一种列车闸片厚度检测方法及其系统技术方案

本发明专利技术公开了一种列车闸片厚度检测方法及其系统，包括：采集列车闸片图像数据及列车的行驶里程数据；提取列车闸片图像数据中包含的第一闸片下端厚度数据和第二闸片下端厚度数据；基于第一闸片下端厚度数据、第二闸片下端厚度数据和行驶里程数据生成第一闸片下端磨耗率数据和第二闸片下端磨耗率数据；构建由多组人工标注的第一闸片上端厚度数据和第二闸片上端厚度数据，以及第一闸片下端厚度数据和第二闸片下端厚度数据组成的训练样本集；基于第一闸片下端磨耗率数据和第二闸片下端磨耗率数据构建闸片最小厚度预测模型；基于训练样本集训练闸片最小厚度预测模型，生成用于预测闸片最小厚度值的最优厚度预测模型。

【技术实现步骤摘要】
一种列车闸片厚度检测方法及其系统
本专利技术涉及轨道车辆检测
，具体涉及一种列车闸片厚度检测方法及其系统。
技术介绍
随着高速列车快速发展，列车运行安全已成为轨道交通领域的研究重点，作为列车运行的制动装置，闸片会由于摩擦产热导致闸片磨损，当闸片厚度到限时，会导致闸片失效，增加列车运行风险。因此，如何有效检测闸片厚度，是保障列车运行安全的关键问题之一。传统的闸片厚度检测方法包括闸片在线检测系统和人工使用闸片检测卡尺进行检测。传统的闸片在线监测系统，虽然可以有效检出闸片下端厚度，但是由于视角盲区，无法检测闸片上端厚度，从而无法判断出闸片上下端的最小厚度；而闸片检测卡尺虽然能够检测出闸片上下端的厚度值，实现闸片上下端最小厚度值的评估，但是对于一个车一百多个闸片来说，人工操作检测的方法，检测复杂度更高，并且受用户主观判断、工作经验等因素影响，检测结果准确度较低，而且人力成本、时间成本过高。综上所述，传统的闸片厚度自动检测方法存在无法检测闸片上端厚度而导致的检测结果可信度较低的问题。
技术实现思路
有鉴于此，本专利技术提供一种列车闸片厚度检测方法及其系统，通过改进检测数据的处理方式，通过构建能够表征闸片下端厚度与闸片最小厚度之间映射关系的最优厚度预测模型，解决了传统闸片厚度自动检测方法存在无法检测闸片上端厚度而导致的检测结果可信度较低的问题。为解决以上问题，本专利技术的技术方案为一种列车闸片厚度检测方法，包括：S1：采集列车闸片图像数据及列车的行驶里程数据；S2：提取所述列车闸片图像数据中包含的第一闸片下端厚度数据和第二闸片下端厚度数据；S3：基于所述第一闸片下端厚度数据、所述第二闸片下端厚度数据和所述行驶里程数据生成第一闸片下端磨耗率数据和第二闸片下端磨耗率数据；S4：构建由多组人工标注的第一闸片上端厚度数据和第二闸片上端厚度数据，以及所述第一闸片下端厚度数据和所述第二闸片下端厚度数据组成的训练样本集；S5：基于所述第一闸片下端磨耗率数据和所述第二闸片下端磨耗率数据构建闸片最小厚度预测模型；S6：基于所述训练样本集训练所述闸片最小厚度预测模型，生成用于预测闸片最小厚度值的最优厚度预测模型。可选地，所述S3包括：调用初始闸片厚度数据、历史闸片下端厚度数据及其对应的历史行驶里程数据；基于所述初始闸片厚度数据、所述历史闸片下端厚度数据及其对应的所述历史行驶里程数、所述闸片下端厚度数据和所述行驶里程数据生成以行驶里程数为自变量的所述第一闸片下端磨耗率数据和所述第二闸片下端磨耗率数据。可选地，所述S5包括：基于所述第一闸片下端磨耗率数据和所述第二闸片下端磨耗率数据，计算闸片厚度参数、厚度偏差参数、厚度连续性偏差参数、磨耗率参数、磨耗率偏差参数和磨耗率连续偏差参数，构建所述闸片最小厚度预测模型PVup＝CVdown±P(a1,a2,a3,a4,a5,a6)，其中，PVup为闸片最小厚度预测数据，CVdown为所述第一闸片下端厚度数据，P(a1,a2,a3,a4,a5,a6)中，a1为所述闸片厚度参数、a2为所述厚度偏差参数、a3为所述厚度连续性偏差参数、a4为所述磨耗率参数、a5为所述磨耗率偏差参数、a6为所述磨耗率连续偏差参数。可选地，所述S6包括：S61：利用公式Err＝PVup-RVup计算所述闸片最小厚度预测模型的预测误差，其中，Err为预测误差，PVup为闸片最小厚度预测数据，RVup为该组训练样本的闸片最小厚度值；S62：基于所述预测误差，更新所述闸片厚度参数、所述厚度偏差参数、所述厚度连续性偏差参数、所述磨耗率参数、所述磨耗率偏差参数、所述磨耗率连续偏差参数，并计算所述闸片最小厚度预测模型的预测误差；S63：重复步骤S61-S62直至所述闸片最小厚度预测模型的预测误差收敛于最小值，生成所述最优厚度预测模型。其中，由于闸片不同的厚度范围，对应的磨损规律可能不一样，因此本申请通过设置所述闸片厚度参数进行厚度区间分类，并利用其他五个参数表征该厚度区间对应的闸片厚度变化趋势，最终构成一个完整的参数组。可选地，所述S2包括：提取所述列车闸片图像数据中包含的所述第一闸片下端厚度数据和所述第二闸片下端厚度数据后，对所述第一闸片下端厚度数据和所述第二闸片下端厚度数据进行数据清洗，其中，所述数据清洗方法包括完整性判断、数据类型判断、异常数据判断及补值。相应地，本专利技术提供，一种列车闸片厚度检测系统，其特征在于，包括：图像采集单元，用于采集列车闸片图像数据；车号识别单元，用于识别列车信息并获取列车的行驶里程数据；数据处理单元，用于提取所述列车闸片图像数据中包含的第一闸片下端厚度数据和第二闸片下端厚度数据，基于所述第一闸片下端厚度数据、所述第二闸片下端厚度数据和所述行驶里程数据生成第一闸片下端磨耗率数据和第二闸片下端磨耗率数据，并构建由多组人工标注的第一闸片上端厚度数据和第二闸片上端厚度数据，以及所述第一闸片下端厚度数据和所述第二闸片下端厚度数据组成的训练样本集，基于所述第一闸片下端磨耗率数据和所述第二闸片下端磨耗率数据构建闸片最小厚度预测模型，通过所述训练样本集训练所述闸片最小厚度预测模型，生成用于预测闸片最小厚度值的最优厚度预测模型。可选地，所述列车闸片厚度检测系统还包括数据存储单元，用于存储初始闸片厚度数据、历史闸片下端厚度数据及其对应的历史行驶里程数据。可选地，所述数据处理单元通过调用所述初始闸片厚度数据、所述历史闸片下端厚度数据及其对应的所述历史行驶里程数据，基于所述初始闸片厚度数据、所述历史闸片下端厚度数据及其对应的所述历史行驶里程数、所述闸片下端厚度数据和所述行驶里程数据生成以行驶里程数为自变量的所述第一闸片下端磨耗率数据和所述第二闸片下端磨耗率数据。可选地，所述数据处理单元通过所述第一闸片下端磨耗率数据和所述第二闸片下端磨耗率数据，计算闸片厚度参数、厚度偏差参数、厚度连续性偏差参数、磨耗率参数、磨耗率偏差参数和磨耗率连续偏差参数，构建所述闸片最小厚度预测模型PVup＝CVdown±P(a1,a2,a3,a4,a5,a6)，其中，PVup为闸片最小厚度预测数据，CVdown为所述第一闸片下端厚度数据，P(a1,a2,a3,a4,a5,a6)中，a1为所述闸片厚度参数、a2为所述厚度偏差参数、a3为所述厚度连续性偏差参数、a4为所述磨耗率参数、a5为所述磨耗率偏差参数、a6为所述磨耗率连续偏差参数。本专利技术的首要改进之处为提供的列车闸片厚度检测方法，通过基于当前采集的闸片下端厚度数据以及历史检测数据，建立闸片最小厚度预测模型，并通过人工标记的闸片数据作为训练样本，构建能够表征闸片下端厚度与闸片最小厚度之间映射关系的最优厚度预测模型，解决了传统闸片厚度自动检测方法存在无法检测闸片上端厚度而导致的检测结果可信度较低的问题。附图说明图1是本专利技术的列车闸片厚度检测方法的简化流程图；图2是本专利技术的闸片磨损的示例图；和图3是本专利技术的列车闸片厚度检测系统的简化模块连接图。具体实施方式为了使本领域的技术人员更好地本文档来自技高网...

【技术保护点】
1.一种列车闸片厚度检测方法，其特征在于，包括：/nS1：采集列车闸片图像数据及列车的行驶里程数据；/nS2：提取所述列车闸片图像数据中包含的第一闸片下端厚度数据和第二闸片下端厚度数据；/nS3：基于所述第一闸片下端厚度数据、所述第二闸片下端厚度数据和所述行驶里程数据生成第一闸片下端磨耗率数据和第二闸片下端磨耗率数据；/nS4：构建由多组人工标注的第一闸片上端厚度数据和第二闸片上端厚度数据，以及所述第一闸片下端厚度数据和所述第二闸片下端厚度数据组成的训练样本集；/nS5：基于所述第一闸片下端磨耗率数据和所述第二闸片下端磨耗率数据构建闸片最小厚度预测模型；/nS6：基于所述训练样本集训练所述闸片最小厚度预测模型，生成用于预测闸片最小厚度值的最优厚度预测模型。/n

【技术特征摘要】
1.一种列车闸片厚度检测方法，其特征在于，包括：
S1：采集列车闸片图像数据及列车的行驶里程数据；
S2：提取所述列车闸片图像数据中包含的第一闸片下端厚度数据和第二闸片下端厚度数据；
S3：基于所述第一闸片下端厚度数据、所述第二闸片下端厚度数据和所述行驶里程数据生成第一闸片下端磨耗率数据和第二闸片下端磨耗率数据；
S4：构建由多组人工标注的第一闸片上端厚度数据和第二闸片上端厚度数据，以及所述第一闸片下端厚度数据和所述第二闸片下端厚度数据组成的训练样本集；
S5：基于所述第一闸片下端磨耗率数据和所述第二闸片下端磨耗率数据构建闸片最小厚度预测模型；
S6：基于所述训练样本集训练所述闸片最小厚度预测模型，生成用于预测闸片最小厚度值的最优厚度预测模型。


2.根据权利要求1所述的列车闸片厚度检测方法，其特征在于，所述S3包括：
调用初始闸片厚度数据、历史闸片下端厚度数据及其对应的历史行驶里程数据；
基于所述初始闸片厚度数据、所述历史闸片下端厚度数据及其对应的所述历史行驶里程数、所述闸片下端厚度数据和所述行驶里程数据生成以行驶里程数为自变量的所述第一闸片下端磨耗率数据和所述第二闸片下端磨耗率数据。


3.根据权利要求2所述的列车闸片厚度检测方法，其特征在于，所述S5包括：
基于所述第一闸片下端磨耗率数据和所述第二闸片下端磨耗率数据，计算闸片厚度参数、厚度偏差参数、厚度连续性偏差参数、磨耗率参数、磨耗率偏差参数和磨耗率连续偏差参数，构建所述闸片最小厚度预测模型PVup＝CVdown±P(a1,a2,a3,a4,a5,a6)，其中，PVup为闸片最小厚度预测数据，CVdown为所述第一闸片下端厚度数据，P(a1,a2,a3,a4,a5,a6)中，a1为所述闸片厚度参数、a2为所述厚度偏差参数、a3为所述厚度连续性偏差参数、a4为所述磨耗率参数、a5为所述磨耗率偏差参数、a6为所述磨耗率连续偏差参数。


4.根据权利要求3所述的列车闸片厚度检测方法，其特征在于，所述S6包括：
S61：利用公式Err＝PVup-RVup计算所述闸片最小厚度预测模型的预测误差，其中，Err为预测误差，PVup为闸片最小厚度预测数据，RVup为该组训练样本的闸片最小厚度值；
S62：基于所述预测误差，更新所述闸片厚度参数、所述厚度偏差参数、所述厚度连续性偏差参数、所述磨耗率参数、所述磨耗率偏差参数、所述磨耗率连续偏差参数，并计算所述闸片最小厚度预测模型的预测误差；
S63：重复步骤S61-S62直至所述闸片最小厚度预测模型的预测误差收敛于最小值，生成所述最优...

【专利技术属性】
技术研发人员：张渝，彭建平，赵波，黄炜，王小伟，章祥，马莉，胡继东，何蕾，
申请(专利权)人：成都主导科技有限责任公司，
类型：发明
国别省市：四川;51