为实现轨道车辆螺栓松动智能检测与螺栓预紧力实时监测,提高轨道车辆生产、运维中螺栓的预紧精度,提出一种基于机器视觉技术的螺栓松动角度非接触定量测量方法,基于该方法探究螺栓在预紧过程中各参量之间的关系模型。首先,进行相机内参...为实现轨道车辆螺栓松动智能检测与螺栓预紧力实时监测,提高轨道车辆生产、运维中螺栓的预紧精度,提出一种基于机器视觉技术的螺栓松动角度非接触定量测量方法,基于该方法探究螺栓在预紧过程中各参量之间的关系模型。首先,进行相机内参标定;然后实时获取螺栓图像,对获取到的图像后进行透视变换、滤波降噪等预处理,通过设定特定的通道阈值来提取图像的感兴趣区域(Region of interest,ROI),使用Sklansky算法在ROI平面点集进行凸包迭代,找出最少点集的矩形特征,同时利用旋转卡尺算法Rotating calipers返回凸包的最小面积外接矩形轮廓,以矩形中心点与Width边为特征计算出矩形特征的旋转角度θ;最终通过实验构建螺栓预紧力、拧紧力矩分别与旋转角度、螺杆行径量关系模型,以及预紧力与拧紧力矩关系模型。结果表明螺栓松动角度检测方法最大测量偏差为0.54°,最大相对误差为3.25%。该方法具备测量精度高,系统成本低、部署方便的特点,满足轨道车辆大批量的螺栓松动角度的非接触与自动化检测要求。轨道车辆螺栓智能精准预紧新工艺预紧力、拧紧力矩的计算精度达到90%以上,比传统的扭矩−转角法预紧精度高15%~40%。研究成果为轨道车辆螺栓松动智能运维提供技术支撑。展开更多
文摘为实现轨道车辆螺栓松动智能检测与螺栓预紧力实时监测,提高轨道车辆生产、运维中螺栓的预紧精度,提出一种基于机器视觉技术的螺栓松动角度非接触定量测量方法,基于该方法探究螺栓在预紧过程中各参量之间的关系模型。首先,进行相机内参标定;然后实时获取螺栓图像,对获取到的图像后进行透视变换、滤波降噪等预处理,通过设定特定的通道阈值来提取图像的感兴趣区域(Region of interest,ROI),使用Sklansky算法在ROI平面点集进行凸包迭代,找出最少点集的矩形特征,同时利用旋转卡尺算法Rotating calipers返回凸包的最小面积外接矩形轮廓,以矩形中心点与Width边为特征计算出矩形特征的旋转角度θ;最终通过实验构建螺栓预紧力、拧紧力矩分别与旋转角度、螺杆行径量关系模型,以及预紧力与拧紧力矩关系模型。结果表明螺栓松动角度检测方法最大测量偏差为0.54°,最大相对误差为3.25%。该方法具备测量精度高,系统成本低、部署方便的特点,满足轨道车辆大批量的螺栓松动角度的非接触与自动化检测要求。轨道车辆螺栓智能精准预紧新工艺预紧力、拧紧力矩的计算精度达到90%以上,比传统的扭矩−转角法预紧精度高15%~40%。研究成果为轨道车辆螺栓松动智能运维提供技术支撑。
