火車車廂連接死鉤狀態檢測方法的解析與應用

李忠強

摘要：根據火車車廂連接為死鉤狀態時風管的狀態特征，作為判定是否為火車死鉤的依據，通過采集風管狀態圖像和運行軌跡數據，再由計算機進行處理、識別，當判定為死鉤時，即發出圖音報警。

關鍵詞：翻車機；死鉤；風管；

1 現場問題研究

翻車機用以實現翻轉火車車廂卸載煤炭的功能，是港口煤炭運輸的核心設備。由于在輸運過程中，經過多次編組，會產生死鉤現象，即連接兩節車廂端部的鉤頭都不能旋轉。如果這種故障不能被及時發現，則進入翻車機房進行翻車時，會出現損壞鉤頭、夾輪器以及定位車減速軸承的問題，嚴重時可造成車廂掉道的事。

2 死鉤特征解析

2.1 顏色特征

運煤火車車廂兩端的連接機構，一端為固定不可旋轉的機構，另一端為活動可旋轉的機構。為了便于區別車廂的固定端和活動端，車廂生產廠家會把車廂的活動端涂刷上醒目的黃色。

當發生死鉤連接時，表現為相鄰兩節車廂連接端部顏色均不是醒目的黃色。因此，可以通過識別鉤頭兩側車廂端部的顏色特征判斷車廂連接是否為死鉤。

2.2 風管特征

當相鄰兩節車廂為旋轉鉤頭和固定鉤頭相連接時，稱之為活鉤。在車廂連接為活鉤的狀態下，從垂直于車廂連接線的角度觀察，風管相對鉤頭的位置有兩種狀態。其一，風管在鉤頭的近端：風管的兩端均在鉤頭的同一側，且風管整體處于一個平面；其二，風管在鉤頭的遠端：風管的兩端均在鉤頭的同一側，且風管整體處于一個平面。（見圖1）

當相鄰兩節車廂為固定鉤頭與固定鉤頭相連時，則為死鉤。從垂直于車廂連接線的角度觀察，風管相對鉤頭的位置表現為：風管的兩個端頭分別處于火車鉤頭的兩側，風管不處于一個平面，而是呈現出扭曲的狀態。

3 死鉤判別方法探析

通過死鉤特征的分析不難得出，可以通過識別車廂端部顏色和風管狀態作為判定車輛連接狀態是否為死鉤的條件。

3.1 利用車廂黃色端部識別

端部的顏色可以通過視頻監控以及現場人員巡視的方式進行識別，從而以人工的方式判別車廂連接狀態是否為死鉤。這種方式的弊病主要體現在人為因素起決定作用，導致這種判別方式可靠性差。

3.2 利用風管狀態識別

根據車廂連接為死鉤和活鉤狀態下，風管所處的狀態特征，利用視頻進行多組圖像自動采集，然后再由計算機對所采集的圖像數據進行去擾優化，再進行對比計算分析，最終做出是否為死鉤的判斷。如果確為死鉤，即自動發出報警信息。

4 風管特征判別方案設計

4.1 現場設備工藝研究

國投曹妃甸港口有限公司所使用的翻車機為A、B 2臺2翻翻車機串聯組成的4翻式翻車機。A、B翻車機既可以進行4連翻，也可以單獨進行2連翻。

當翻車機工作于2連翻工藝時，則火車待翻轉的鉤頭停靠在圖X所示的位置，當工作于4連翻工藝時，則火車待翻轉的鉤頭停靠在圖Y所示的位置。

4.2 風管特征識別與死鉤判定

根據現場工況解析得出的結論，每條翻車線，需要安裝兩套現場數據采集裝置。現場采集的數據，通過信號電纜分別傳輸到翻控室的后臺管理機，再采用計算機圖像識別系統，判別X、Y位置兩個鉤頭的情況。如果判定為死鉤，則立即發送報警信息到翻車機司機操控系統顯示屏。

整個識別與判定系統包括現場數據采集裝置和后臺管理機。其中數據采集裝置主要是采集風管的圖像數據和運行軌跡數據，后臺管理機則是對采集的數據進行分析、比對，并做出車輛連接狀態是否為死鉤的判斷和發送圖音報警信息。

現場數據采集裝置根據翻車機控制系統PLC提供的信號采集車廂側面圖像。其中，照相機為面陣采集設備，采集區域為綠色背景的區域，包含整個鉤頭、風管及車廂端部信息；而數據采集設備為點采集裝置，當收到翻車機控制系統PLC發出的信號時，開始進行數據采集，隨著車體的移動，可以捕獲一條線的數據，如圖2.2所示的紅色線條，線條的高度位于鉤頭的下方，風管底部的上方，保證紅色線可靠切割風管即可。

相機采集到的面陣圖像數據與激光器采集到的線條輪廓數據在收到PLC發出的停止信號后，實時傳送給后臺管理計算機；后臺管理計算機對數據進行濾波、聚類，提取表征風管的有效數據，并進行均值處理，提取出代表風管信息的數據，與事先標定好的鉤頭中心位置數據進行比對，進而判斷風管端部數據相對鉤頭中心位置的關系。

如果兩段風管數據一段大于鉤頭中心位置數據，一段小于鉤頭中心位置數據，則可以說明風管為跨接，是典型的死鉤特征；如果兩段風管數據均大于或者均小于鉤頭中心位置數據，說明風管兩端在同側，或者在近端（均小于時），或者在遠端（均大于時），是典型的活鉤特征。同時，現場照相機將所采集到的圖像數據，傳送到管理工控機。

當出現死鉤現象時，后臺計算機將報警信息發送到翻車機控制系統PLC，并以聲光報警的方式提供給操作人員，操作人員可以通過管理工控機上提供的現場實時圖像，進行二次判斷。

4.3 數據采集和數據處理

采集設備的初次安裝時需要經過現場的標定，標定探頭的高度、與鐵軌的距離、探頭的角度等參數，存儲于管理工控機內，參與后期的數據處理。（見圖3）

由于數據采集裝置存在于室外，容易受到外界環境諸如風、光、雨、雪以及風管等因素的影響，采集的數據中會有這些因素的干擾。通過采取一些不同的濾波算法將干擾數據剔除，然后就能夠很輕易的捕捉到車輪和風管的特征數據，通過這些數據進行平均值處理，從而準確判定車鉤的狀態。

對于干擾影響很小的檢測數據，通過數據提取、分析算法即可完成檢測，檢測精度能達到100%；對于檢測數據受外界干擾嚴重的情況，添加相應的算法，仍能夠實現對檢測數據的準確處理，識別精度能夠達到99%，誤識別率小于1%，漏識別率為0。

5 結語

由于火車死鉤導致的生產事故影響廣，損失大，一直以來是進行翻卸作業的企業比較頭疼的一個問題。雖也屢有人提出或者實施一些改造方法，但效果并不太理想。而該文另辟蹊徑，以風管的狀態為主要特征并輔以視頻監控的方式來判定車廂連接時態是否死鉤，為具有類似設備工藝的企業提供了一個優秀的死鉤識別方案，可以有效為企業消除安全隱患，提供設備的可靠性和作業效率。