI区域,像素点I,的像素值为I(x,y),为寻找矩形轮廓做准备。此时ROI是8 位单通道图像。255Tmin(h,s,V)Tg(h,S,v)Tmax(h,s,V)1,(x,y)=0式中:T.(h,s,vV)表示hsv图像中ROI的通道阈值;Tmax(h,s,v)和Tmin(h,s,v)分别表示锁定ROI区域的上、下通道阅值。1.4寻找最小面积矩形轮廓提取图像ROI特征后,在ROI区域寻找最小矩形轮廓。在寻找最小矩形轮廓前先将ROI转换为二值图像,此时特征域ROI是一个2 D平面点集bla1b1(a)C1d王前选,等:轨道车辆螺栓松动量与预紧力视觉检测方法研究其他(b)
- 1.请仔细阅读文档,确保文档完整性,对于不预览、不比对内容而直接下载带来的问题本站不予受理。
- 2.下载的文档,不会出现我们的网址水印。
- 3、该文档所得收入(下载+内容+预览)归上传者、原创作者;如果您是本文档原作者,请点此认领!既往收益都归您。
下载文档到电脑,查找使用更方便
10 文币 0人已下载
下载 | 加入VIP,免费下载 |
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 轨道 车辆 螺栓 松动 预紧力 视觉 检测 方法 研究