一种基于激光位移传感器的受电弓滑板磨损状态检测方法

1.本发明属于城市轨道交通智能运维技术领域，特别是一种基于激光位移传感器的受电弓滑板磨损状态检测方法。


背景技术：

2.随着城市轨道交通的快速发展，列车在线运行安全问题也日益突出。受电弓滑板是城轨列车的重要电气部件，用于收集来自接触线上的电流，为列车提供动力。列车运行过程中，滑板与接触线直接接触，两者间的相互作用将会导致滑板的持续磨损，滑板的磨损状态对列车的安全运营有着重大的影响，因此，对受电弓滑板状态进行及时监测是保障列车运营安全的一项重要措施。
3.受电弓滑板状态的检测是城轨列车车辆日常检测的一项重要指标。目前，受电弓滑板状态的主要检测方法仍为人工检测法，但该方法需人工登顶检测受电弓，检测效率低、安全性差且检测结果受人为因素影响较大。随着计算机信息技术的飞速发展，城轨车辆关键部件的自动化智能检测已成为趋势。传统的受电弓滑板自动检测方案是采用2d相机来采集滑板图像，通过边缘检测等图像处理技术测量滑板剩余磨耗，在实际应用中受闪光灯打光质量、受电弓复杂的背景环境和滑板污迹等因素的影响，该方案的检测精度较低。相比于激光位移传感器，图像法在检测精度、稳定性和抗干扰能力等方面都处于劣势。
4.专利cn202010997861.7公开了一种受电弓滑板磨耗检测方法及系统，该方法通过激光扫描器向受电弓滑板纵向发射脉冲激光，确定发射脉冲激光与接收反射光之间的时间差；基于时间差确定激光扫描器与对应的反光位置之间的距离值；根据距离值与标准距离的差值，计算出受电弓滑板上真实位置的凹陷值；变换激光扫描器的扫描角度，确定受电弓滑板上所有真实位置的凹陷值，并根据真实位置排序生成受电弓滑板的表面波动图，用以确定受电弓滑板磨耗程度。该方法还需要调整激光扫描器的角度，操作繁琐，并且容易引入误差，检测精度较低，并且仅采用凹陷值反应滑板的磨损程度。
5.专利cn202011565715.3公开了一种基于激光投射的列车受电弓滑板磨耗在线检测设备及方法，包括弓网系统、依次连接的驶入检测模块、数据采集模块、数据处理模块；弓网系统包括接触网和受电弓，驶入检测模块采集列车驶入检测区域时的列车驶入信号，并将列车驶入信号发送给数据采集模块；数据采集模块包括相连接的激光器、相机，位于列车同一侧受电弓的上方和下方均设有激光器、相机，在接收到列车驶入信号时触发激光器发出激光至受电弓表面，相机拍得的图像发送给数据处理模块，处理获得滑板磨耗数据。该方法需要相机、激光器等多个部件相结合，安装复杂，并且相机的稳定性和抗干扰能力均较差。


技术实现要素：

6.本发明的目的在于提供一种基于激光位移传感器的受电弓滑板磨损状态检测方法，通过激光位移传感器获取高精度滑板轮廓数据，通过数据处理算法获取滑板的磨损曲
线和磨损状态，实现受电弓滑板状态分析的智能化，提高检测精度和效率。
7.实现本发明目的的技术解决方案为：一种基于激光位移传感器的受电弓滑板磨损状态检测方法，其特征在于，包括以下步骤：
8.s1：两组激光位移传感器关于钢轨中心线镜像对称安装，垂直向下进行滑板数据采集；
9.s2：分析激光位移传感器输出数据点个数的分布规律，筛选有效数据帧；
10.s3：通过数据融合将两个激光位移传感器的有效数据转换到同一个坐标系中；
11.s4：滤除干扰点，提取滑板轮廓数据点；
12.s5：对滑板轮廓数据进行倾斜校正；
13.s6：采用曲线拟合算法对滑板轮廓进行平滑处理，获取滑板实际轮廓；
14.s7：对滑板初始轮廓进行估算，通过匹配滑板实际轮廓计算滑板实际磨损曲线；
15.s8：根据滑板实际磨损曲线，对滑板磨损状态进行分析。
16.本发明与现有技术相比，其显著优点为：(1)采用激光测距技术计算滑板磨损曲线，有效的提高了滑板磨损的检测精度；(2)滑板状态的分析更加系统化，不仅仅采用最大磨损量反应滑板的磨损程度，还从偏磨、沟槽磨损等方面对滑板的状态进行分析；(3)系统结构设计简单，仅需两组激光位移传感器即可实现受电弓滑板轮廓的采集。
附图说明
17.图1是本发明中受电弓滑板磨损状态检测方法的流程图。
18.图2是本发明中受电弓滑板磨损状态检测的传感器安装示意图。
19.图3是本发明中受电弓滑板磨损状态检测所用滑板图。
20.图4是本发明中激光位移传感器采集的受电弓滑板原始数据图。
21.图5是本发明中受电弓滑板轮廓匹配图。
22.图6是本发明中受电弓滑板磨损曲线图。
23.图7是本发明中受电弓滑板磨损变化量图。
具体实施方式
24.本发明一种基于激光位移传感器的受电弓滑板磨损状态检测方法，包括以下步骤：
25.s1：两组激光位移传感器关于钢轨中心线镜像对称安装，垂直向下进行滑板数据采集；
26.s2：分析激光位移传感器输出数据点个数的分布规律，筛选有效数据帧；
27.s3：通过数据融合将两个激光位移传感器的有效数据转换到同一个坐标系中；
28.s4：滤除干扰点，提取滑板轮廓数据点；
29.s5：对滑板轮廓数据进行倾斜校正；
30.s6：采用曲线拟合算法对滑板轮廓进行平滑处理，获取滑板实际轮廓；
31.s7：对滑板初始轮廓进行估算，通过匹配滑板实际轮廓计算滑板实际磨损曲线；
32.s8：根据滑板实际磨损曲线，对滑板磨损状态进行分析。
33.进一步的，步骤s1包括：
34.s11：激光位移传感器采用2d激光位移传感器；
35.s12：两组激光位移传感器安装于接触线上方，并且关于轨道中心线镜像对称，两组激光位移传感器激光源点之间的水平距离为500-700mm；
36.s13：激光位移传感器垂直向下安装对滑板数据进行采集，垂向上检测范围为900-1300mm。
37.进一步的，步骤s2中有效数据帧筛选过程如下：
38.s21：列车运行过程中，滑板进入与离开检测区域时，激光位移传感器输出点数有明显的上升和下降现象，根据ni＞n
set
的准则对有效数据帧进行筛选，其中ni为激光位移传感器第i次采集的数据点数，n
set
为有效数据筛选阈值；
39.s22：根据有效数据帧的索引，对有效数据帧进行分段处理，获取滑板的个数以及每个滑板对应的激光位移传感器数据。
40.进一步的，步骤s3中的数据融合过程如下：
41.s31：激光位移传感器自身坐标系定义为以激光发射方向为y轴，垂直于激光发射方向为x轴，激光源为坐标原点，两组激光位移传感器分别记为ls1、ls2，自身坐标系分别为x
(1)o(1)y(1)
、x
(2)o(2)y(2)
；
42.s32：以激光位移传感器ls2坐标系为目标坐标系，将传激光位移感器ls1坐标系旋转平移到激光位移传感器ls2坐标系，数据融合参数分别为x
(1)
轴和x
(2)
轴之间的夹角α，坐标系原点的空间距离dx、dy，采用基于标定块的数据融合参数计算方法实现α、dx、dy的计算；
43.s33：获取数据融合参数后，将激光位移传感器ls1坐标系旋转平移到激光位移传感器ls2坐标系中，具体转换公式如下：
[0044][0045]
式中，(x
n(1)
,y
n(1)
)、(x
n(2)
,y
n(2)
)分别为坐标系x
(1)o(1)y(1)
、x
(2)o(2)y(2)
上的点。
[0046]
进一步的，步骤s32中基于标定块的数据融合参数计算方法，具体过程如下：
[0047]
s321：采用精加工的长方体标定块，标定块宽度为l，标定过程中两个激光位移传感器需照射在同一条直线上，将多次标定的均值作为最终的标定结果；
[0048]
s322：旋转角α求取，对两传感器采集到的数据进行线性拟合，第i次标定过程中，两传感器检测数据拟合的直线分别为l
i1
、l
i2
，斜率分别为k
i1
、k
i2
，倾斜角分别为θ
i1
、θ
i2
，第i次标定过程中旋转角αi计算如下所示：
[0049][0050]
s323：平移参数dx、dy的求取，激光位移传感器ls1和激光位移传感器ls2各检测到标定块的一个边界点，边界点在各自传感器坐标系的坐标分别为(x1,y1)、(x2,y2)，将传感器ls1坐标系旋转角α，点(x1,y1)旋转后的坐标为(x
′1,y
′1)，转换公式如下：
[0051]
[0052]
根据标定块固定长度的特征，对坐标原点在x轴方向上的平移距离dx和y轴方向上的平移距离dy进行计算，计算公式如下：
[0053][0054][0055]
式中k2为标定块上表面直线在传感器ls2坐标系中的斜率，θ2是k2对应的倾斜角。
[0056]
进一步的，步骤s4中滑板轮廓数据点提取过程如下：
[0057]
假设一帧有效数据的第i个点的坐标为(x
i(2)
,y
i(2)
)，i＝1,2,
…
,h，h为该帧数据的点数；
[0058]
从起点(x
1(2)
,y
1(2)
)开始按照顺序开始搜索，计算相邻两点{(x
n(2)
,y
n(2)
),(x
n 1(2)
,y
n 1(2)
)}的欧式距离d，与阈值δd进行比较，若满足d《δd，则把后续点(x
n 1(2)
,y
n 1(2)
)加入到同一点集rc＝{(x
1(2)
,y
1(2)
),
…
,(x
n(2)
,y
n(2)
),(x
n 1(2)
,y
n 1(2)
)}中，如果d≥δd，那么以点(x
n(2)
,y
n(2)
)为分割点，下一个点集r
c 1
从(x
n 1(2)
,y
n 1(2)
)为起点继续搜索；
[0059]
数据点检索完成后，统计各个点集的数据点数量，提取数据点最多的点集数据作为滑板轮廓数据点。
[0060]
进一步的，步骤s5所述的滑板轮廓数据校正过程如下：
[0061]
s51：根据步骤s4获取的滑板轮廓数据点，提取滑板左、右斜坡区域数据点进行滑板倾斜角β的计算，计算公式如下：
[0062]
β＝π-δ
1-δ2[0063]
式中，δ1、δ2分别是滑板左斜坡区域、右斜坡区域数据点一阶线性拟合后在滑板水平方向上的倾斜角；
[0064]
s52：滑板倾斜角获取后，对滑板轮廓数据进行倾斜角度校正，校正公式如下：
[0065][0066]
式中，(x
n(2)
,y
n(2)
)为融合后的数据点，(un,vn)为校正后的数据点。
[0067]
进一步的，步骤s6中曲线拟合过程如下：
[0068]
s61：基于最小二乘原理和预设误差容限e，采用三阶多项式拟合方程自动确定每一段的长度，记录初始分段点及拟合系数；
[0069]
s62：根据交叠比例η将每一段初始分段区间分为交叠区和非交叠区，非交叠区数据的拟合方程为初始拟合方程；
[0070]
s63：在交叠区两个端点满足一阶连续的约束下，对交叠区数据点进行最小二乘拟合，获取交叠区数据拟合方程；
[0071]
s64：获取交区和非交叠区的多项式方程的回归系数及分段点，实现整个滑板轮廓数据点的拟合。
[0072]
进一步的，对交叠区数据点进行最小二乘拟合时，若交叠区的数据点数小于4，则采用一阶线性拟合，否则采用三阶多项式拟合，交叠区的两个端点满足一阶线性约束，约束条件为：
[0073][0074]
式中，(p1,q1)、(p2,q2)分别表示交叠区的两个端点，交叠区的多项式拟合方程为前后相邻的非交叠区的多项式拟合方程分别为k为曲线的多项式次数。
[0075]
进一步的，步骤s7中滑板实际磨损曲线获取过程如下：
[0076]
s71：基于滑板上表面未磨损区域对滑板未磨损时的轮廓进行估算，并将该曲线作为该滑板的初始轮廓；
[0077]
s72：将滑板实际轮廓与初始轮廓进行曲线匹配，等间距取点，将实际轮廓与初始轮廓做减操作获得滑板的实际磨耗曲线。
[0078]
进一步的，步骤s71所述的滑板初始轮廓估算过程如下：
[0079]
s711：滑板被划分为左斜坡区域、水平区域和右斜坡区域，其中左、右斜坡区域不会与接触线接触，左、右斜坡区域传感器采集的轮廓即为初始轮廓；
[0080]
s712：根据滑板水平区域两侧部分未磨损区域，对滑板水平区域初始轮廓进行估计，具体过程如下：
[0081]
若整个滑板的数据点数为q，提取[1,q/3],[2q/3,q]内的数据点，激光位移传感器检测最小距离值分别为vl_min、vr_min，并将位于[vl_min-0.2,vl_min]、[vr_min-0.2,vr_min]的数据点作为滑板水平未磨损区域的部分数据，对应均值分别为vl_ave和vr_ave；
[0082]
以(vl_ave vr_ave)/2为基准值，施加幅度为2*abs(vl_ave-vr_ave)/3的随机误差模拟滑板初始加工状态，采用自适应分段曲线拟合实现滑板水平初始轮廓的估算；
[0083]
s713：将滑板左、右斜坡区域轮廓与滑板水平初始轮廓进行拼接得到完整滑板的初始轮廓。
[0084]
进一步的，步骤s72中的曲线匹配过程如下：
[0085]
获取到初始轮廓后，根据滑板左、右斜坡区域未磨损的特征进行实际轮廓和初始轮廓的配准，若初始轮廓数据点集为{(u11,v11),
…
,(u1
n1
,v1
n1
)}，实际轮廓的点集为{(u21,v21),
…
,(u2
n2
,v2
n2
)}；
[0086]
分别提取初始轮廓和实际轮廓的左、右斜坡区域数据点，进行三阶多项式曲线拟合，对拟合后的数据进行偏差模型建立，曲线匹配偏差z为：
[0087]
[0088][0089]
式中，(u1_l
i1
,v1_l
i1
)、(u1_r
i1
,v1_r
i1
)为初始轮廓左、右斜坡数据点，(u2_l
i2
,v2_l
i2
)、(u2_r
i2
,v2_r
i2
)为实际轮廓左、右斜坡数据点，m1、m2分别为左、右斜坡用于匹配的数据点数，δu、δv为滑板实际轮廓的平移参数；
[0090]
对偏差模型进行带有约束的非线性最优值计算，偏差z最小值所对应的参数δu、δv即为最终的匹配参数。
[0091]
进一步的，步骤s8中滑板磨损状态分析过程如下：
[0092]
获得滑板实际磨损曲线后，采用最大磨损量wm、磨损变化量wv和偏磨量w
p
这3个变量对滑板的状态进行分析，变量定义如下：
[0093]
wm＝max(w(x)),x∈[0,ls]
[0094][0095][0096]
式中，w(x)表示位置x处的滑板磨耗值，ls表示滑板磨损区域的长度，w
ave
是滑板的平均磨耗值；i表示位置序号，n表示位置总数；
[0097]
基于最大磨损量wm、磨损变化量wv和偏磨量w
p
对滑板的磨损状态进行分析，具体评判规则如下：
[0098]
(1)当滑板最大磨损量wm大于磨耗阈值g
wm
时，滑板存在过磨损状态；
[0099]
(2)当滑板偏磨量w
p
大于偏磨阈值g
wp
时，滑板磨损不对称，存在偏磨现象；
[0100]
(3)当磨损变化量abs(wv)大于阈值g
wv
时，说明滑板磨耗曲线存在上升或者下降的情况；如果磨耗变化量先大于阈值g
wv
，然后在设定的宽度距离内小于g
wv
，则存在沟槽型磨损。
[0101]
下面结合附图及具体实施例对本发明作进一步详细说明。
[0102]
实施例
[0103]
结合图1，本发明一种基于激光位移传感器的受电弓滑板磨损状态检测方法，包括以下步骤：
[0104]
s1：两组激光位移传感器关于钢轨中心线镜像对称安装，垂直向下进行滑板数据采集，传感器安装示意如图2所示，测试滑板如图3所示，具体过程如下：
[0105]
s11：激光位移传感器采用高精度大量程的2d激光位移传感器，选用基恩士lj-x8900传感器；
[0106]
s12：两组激光位移传感器安装于接触线上方，并且关于轨道中心线镜像对称，两组激光位移传感器激光源点之间的水平距离为550mm；
[0107]
s13：激光位移传感器垂直向下安装对受电弓滑板数据进行采集，垂向上检测距离为980mm；激光位移传感器采集的受电弓滑板原始数据如图4所示。
[0108]
s2：分析传感器输出数据点个数的分布规律，筛选有效数据帧，具体过程如下：
[0109]
s21：列车运行过程中，滑板进入与离开检测区域时，传感器输出点数有明显的上
升和下降现象，根据ni＞n
set
的准则对有效数据帧进行筛选，其中ni为传感器第i次采集的数据点数，n
set
为有效数据筛选阈值，设置为1500；
[0110]
s22：根据有效数据帧的索引，对有效数据帧进行分段处理，获取滑板的个数以及每个滑板对应的传感器数据。
[0111]
s3：通过数据融合将两个传感器的数据转换到同一个坐标系中，具体过程如下：
[0112]
s31：传感器自身坐标系定义为以激光发射方向为y轴，垂直于激光发射方向为x轴，激光源为坐标原点，两组激光位移传感器分别记为ls1、ls2，其自身坐标系分别为x
(1)o(1)y(1)
、x
(2)o(2)y(2)
，如图2所示；
[0113]
s32：以传感器ls2坐标系为目标坐标系，将传感器ls1坐标系旋转平移到传感器ls2坐标系，数据融合参数分别为x
(1)
轴和x
(2)
轴的之间的夹角α，坐标系原点的空间距离dx、dy，采用一种基于标定块的数据融合参数计算方法实现α、dx、dy的计算，计算过程如下：
[0114]
采用精加工的长方体标定块，标定块宽度为l＝90mm，标定过程中两个激光位移传感器需照射在同一条直线上，两组传感器各检测到一个边界点；
[0115]
根据两条激光线照射在标定块上同一条直线的特征实现坐标系旋转角α的计算，对两组传感器采集到的数据进行线性拟合，第i次标定过程中，两组传感器检测数据拟合的直线分别为l
i1
、l
i2
，斜率分别为k
i1
、k
i2
，倾斜角分别为θ
i1
、θ
i2
，旋转角αi计算如下所示：
[0116][0117]
传感器ls1和ls2各检测到标定块的一个边界点，边界点在各自传感器坐标系的坐标分别为(x1,y1)、(x2,y2)，将传感器ls1坐标系旋转角α，点(x1,y1)旋转后的坐标为(x
′1,y
′1)，转换公式如下：
[0118][0119]
根据标定块固定长度的特征，对坐标原点在x轴方向上的平移距离dx和y轴方向上的平移距离dy进行计算，计算公式如下：
[0120][0121][0122]
式中，k2为标定块上表面直线在传感器ls2坐标系中的斜率，θ2是其对应的倾斜角；
[0123]
将多次标定的均值作为最终的标定结果，设置标定次数为3，标定结果分别为α＝0.0365
°
、dx＝416.3652mm、dy＝2.5924mm；
[0124]
s33：获取数据融合参数后，将传感器ls1坐标系旋转平移到传感器ls2坐标系中，具体转换公式如下：
[0125]
[0126]
式中，(x
n(1)
,y
n(1)
)、(x
n(2)
,y
n(2)
)分别为坐标系x
(1)o(1)y(1)
、x
(2)o(2)y(2)
上的点。
[0127]
s4：滤除干扰点，提取滑板轮廓数据点，具体过程如下：
[0128]
假设一帧有效数据的第i个点的坐标为(x
i(2)
,y
i(2)
)，i＝1,2,
…
,h，h为该帧数据的点数；
[0129]
从起点(x
1(2)
,y
1(2)
)开始按照顺序开始搜索，计算相邻两点{(x
n(2)
,y
n(2)
),(x
n 1(2)
,y
n 1(2)
)}的欧式距离d，与阈值δd＝2mm进行比较，若满足d《δd，则把后续点(x
n 1(2)
,y
n 1(2)
)加入到同一点集rc＝{(x
1(2)
,y
1(2)
),
…
,(x
n(2)
,y
n(2)
),(x
n 1(2)
,y
n 1(2)
)}中，如果d≥δd，那么以点(x
n(2)
,y
n(2)
)为分割点，下一个点集r
c 1
从(x
n 1(2)
,y
n 1(2)
)为起点继续搜索；
[0130]
数据点检索完成后，统计各个点集的数据点数量，提取数据点最多的点集数据作为滑板轮廓数据点。
[0131]
s5：对滑板轮廓数据进行倾斜校正，具体过程如下：
[0132]
s51：根据步骤s4获取的滑板轮廓数据点，提取滑板左、右斜坡区域数据点进行滑板倾斜角的计算，倾斜角β为-0.1602
°
；
[0133]
s52：滑板倾斜角获取后，对滑板轮廓数据进行倾斜角度校正，校正公式如下：
[0134][0135]
式中，(x
n(2)
,y
n(2)
)为融合后的数据点，(un,vn)为校正后的数据点。
[0136]
s6：采用曲线拟合算法对滑板轮廓进行平滑处理，获取滑板实际轮廓，具体过程如下：
[0137]
s61：基于最小二乘原理和预设误差容限e＝0.4mm，采用3阶多项式拟合方程自动动确定每一段的长度，记录初始分段点及拟合系数；
[0138]
s62：根据交叠比例η＝0.3将每一段初始分段区间分为交叠区和非交叠区，非交叠区数据的拟合方程为初始拟合方程；
[0139]
s63：在交叠区两个端点满足一阶连续的约束下，对交叠区数据点进行最小二乘拟合，获取交叠区数据拟合方程；
[0140]
s64：获取交区和非交叠区的多项式方程的回归系数及分段点，实现整个滑板轮廓数据点的拟合。
[0141]
步骤s63所述交叠区曲线拟合，若交叠区的数据点数小于4，则采用一阶线性拟合，否则采用三阶多项式拟合，交叠区的两个端点满足一阶线性约束，约束条件如下：
[0142][0143]
式中，(p1,q1)、(p2,q2)分别表示交叠区的两个端点，交叠区的多项式拟合方程为
前后相邻的非交叠区的多项式拟合方程分别为k为曲线的多项式次数，取3。
[0144]
s7：对滑板初始轮廓进行估算，通过匹配滑板实际轮廓计算滑板实际磨损曲线，具体过程如下：
[0145]
s71：基于滑板上表面未磨损区域对滑板未磨损时的轮廓进行估算，并将该曲线作为该滑板的初始轮廓；
[0146]
s72：将滑板实际轮廓与初始轮廓进行曲线匹配，等间距取点，将实际轮廓与初始轮廓做减操作获得滑板的实际磨耗曲线，磨耗曲线如图6所示。
[0147]
步骤s71所述的滑板初始轮廓估算过程如下：
[0148]
s711：滑板被划分为左斜坡区域、水平区域和右斜坡区域，其中左、右斜坡区域不会与接触线接触，左、右斜坡区域传感器采集的轮廓即为初始轮廓；
[0149]
s712：根据滑板水平区域两侧部分未磨损区域，对滑板水平区域初始轮廓进行估计，具体过程如下：
[0150]
整个滑板的数据点数为4057，提取[1,1200],[2860,4057]内的数据点，其传感器检测最小距离值分别为vl_min＝973.3223mm、vr_min＝973.4681mm，并将位于[vl_min-0.2,vl_min]、[vr_min-0.2,vr_min]的数据点作为滑板水平未磨损区域的部分数据，其均值分别为vl_ave＝973.4037mm和vr_ave＝973.5516mm；
[0151]
以973.4777mm为基准值，施加幅度为2*abs(vl_ave-vr_ave)/3的随机误差模拟滑板初始加工状态，采用自适应分段曲线拟合实现滑板水平初始轮廓的估算；
[0152]
s713：将滑板左、右斜坡区域轮廓与滑板水平初始轮廓进行拼接得到完整滑板的初始轮廓，如图5红色曲线所示。
[0153]
步骤s72所述的曲线匹配过程如下：
[0154]
获取到初始轮廓后，根据滑板左、右斜坡区域未磨损的特征进行实际轮廓和初始轮廓的配准，若初始轮廓数据点集为{(u11,v11),
…
,(u1
n1
,v1
n1
)}，实际轮廓的点集为{(u21,v21),
…
,(u2
n2
,v2
n2
)}；
[0155]
分别提取初始轮廓和实际轮廓的左、右斜坡区域数据点，进行3阶多项式曲线拟合，对拟合后的数据进行偏差模型建立，曲线匹配偏差z为：
[0156][0157][0158]
式中，(u1_l
i1
,v1_l
i1
)、(u1_r
i1
,v1_r
i1
)为初始轮廓左、右斜坡数据点，(u2_l
i2
,v2_l
i2
)、(u2_r
i2
,v2_r
i2
)为实际轮廓左、右斜坡数据点，m1、m2分别为左、右斜坡用于匹配的数据点数，δu、δv为滑板实际轮廓的平移参数；
[0159]
对偏差模型进行带有约束的非线性最优值计算，偏差z最小值所对应的参数分别为δu＝1.5001mm、δv＝-0.1806mm，曲线匹配效果如图5所示。
[0160]
s8：根据滑板磨损曲线，对滑板磨损状态进行分析，具体过程如下：
[0161]
获得滑板磨损曲线后，采用最大磨损量wm、磨损变化量wv和偏磨量w
p
这3个变量对滑板的状态进行分析，该滑板的最大磨损量wm＝11.78mm，偏磨量wv＝0.92mm，磨损变化量如图7所示；
[0162]
基于最大磨损量wm、磨损变化量wv和偏磨量w
p
对滑板的磨损状态进行分析：
[0163]
(1)设置磨耗阈值g
wm
＝10mm，wm》g
wm
，该滑板存在过磨损故障；
[0164]
(2)设置偏磨阈值g
wp
＝2mm，w
p
《g
wp
，该滑板不存在偏磨故障；
[0165]
(3)设置阈值g
wv
＝0.5mm，沟槽宽度小于200个数据点，由图7可知，该滑板存在一个沟槽型磨损。
[0166]
本发明所述的一种基于激光位移传感器的受电弓滑板磨损状态检测方法的其它结构参见现有技术，在此不再赘述。
[0167]
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，故凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何修改、等同变化与修饰,均仍属于本发明技术方案的范围内。