一种列车车轴空间直线度测量方法与流程

本发明涉及轨道交通安全监测及机器视觉技术领域，特别涉及一种列车车轴空间直线度测量方法。

背景技术：

直线度是反映列车车轴质量的关键因素之一，其影响着列车轮对的径向跳动度，进而直接影响列车运行的稳定性。因此对列车车轴的加工尺寸进行精密测量与检验成为保障列车安全运行的重要环节。

轨道列车上应用的大型列车轴类零件的直线度测量方式可分为接触式测量和非接触测量。接触式测量包括常规的形状误差检测方法是利用数字千分尺或特定的测量设备进行测量等方法，但这种接触式测量属于离线测量方法，效率低，测量费时。而能够避免轴件划伤的非接触测量方法，在列车车轴的检测之中应用非接触测量方法已经迫在眉睫。但目前存在的非接触测量方法，精确度还有待提高，也存在误差。

技术实现要素：

本发明的目的在于提供一种列车车轴空间直线度测量方法，可解决目前非接触测量方法中存在误差，计算精确度较低的问题。

本发明实施例提供一种列车车轴空间直线度测量方法，包括：

通过线结构光3d传感器沿列车车轴轴向运动，获取多组被测列车车轴信息的点云数据；

应用神经网络对所述点云数据进行预处理；

经预处理后的点云数据，进行空间圆拟合，生成列车车轴各截面圆心坐标；

将所述各截面圆心坐标进行投影；

根据狼群算法，对投影到平面的空间线进行拟合，并还原为空间直线，计算出所述空间直线的直线度。

在一个实施例中，应用神经网络对所述点云数据进行预处理，包括：

构建一个四层神经网络，将点云数据的三坐标中的x方向及z方向点云数据作为输入，y方向点云作为训练后的期望结果输出；

通过神经网络的训练，将输出的期望数据与预设数据对比；

剔除超出误差允许范围的噪声点。

在一个实施例中，所述空间圆拟合，包括：空间球拟合及空间平面拟合。

在一个实施例中，所述空间球拟合，包括：

设空间球方程为：

(x-a)²+(y-b)²+(z-c)²＝r²(1)

将方程展开，得到x²+y²+z²-2ax-2by-2cz+a²+b²+c²＝r²(2)

令a＝2a，b＝2b，c＝2c，d＝a²+b²+c²-r²(3)

则式(2)化简为：x²+y²+z²-ax-by-cz+d＝0(4)

将式(4)用矩阵表达，如式(5)：

根据式(5)待求参数，即该式可转化为：

解得待求参数a、b、c、d,将其代入即可得到空间球心坐标(a,b,c)及空间球半径r0。

在一个实施例中，所述空间平面拟合包括：

设空间平面方程为：a'x+b'y+c'z+1＝0，常用于空间平面方程的表达，将其转变成矩阵形式，如式(7)所示：

则待求参数可表达为式(8)：

求出系数a'，b'，c'。

在一个实施例中，经预处理后的点云数据，进行空间圆拟合，生成列车车轴各截面圆心坐标，包括：

将所述空间球方程(6)与空间平面方程(8)联立，通过求解，得到待求的空间圆的圆心坐标(oa,ob,oc)和空间圆半径r0。

本发明实施例提供的一种列车车轴空间直线度测量方法，是对未装配的列车车轴空间直线度进行检测，其利用列车车轴的截面信息，通过线结构光传感器采集列车车轴截面信息，应用神经网络对点云数据进行预处理，剔除误差数据；利用空间圆拟合算法对列车车轴的截面圆心进行获取，通过获取的截面圆心坐标，结合狼群算法，完成列车车轴空间直线度测量；可获得准确的列车车轴截面信息及直线度，测量精准度较高。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例提供的列车车轴空间直线度测量方法的流程图。

图2为本发明实施例提供的空间直线度测量方法的另一流程图。

图3为本发明实施例提供的某一待测列车车轴需测截面示意图。

图4为本发明实施例提供的列车车轴的原始点云信息图。

图5为本发明实施例提供的列车车轴空间圆拟合图。

图6为本发明实施例提供的列车车轴空间直线拟合图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

参照图1所示，为本发明实施例提供的列车车轴空间直线度测量方法，包括：

s11、通过线结构光3d传感器沿列车车轴轴向运动，获取多组被测列车车轴信息的点云数据；

s12、应用神经网络对所述点云数据进行预处理；

s13、经预处理后的点云数据，进行空间圆拟合，生成列车车轴各截面圆心坐标；

s14、将所述各截面圆心坐标进行投影；即将空间问题转化为平面问题。

s15、根据狼群算法，对投影到平面的空间线进行拟合，并还原为空间直线，计算出所述空间直线的直线度；即可得到列车车轴的空间直线度。

其中，步骤s11中，使用线结构光3d传感器对列车车轴截面按照测量要求，依次进行截面的获取。将线激光器发出的结构光垂直投射到列车车轴表面，由于列车车轴各轴端的轴径不一，导致线结构光3d传感器沿轴向运动会获取到多组空间点云数据，通过将激光器发出的线结构光沿轴线，从左到右扫描整个被测列车车轴，就可以得到初始的包含所有被测列车车轴信息的点云数据。

步骤s12中，应用神经网络对点云数据预处理。在数据处理处理时，误差主要来源于y方向，x方向及z方向用于确定传感器所获取的空间圆轮廓所处的平面位置。

本实施例中，是对未装配的列车车轴空间直线度进行检测，其利用列车车轴的截面信息，通过线结构光传感器采集列车车轴截面信息，应用神经网络对点云数据进行预处理，剔除误差数据；利用空间圆拟合算法对列车车轴的截面圆心进行获取，通过获取的截面圆心坐标，结合狼群算法，完成列车车轴空间直线度测量；可获得准确的列车车轴截面信息及直线度，测量精准度较高。

参照图2所示，该流程图中描述了从获取点云开始直至输出列车车轴空间直线度的点云数据处理步骤。

待测列车车轴需测截面如图3所示。列车车轴与轴类零件相比，测量截面位置多、测量精度高，且测量指标为空间立体标准，无法简单的通过人工测量相对精准的数据。因此，本发明实施例利用线结构光传感器采集列车车轴截面信息。

下面通过一个具体的实施例对本发明的技术方案进行详细说明：

步骤1：线结构光3d传感器对列车车轴截面按照图3的测量要求，依次进行截面的获取，由于列车车轴各轴端的轴径不一，导致线结构光3d传感器沿轴向运动会获取到多组空间点云数据，通过将激光器发出的线结构光沿轴线，从左到右扫描整个被测列车车轴，就可以得到初始的包含所有被测列车车轴信息的点云数据，如图4所示。

步骤2：应用神经网络对点云数据预处理。在数据处理处理时，误差主要来源于y方向，x方向及z方向用于确定传感器所获取的空间圆轮廓所处的平面位置。因此，建立一个四层神经网络，以点云的三坐标中的x方向及z方向点云数据作为输入，y方向点云作为训练后的期望结果输出。通过bp网络的训练，将期望数据与实际数据对比，剔除超出误差允许范围的噪声点，并将去噪后的点云数据通过mat文件导出保存，实现预期的去噪目的。

采用四层神经网络的目的是对已经获取的点云数据存在噪声的情况进行滤波，同时，尽可能的保存有效数据点的数量及质量，可进一步的减少后续的处理时间。

步骤3：在步骤2中得出的mat数据，实际为多截面的空间点云数据，需要对该数据空间截面位置处数据进行拟合，然而针对空间圆问题，缺少特定方程，在此，将空间圆看成一个空间球与空间平面所构成的形式，即空间平面与空间球相切所示的图形为空间圆。利用空间圆拟合算法得出列车车轴各截面圆心坐标。

步骤4：由于y方向为非轴径断面方向，因此将空间圆心坐标进行投影，将空间问题转化为平面问题。

步骤5：利用狼群算法，对投影到平面的空间线进行拟合，并还原为空间直线，同时利用狼群算法求出该直线的直线度，即可得到列车车轴的空间直线度。

其中：空间圆拟合算法分为空间球拟合及空间平面拟合。

列车车轴截面空间球拟合

设空间球方程为：

(x-a)²+(y-b)²+(z-c)²＝r²，(1)

将方程展开，得到

x²+y²+z²-2ax-2by-2cz+a²+b²+c²＝r²(2)

令a＝2a，b＝2b，c＝2c，d＝a²+b²+c²-r²，(3)

则式(2)化简为：

x²+y²+z²-ax-by-cz+d＝0(4)

将式(4)用矩阵表达，如式(5)：

根据式(5)待求参数，即该式可转化为：

解得待求参数a、b、c、d,将其代入即可得到空间球心坐标(a,b,c)及空间球半径r0。

列车车轴空间截面拟合

设空间平面方程为：

a'x+b'y+c'z+1＝0，常用于空间平面方程的表达，将其转变成矩阵形式，如式(7)所示：

则待求参数可表达为式(8)：

求出系数a'，b'，c'，

列车车轴截面空间圆拟合，将上述空间球方程(6)与空间平面方程(8)联立，通过求解，可以得到待求的空间圆的圆心坐标(oa,ob,oc)和空间圆半径r0。

基于狼群算法的直线拟合原理如下：

step0:假设狼群规模大小为n，待拟合空间坐标点集为d，则狼群领地可以被抽象为n×d的欧式空间，算法最大迭代次数为iters，探狼最大游走次数tmax。

step1:选取针对目标函数的最优解值的人工狼i作为头狼的当前位置。

step2:除去头狼i外的s匹人工狼作为探狼，在n×d的空间中进行搜索，若探狼j发现自己所处位置的目标函数值yj大于头狼自身所感知到的目标函数值ylead，则探狼j代替头狼发起召唤行为；若没有ylead＜yj，则继续游走，直到达到t＞tmax。

step3:猛狼按照头狼指令奔袭围攻，如果在奔袭过程中，奔袭沿途的猛狼yk＞ylead，则对头狼所在位置进行更新；否则，转入围攻行为。

step4:当在赶往参与围捕的猛狼与目标函数值距离达到预期区间时，需要探狼协同，同时对目标猎物进行攻击，以达到捕获目标的目的。围捕过程中，其他人工狼的目标函数值大于头狼的目标函数值时，对头狼所在的位置进行更新，直到捕获猎物为止。

step5:“强者生存”，当狼群中存在的目标函数较小的人工狼，依照原则，予以淘汰，并在解空间中随机生成新的人工狼，并对整个狼群更新。

step6:判断是否所有点距离都与拟合直线处于最优状态，若满足则输出结果；若不满足则重复2-5步。

step7:输出直线度，结束运算。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。