[發明專利]基于深度卷積神經網絡的高速鐵路接觸網故障診斷方法

有效

• 申請號: 201710493102.5
• 申請日: 2017-06-26
• 公開（公告）號: CN107437245B
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 劉志剛;王立有;陳雋文;韓志偉
• 申請（專利權）人: 西南交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/155;G06T7/73
• 代理公司: 成都信博專利代理有限責任公司 51200
• 代理人: 王沙沙

本發明公開了基于深度卷積神經網絡的高速鐵路接觸網故障診斷方法，包括以下步驟：獲取高速鐵路接觸網支撐裝置的二維灰度圖像；通過接觸網訓練集預訓練深度卷積神經網絡，并帶入faster RCNN中訓練，通過訓練出的模型提取二維灰度圖像中的等電位線并進行分割，獲得等電位線區域圖片；將獲得的等電位線區域圖片依次進行如下處理，調整其亮度和對比度、遞歸Otsu預分割、用ICM/MPM分割、腐蝕膨脹圖片，得到等電位線像素點，提取最大連通域并統計等電位像素點區域內的獨立連通域個數N；若N＞m則判斷為等電位線零部件出現散股故障；本發明可準確定位等電位線，提高了故障診斷準確率，符合實際生產需要。

技術領域

本發明涉及高速鐵路接觸網故障檢測領域，具體涉及一種基于深度卷積神經網絡的高速鐵路接觸網故障診斷方法。

背景技術

高速鐵路作為重要的基礎交通工具設施，其快速發展對安全問題提出了更高的要求；等電位線是接觸網支撐裝置的零部件之一，其作用是保證定位器支座和定位器之間的等電位連接；在高速鐵路上，在定位器支座和定位器之間的正反面均安裝等電位線，可見其重要性；基于圖像處理的非接觸式檢測技術在鐵路上的應用主要集中在接觸網幾何參數測量和弓網不良狀態檢測，如對定位器傾斜度的檢測、導高于拉出值的測量、接觸網風偏量檢測、受電弓滑板裂紋檢測等；針對接觸網支撐裝置的零部件故障檢測，采用的均是傳統特征提取方法對接觸網零部件定位；由于等電位線屬于非剛體、形態較多，利用已有的HOG特征或者SIGT特征，采用傳統的模板匹配方式不能取得令人滿意的效果。

發明內容

本發明提供一種具有較高檢測精度的基于深度卷積神經網絡的高速鐵路接觸網等電位線的散股故障診斷方法。

本發明采用的技術方案是：基于深度卷積神經網絡的高速鐵路接觸網故障診斷方法，包括以下步驟：

獲取高速鐵路接觸網支撐裝置的二維灰度圖像；

通過接觸網訓練集預訓練深度卷積神經網絡，并帶入目標檢測框架faster RCNN中訓練，通過訓練出的模型提取二維灰度圖像中的等電位線并進行分割，獲得等電位線區域圖片；

將獲得的等電位線區域圖片依次進行如下處理，調整其亮度和對比度、遞歸最大類間方差法Otsu方法預分割、用條件迭代模型-最大邊緣后驗概率算法(Iterationcondition model/maximization of the posterior marginal，ICM/MPM)算法分割、腐蝕膨脹圖片，得到等電位線像素點，提取最大連通域并統計等電位像素點區域內的獨立連通域個數N；

若N＞m則判斷為等電位線零部件出現散股故障。

進一步的，若N≤m則通過歸一化公式后的等電位線的像素值的標準差值的大小得出潛在故障的可能性；

歸一化方法如下：

標準差σ計算方法如下：

式中：w_i為等電位線的第i個位置像素值；w_min為等電位像素值中的最小值；w_max為等電位像素值中的最大值；為歸一化后等電位線像均值；v_i為歸一化后等電位線第i位置的像素值；N為等電位線像素點個數，σ為歸一化后等電位像素標準差。

進一步的，所述最大類間方差法Otsu方法預分割的方法包括以下步驟：

獲取等電位線區域圖片；

計算圖片中的灰度直方圖；

計算每個像素值出現的概率；

遍歷每個像素并計算類間方差；