闸瓦制动是国内铁路货车普遍使用的踏面制动方式,其运用规模庞大,而且仍将是今后一段时期内主要的制动方式。目前,闸瓦磨损状况的检测和更换主要靠技术人员的目测完成。人工检测劳动强度大,容易疲劳,直接影响效率,而且精度较低。因此,应用成熟的计算机、信息和通信等技术,基于机器视觉原理构建闸瓦在线自动检测设备,有显著的现实意义和广阔的应用前景。 机器视觉是一种非接触式的检测技术,它利用各种先进的器械构建平台实现甚至代替人类的视觉功能。随着集成芯片设计、制造工艺水平的不断提高和图像处理技术的不断发展,机器视觉检测技术得到更为广泛的应用和发展。 本文基于机器视觉原理,研究铁路货车闸瓦的在线自动测量技术。试验表明:图像采集单元能根据前端触发信号实时拍摄所有闸瓦图像,而且图像清晰、完整;图像处理算法能准确、高效地提取闸瓦边缘曲线,准确地计算各个剖面的厚度并判断最小厚度的位置。 根据铁路现场和闸瓦的安装情况,设计了磁钢传感器组成的前端触发信号单元,根据闸瓦的到位信号触发摄像机实时拍摄闸瓦图像;图像采集单元由光源、镜头、CCD摄像机、图像采集卡和工业控制机等器件组成,用于完成闸瓦图像的拍摄;对检测系统进行了标定,根据标定值计算闸瓦实际厚度值。 根据图像的特点,采用了如下的图像处理顺序:首先对图像进行维纳滤波复原,以减少运动引起的模糊;然后对图像进行边缘检测,提取有用的物体边缘信息;根据闸瓦边缘的先验特性,如边缘长度、边缘倾斜度、闸瓦与轮对的相对位置和两条边缘之间的距离等,依据聚类分析原理提取闸瓦两条边缘曲线。 在完成厚度测量之前,首先对图像进行场模式向帧模式的转换;然后再对图像进行平滑、扩展;最后按照一定的扫描间隔,以闸瓦背面边缘曲线为基准,计算扫描点的法线方向的距离作为该剖面的闸瓦厚度;最终比较判断最小厚度值。 试验表明所构建的图像采集单元效果明显,图像处理算法能准确地提取闸瓦和计算闸瓦厚度,准确定位闸瓦的最小厚度值的位置,而且算法重复性和稳定性满足要求。