曹 巍，周治宇，劉 輝，楊松麗，徐 淼，夏密秘，朱 冬

（成都川哈工機(jī)器人及智能裝備產(chǎn)業(yè)技術(shù)研究院有限公司，成都 610095）

軌道交通運(yùn)營里程和車輛配置數(shù)量急劇增加，以成都地鐵為例，開通運(yùn)營12 年，運(yùn)營13 條軌道交通線路，累計運(yùn)營里程558 km，日均客運(yùn)量超500 萬乘次，最高單日客流量722.43 萬乘次。巨大的運(yùn)營量必然需要有同樣巨大的日常維護(hù)工作量才能保證車輛的安全運(yùn)行。

但既有車輛段檢修能力逐漸飽和，地鐵車輛檢修需求與檢修庫實(shí)際檢修能力不匹配。檢修作業(yè)包含日檢、雙周檢、三月檢、年檢、定修和架修等[1]；列車組成部件結(jié)構(gòu)復(fù)雜度高，檢修范圍大、零部件數(shù)量多，多采取人工目視等傳統(tǒng)檢修方法。具有周期頻繁、勞動強(qiáng)度大等問題，導(dǎo)致在檢修效率、安全性、可靠性和人員健康等方面均存在明顯不足，因此采用智能巡檢機(jī)器人輔助人工進(jìn)行列檢已勢在必行。

智能巡檢機(jī)器人基于圖像特征分析識別、深度學(xué)習(xí)、導(dǎo)航調(diào)度和機(jī)器人控制等技術(shù)，可自主對入庫停放車輛的可視范圍內(nèi)的檢查項點(diǎn)進(jìn)行采集、分析與識別，對于疑似故障點(diǎn)反饋給作業(yè)人員進(jìn)行人工復(fù)檢與處理?？蓽p少人工列檢作業(yè)的工作量，優(yōu)化列檢作業(yè)人員配置，對于提升車輛的運(yùn)維水平、降低人力成本具有重要的意義[2]。

1 智能巡檢機(jī)器人

1.1 整體架構(gòu)

整套系統(tǒng)主要分為智能巡檢機(jī)器人主體和服務(wù)器。智能巡檢機(jī)器人作為檢修任務(wù)的執(zhí)行端，按照檢修人員下達(dá)的任務(wù)進(jìn)行各類檢修任務(wù)；服務(wù)器作為控制端，包含對智能巡檢機(jī)器人的控制、圖像識別、數(shù)據(jù)存儲和數(shù)據(jù)管理等功能。整套系統(tǒng)依靠無線網(wǎng)絡(luò)進(jìn)行連接，其整體架構(gòu)如圖1 所示。

圖1 智能巡檢機(jī)器人整體架構(gòu)圖

智能巡檢機(jī)器人主體包含驅(qū)動底盤、協(xié)作機(jī)器臂、視覺檢測系統(tǒng)等（圖2），附屬設(shè)備包含后臺服務(wù)器、升降平臺、無線網(wǎng)絡(luò)和充電樁等。檢修人員通過服務(wù)器或手持終端下達(dá)檢修任務(wù)后，巡檢機(jī)器人自動導(dǎo)航到指定站點(diǎn)，機(jī)器臂移動相機(jī)到被檢測目標(biāo)，通過相機(jī)對每個檢測點(diǎn)進(jìn)行圖像采集，服務(wù)器對采集到的圖片與原始圖片數(shù)據(jù)對比分析，檢測到故障會自動報警并將信息發(fā)給檢修人員進(jìn)行復(fù)檢。

圖2 智能巡檢機(jī)器人

1.2 驅(qū)動底盤

驅(qū)動底盤主要包含SLAM 激光雷達(dá)、無線網(wǎng)絡(luò)設(shè)備、LED 指示燈帶、自動充電站、舵輪和電池等，最大行駛速度1.5 m/s，滿電續(xù)航超8 h，為整個智能巡檢機(jī)器人提供電源、導(dǎo)航、避障、定位、自動充電和燈光指示等功能，滿足檢修任務(wù)的要求。

1.3 協(xié)作機(jī)械臂

采用6 軸協(xié)作機(jī)械臂，動作靈活，可對關(guān)鍵位置進(jìn)行多角度拍攝。每個關(guān)節(jié)均配置力反饋模組，受到一定的外部力量后會自動停止，避免損傷人員或設(shè)備。

1.4 視覺檢測系統(tǒng)

視覺檢測系統(tǒng)由線陣相機(jī)和2D/3D 相機(jī)共同構(gòu)成：線陣相機(jī)采用雙激光光源匹配的方式，進(jìn)行交叉補(bǔ)光，從而避免單光源造成的陰影，能夠更好地對地鐵車輛底部進(jìn)行成像；2D/3D 相機(jī)采用面陣光源對彩色攝像頭進(jìn)行補(bǔ)光，光亮均勻、光場色度變化小，雙目紅外攝像頭則使用激光散斑模組進(jìn)行打光，通過對返回的激光散斑點(diǎn)云圖進(jìn)行解析，從而得到拍攝目標(biāo)的3D結(jié)構(gòu)。2D/3D 相機(jī)可同時對檢測目標(biāo)進(jìn)行2D 和3D 的圖像采集任務(wù)，縮短了檢測時間。

因?yàn)榈罔F車輛需要檢測的零部件多、種類雜，現(xiàn)階段對各部件的檢測主要依靠人工經(jīng)驗(yàn)來判斷是否異常，沒有量化參考的指標(biāo)。而往往在車輛實(shí)際運(yùn)行中還伴隨著涂油、臟污、遮擋和生銹等問題，傳統(tǒng)的機(jī)器視覺算法在面對部件特征不斷變化時，無法滿足實(shí)際應(yīng)用的需求。所以本系統(tǒng)采用了深度學(xué)習(xí)的方式，建立含有大量訓(xùn)練樣本（圖3）的數(shù)據(jù)集，模擬人的視覺系統(tǒng)的認(rèn)知機(jī)理，使用神經(jīng)網(wǎng)絡(luò)對多維矩陣數(shù)據(jù)進(jìn)行運(yùn)算訓(xùn)練，通過不斷迭代學(xué)習(xí)優(yōu)化模型后實(shí)現(xiàn)對正常和異常零部件的分析識別，達(dá)到正確檢測各個零部件的目的。

圖3 部分訓(xùn)練樣本

1.5 后臺服務(wù)器

后臺服務(wù)器可對采集到的圖像進(jìn)行分析處理，并通過與原始圖片、3D 尺寸測量值、油位低限刻度和溫度色標(biāo)等對比，從而達(dá)到檢測地鐵車輛故障的目的。考慮到車輛實(shí)際運(yùn)營中檢測數(shù)據(jù)量大、時間跨度久，為實(shí)現(xiàn)被檢車輛的可追溯性，方便管理人員操作等因素，還開發(fā)部署了一套云后臺管理系統(tǒng)，可供管理人員通過網(wǎng)絡(luò)遠(yuǎn)程實(shí)時查看、管理車輛的檢測結(jié)果，能夠追溯到每次報警的具體原因和位置（圖4），并且自動對數(shù)據(jù)進(jìn)行歸納整理，生成可視化的統(tǒng)計數(shù)據(jù)（圖5），并可導(dǎo)出生成Excel 表。

圖4 異常螺栓的具體位置和歷史對比

圖5 分析統(tǒng)計

1.6 升降平臺

由于車輛軌道中間有一條地溝，造成智能巡檢機(jī)器人不能直接行駛到列車底部地溝或另一側(cè)。為實(shí)現(xiàn)智能巡檢機(jī)器人在地溝和車輛左右兩側(cè)巡檢線路的行駛過渡，并盡量減小對現(xiàn)有的軌道結(jié)構(gòu)和人員日常檢修的影響，設(shè)計了一款占地面積小、嵌入式的升降平臺（圖6）。

圖6 升降平臺

設(shè)計上采用絕對值伺服電機(jī)驅(qū)動，多級減速，確保運(yùn)行平穩(wěn)精確；設(shè)有防護(hù)性安全檢測光電和斷電抱閘，防止巡檢機(jī)器人未運(yùn)行到位就進(jìn)行升降動作造成安全事故的問題；內(nèi)設(shè)三平面高度數(shù)據(jù)，斷電保持，易于修改；選擇嵌入式安裝，既減少了外部空間的占用，又滿足了智能巡檢機(jī)器人的通過性。

2 檢測流程

智能巡檢機(jī)器人在收到檢修任務(wù)后，會自動開始對列車各個檢測點(diǎn)進(jìn)行檢測，流程如下。

1）掃描定位地鐵車輛在檢修股道的準(zhǔn)確?？课恢茫R別列車編號。

2）依次到達(dá)列車左側(cè)、右側(cè)、車底地溝的檢測站點(diǎn)，對轉(zhuǎn)向架、逆變器箱、蓄電池箱等關(guān)鍵設(shè)備的螺栓、螺母、線纜、剎車片和油位等進(jìn)行圖像采集，如圖7 所示。

圖7 機(jī)器人巡檢線路

3）機(jī)器人將檢測原始數(shù)據(jù)實(shí)時通過5G 無線網(wǎng)絡(luò)傳輸至后臺服務(wù)器。

4）后臺服務(wù)器通過圖像識別算法對采集的圖片進(jìn)行處理，再與原始圖片、3D 尺寸測量值、油位低限刻度和溫度色標(biāo)等進(jìn)行比對，從而判斷是否有異常。并通過云后臺管理系統(tǒng)將采集數(shù)據(jù)信息進(jìn)行統(tǒng)計匯總，生成檢測報告。

5）檢修人員根據(jù)檢測報告，對異常位置進(jìn)行復(fù)檢。

3 實(shí)踐結(jié)果

為驗(yàn)證智能巡檢機(jī)器人在地鐵檢修庫內(nèi)的實(shí)際檢修情況，進(jìn)行了正確率和檢出率的測試，其中對關(guān)鍵部件（轉(zhuǎn)向架受力螺栓和箱門閉鎖螺栓）檢測的測試結(jié)果如下。

1）正確率測試：即對全部正常的螺栓進(jìn)行自動巡檢，正常的螺栓如果報異常，則視為誤報，用總數(shù)減去誤報數(shù)量從而得出智能巡檢機(jī)器人正確檢測的數(shù)量。

本次測試選用104161 車和104176 車為檢測目標(biāo)，2 列車總共1 248 顆正常的被檢測螺栓，智能巡檢機(jī)器人通過將實(shí)時采集的螺栓圖片與數(shù)據(jù)庫中的標(biāo)準(zhǔn)圖片進(jìn)行比對得出結(jié)果（表1）。

表1 智能巡檢機(jī)器人正確率測試

2）檢出率測試：即對全部異常的螺栓進(jìn)行測試，異常的螺栓如果被正確檢出為異常，則視為成功檢出，從而得出智能巡檢機(jī)器人對異常螺栓的檢出率（表2）。

表2 智能巡檢機(jī)器人檢出率測試

以深度學(xué)習(xí)圖像識別算法為核心的檢測方式，其檢測結(jié)果的準(zhǔn)確性必然受制于圖像的質(zhì)量和圖像的復(fù)雜程度，通過對圖像進(jìn)行分析可得出造成檢測失敗的原因，如圖8 所示。

圖8 檢測失敗的圖像

圖像質(zhì)量問題可通過改進(jìn)補(bǔ)光、增加偏光鏡片等方式提高成像質(zhì)量，少量臟污可通過對算法進(jìn)行優(yōu)化，如果臟污比較嚴(yán)重需要進(jìn)行清潔才能保證識別的準(zhǔn)確率。

通過在地鐵檢修庫進(jìn)行試運(yùn)行得出，智能巡檢機(jī)器人具有檢測準(zhǔn)確率高、自動完成巡檢和減少人員勞動量等優(yōu)點(diǎn)，在實(shí)際運(yùn)用中已經(jīng)滿足大部分地鐵日常檢修工作的需求。

4 結(jié)束語

軌道車輛的智能檢修已經(jīng)成為一種趨勢。目前該智能巡檢機(jī)器人已經(jīng)在部分車輛段進(jìn)行使用，能夠完成大部分日常檢修任務(wù)。隨著技術(shù)的發(fā)展和實(shí)際運(yùn)用中的技術(shù)改進(jìn)，下一階段將向著5G 云技術(shù)、機(jī)器學(xué)習(xí)知識遷移和車輛全壽命周期系統(tǒng)管理等方向發(fā)展，在檢修效率、人工成本、安全風(fēng)險和管理成本等方面起到積極作用，智能檢修必將在未來軌道車輛檢修中發(fā)揮出更大的優(yōu)勢。