摘要

轮对作为轨道车辆走行部的核心部件，其服役状态直接关系到行车安全与乘坐舒适性。车轮车轮失圆（Out-of-Roundness, OOR，包含多边形化及踏面擦伤）是导致轮轨高频冲击、引起钢轨波磨及车辆部件结构疲劳失效的主要诱因。

本方案针对传统静态测量效率低、现动态检测系统精度随车速衰减大、抗车体晃动干扰能力差等技术痛点，提出并在实验层面验证了一种融合柔性平行四边形随动机构与高速线性激光三角测距技术的综合解决方案。方案基于列车动力学模型，利用机器视觉中的PSO-SVM（粒子群优化支持向量机）进行特征识别，结合LTP系列激光位移传感器实现非接触式微米级踏面复原。实验数据表明，系统车轮不圆度检测重复性标准差控制在±0.09mm以内，绝对误差对比平均值低于0.37mm，并在最高40km/h的入库工况下保持高适应性。

1. 行业背景与应用挑战

1.1 问题定义

随着铁路提速，轮轨相互作用加剧。车轮失圆主要表现为两种形式：

1. 高通特征（车轮扁疤/擦伤）： 剧烈的脉冲式冲击，快速破坏钢轨表面；

2. 低通特征（车轮多边形）： 高达20阶以上的简谐波纹磨耗，引起车体及轮轴系统的高频共振。

1.2 现有技术瓶颈

• 轮轨冲击振动干扰：车辆行驶时伴随蛇行运动与垂向震动，传统激光位移探头是固定于钢轨两侧的，而车轮相对于钢轨在跳动，若无复杂的补偿算法，无法区分通过时的震动位移与车轮本身的几何失圆。

• 采样频率与车速的矛盾：当车速达10m/s (36km/h)时，若要获得1mm级分辨率的周向采样，传感器需具备极高的采样率与线性度。普通工业传感器难以在室外强光、油污环境下依然保证微米级精度。

• 适应性差：既有擦伤检测设备往往对通过速度十分敏感，普通机械杆件在超过15km/h会发生“脱空飞车”现象（杆件弹跳脱离轮对），导致无法全覆盖检测。

2. 总体技术路径与系统架构

本方案不再依赖单一检测原理，而是构建了**“粗精耦合”的双模态检测架构**。

2.1 物理建模核心思想

技术方案首先建立车轮失圆动力学仿真模型。基于Abaqus/Explicit与SIMPACK联合仿真环境下的刚柔耦合多体动力学理论：
$M\ddot{x}+C\dot{x}+Kx=F(t)$
其中$F(t)$并非恒定值，而是由车轮瞬时不圆度$R(\theta )$诱发的变量。通过预先仿真不同阶数（1-25阶多边形）及不同深度擦伤（0.1mm-1.0mm）对钢轨垂向变形$d(Rail)$的关联库，为反向利用传感器数据推算车轮形状奠定频域分离的理论基础。

2.2 两大核心硬件子系统

1. 平行四边形随动接触测量子系统：专司车轮轮对的大型几何参数与深度擦伤及早发现。

2. LTP激光三角精密扫描子系统：采用三布点弦测法逻辑，非接触反演车轮精密波长图谱，用于高阶多边形的量化评级。

3. 关键子系统详细设计与实施

在本环节中，我们将详细阐述高润博士研究中的“平行四边形机构优选（Mechanism Optimization）”与行业领先的LTP传感器硬件选型如何结合。

3.1 基于刚柔耦合平行四边形机构的高速适应性改进

为了解决接触式测量（如位移尺）在车速提高后的振动与脱离，本方案引入了特定的平行四边形随动结构。

1. 动力学瓶颈突破：传统转臂式测量在车速超14km/h时，机构会因加速度过大而产生过大的冲击，导致测量臂反弹。本方案引入并联液压阻尼器结合刚性扭簧结构。

• 仿真优化：通过对阻尼系数 $c$ 与弹簧刚度 $k$ 的参数敏感性分析（Sensitivity Analysis），将最佳阻尼响应设置，使系统在受车轮瞬间挤压时形成类似“低通滤波”的柔顺下压效果。

• 效果量化：经过参数优选后，机构抗“飞车”的速度阈值由既有的14 km/h提升至40 km/h。这对于列车正线低速通过或入库不停车检测至关重要，极大地提高了检测效率。

2. 结构设计特点：测量梁需采用轻量化高模量合金材料，以减小运动构件惯性质量($M$)，提高固有频率，响应车轮瞬间擦伤造成的形变。

3.2 激光测量传感器选型方案 (核心组件：LTP系列高速位移传感器)

车轮不圆度检测的最终精度，取决于获取车轮轮廓采样点的密度与精度。方案选用LTP系列高速高精度激光三角位移传感器，技术指标对于各阶次多边形“重构”起到了决定性支撑作用。

3.2.1 为什么选择LTP系列？技术数据支撑：

车轮直径一般840mm左右，若车速36km/h (360米/分钟)，车轮转速约为2.27转/秒。如果要捕捉第20阶多边形，至少要在每一阶对应弧段上采集至少10个点才能还原波形（内奎斯特采样理论需更高），这意味着需要极高频率。

• 线性精度（Linearity） ：LTP系列通常拥有$\pm 0.02\mathrm{\%}F\mathrm{.}S\mathrm{.}$的指标。对于量程50mm-100mm的位移传感器，误差控制在10-20微米以内。相比车轮失圆管控线0.05-0.10mm而言，其分辨力（Resolution /0.5$\mu m$）完全满足20kHz以上的高频振动微小幅值特征提取。

• 高速响应（Sampling Rate） ：LTP支持高达几十kHz（典型为20-50kHz）的采样频率。在车轮高速转动瞬间，每位移1毫米即可获得5-10个真值采样点，有效规避了“离散采样混叠”造成的形状误判。

• 环境适应性（Auto-Gain Control） ：列车车轮表面状况极其复杂，既有光亮带也有生锈面，普通光电传感器会产生漫反射强度剧变干扰。LTP系列内置专用CMOS与实时AGC算法，能自适应高反光或墨黑色暗面，这保证了多边形数据波峰波谷不出现“断崖式”缺数。

3.2.2 传感器布控布局：弦测原理工程化

采用“三点位同步检测法”（Three-point Method），如下图示意分布：

• 主控探头（LTP-1）/ 辅助探头（LTP-2, LTP-3） ：分别安装于轨旁特定夹具，形成不同夹角。

• 逻辑：单个激光数值反映的是“车轮半径变化+车体整体垂向位移”，三个探头在同一弦长位置数据联动，可通过数学差分消去“车刚体位移”，只保留圆周轮廓$r(\theta )$。因为LTP传感器极高的同步性，确保了算法输入的$t_0,t_1$时刻数据对齐偏差<10微秒。

4. 核心算法模型：从信号到诊断

算法是连接物理测量值与车轮运行品质评价的桥梁，也是本技术方案的知识含量高低的关键区分。

4.1 基于EMD与能量聚焦的一级特征降噪

传感器在现场采集到的通常是含噪混合信号 $S(t)=S_{wheel}(t)+S_{rail}(t)+Noise$。方案采用经验模态分解（EMD, Empirical Mode Decomposition）：

1. 将LTP采集的高频位移信号自适应分解为若干个固有模态函数（IMF）。

2. 剔除体现由于钢轨平整度引起的高幅低频IMF1/IMF2分量。

3. 保留体现车轮局部周期变动的高阶成分，利用自相关系数法筛选出真正代表“车轮缺陷”的能量聚集区。

4.2 基于PSO-SVM的智能分类与缺陷分级

仅知道形状不圆是不够的，必须智能判别是哪种缺陷（例如：这是一个新生成的0.5mm擦伤，还是一个已经形成的20阶多边形？）。

• 本方案采纳了文献中的前沿算法：粒子群优化支持向量机 (Classification of Wheel Defects) 。

• 特征向量输入：从经过希尔伯特变换后的模态信号中提取能量熵、峭度因数、波峰因数作为特征向量。

• 模型训练：基于Abaqus仿真的已知故障库（Labeled Data）训练SVM超平面。

• 性能提升：传统SVM在核参数选择上依靠人工调教。采用PSO（粒子群算法）自动寻优惩罚因子C和RBF核参数$g$，使分类准确率从基准的85%提升至可用于全自动判断的95%以上。

4.3 统计与拼接复原算法（Whole-Review Statistical Method）

为克服传统单圆截面只能管中窥豹的问题，方案引入车轮直径统计融合策略：
通过布置多组LTP阵列，对重复驶过多组探头的列车进行连续多段采样拼接，构建全圆周3D偏差地貌图（Topography），直观显示扁疤最可疑的准确相位角与扩展长度。

5. 实验验证解析及实际交付指标

技术方案的有效性基于严格的车轨耦合仿真与台架或现场实验数据对比（以论文中公开结论作为支撑依据）：

5.1 平行四边形随动机构响应测试验证

在标准车道环境搭建实验：

• 对照组：传统刚性连杆接触。

• 实验组：带有优化阻尼系数的柔性平行四边形机构。

• 工况设置：人为制造0.5mmm/1.0mm深度的标准化平斑，试验速度在5 km/h到40 km/h梯度递增。
  实验结果显示，优化系统在40 km/h速度下，依旧能清晰复现平疤产生的倒三角形时域加速波，幅值衰减控制在 <6%，无明显的脱离回弹杂波，验证了物理结构的宽速域适应能力。

5.2 多波束LTP激光测量系统的精度验证及数据对比

实验采样某实车轮对，选取标准轮经尺人工复核最为本次方案的一致性依据（Ground Truth）。

6. 与竞品方案对比优势总结 (Why This Solution Does Better)

7. 高鲁棒性工程实施建议与结论

在实际的车辆段（Depot）或检测棚（She’d）实施该方案时，建议从两个维度确保落地：

1. 地基与光环境：LTP激光传感器对微小形变极为敏感，检测轨区域需要进行隔离带设计，建议配套安装高频光源屏蔽罩（Physical Shuttling），减少正午阳光漫反射影响，并将基座独立于地基灌浆，避免邻道行车震动通过大地传导形成白噪声背景。

2. 定期的校准策略（Master Calibration） ：定期使用检定过的标准圆盘样件通过检测区，确认PSO神经网络算法是否存在过拟合现象或传感器热漂移，保证数据置信度。

结论

基于高润博士在刚柔耦合测量机构上的力学创新以及当前商用LTP系列激光传感器的卓越光电性能，二者的系统集成应用将车轮检测正式推进了4.0时代。本方案不仅解决了低速检测冲击难判定的行业难题，其0.37mm内的车轮直径偏差识别水平已经完全满足《铁路货车轮对运用监测管理规程》及动车组高级修的技术条件，实现了从“检修维护型”向“预测健康管理型（PHM）”的关键跨越，是投资回报率极高的智能检测技术路线。