以更低的成本和更高的安全性来维护公共铁轨

      如今，一种新型的系统化维护方法可以及时测量、定位和维修铁路及有轨电车轨道出现的问题。结合成熟的铁路工程技术手段和先进技术，包括Blackfin处理器和图形化系统设计技术，可改进和优化公共交通。

      在中国，铁路是普及便捷的交通运输方式。工业化、城市化以及公路交通负荷的加重都带来了对铁路货运及客运的更大需求，此外，寻求一种舒适及安全的交通工具的旅客也不断增多。政府计划投资5万亿元在2020年前新建4万公里铁路，这必将进一步满足国内货运及客运的需求。

      从技术层面来讲，运输负荷提高就需要更高的列车速度并缩短停顿间隔，因而也使铁轨和电车处于更大的机械应力之下，从而导致不可避免的过早磨损和恼人甚至危险的故障(图1)。处理这些应力对铁路和有轨电车轨道造成的损害，就需要更加强调监控和维护。ADI公司的Blackfin处理器和NI公司的图形化可编程LabVIEW技术在铁轨检查系统中扮演着核心角色，获取准确的现场测量数据并将其存储，以便采取进一步行动，这样能延长铁轨的工作寿命，提高公共交通服务的经济性和可靠性。

图1：系统化的铁轨维护理念包括测量、定位和维修铁轨故障。

铁轨：揭开背后的秘密

      当新的铁路和电车轨道铺设好后，在浇注混凝土之前要进行正确的轨道位置校验以确保质量。完成安装后随着时间的推移，在日常运行中问题不可避免地开始出现、蔓延。这些问题是由车轮与铁轨之间的机械接触应力造成的，这些应力是极为复杂的弹簧-质点模型的一部分，其力学范围涉及从列车的底盘和负载到铁路地基。在欧洲，这些问题的临界参数和容差范围可按照铁路工程标准进行分类。铁路维护的目标是发现和测量这些问题，并使它们保持在可接受的水平。

图2：铁轨参数分为轨道几何形状、纵向形貌和横截面三类。

轨道几何形状

      铁轨的规格或者说两条轨道之间的距离会影响列车一侧到另一侧的运动。这种运动使车轮和铁轨的接触点不断移动，以使磨损减至最低。

      轨道倾斜度的变化会带来摇晃和振动。倾斜的缺陷通常由铁路地基的变形引起，铁轨表面的起伏不平和孔洞也会引起倾斜。不过，有些系统性的倾斜面是必要的，这是为了在进入和离开弯道时尽量减少加速对旅客造成的不适。恰当的轨到轨间隔避免了当列车高速迎面经过时造成相撞事故的任何可能性。

纵断面形貌

      裂缝和断裂是最让人担心的缺陷之一，因为它们可能会导致灾难性的结果，如脱轨。特征波长为20毫米至100毫米的铁轨波纹起伏在振幅超过0.05毫米时会形成一种烦人的噪声。另一方面，其波峰为0.3毫米时，这种振动会对铁路路基造成不可逆转的损害。波纹会沿着铁轨蔓延，在科学意义上目前还弄不清楚它们是如何产生的。单个孔洞大多由转弯或车轮跳动造成，并可用数学多项式表达。它们是造成有轨电车线路突然颠簸的罪魁祸首。老旧铁轨上经常发生有规则的颠簸现象，这归咎于每18米铁轨段存在一处焊接接缝。

横截面

      新安装的铁轨头端几何形状遵循一个经准确计算的触点几何尺寸，这样可优化轮与轨道之间的接触面。该形状可用切线和特定的半径进行描述，提供了水平基准，使车轮能经济、平滑而安全地滚动(图2)。

测量铁轨

      对于系统化和以目标为导向的铁路维护来说，其关键需求是要全面了解对当前铁路或电车轨道网络的几何结构状态。这可通过一种智能的测量策略来实现，这种策略是将里程测量结果(测距)、轨道几何形状、纵向形貌和横截面与精确的GPS定位相结合。所有这些参数通过移动测量设备或装备良好的测量车辆获得。测量数据先通过ADI公司的Blackfin处理器进行预处理，最后转入分析软件，在电子地图上实现后期分析和精确的测量和故障定位(图3)。

图3. 测量结果与GPS数据相结合，以确定它们在地理信息系统(GIS)中的精确位置。

轨道几何形状

      采用精度在0.01毫米范围内的无触点感应传感技术进行轨距测量。基于软件的FIR(有限脉冲响应)低通滤波器可抑制高频噪声，而随后的移动平均滤波器确保期望为连续值的结果中没有“伪峰值”出现。类似的方法也应用于倾斜传感器，工作时就像一个电子液位仪，具有± 10 °的角范围，精确度0.025°以内。所用的物理原理将频率范围限制在1Hz以内。

      测量轨到轨距离需要一套复杂且要求大量运算的浮点算法，以便计算出绝对的水平和垂直距离(图4)。

      在车辆一侧安装高精度激光束，在1米到5米的距离内其摇晃幅度为± 5°，由Blackfin处理器控制。邻近铁轨的测量信号经低通和中值滤波，并从极坐标转换为笛卡尔坐标。在采用模式匹配算法对信号进行运算之前，要经过进一步的处理，如矢量旋转和重采样。其目的是在铁路线内找到几何特征的一个准确特征矢量。因为铁路上存在许多障碍物，如石块或杂草，这个矢量要采用真实性检查器和跟踪算法进行运算，以确保得出可靠和有效的结果。所有这一切都是在实时条件下由一个5Hz循环完成的。

图4：测量轨到轨距离(水平和垂直)需要实时的高性能数字信号处理算法。[page]

纵向形貌

      高速电涡流传感器以微米级精度对铁路表面情况进行记录(图5)。线性编码器处理来自磁环的信号，该信号作为里程表和模数转换器的触发器。这个信号再经过FIR带通滤波器进行滤波，可减少其特征波长的频谱。除了表面形貌，与冶炼相关的不规则处如局部淬火和焊接点也被一一记录。

图5： 铁轨纵向形貌由非接触式涡流传感器和磁性编码器来采集。

横截面形貌

      激光技术是当今最先进的非接触式测量方法，可获得准确的铁轨横截面形貌。根据所需的精确度或捕获速度，无论是穿越激光束还是激光“幕”(图6)都可用来进行这项工作。对原始形貌信号进行实时线性化、缩放处理，并滤除毛刺。

图6： 采用高速激光扫描仪捕获的铁轨形貌。

老一代技术—计量设备

      直到最近，维修人员仍在使用许多不同的测量设备来确定轨道上的裂缝和异样。每种方法适合某一特定轨道缺陷，但除了少数例外以外，这些机械的方法缺乏足够的精确度和可重复性的结果。最近几年，工业解决方案供应商，如Schmid Engineering，将先进的处理器技术和最先进的元件嵌入到他们的设计中。铁路基础设施行业中的此类进步逐渐将行业引向采用智能计量设备的移动和多功能铁轨测量时代。

      铁轨监控设备(图7)使用最先进的技术来同步测量铁轨横截面形貌、头端高度、轨距、倾角、深度和周围环境温度，所有这些都是在特定的可识别的位置进行检测和记录的。

图7：在恶劣的环境和紧迫的时间要求下，人们需要轻便、易于使用和富有成效的计量设备。

      所有关键特性现场就可处理和可视化，并可存储在移动存储器中。随着操作者或车辆沿铁轨拉动，RailSurf 雪橇式计量设备就在连续监测和记录纵向轨道参数。它带有若干传感器，可以反映出各种问题，如起伏、孔洞、裂缝以及轨距和倾角变化。由此产生的信息可以存储在可移动存储器中或通过无线方式传输至一个操作界面。

图8：基于Blackfin处理器和LabVIEW嵌入式模块的RailSurf雪橇式计量设备可记录纵向起伏不规则处。GPS接收器和倾角传感器内置在操作面板中。

Blackfin处理器：系统的核心

      Blackfin处理器作为这些便携式测试工具的核心器件，通过提供动态电源管理实现省电的工作方式，融合了微控制器(MCU)和DSP技术。MCU电路可方便地与可扩展的输入/输出(I/O)设备连接，如激光扫描仪、模拟和数字传感器、键盘、TFT (薄膜晶体管)显示器、电池电量计和移动媒体存储介质。DSP部分专门用于处理先进的数字算法，如滤波器、变换(例如FFT)、几何偏差的确定，或者其它要求繁杂的计算任务。最近采用LabVIEW嵌入式模块进行的图形化系统设计取得了一些进步，通过这些模块的高层次框图和面向数据流的语言，可为Blackfin处理器提供一个直接的编程模型。这种带有随时可以使用的数学分析模块和图形化多任务处理的高层次方案，将数字嵌入式设计的功能性提升到更高的水平。

测量机车

      多功能机车的设计采用了一组5个相互连接的Blackfin处理器，它能够记录长达10公里铁路段的轨道参数，点到点分辨率为5毫米。Blackfin处理器＃1实现了通过键盘和两个TFT显示器的用户交互系统。处理器＃2以高速度记录轨道几何形状和纵向形貌，并将处理器＃3接收到的GPS信息嵌入到测量数据。连同处理器＃4捕获的横截面信息，所有数据最后形成数据流进入处理器＃5，处理器＃5将海量数据存储在大容量RAM缓冲器中，以便最终以二进制文件格式保存在移动存储介质中。

缺陷定位

      所获得的测量数据被输入到一个公共的软件平台，该平台将轨道几何形状、纵向形貌和横截面以及GPS位置和里程信息关联在一起。该平台采用LabVIEW和工具包实现，可以作为一个公共的数据交换和分析工具。它可与多种测量设备、机车和维护机器进行连接。应用于测量数据的智能滤波器扮演着X光设备一样的角色，对关键的铁轨缺陷进行定位。这使得测量结果能真正数字化地还原整个铁轨几何形状。之后则可根据这一基本信息采取相应的措施，如维修或更换铁轨。最终数据记录文件可被无线连接到外部数据库和CAD软件，以便将结果转移到任何客户的IT环境中。[page]

采用智能而强大的LabVIEW滤波器查找缺陷

      智能的LabVIEW滤波器审查纵向数据以找到有意义的症状。起伏数据则通过快速傅里叶变换( FFT )分析进行检测，以便监视纵向形貌的特征波长。通过比较被测形貌与事先存储的图案以及对铁轨与车轮机械接触的仿真来跟踪。裂缝呈现出显著的瞬变特性，因此可以通过区分移动数据窗口来发现。而倾角形貌的独特振动模式则通过持续运行和评估的分析模型来进行定位。

      由此产生的症状信息也被输入到相关“超级算法”中进行运算。在这里，信息或者被进一步减少，或者从被测数据中提取出额外的高层次信息。例如，一个倾斜指示数据如果没有辅以铁轨表面的相关信号峰值，就被解释为毫无意义而丢弃。另一方面，指示出明显磨损和纵向裂缝的横截面形貌数据将触发一次告警。

      用于铁轨横截面评估的主要技术是将被测数据与参考基准进行比较。基于矢量数学的算法和随机方法相结合，可覆盖两个形貌数据，实现重要特征的计算。纵向和垂直偏差直接指明磨损情况(图9)。

图9：智能横截面分析算法充分利用Blackfin处理器的速度和性能，可在现场实时地揭示不规则之处。

      其它参数包括剩余头端高度、准确而工整的轨道半径(图10)，或者有源、封闭式轨道道岔的间隔。保持在道岔容差范围内是一个关键需求，这可避免高速列车经过道岔时脱轨的危险性。铁路运营公司负责对这些道岔进行监控。

图10：确定轨道半径需要复杂的数学函数。

      铁路工程师们可以调整滤波器参数容限窗口，以便将“伪报警”与显著影响乘客舒适度和运输安全性的真正的铁轨缺陷分隔开。

在数字地图上查明缺陷

      内嵌在数据中的GPS信息有助于在数字地图上查明被定位的缺陷。这一地理信息增加了有关铁路热点位置的重要知识和新的环境信息，如大幅度的弯道、道岔和车站。这种“Easy-GIS”地理信息系统已通过LabVIEW的图像处理功能得到实现。现存的重要区域位图，例如一座城市，被细分为一个个单一区块，每个区块都有精确的地图坐标。当铁路工程师查看一系列缺陷时，LabVIEW从硬盘向内存中不断加载相应的区块并将它们组合成单个JPEG图片。然后此图片被复制到LabVIEW曲线图表指示器内，并用数字光标准确地指向到缺陷的位置。

将结果分发给其它应用程序

      数据结果最后被转移到更高级别的应用程序中。诸如磨损和孔洞等关键缺陷的几何形貌数据可以输入标准的CAD系统中进行进一步的分析。这里采用的是Drawing-eXchange(文件)格式(DXF)。

      与外部数据库管理系统的连接通过ActiveX数据对象(ADO)建立的，它使用通用数据链接(UDL)连接类型和路径。一套高层次的虚拟仪器(VI)使数据平台能执行最常见的数据库任务，如寻址表格和数据交换。

      VAG纽伦堡运输公司采用一个Microsoft Access数据库中来维护一个关键的预定义位置数据矩阵，该数据库随参数变化而不断刷新。某些铁路热点一旦超过容限范围，系统就会创建一个电子维修计划并配置到维修机器中的测量设备中。

      苏黎世公共运输公司(Verkehrsbetriebe Zürich，VBZ)的维护理念依靠一种带有内置MS Access数据库的商业地理信息系统工具。只要按一个按钮，所有基础设施，包括铁路区段、车站、道岔等都会被列出，并能在一幅代表城市整个有轨电车网络的地图中可视化显示。和纽伦堡的例子一样，作为短期和长期维护理念的重要组成部分，铁轨的状态也被连续监测。LabVIEW平台借助ActiveX和NET机制与这个地理信息系统工具连接。

解决问题

      从IT环境反馈的维修计划被下载到作为质量设置点的维修机器中。两个Blackfin处理器支持维护团队迅速而系统地维修已磨损或存在缺陷的铁轨区段，通过若干次磨削使铁轨恢复其原来的形貌。

      其中一个Blackfin处理器“掌管”多功能键盘、显示铁轨情况的两个TFT液晶显示器和移动存储器。两个激光扫描仪以20Hz的频率连续捕获瞬态横截面信息，并通过CAN(控制器区域网络)将数据实时传送给CPU。该处理器还负责计算与参考数据的偏差，将新的维修点发送给由另一个Blackfin处理器控制的底部磨削机。

      该磨削机总共由六个独立的磨削柱构成。每个磨削柱所带的基于流体静力学的执行部件拥有于有三个自由度：首先是在铁轨头端的内部、外部或中间横向移动；然后，针对最坏情况的偏差进行旋转磨削；最后下移直至触碰到铁轨头端，就开始磨削。Blackfin处理器对这18项动作进行同步控制，采用脉宽调制(PWM)信号来驱动阀门以便控制液压执行部件。此外，在此定位过程中，6个旋转传感器、6个转换测量仪、18个非接触式位置开关、6个压力传感器持续受到监测。这一过程使用传统的方法需要几分钟，而现在磨削柱可在几秒钟内自动放置。

      最后，磨削柱开始打磨多余的材料(图11 )。安全和坚固的外壳保护电子电路和传感器免受四处飞溅的火花、扬起的灰尘、湿气和热气的影响。

图11：电子维修计划被配置到维修机器中，机器在铁轨上用磨削的方式解决缺陷问题。

      经过磨削过程后，通过将一套形貌测量数据加载回使用移动存储介质的IT环境，质量得到保证。

结束语

      铁路和有轨电车的系统维护理念通过采用数字嵌入式设计被带入一个新阶段。在轨道上利用低层次的测量与控制技术，在中央定位系统采用高层次的数据挖掘和分析技术，就可实现轨道维护的最理想和具有成本效益的集成解决方案。

      利用性能和功能可扩展的Blackfin处理器，基于上述测量/维护理念的测量设备和车辆已能达到轨道固有恶劣环境所要求的关键的实时性能和可靠性。

      缺陷的定位，这种设计的高层次数据分析和可视化所需要的故障定位已可在LabVIEW环境下实现，不仅可开发复杂的数学滤波器算法，而且还能满足将现场设备与IT环境联网所带来的各种不同的连接性挑战。简单易用的LabVIEW再一次实现了具有最佳复用和重构可能性的高端设计。

      LabVIEW嵌入式技术，特别是当专门与Blackfin处理器配合使用时，现在为以往用ASM或C / C + +语言编写的算法打开了范例转移的大门。通过技术的变化，现在有可能像本文的案例一样在任何铁路或有轨电车系统实现故障(主要是裂缝)定位过程的优化。任何故障的所有数据储存在中央数据库，便于立即维复或者用于监控。RailSurf测量雪橇车是第一个移动和智能测量设备应用实例，通过采用下一代嵌入式解决方案，实现了快速、环保和具有成本效益的维护理念。

作者简介

      Anders Norlin Frederiksen[anders.frederiksen@analog.com]于1994年获得丹麦技术大学荣誉电子工程学士学位(BScEE)，并于1995-1997年间担任该大学的助理教授。他于1998年加入ADI公司马萨诸塞州诺伍德电力电子和控制部门，担任系统工程师一职。此后他曾在ADI担任过几个不同职务，目前职位是全球工业行销经理。

      Marco Schmid[marco@schmid-engineering.ch]是瑞士Schmid Engineering公司的一名高级工程师。1993年获得系统科学工程技术硕士学位后开始从事DSP硬件和软件开发工作。自1997年以来，作为这家活跃的国际嵌入式系统解决方案提供商的领导者，他专注于研究基于微处理器的系统集成和高层次图形化系统设计。