基于视觉的车辆与轨道相对振动状态测量方法研究

车辆与轨道相对振动状态对轨道线形测量有重要影响;分析了传统检测车辆与轨道相对振动状态测量方法的缺陷,提出一种基于视觉的车轨相对振动状态测量方法,以轨道建立世界坐标系,以车体建立车体坐标系。考虑相机镜头畸变,建立相机非线性模型,基于机器人手眼方法标定相机与车体,求解相机内外参数。依据车体运动姿态特征,推导基于双目机器视觉的车辆运动姿态偏移补偿计算方法;运用实验平台设计验证实验,通过计算所得的车体振动位移与真实值高度吻合,随着车速增加振动位移误差也随之增大,验证了该方法的正确性和可行性;提供一种车辆与轨道相对振动状态测量方法。     

基于SLAM的连续运动测量坐标转换算法研究

本文基于同步定位与地图创建(Simultaneous Localization and Mapping,SLAM)原理,通过双目视觉系统的坐标转换方法,建立动态坐标系与静态基准点之间的关系,实现连续运动测量。通过实验,设计运动路线,验证坐标转换算法,并得到了建立在世界坐标系下的空间线形曲线。实验结果表明：转换后的坐标,x、y、z三个方向的最大误差不超过0.734mm。     

基于LabVIEW的惯性测量单元信号采集及处理系统设计

利用LabVIEW设计了惯性测量单元信号采集及处理软件,主要包括串口通信、数据分离及信号处理等模块;串口通信模块采用VISA方式编程,建立了惯性测量单元与上位机之间的通信;根据惯性测量单元输出数据的格式,利用LabVIEW中的匹配模式函数分离出沿三轴向的加速度信号和角速率信号;设计了一种用于去除加速度信号中低频成份的数字滤波器;在建立的陀螺漂移模型基础上,分别进行小波基、小波分解层数、阈值函数及阈值估计方法等小波参数的选取.     

基于降维状态观测器的轮轨力估计方法研究

轮轨作用力对车辆的运行品质及安全有重要影响;现有轮轨力测量方法采用了特制的测力轮对测量和轨道静态测量,其成本高、周期长、稳定性差;对现有轮轨力测量方法进行了研究,提出了降维状态观测器的方法观测轮轨力;建立单轮对车辆轨道垂向耦合模型,以车辆状态响应值与轨道激励作为降维状态观测器的输入;通过Matlab仿真计算,得出轮对振动位移的观测值快速收敛于仿真值,轮轨力有很好的吻合性;随着车辆速度增加振动位移收敛时间变长,轮轨力误差增大;结果表明,在一定条件下,此方法能够很好的地观测轮轨力的大小,为轮轨力的实时估计提供一种的新方法。     

基于Gocator的多传感器数据拼接方法研究

点云数据拼接在众多科研领域有着十分广泛的应用。为完整、精确地得到复杂物体的点云数据，提出一种基于Gocator的多传感器数据拼接方法。该方法需要对多传感器系统进行两两校准以获取各传感器坐标系与基准坐标系之间的空间变换关系,进而将各传感器自身坐标系下的数据转换到基准坐标系下,实现多传感器数据的拼接。对于双传感器数据拼接,首先通过两只传感器同时拍摄单孔标定块,利用最大距离法提取标定块轮廓坡口特征点,根据坐标转换原理,初步确定了两传感器间的旋转平移关系；在此基础上采用迭代最近点(ICP)算法进一步优化确定两传感器之间的最优变换矩阵,以得到精确的拼接关系。实验室搭建双传感器钢轨廓形检测平台对该算法进行验证,实验结果表明,多次拼接得到的钢轨廓形与标准模板误差不超过0.2mm,完全符合钢轨廓形允许误差要求,该算法具有较高精度和稳定性。     

基于神经网络的轨道车辆振动预测

车体振动加速度是反映车辆振动状态及轮轨接触品质的重要参数;基于NARX神经网络,结合车辆动力学模型,构建了轨道不平顺激励下的车辆振动加速度神经网络预测模型;为提高模型的预测精度,运用遍历法确定了网络的时延阶数、隐节点等模型参数;基于车辆系统SIMPACK模型仿真数据的验证结果表明,模型输出与目标输出具有较高的相关性以及较小的均方根误差值,模型能够较好的预测出车体振动加速度的变化趋势;最后采用实测数据进一步验证了模型的预测性能,证明了构建的神经网络模型可以准确预测车体振动加速度输出,并有良好的泛化效果。