Выявление неисправностей железнодорожного пути с помощью систем технического зрения
Путь и путевое хозяйство. 2024, № 11. С. 23—26.
Railway Track and Facilities. 2024;(11): 23—26.
КОНТРОЛЬ И ДИАГНОСТИКА
Научная статья
УДК 62-51
Выявление неисправностей железнодорожного пути с помощью систем технического зрения
Сычёв Петр Вячеславович1, Мальцев Андрей Петрович2, Феденков Владимир Васильевич3
1канд. техн. наук, генеральный директор ООО «Вагонпутьмашпроект». e-mail: petr@vpm770.ru
2канд. военных наук, ведущий инженер Центрального научно-исследовательского института автоматики и гидравлики (АО ЦНИИАГ).
3докт. техн. наук, доцент Национального исследовательского университета МЭИ (НИУ МЭИ).
Аннотация. Оптико-электронные системы находят широкое применение в различных областях человеческой деятельности. Одним из важнейших средств, которое определяет будущее оптической электроники, является система технического зрения (СТЗ). В статье представлена методика определения безопасных участков железнодорожного пути с применением средств технического зрения, устанавливаемых на беспилотные летательные аппараты. Разработаны алгоритмы, описывающие методами СТЗ сигнатуры железнодорожного пути, что позволяет оценивать его состояние. Результаты экспериментов на основе математического моделирования и теоретического анализа доказывают эффективность алгоритмов СТЗ для повышения безопасности на железнодорожном транспорте.
Ключевые слова: система технического зрения, железнодорожный путь, беспилотные летательные аппараты.
CONTROL AND DIAGNOSTICS
Original article
Assessment of railway track maintenance using technical vision systems
Sychev Petr1, Maltsev Andrey2, Fedenkov Vladimir3
1Ph.D., General Director of Vagonputmashproekt LLC. Moscow, Russia. petr@vpm770.ru
2Ph.D., leading engineer of the Central Research Institute of Automation and Hydraulics (JSC TsNIIAG). Moscow, Russia
3D. Sci., Associate Professor National Research University MPEI (NRU MPEI).
Abstract. Optical-electronic systems are widely used in various fields of human activity. One of the most important tools that determines the future of the optical-electronic systems is the technical vision system (TVS). The article develops a method for determining safe sections of the railway track using technical vision equipment installed on unmanned aerial vehicles. Algorithms have been developed that describe railway track signatures using TVS methods. The algorithms are adapted to this task, which makes it possible to carry out measures to determine safe sections of the railway track. The results of experiments based on mathematical modeling and theoretical analysis prove the effectiveness of TVS algorithms for improving safety in railway transport.
Keywords: technical vision system, railway track, unmanned aerial vehicles.
Список источников
1. Локтев Д.А., Сычев П.В., Залетдинов А.В. Автоматизированное распознавание поверхностных дефектов верхнего строения пути с использованием примитивов Хаара и модифицированного алгоритма Лукаса-Канаде // Нелинейный мир. 2019. Т. 17, № 2. С. 5–12.
2. Повышение информативности оценки содержания железнодорожного пути / В.П. Сычёв, А.А. Локтев, Д.А. Локтев, В.В. Виноградов // Мир Транспорта. 2017. Т. 15, № 2 (69). С. 20–31.
3. Логинов И.Н., Логинов А.Н., Сычев В.П. Когнитивная нейроморфная платформа управления ресурсами железнодорожного транспорта в автоматизированных системах управления // Внедрение современных конструкций и передовых технологий в путевое хозяйство. 2016. Т. 9, № 9 (9). С. 312–319.
4. Сычев В.П. К вопросу создания автоматизированной системы управления технологическими процессами ремонтных работ на железнодорожном пути // Транспортное строительство: сборник статей всероссийской научно-технической конференции. М.: Перо, 2020. С. 16–24.
5. Гуськов Ю.П., Загайнов В.И. Управление полетом самолетов. М.: Машиностроение, 1991. 269 с.
6. Система распознавания объектов, обеспечивающая работу бортовой системы технического зрения в реальном времени / Н.И. Дмитриев, А.А. Хрусталев, А.И. Ляпин, Е.Ю. Суворов // Механика, управление и информатика. 2012. № 2 (8). С. 40–44.
7. Обработка и анализ изображений в задачах машинного зрения: курс лекций и практических занятий / Ю.В. Визильтер и др. М.: Физматкнига, 2010. 671 с.
8. Ballard D.H. Generalizing the hough transform to detect arbitrari shapes // Pattern Recognition. 1981. Vol. 13, No. 2. P. 111–122. DOI: https://doi.org/10.1016/0031-3203(81)90009-1.
9. Локтев Д.А., Сычев П.В., Изотов К.А. Применение модифицированного алгоритма Лукаса-Канаде и примитивов Хаара в системе мониторинга состояния железнодорожного пути // Внедрение современных конструкций и передовых технологий в путевое хозяйство. 2019. Т. 14, № 14 (14). С. 67–72.
10. Потапов А.В., Сычев В.П. Основные направления развития транспортных систем // Внедрение современных конструкций и передовых технологий в путевое хозяйство. 2016. Т. 10, № 10 (10). С. 129.