便携式钢轨波磨自动化检测系统研究

来源 :物流科技 | 被引量 : 0次 | 上传用户:cnforyou2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
   摘  要:针对钢轨存在的波浪形磨耗问题,基于弦测法开发一种自动化检测系统,系统采用激光位移传感器,以STM32嵌入式系统芯片为核心控制器,通过图形用户接口STemWin、文件系统FATfs等嵌入式软件资源,可以实现数据实时采集、显示、保存和传输。经试验验证检测系统结果具有良好的重复性和稳定性,精度达到0.01mm。
    关键词:波浪形磨耗;激光位移传感器;STM32;STemWin
    中图分类号:U270.7    文献标识码:A
  
  Abstract: Aiming at the wavy wear problem of steel rails, an automated detection system is developed based on the string measurement method. The system uses a laser displacement sensor, with STM32 embedded system chip as the core controller, through the graphical user interface STemWin, file system FATfs and other embedded software resources can realize real-time data collection, display, storage and transmission. Tests have verified that the results of the detection system have good repeatability and stability, with an accuracy of 0.01mm.
  Key words: wavy abrasion; laser displacement sensor; STM32; STemWin
  0  引  言
    钢轨波磨的状态直接影响轨道车辆的安全性、平稳性和舒适性。钢轨投入运行后,由于列车的车轮与钢轨的频繁接触,钢轨踏面上出现有一定规律的凹、凸不平现象[1],这种现象被称为钢轨波浪形磨耗。钢轨波磨发展严重之后首先会对钢轨造成严重危害,加大钢轨的报废率。其次,它会增加列车的垂向不平顺,加大列车车轮与钢轨接触的振动,产生噪音污染,对乘客的乘坐舒适性会造成影响,并且振动也会对列车与钢轨部件的使用寿命产生影响,甚至引发严重的脱轨事故[2],影响人车安全。
   目前测量钢轨波磨的主要方法是接触式测量和非接触式测量[3]。其中德国Vogel公司研发的SKM1[4]就是以接觸式测量的方式去测量数据,它采用轨地面进行机械定位,因此只能用于特定规格的钢轨测量。美国IEM公司研发的激光轨道轮廓仪是通过非接触测量的方式测量数据,这类装置使用非接触激光传感器测量技术,可完整测量轨头横断面磨损,具有体积小、轻便携带等优点,但分辨率和精度较低。
   本文主要研究设计一种钢轨波磨测量采集装置,采用高精度的非接触式激光位移传感器协同旋转式增量编码器来设计钢轨波磨测量采集系统,结合嵌入式系统开发技术,对硬件电路系统进行研发设计,对各硬件模块完成相应功能编写软件程序驱动,运用图形接口STemWin和文件系统FATfs等嵌入式软件开发资源,编写驱动程序实现测量仪的波磨数据采集、处理、显示、保存和USB通信等功能,测量结果验证该装置能够快速测量钢轨波浪线磨耗的精准数据。
  1  波磨测量原理
   目前由于高精度测量传感器的出现,使得弦测法这种适用于对测量精度有一定要求的方法得到普遍应用。弦测法主要有两点弦测法与三点弦测法组成,两者原理大致相似。本文主要介绍三点弦测法,三点弦测法系统构成如图1所示。测量装置固定在待测钢轨上方,装置的两端构成一根弦,装置上设计有可左右移动测量弦到轨面距离的传感器。当传感器位置到装置两端的距离一样时,即图1中的a=b,这种方式称为三点等弦测量法;当a≠b时称为三点偏弦测量。
   在图1中,测量弦长为L,将激光位移传感器安装在仪器下方。钢轨垂直磨耗为fx,设备实际测量值为yx,则fx和yx之间的关系可表达为:
    由上式可知,装置弦测值yx等于实测值yx与频域传递函数Hω的乘积。因为传递函数的特性无改变,所以传感器测量值不受检测设备移动速度影响。
  2  测量系统总体设计
  2.1  装置测量原理
    本文设计的钢轨波磨装置是采用弦测法去测量钢轨波磨数据,其测量原理如图2所示。测量仪平放于钢轨之上,机械支架纵梁(图2中A,B点连线)与钢轨面(图2中C,D点连线)二者呈平行空间关系,步进电机驱动同步轮与转动,使同步带拉动传感器水平移动的同时编码器也同步转动,单片机控制步进电机驱动器带动步进电机协同编码器进行空间等距离采样。激光位移传感器采集纵梁到被测轨面之间的距离信息,并以模拟量的形式输出。由于该模拟量与采集距离呈线性比例关系,所以通过计算可以得到钢轨表面的磨损数据。传感器采集到的波磨数据经单片机读取、分析、存储在SD卡上并在LCD屏显示。此外为了实现通过USB数据线将数据传输到PC机,在硬件系统添加了USB驱动电路,借助处理能力更为强大的上位机来实现波磨分析、滤波、报表导出等功能。
  2.2  系统构成
   经过对系统测量原理的系统研究,钢轨波磨系统总体构成设计如图3所示。其主要包括数据采集测量与传感器运动控制单元、机械结构、数据采集板、数据显示与上位机分析单元,其各自功能如下:    (1)数据采集测量与传感器运动控制单元:在机械结构的对应位置中,安装激光位移传感器、步进电机、编码器等工具,所需的轨面磨耗信息可通过传感器发出的激光进行测量获取,编码器协同传感器实现等距离采样;步进电机完成对传感器在轨面上方的移动测量。
   (2)机械结构:在待测钢轨上方固定整体测量系统。
    (3)数据采集板:测量系统控制核心,完成对传感器输出信号的采集、计算、保存,实现对步进电机的控制,板载SD数据存储卡与USB接口。
   (4)数据显示与上位机分析单元:采用LCD液晶触摸屏操作装置工作并实现对采集到的磨耗数据进行波形显示,通过USB数据线可实现数据采集板与PC机通信。
  3  硬件结构设计
   系统设备中的硬件电路的整体设计如图4所示,硬件电路由主控MCU模块、轨面波磨测量模块、运动控制模块、波磨数据存储模块、人机交互模块、USB数据通信模块、电源模块等组成。
    为了保证仪器测得数据的精准以及智能化和便携化等优点,主控模块采用STM32,轨面波磨测量模块利用激光位移传感器和编码器的组合实现非接触式测量;运动控制模块采用步进电机带动传感器在轨面上方平稳移动采集波磨数据并使用光电开关控制电机启停位置与方向;装置通过在存储模块中使用SD内存卡,实现了测量结果的自动存储功能。为了人机交互的操作性能更好,使用触摸液晶屏,增加仪器的可操作性;USB数据通信模块使装置能直接与PC机通过USB数据线连接进行数据传输,将下位机采集的数据通过图像的形式展现出来,实现对波磨数据的评估,以此来获知钢轨的损耗情况;装置由12V锂电池组来为锂电池进行电量提供,通过升降压电路的设计方式,分别可以输出24V、5V和3.3V的电压,为系统各个硬件模块提供工作所需电压。
  4  机械结构设计
   基于便携式、轻量化考虑,并结合本文采用的波磨测量方法,借助SolidWorks建模软件设计了测量装置的机械支架。其结构示意图如图5所示。该机械支架主要由纵梁、定位脚改、广告钉、直线导轨、把手、传感器安装滑台等组成。
   机械结构设计中的重点是各个零部件的功能分析与位置确定,以及彼此之间的协调配合设计。定位脚改主要作用是在测量时配合广告钉可以将整个支架固定在钢轨上,使装置能稳定的开展测量任务。直线导轨上安装用于固定激光传感器的滑台,配合步进电机能使滑台带动传感器在导轨上平滑可靠的来回测量钢轨波磨数据。
    装置两端各设计有一个光电开关,配合传感器滑台上固定的金属遮光片,就可实现步进电机运动方向控制。传感同步轮与同步带使编码器与步进电机动作一致,便于装置在运动时同步完成数据的采集工作。装置顶端把手的设计则主要考虑到便携性,便于测量人员移动携带。
  5  系统软件设计
    系统的软件开发主要利用STM32的软件程序,完成对各个模块的控制作用以及对数据进行计算处理。主要实现了轨面波磨数据采集、步进电机控制、数据处理、液晶显示、SD卡数据存储、USB协议通信等功能,整体设计过程为在实现对各个模块功能代码的编写与调试基础上,汇总各个模块功能代码,完成总体功能程序设计。其中主程序为一个While循环,它负责调用各个子模块后能实现整体系统功能。应用程序包括:系统初始化程序、电机控制程序、数据采集程序,其结构组成如图6所示。
   在软件的逻辑流程处理方面,首先在主函数中进行中断初始化、串口初始化、定时器初始化、ADC与DMA初始化等系统初始化操作,之后进行系统主界面。在完成系统初始化操作后,程序进入一个外部主循环,即可在主界面中选择需要的操作按键,包括SETUP、CONNECT、START、TASK_SAVE,如图7所示。波磨数据的测量任务需要通过数据采集程序以及步进电机控制程序的协同操作来完成。
   在图7中,不同的按钮就可以实现不同的功能效果:
   (1)SETUP(时间设置):SETUP可以对系统时间进行设置,其作用为保存测量操作的时间。
   (2)CONNECT(连接上位机):当选择CONNECT按键时,首先对SD卡进行初始化,然后对USB进行初始化。之后PC机即可通过USB数据线完成对SD卡的数据访问。
   (3)TASK_SAVE(保存测量):按下该键,进行SD卡初始化,然后测量磨耗,采集任务完成后在LCD上实现磨耗波形显示,并以TXT文本格式将数据存储到SD卡内。
   (4)START(直接测量):直接完成波磨测量显示,无需调用SD卡存储程序。
  6  测量试验
    用本文设计的激光检测系统对钢轨磨损情况进行了现场测量,图8为系统测量界面下的“START”功能按键按下后测量得到的钢轨磨耗波形图,图8中的绿色波形即为测量得到的钢轨磨耗数据。
   当步进电机控制传感器完成采集工作按下“TASK_SAVE”按键,测量数据被保存在SD卡文件中,系统进入结束界面。如图9所示,该界面会显示保存在SD卡中与本次测量作业有关的数据信息,包括测量时间、保存的文件名、保存位置等信息。
    图10为保存在SD卡中的钢轨波磨测量数据TXT文件,其中测量数据文件以当次测量开始的时间进行命名并被保存在USER根目录下。用户使用Mini Usb数据线与硬件连接,即可实现电脑对SD卡中的数据访问,便于利用PC上更为强大的上位机软件完成对波磨数据更深的处理、分析与应用。
  7  结  论
    本文在研究分析国内外钢轨波磨测量装置发展现状后,提出了研制一种便携式波磨测量采集装置。该系统采用激光位移传感器能够自动、快速、便捷地直接测量出钢轨波浪形磨耗量,测试结果基本达到预期需求。
  参考文献:
  [1] 范钦海. 钢轨波浪形磨耗形成机理及减缓措施研究[J]. 中国铁道科学,1994(2):22-40.
  [2] 王梓旭. 钢轨波浪磨耗及其测量装置研究[D]. 上海:同济大学(硕士学位论文),2008.
  [3] Small G W, Hegedus Z S. Measurement of Rail-cross-section with Solid-state Sensor Arrays[J]. Optics and Laser Technology, 1986(2):43-47.
  [4] 朱冰冰. 便携式钢轨测量仪的改进及检验[D]. 成都:西南交通大学(硕士学位论文),2014.
  [5] 罗林,张格明,吴旺青,等. 轮轨系统轨道平顺状态的控制[M]. 北京:中国铁道工业出版社,2006.
  [6] 陳敏敏,练松良,程小平,等. 接头区轨面短波不平顺与P1、P2力关系的试验研究[J]. 兰州交通大学学报,2011,30(1):59-63.
  [7] 韦红亮,练松良,刘扬,等. 城市轨道交通轨面短波不平顺测试分析[J]. 华东交通大学学报,2011,28(4):33-37.
  [8] 渠媛. 轨道养护维修辅助决策支持系统研究[D]. 北京:北京交通大学(硕士学位论文),2019.
  [9] 魏晖,朱洪涛,万坚. 基于中点弦测法的矢距计算通式及其特性研究[J]. 铁道工程学报,2013(11):44-47.
  [10] 魏珲,刘宏立,马子骥,等. 基于组合弦测的钢轨波磨广域测量方法[J]. 西北大学学报(自然科学版),2018,48(2):199-208.
  收稿日期:2020-10-24
  基金项目:上海工程技术大学研究生科研创新项目(E3-0903-19-01413)
  作者简介:董庆仑(1994-),男,山东济南人,上海工程技术大学城市轨道交通学院硕士研究生,研究方向:轨道车辆状态检测及诊断技术。
其他文献
目标检测是计算机视觉领域的重要研究任务,在机器人、自动驾驶、工业检测等方面应用广泛。在深度学习理论的基础上,系统性总结了目标检测算法的发展与研究现状,对两类算法的特点、优缺点和实时性进行对比。以交通场景中三类典型物体(非机动车、机动车和行人)为目标,从传统检测方法、目标检测算法、目标检测算法优化、三维目标检测、多模态目标检测和重识别六个方面分别论述和总结目标检测算法检测识别交通场景目标的研究现状与
自然场景文本检测对于机器理解场景等有着重要作用。近年来,随着深度学习的发展,自然场景文字检测方法也日新月异,取得了很好的检测效果。分析、总结了近年来基于深度学习的
针对柔性流水车间生产能耗高和噪音大的问题,建立了最大完工时间调度模型,设计了遗传算法,将求解过程分成两步,第一步以最小化最大完工时间为主要目标,求解出多个最小化最大
果蝇优化算法作为一种新兴的群智能优化算法,具有结构简单、调节参数少、可操作性强和全局寻优快等特点,使其相较于其他智能算法更容易理解和实现,因此自其提出之日起便受到
物流园区是指地域上聚集物流资源,集约使用土地,整合交通资源和提升物流水平的物流集结地,同样是承载着城市公共运行与服务的一份子[1]。物流园区在建立初期,应充分符合国家
针对不满足忠实分布的高维数据分类问题,一种新的基于粒子群算法的马尔科夫毯特征选择方法被提出。它通过有效地提取相关特征和剔除冗余特征,能够产生更好的分类结果。在特征
为A速运公司建立一套以平衡计分卡为框架的绩效评价体系,从财务维度、客户维度、内部运营维度、学习和成长维度建立起适合该企业发展方向的绩效评价体系。其次,采用层次分析