一种基于计算机视觉的列车制动摩擦力在线智能监测方法

本发明涉及一种基于计算机视觉的列车制动摩擦力在线智能监测方法，属于列车制动状态监测。

背景技术：

1、在列车制动过程中，制动界面摩擦力是决定制动效能、制动稳定性以及制动安全性的关键参数。现有制动摩擦状态评估方法主要依赖接触式传感器或试验台扭矩测量结果。前者通常需要在制动界面或其邻近位置布置传感器，易受高温、高频振动及空间受限等因素影响，难以满足工程现场测量需求；后者虽然能够表征整体制动摩擦力，但主要适用于试验台或专用测试装置条件下的离线分析，在制动装置真实服役环境中难以直接用于现场在线监测。

2、此外，列车制动过程具有显著的瞬态性、强耦合性和工况多变性，制动压力、制动速度、接触状态以及环境扰动均会对制动界面摩擦力产生影响。对于制动夹钳而言，其在制动过程中受到法向夹紧载荷和切向摩擦载荷共同作用，会在夹钳臂及局部连接区域产生微小位移和微小转角响应。该类微变形量级虽小，但与制动界面摩擦力存在可重复、可标定的对应关系。若能够在不接触摩擦界面的前提下准确提取夹钳微变形特征，并将其与摩擦力建立映射模型，则能够在不改变制动结构原有服役状态的前提下，实现制动界面摩擦力的非接触在线监测。

3、然而，现有技术中对于视觉测量方法的应用多集中于位移、振动或轮廓变化的检测，缺少将图像防抖、图像特征提取、物理量标定、扭矩重采样及摩擦力回归建模进行统一组织的完整流程。一方面，在列车制动试验或实际服役环境中，高速相机、安装支架及试验台自身容易受到振动影响，图像整体抖动会叠加到夹钳关键点运动轨迹中，进而掩盖夹钳微小结构响应；另一方面，由于图像采样频率与扭矩采样频率通常存在差异，若缺乏统一时间基准和重采样机制，则难以形成夹钳微变形特征与摩擦力之间的严格配对关系，进而影响后续映射模型的建立精度。此外，若仅采用单一位移量进行拟合，难以充分表征制动夹钳在切向摩擦载荷作用下产生的复合变形响应。

4、因此，亟需一种面向列车制动场景的、包含多源同步采集、图像防抖、亚像素级特征提取、激光参考标定、扭矩重采样、摩擦力换算以及在线回归预测的完整技术方案，以解决现有技术中制动界面摩擦力难以实现非接触式在线监测的问题。

技术实现思路

1、本发明的目的在于针对现有技术存在的问题，提供一种基于计算机视觉的列车制动摩擦力在线智能监测方法。

2、本发明解决上述技术问题所提供的技术方案是：一种基于计算机视觉的列车制动摩擦力在线智能监测方法，包括以下步骤：

3、步骤1、在制动试验台上采集制动夹钳在制动过程中的激光位移信号、视频图像信号及制动扭矩信号；

4、步骤2、对视频图像信号进行预处理、全局运动补偿处理，再对制动扭矩信号进行预处理；

5、步骤3、基于预处理后的视频图像信号、制动扭矩信号提取制动夹钳的位移特征和扭转特征，并结合激光位移信号对位移特征和扭转特征进行标定修正；

6、步骤4、根据制动扭矩信号及有效摩擦半径计算得到制动界面摩擦力；

7、步骤5、将标定修正后的位移特征和扭转特征与对应制动界面摩擦力建立特征-摩擦力映射模型；

8、步骤6、在实际制动监测阶段，基于实时采集的视频图像信号、特征-摩擦力映射模型反演得到制动夹钳实时的制动界面摩擦力。

9、进一步的技术方案是，所述步骤2中视频图像信号的预处理过程为：首先通过标定板完成尺度标定，建立图像像素尺寸与实际物理尺寸之间的换算关系；随后将视频图像统一转换为单通道灰度图像；再对灰度图像采用高斯滤波进行去噪处理；然后通过局部自适应直方图均衡化增强夹钳关键区域的灰度对比度。

10、进一步的技术方案是，所述步骤2中视频图像信号的全局运动补偿处理过程为：

11、在制动夹钳非受力区域、试验台固定结构区域或图像背景稳定区域中选取若干稳定参考点；

12、基于稳定参考点在参考帧与第帧之间的位置变化，估计第帧相对于参考帧的全局运动变换矩阵；

13、基于全局运动变换矩阵对第帧图像或该帧中的夹钳关键点坐标进行补偿。

14、进一步的技术方案是，所述步骤2中制动扭矩信号的预处理过程为：依次进行异常点剔除、去噪滤波、基线校正和时间戳对齐处理，去除与真实摩擦扭矩无关的高频随机噪声、机械耦合扰动及初始偏置，并将制动扭矩信号与视频图像的时间轴进行同步校正。

15、进一步的技术方案是，所述制动扭矩信号与视频图像的时间轴进行同步校正的具体过程包括：以视频图像帧时刻为统一时间基准，对制动扭矩信号进行时间窗平均或插值处理，得到与各帧图像一一对应的重采样扭矩值；

16、进一步的技术方案是，所述步骤3中制动夹钳的位移特征的提取过程为：

17、在制动夹钳关键区域选取若干个具有明显灰度变化的特征点作为跟踪点，并以第一帧图像中手动选定的关键点位置作为初始参考点；

18、采用lucas-kanade金字塔光流跟踪算法对各关键点进行逐帧跟踪，获取各关键点在制动过程中的位移轨迹；

19、根据关键点位置变化构造得到位移特征和扭转特征，所述位移特征包括夹钳关键点位移、双点相对位移，所述扭转特征包括局部转角和局部扭转角。

20、进一步的技术方案是，所述步骤3中对位移特征和扭转特征进行标定修正的具体过程为：将视频图像信号提取得到的位移特征与对应时刻的激光位移参考值按照统一时间戳进行样本配对，形成标定样本集；基于标定样本集建立位移标定模型，得到标定修正后的视觉位移特征，扭转特征由标定修正后的关键点位移计算得到。

21、进一步的技术方案是，所述步骤4中的计算公式包括：

22、

23、

24、式中：为有效摩擦半径；为第帧图像对应时刻的制动扭矩；为第帧图像对应时刻的制动界面摩擦力；、为接触内外半径；

25、进一步的技术方案是，所述步骤5的具体过程为：

26、步骤51、将标定修正后的位移特征和扭转特征组合形成夹钳微变形特征向量；

27、步骤52、以夹钳微变形特征向量为输入，以制动界面摩擦力为输出，采用多元回归方法建立特征-摩擦力映射模型。

28、进一步的技术方案是，所述步骤6中制动夹钳实时的制动界面摩擦力值反演过程为：

29、在实际制动监测阶段，实时采集制动夹钳的视频图像信号；

30、对实时采集的视频图像信号进行预处理和全局运动补偿处理；

31、并提取位移特征和扭转特征，形成夹钳微变形特征向量；

32、再将夹钳微变形特征向量输入建立的特征-摩擦力映射模型，得到对应时刻的制动界面摩擦力值。

33、本发明具有以下有益效果：

34、（1）本发明构建了“多源同步采集→图像预处理与防抖→视觉微变形特征提取→激光参考标定→扭矩重采样与摩擦力换算→特征-摩擦力映射建模→在线摩擦力输出”的闭环技术链，形成了从数据采集、特征修正到摩擦力在线反演的完整方法流程。

35、（2）本发明通过基于稳定参考点的全局运动补偿算法，对相机抖动、支架振动或试验台整体振动引起的图像整体运动进行补偿，使后续提取得到的关键点位移和扭转特征主要反映制动载荷作用下的夹钳真实结构响应。

36、（3）本发明通过将高速相机、激光位移测量与制动扭矩采集进行同步耦合，使视觉特征不再停留于原始像素级位移，而是能够通过激光参考信号完成物理量级别的标定修正，提高了位移特征和扭转特征的可信度与可重复性。

37、（4）本发明通过引入基于试验台标定数据建立的特征-摩擦力映射模型，实现了制动界面摩擦力的非接触式在线反演，避免了传统方法中在摩擦界面附近直接布置接触式传感器的不足，具有实时性好、工程适用性强的优点。

38、（5）本发明将高频扭矩信号通过预处理后与图像时间轴一一对应，使夹钳视觉特征与摩擦力参考值之间形成严格时间配对关系，提高了在线预测结果的准确性。

39、（6）本发明采用制动夹钳局部位移特征与扭转特征的联合表征方式，不仅能够反映夹钳受力后的平移响应，还能够反映夹钳局部偏转和扭转响应，使所建立的特征-摩擦力映射模型具有更强的表达能力。

40、（7）本发明在实际制动监测阶段仅需采集制动夹钳视频图像信号，不需要在制动界面附近设置接触式测力传感器，也不依赖在线扭矩传感器和激光位移测量装置，便于在工程现场部署。