knowledge-vault/work/client-projects/货车闸瓦销环与翻车机压车臂/压车臂框架.md

角色

你是资深的计算机系统分析师。现在准备写一份系统建设方案。

项目背景

铁路货车进入翻车作业现场前，闸瓦销环丢失

铁路货车闸瓦销环用于防止闸瓦插销纵向窜出，保证闸瓦能够有效地对轮对施加制动力，满足车辆制动要求。铁路货车既有闸瓦销环在装车运用过程中，经常出现闸瓦销环丢失现象。闸瓦销环丢失后，闸瓦有脱落风险，给列车运行带来安全隐患。 既有闸瓦销环材料为镀锌低碳钢，硬度和刚度低。在运用过程中由于振动，闸瓦销环与闸瓦插销长时间相互摩擦撞击，造成闸瓦销环因磨耗破损而脱落丢失。既有闸瓦销环状态如下图所示。 另外，组装闸瓦销环后，如果未按要求将劈开部分重新捏合，或者捏合不到位，或者受操作环境制约，无法捏合，使得闸瓦销环在运用过程中极易丢失。

目前对闸瓦销环是否丢失还是以人工为主，劳动效率差、可靠性低且不便于信息化管理。随着计算机图像处理、光电技术相关学科的发展，机器视觉技术已广泛的应用于工业、医学等领域，其优点是自动化、非接触和在线性。将其应用于闸瓦销环是否丢失的自动检测,有显著的现实意义和广阔的应用前景。

翻车机作业现场——压车臂未夹紧与车皮未达到指定位置

翻车机系统是一种非常专业化的散状物料卸料系统，它用于火车装载的散状物料的翻卸。翻车机卸煤系统卸车效率高，对车辆损伤少，能改善值班人员的工作环境和便于实现机械的自动化控制。 龙钢使用的C形转子式翻车机可与卸车线上其他配套设备联动实现自动卸车，也可由人工操作实现手动控制。工作过程是：启动液压站电动机，使压车臂上升到最高位置，然后由重车调车机牵引一节满载敞车准确定位于翻车机的托车梁上，靠板振动器在液压缸的推动下靠向敞车一侧，压车臂下落压住敞车两侧车帮。当靠板靠上、压车臂压住、重车调车机臂已驶出翻车机后，翻车机开始以正常速度翻卸。在翻卸过程中，车辆弹簧力的释放是通过不关闭液压缸上的液压锁来吸收弹簧释放的能量。翻卸到110°后，关闭液压锁，将翻卸车辆锁住，以防车辆掉道。翻车机继续翻卸直到接近160°左右减速、停车、振动器投入，3s后，振动停止，翻车机以正常速度返回。离回零位30°时，压车臂开始抬起，快到零位时减速，对轨停机。停机后靠板后退，压车臂上到最高位、靠板退到最后位、重车调车机牵引第二节满载敞车进入翻车机顺便顶出已翻卸的空车。这样翻车机就完成了一个工作循环。 实际工作过程中，可能会出现压车臂未夹紧敞车两侧车帮的情况，同时货车车厢也可能未到达指定位置就开始翻车作业，从而造成安全事故。 目前，龙钢现有翻车机附近的摄像系统，无法完全看到所有的压车臂工作情况，也无法看到货车车皮是否到达指定位置，而通过人工判断容易出现遗漏，因此希望通过补充摄像头并利用机器视觉技术来检测压车臂是否夹紧车帮，检测货车车皮是否到达指定位置，以杜绝安全隐患。

系统功能要求

铁路货车进入翻车作业现场前

目前计划在货车进入翻车机现场前，进行检测，此时货车行驶速度大约为5公里/小时。 计划在翻车机厂房外200米处的铁轨两侧，安装两台摄像头，与铁轨呈45度角这样才能看到闸瓦销环。 当发现闸瓦销环丢失时，向现有的翻车机系统发出预警即可。这部分可以先简写，因为还不确定翻车机系统的接口。 由于火车速度很慢，所以检测速度要求不太高；但是精度要求较高。

翻车机作业现场

计划在翻车机作业现场，增加6台摄像头，以便看全整个翻车作业现场情况。 车皮前后各1台，以检测车皮到达位置；车皮两侧各2台，以检测12个压车臂是否夹紧车皮敞车的车帮。 检测前，有人工下达检测指令；系统进行检测，检测完成后，向翻车机系统发出提示，表示翻车作业可以启动或者进行警示，表示翻车作业不能启动。

技术和硬件选择

目前选择的摄像头为高清摄像头。对于具体的计算机视觉算法没有特殊要求，当然开源的最好，比如Yolo。 我们有使用Yolo的经验，有丰富的应用程序开发经验，但是在算法上经验不太多，所以倾向于选择成熟的算法而不考虑二次开发算法。 目前的摄像头采用自清洁臻全彩网络摄像机，自带水箱及清洁液，雨刷联动清洁，分辨率可达400万像素（2560 × 1440）。自带水箱及清洁液，雨刷联动清洁，设备自带大容量蓄水箱（2L容量），可设置一周喷一次，三年免维护。雨刷支持自动、手动、定时、关闭4种控制模式，可手动控制刮擦清洁镜头玻璃或按照计划周期自动定时刮擦镜头玻璃。摄像头具有补光能力，可以实现夜晚拍摄。防护：IP67。

环境和条件限制

铁路货车进入翻车作业现场前安装的摄像头在露天环境，算法服务器放在附近的机房里，距离大约有200米。会为摄像头专门拉电线和网线。 翻车作业现场在室内，摄像头与机房距离不超过100米，也会单独拉电线和网线。

数据和训练需求

目前没有现成的视频或图像素材，但是计划在项目前期进行采集足够多的图像和视频以供训练。在项目前期，就安装两台摄像头，考虑在不同天气、光照条件下进行数据采集真实的视频，然后由人工进行标注。 人工标注计划投入两个人月，时间为期一个月。预计数据集图片可以达到5000张。数据标注部分有完善的检查机制并且以前我们就开发了标注工具。

铁路货车进入翻车作业现场前

这个检测过程是实时的，在火车进站前需要及时进行提示。在火车车轮经过的10秒内，检测完毕并发出预警，所以这个时间是足够的。预警只是调一次翻车机系统的接口，无需其他手段。 考虑到有两条铁轨，每条铁轨安装2个摄像头，共4个摄像头。

翻车机作业现场

这个是人工下达指令进行检测，检测时间不超过20秒即可。 考虑到有两台翻车机，所以共需安装12个摄像头。

服务器配置

服务器放在本地机房，目前考虑用inter 14900KF，64G内存，1T SSD硬盘，RTX 3090 24G 显卡* 2 ，这个带动16个摄像头足够用了。

其他

由于在项目前期，很多还不确定，现在只是初稿。 系统集成与接口、安全性和可靠性（系统故障）、涉众沟通、预算和时间框架、人员培训和支持都可以暂不考虑。

方案提纲

基于以上信息，写一份《铁路货车闸瓦销环检测系统方案》的提纲。 可参考的目录如下： 一、建设背景 二、预期目标 三、系统总体设计 四、实施部署计划 五、建设预算与内容

《铁路货车闸瓦销环检测系统方案》提纲

---

一、建设背景

1. 项目概述

   • 介绍铁路货车闸瓦销环的重要性及丢失现象频发的情况。
   • 说明因闸瓦销环丢失可能导致的安全隐患及当前人工巡检方式的不足。
   • 阐述翻车机作业现场的安全隐患，包括压车臂未夹紧和车皮未到指定位置。
   • 综述机器视觉技术的发展及其应用前景，重点强调自动化、非接触和线性检测的优势。

2. 现状分析

   • 现有闸瓦销环材料及其寿命问题（镀锌低碳钢）。
   • 现有的人工检测方式效率低、可靠性差，不便于信息化管理。
   • 翻车机作业中的现有监控系统存在盲区，无法覆盖所有的压车臂及车皮位置。

3. 建设需求

   • 通过机器视觉技术检测铁路货车闸瓦销环是否丢失，降低人工巡检的负担。
   • 在翻车机作业现场检测压车臂夹紧情况及车皮位置，确保作业安全。

---

二、预期目标

1. 总体目标

   • 建设一套基于机器视觉技术的铁路货车闸瓦销环检测系统，实现自动化检测，提升检测精度，降低人工错误及潜在的安全隐患。

2. 具体目标

   • 闸瓦销环检测：在货车进入翻车机作业现场前，对行驶中的货车闸瓦销环丢失情况实时检测并发出预警。
   • 压车臂及车皮位置检测：在翻车机作业现场，对压车臂的夹紧状态和车皮位置进行检测，确保作业条件满足要求。
   • 系统集成与报警机制：在检测到故障或异常时，适时向翻车机系统发出预警信号，保障现场作业的安全性。

3. 质量要求

   • 确保检测系统的检测精度和实时性，尤其是在闸瓦销环检测上满足高精度要求。
   • 在特殊光线、天气条件下系统的稳定性和可靠性。

---

三、系统总体设计

1. 系统架构

   • 摄像头布置：

     • 翻车机厂房外200米处的铁轨两侧各2台摄像头（共4台），用于检测闸瓦销环。
     • 翻车机作业现场增加6台摄像头（每台翻车机位置前后各1台，左右各2台），用于检测压车臂夹紧状态及车皮位置。

   • 计算平台：

     • 服务器部署在翻车机附近的机房，使用高性能GPU服务器（配置详见服务器方案）。

   • 数据传输与处理：

     • 摄像头通过网线与服务器连接，实时传输数据。
     • 服务器使用YOLO算法进行检测，进行对图像的实时分析。

   • 系统预警机制：

     • 当检测到闸瓦销环丢失、压车臂夹紧异常或车皮位置错误时，系统将实时发出预警信号，并与翻车机的现有系统进行接口联动。

2. 功能模块

   • 闸瓦销环检测模块：

     • 基于YOLO算法检测货车车轮附近闸瓦销环的状态，识别销环是否丢失。

   • 压车臂夹紧检测模块：

     • 基于视觉分析，判断12个压车臂是否全部夹紧。

   • 车皮位置检测模块：

     • 摄像头前后检测车皮是否到达指定位置。

   • 报警与提示模块：

     • 检测到异常时，系统向翻车机作业系统发出预警，通知作业人员处理。

3. 图像处理及算法

   • 采用YOLO（You Only Look Once）算法进行目标检测。该算法具有较高的实时检测性能和较好的精度，适合进行闸瓦销环丢失、压车臂及车皮位置的检测。
   • 前期计划通过采集真实的火车运行数据（包括不同天气、光照条件）用于模型训练，数据标注后生成5000张图片的数据集。

---

四、实施部署计划

1. 项目周期规划

   • 项目准备期：

     • 摄像头安装计划：初步安装两台摄像头用于数据采集。
     • 数据采集及标注：在一个月内采集不同条件下的货车图像数据并进行人工标注，预计5000张数据集。

   • 算法训练及测试期：

     • 基于采集的数据集进行YOLO模型的训练和微调。
     • 完成初步网络检测软件与摄像头的集成调试。

   • 系统集成和试运行：

     • 完成全套摄像头的安装及调试。
     • 完成与翻车机系统的接口联调，开始试运行。

   • 系统正式上线：

     • 在试运行阶段积累经验后，完成系统的优化调整并最终上线。

2. 硬件部署

   • 摄像头安装：

     • 户外铁轨旁：4台摄像头（两条铁轨，每条2台）。
     • 翻车机作业现场：12台摄像头（前后各1台，左右各2台）。

   • 服务器配置：

     • 基于Intel 14900KF处理器，64GB内存，RTX 3090 24GB显卡*2，1TB SSD硬盘。
     • 确保带动16个摄像头的实时计算与检测需求。

3. 测试验收

   • 逐步对系统的各项功能进行测试，确保系统能够满足检测精度、响应时间及稳定性要求。
   • 试运行阶段对各类场景（正常/异常情况）进行模拟，确保预警系统的准确性和可靠性。

---

五、建设预算与内容

1. 设备预算

   • 高清自清洁臻全彩网络摄像机：16台，约X万元。
   • 服务器（高性能GPU服务器）：1台，约X万元。
   • 电力和网络布线预算：X万元。

2. 软件开发与集成费用

   • YOLO算法模型训练与部署费用：X万元。
   • 系统集成与接口开发预算：X万元。

3. 人员投入

   • 人工标注及数据集准备：两个人月，约X万元。

4. 其他成本

   • 项目实施的杂项成本（如安全施工、摄像头防护、维护等）：X万元。

5. 总预算估算

   • 预计总投资金额：X万元。

---

注：以上方案及预算为初稿，具体细节需要进一步讨论与确认。