1.本发明属于车辆监测技术领域，具体是车钩状态监测系统。
背景技术：
2.列车运行中，车体严重错位除产生机车渡板变形外，同时带来一定安全隐患，严重时甚至可能引发列车脱线、颠覆事故；当列车以一定速度通过弯道时，由于受弯道曲线的影响，在离心力作用下更加容易发生意外；
3.现有的技术中，对于车钩的运行状态无法做到有效监测，从而导致车钩状态出现异常时无法及时被发现，存在安全隐患，为此，现提供车钩状态监测系统。
技术实现要素：
4.本发明的目的在于提供车钩状态监测系统。
5.本发明的目的可以通过以下技术方案实现：车钩状态监测系统，包括监控中心，所述监控中心通信连接有数据采集模块、数据处理模块、数据分析模块、可视化模块以及预警模块；
6.所述数据采集模块由若干个摄像头组成，用于检测列车错位程度、车钩运行状态以及列车转向架构架运动情况，并将数据采集模块获取到的数据实时发送至数据处理模块；
7.所述数据处理模块，用于对数据采集模块获取到的数据进行处理，并获得处理结果，然后将处理结果发送至数据分析模块；
8.所述数据分析模块，用于对数据处理模块的处理结果进行分析，并输出分析结果；
9.所述可视化模块，用于将列车轮对运行状态和钢轨状态进行可视化显示；
10.所述预警模块，用于列车运行状态出现异常时，发出预警信息。
11.进一步的，所述列车的轮对运行情况的获取过程包括：在屏幕上固定6条检测线，分别获取3条检测线与轮对边缘以及3条检测线与钢轨边缘的交界点，并将每个交界点分别进行标记；利用图像边缘识别算法，实时侦测3条检测线与轮对边缘以及3条检测线与钢轨边缘的交界点。
12.进一步的，所述数据采集模块的设置方式包括：设置有a、b两节车厢，且a、b两节车厢之间通过车钩进行连接；在a车厢的尾部取一中心点，并将该中心点标记为m点，以m点为起点，作a车厢的中轴线，在m点处安装摄像头，且拍摄方向垂直于a车厢尾部表面，在b车厢头部取一中心点，并将该中心点标记为n点，利用图像识别方法，锁定n点，并将m点和n点连接，形成连接线，并将该连接线标记为mn；再将a车厢上的车钩的钩头中心标记为a点，将b车厢上的车钩的钩头中心标记为b点，将a点和b点进行连接，形成连接线，并将连接线标记为ab；将钩舌的最高点和最低点分别标记为m点和n点，并将m点和n点进行连接，形成连接线，并将连接线标记为mn。
13.进一步的，数据处理模块对获取到的数据进行处理的过程包括：获取连接线mn与a
车厢的中轴线的夹角α，获取连接线mn与连接线ab之间的偏转角β；通过图像边缘识别算法，对列车的轮对边缘以及钢轨边缘进行去边缘化处理；根据检测线与轮对边缘的交界点以及检测线与钢轨边缘的交界点建立轮对运行模型，然后将获得的实际轮对运行状态导入至轮对运行模型中进行神经网络训练，然后生成训练结果。
14.进一步的，所述数据分析模块的分析过程包括：获得3条检测线与轮对边缘以及3条检测线与钢轨边缘的交界点的像素距离，并通过轮对运行模型计算实际的轮对偏移量和钢轨偏移量，通过获得的每个交界点的实际距离值与训练距离值，获得实际距离值与训练距离值差值的绝对值，从而得到轮对偏移量和钢轨偏移量；分别设置轮对偏移阈值区间和钢轨偏移阈值区间，并将轮对偏移量和钢轨偏移量分别与轮对偏移阈值区间和钢轨偏移阈值区间进行比较，然后输出比较结果。
15.进一步的，像素距离的获取过程包括：获得的图像进行栅格化处理；在栅格化处理后的图像中建立二维坐标系，并获得二维坐标系中每个交界点的坐标；通过每个交界点的坐标，计算获得每个交界点的像素距离，并将像素距离进行标记。
16.进一步的，训练距离值和实际距离值的获取过程包括：通过神经网络训练分别获得检测线与轮对边缘以及检测线与钢轨边缘的轮对距离训练集和钢轨距离训练集；分别将3条检测线与轮对边缘以及3条检测线与钢轨边缘的交界点的像素距离导入至轮对距离训练集和钢轨距离训练集中，获得每个交界点的训练距离值；再将像素距离代入轮对运行模型，通过轮对运行模型，将像素距离转化为实际距离，并将每个交界点的实际距离值进行记录。
17.进一步的，预警模块的预警过程包括：获取连接线mn与a车厢的中轴线的夹角α以及连接线mn与连接线ab之间的偏转角β；当α＞a0时，判定列车处于弯道阶段，然后获取列车轮对运行状态和钢轨状态，若列车轮对运行状态和钢轨状态正常，则判定列车安全；若列车轮对运行状态异常或钢轨状态异常，则发出一级警报；在一级警报的基础上，当连接线mn与连接线ab之间的偏转角β＞a1时，则判定列车车钩存在脱钩的隐患，并生成二级警报，其中a0、a1均为角度阈值，且a0和a1均大于0。
18.本发明的有益效果：通过数据采集模块获取列车错位程度、车钩运行状态以及列车转向架构架运动情况，从而获得列车的轮对偏移量和钢轨偏移量，当轮对偏移量处于轮对偏移阈值区间范围内，则判定列车轮对运行状态正常；当轮对偏移量超过偏移阈值区间范围，则判定列车存在脱线隐患；当钢轨偏移量位于钢轨偏移阈值范围内，则判定钢轨状态正常，则钢轨偏移量超过钢轨偏移阈值范围，则判定钢轨状态异常，然后再通过预警模块对车钩运行状态进行分析，并根据结果发出预警信息，从而能够使得列车错位程度、车钩运行状态以及列车转向架构架运动情况能够得到实时的监测，使得车钩在运行过程中出现异常能够即时被监控，降低安全隐患。
附图说明
19.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
20.图1为车钩状态监测系统的原理框图。
具体实施方式
21.车体错位的原因分析：
22.(1)当列车以一定速度通过弯道时，在离心力作用下，一是车体与构架的中心轴线均偏离轨道中心轴线；二是因轮对自身结构及曲线路段外轨长于内轨的特点，外侧车轮轮缘在一定限度内爬上钢轨，以较内侧车轮更大的滚动圆直径运行。
23.(2)此外，由于受弯道曲线的影响，中部机车的前节车与后节车呈现出一定夹角；当中部机车重联车钩处于自由状态时，在离心力与蛇形运动共同作用下，可能出现前节车后部轮对沿曲线外侧钢轨运行，而后节车前部轮对沿曲线内侧钢轨运行，此时就出现了较大的中部机车重联端两车体错位，同时，车钩随车体摆动导致产生车钩摆角，特别是当通过弯道曲率变化点时，车体错位将更加严重。
24.如图1所示，车钩状态监测系统，包括监控中心，与监控中心通信连接的数据采集模块、数据处理模块、数据分析模块、可视化模块以及预警模块；
25.所述数据采集模块由若干个摄像头组成，用于检测列车错位程度，在具体实施过程中，所述数据采集模块的设置方式包括：设置a、b两节车厢，且a、b两节车厢之间通过车钩进行连接；在a车厢的尾部取一中心点，并将该中心点标记为m点，以m点为起点，作a车厢的中轴线，在m点处安装摄像头，且拍摄方向垂直于a车厢尾部表面，在b车厢头部取一中心点，并将该中心点标记为n点，利用图像识别方法，锁定n点，并将m点和n点连接，形成连接线，并将该连接线标记为mn。
26.所述数据采集模块还用于获得车钩运行状态，在具体实施过程中，将a车厢上的车钩的钩头中心标记为a点，将b车厢上的车钩的钩头中心标记为b点，将a点和b点进行连接，形成连接线，并将连接线标记为ab；将钩舌的最高点和最低点分别标记为m点和n点，并将m点和n点进行连接，形成连接线，并将连接线标记为mn；
27.所述数据采集模块还用于获取列车转向架构架运动情况，在具体实施过程中，在车体下方安装摄像头，通过摄像头获取四个转向架与车体相对的位移以及轮对运动情况；其中，摄像头采用宽温摄像机，并在摄像头旁安装led光源；需要进一步说明的是，列车在运行过程中，转向架本身结构会对摄像头的拍摄造成阻挡，因此摄像头的作用主要记录列车的轮对运行情况；
28.所述列车的轮对运行情况的获取过程具体包括以下步骤：
29.步骤d1：在屏幕上固定6条检测线，分别获取3条检测线与轮对边缘以及3条检测线与钢轨边缘的交界点，并将每个交界点分别进行标记；
30.步骤d2：建立像素距离和偏移量对应的数学关系模型，所述偏移量包括轮对偏移量和钢轨偏移量；
31.步骤d3：利用图像边缘识别算法，实时侦测3条检测线与轮对边缘以及3条检测线与钢轨边缘的交界点。
32.所述数据处理模块用于对数据采集模块获取到的数据进行处理，具体处理过程包括以下步骤：
33.步骤c1：获取连接线mn与a车厢的中轴线的夹角，并将连接线mn与a车厢的中轴线
的夹角标记为α
34.步骤c2：获取连接线mn与连接线ab之间的偏转角，并将连接线mn与连接线ab之间的偏转角标记为β；
35.步骤c3：通过图像边缘识别算法，对列车的轮对边缘以及钢轨边缘进行去边缘化处理，即通过图像边缘识别算法，确定轮对位置以及钢轨位置，并将轮对位置与钢轨位置以外的图像区域进行去除；
36.步骤c4：根据检测线与轮对边缘的交界点以及检测线与钢轨边缘的交界点建立轮对运行模型，然后将获得的实际轮对运行状态导入至轮对运行模型中进行神经网络训练，然后生成训练结果，并将训练结果发送至数据分析模块。
37.所述数据分析模块用于对数据处理模块的处理结果进行分析，具体分析过程包括以下步骤：
38.步骤f1：根据获得的3条检测线与轮对边缘以及3条检测线与钢轨边缘的交界点，计算像素距离，具体过程包括以下步骤：
39.步骤f11：获得的3条检测线与轮对边缘以及3条检测线与钢轨边缘的交界点进行标记，然后将获得的图像进行栅格化处理；
40.步骤f12：在栅格化处理后的图像中建立二维坐标系，并获得二维坐标系中每个交界点的坐标；
41.步骤f13：通过每个交界点的坐标，计算获得每个交界点的像素距离，并将像素距离进行标记；
42.步骤f2：将获得的像素距离通过轮对运行模型计算实际的轮对偏移量和钢轨偏移量，具体过程包括以下步骤：
43.步骤f21：通过神经网络训练分别获得检测线与轮对边缘以及检测线与钢轨边缘的轮对距离训练集和钢轨距离训练集；
44.步骤f22：分别将3条检测线与轮对边缘以及3条检测线与钢轨边缘的交界点的像素距离导入至轮对距离训练集和钢轨距离训练集中，获得每个交界点的训练距离值；
45.步骤f23：再将像素距离代入轮对运行模型，通过轮对运行模型，将像素距离转化为实际距离，并将每个交界点的实际距离值进行记录；
46.步骤f3：通过获得的每个交界点的实际距离值与训练距离值，获得实际距离值与训练距离值差值的绝对值，从而得到轮对偏移量和钢轨偏移量；
47.步骤f4：分别设置轮对偏移阈值区间和钢轨偏移阈值区间，并将轮对偏移量和钢轨偏移量分别与轮对偏移阈值区间和钢轨偏移阈值区间进行比较，然后输出比较结果；
48.步骤f5：当轮对偏移量处于轮对偏移阈值区间范围内，则判定列车轮对运行状态正常；当轮对偏移量超过偏移阈值区间范围，则判定列车存在脱线隐患；当钢轨偏移量位于钢轨偏移阈值范围内，则判定钢轨状态正常，则钢轨偏移量超过钢轨偏移阈值范围，则判定钢轨状态异常；
49.步骤f6：将获得的轮对偏移量和钢轨偏移量发送至可视化模块，同时将系统对轮对和钢轨的判定结果发送至预警模块。
50.所述可视化模块用于将列车轮对运行状态和钢轨状态进行可视化显示，具体过程包括以下步骤：
51.步骤k1：建立钢轨轨道二维模型，并将获得的钢轨偏移量映射至钢轨轨道二维模型的对应位置；然后将列车所在位置在钢轨轨道二维模型内的对应位置进行标记，并记为列车标记点。
52.步骤k2：将轮对偏移量映射至钢轨轨道二维模型的对应位置；
53.步骤k3：当钢轨状态正常时，则不对钢轨轨道进行操作；当钢轨轨道状态异常时，则在钢轨轨道二维模型内相应位置将轨道进行高亮标记；当轮对运行状态正常时，则将列车标记点为绿色，当轮对运行状态异常时，则列车标记点转化为红色。
54.需要进一步说明的是，在具体实施过程中，当钢轨偏移量或轮对偏移量处于对应阈值范围内时，则钢轨偏移量或轮对偏移量不进行主动显示，当钢轨偏移量或轮对偏移量超过对应阈值范围时，则将钢轨偏移量或轮对偏移量在钢轨轨道二维模型内进行显示，显示内容包括钢轨偏移量或轮对偏移量、时间点以及位置坐标。
55.所述预警模块用于列车运行状态出现异常时，发出预警信息，具体过程包括以下步骤：
56.步骤y1：获取连接线mn与a车厢的中轴线的夹角α以及连接线mn与连接线ab之间的偏转角β；
57.步骤y2：当α＞a0时，判定列车处于弯道阶段，然后获取列车轮对运行状态和钢轨状态，若列车轮对运行状态和钢轨状态正常，则判定列车安全；若列车轮对运行状态异常或钢轨状态异常，则发出一级警报；
58.步骤y3：在一级警报的基础上，当连接线mn与连接线ab之间的偏转角β＞a1时，则判定列车车钩存在脱钩的隐患，并生成二级警报。
59.需要进一步说明的是，上述a0、a1均为角度阈值，且a0和a1均大于0。
60.在本发明所提供的实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式；所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
61.最后应说明的是，以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。