[發(fā)明專利]一種高速鐵路接觸網(wǎng)懸掛裝置等電位線故障檢測方法

有效

• 申請?zhí)枺?/td>: 201610067029.0
• 申請日: 2016-01-30
• 公開（公告）號: CN105741291B
• 公開（公告）日: 2018-06-19
• 發(fā)明（設(shè)計(jì)）人: 高仕斌;劉志剛;劉文強(qiáng);胡冉冉
• 申請（專利權(quán)）人: 西南交通大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;B60M1/28
• 代理公司: 成都信博專利代理有限責(zé)任公司 51200
• 代理人: 張澎

本發(fā)明公開了一種高速鐵路接觸網(wǎng)懸掛裝置等電位線故障檢測方法。獲取的接觸網(wǎng)的全局和局部圖像中截取訓(xùn)練分類器所需的正負(fù)樣本；利用HOG算法對正負(fù)樣本圖像進(jìn)行特征提取，并將提取的特征輸入Adaboost級聯(lián)分類器和SVM支持向量機(jī)中進(jìn)行訓(xùn)練，利用訓(xùn)練好的分類器從整幅接觸網(wǎng)懸掛裝置圖像中識別定位待檢測的目標(biāo)圖像；對識別出來的目標(biāo)圖像進(jìn)行圖像預(yù)處理，利用水平集RSF模型進(jìn)行提取圖像目標(biāo)邊緣；計(jì)算故障等電位線圖像的連通域，求取連通域的個數(shù)和面積作為判別等電位線是否發(fā)生散股故障的準(zhǔn)則對接觸網(wǎng)懸掛裝置圖像中識別出來的等電位線進(jìn)行故障判斷。本發(fā)明較好地解決了高速接觸網(wǎng)懸掛裝置等電位線故障高效、快速的檢測，能夠滿足系統(tǒng)的在線檢測的實(shí)時(shí)性和精確性要求，應(yīng)用前景廣泛。

技術(shù)領(lǐng)域

本發(fā)明涉及高速鐵路接觸網(wǎng)在線檢測領(lǐng)域，尤其是實(shí)時(shí)在線檢測，高精度故障檢測技術(shù)領(lǐng)域。

背景技術(shù)

弓網(wǎng)系統(tǒng)為牽引供電系統(tǒng)中的關(guān)鍵組成部分，弓網(wǎng)系統(tǒng)必須保證牽引網(wǎng)把電能輸送給電力機(jī)車使用，以保障電力機(jī)車的正常運(yùn)行。由于受電弓和接觸網(wǎng)之間存在非常復(fù)雜的力學(xué)與電氣的交互影響作用，其故障率一直處于較高的狀態(tài)，因此，對弓網(wǎng)系統(tǒng)進(jìn)行高效的實(shí)時(shí)檢測，實(shí)時(shí)掌握弓網(wǎng)系統(tǒng)的工作情況，及時(shí)檢測不良狀態(tài)并對不良狀態(tài)進(jìn)行維修和維護(hù)具有重要的意義。

傳統(tǒng)的弓網(wǎng)檢測主要以人工作業(yè)為主，需要工作人員登到車頂檢測受電弓而且要登桿檢測接觸網(wǎng)。人工作業(yè)工作量大，且具有一定的危險(xiǎn)性，不能滿足高速鐵路對檢測效率與檢測結(jié)果可靠性等的要求。非接觸式檢測具有遠(yuǎn)離電磁干擾、檢測精度高、結(jié)構(gòu)簡潔、成本低等優(yōu)點(diǎn)，相比人工檢測具有極其明顯的優(yōu)勢。在非接觸式弓網(wǎng)檢測方法中，使用基于圖像采集與處理技術(shù)的圖像檢測技術(shù)可以減少設(shè)備的使用數(shù)量同時(shí)降低投資，這是因?yàn)樵摷夹g(shù)可以用單一的設(shè)備同時(shí)檢測多種弓網(wǎng)的零部件，目前已成為弓網(wǎng)檢測領(lǐng)域的研究熱點(diǎn)。

現(xiàn)有的非接觸網(wǎng)式圖像檢測裝置，主要依靠安裝在檢測車頂部的線陣CCD攝像機(jī)拍攝檢測圖像，在故障識別方面主要依靠人眼觀察，自動化程度較低，處理速度較慢。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種高速鐵路接觸網(wǎng)懸掛裝置等電位線故障檢測方法。該方法實(shí)現(xiàn)了等電位線的散股故障的自動化檢測，提高了檢測效率和檢測精度。

本發(fā)明的目的是通過如下的手段實(shí)現(xiàn)的：

一種高速鐵路接觸網(wǎng)懸掛裝置等電位線故障檢測方法，在軌道檢測車頂安裝高速攝像機(jī)，對沿途的接觸網(wǎng)懸掛裝置進(jìn)行拍攝，獲取接觸網(wǎng)的全局和局部圖像；從拍攝到的圖像中截取訓(xùn)練分類器所需的正負(fù)樣本，其中包含等電位線的圖片為正樣本，不含等電位線的為負(fù)樣本；利用HOG算法對正負(fù)樣本圖像進(jìn)行特征提取，并將提取的特征輸入Adaboost級聯(lián)分類器和SVM支持向量機(jī)中進(jìn)行訓(xùn)練，利用訓(xùn)練好的分類器從整幅接觸網(wǎng)懸掛裝置圖像中識別定位待檢測的目標(biāo)圖像；對識別出來的目標(biāo)圖像進(jìn)行圖像預(yù)處理，利用水平集RSF模型進(jìn)行提取圖像目標(biāo)邊緣；計(jì)算故障等電位線圖像的連通域，求取連通域的個數(shù)和面積，作為判別等電位線是否發(fā)生散股故障的準(zhǔn)則(面積指連通域內(nèi)的像素個數(shù))，根據(jù)建立的故障判斷準(zhǔn)則對接觸網(wǎng)懸掛裝置圖像中識別出來的等電位線進(jìn)行故障判斷。其具體工作步驟包含：

A、利用軌道檢測車頂安裝高速攝像機(jī)，對沿途的接觸網(wǎng)懸掛裝置進(jìn)行拍攝，獲取接觸網(wǎng)的全局和局部圖像；

B、對采集的圖像實(shí)現(xiàn)接觸網(wǎng)等電位線識別和定位：

a、從拍攝到的圖像中截取訓(xùn)練分類器所需的正負(fù)樣本，其中包含等電位線的圖片為正樣本，不含等電位線的為負(fù)樣本；

b、利用HOG算法對正負(fù)樣本圖像進(jìn)行特征提取；

c、將提取的特征輸入Adaboost級聯(lián)分類器和SVM支持向量機(jī)中進(jìn)行訓(xùn)練，得到分類器；

d、利用訓(xùn)練好的分類器從整幅接觸網(wǎng)懸掛裝置圖像中識別定位待檢測的目標(biāo)圖像。

C、建立接觸網(wǎng)等電位線故障判斷準(zhǔn)則，實(shí)現(xiàn)對接觸網(wǎng)等電位線故障判斷：