[發明專利]一種適用于鐵路接觸網故障監測的圖像檢測裝置

在審

• 申請號: 202210979248.1
• 申請日: 2022-08-16
• 公開（公告）號: CN115291042A
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 江興盟;胡代弟
• 申請（專利權）人: 鄭州鐵路職業技術學院
• 主分類號: G01R31/08
• 分類號: G01R31/08;G06N3/04;G06N3/08;G06V10/764;G06V10/82
• 代理公司: 鄭州博派知識產權代理事務所(特殊普通合伙) 41137
• 代理人: 榮永輝

1.一種適用于鐵路接觸網故障監測的圖像檢測裝置，其特征在于，具體包括：

電流監測模塊，圖像監測模塊，受流狀態檢測模塊，異物識別模塊，健康度評估模塊；

其中所述電流監測模塊負責對接觸網的輸出電流進行監測，并當所述輸出電流的幅值大于第一電流閾值且所述電流一分鐘的變動率大于第一變化閾值時，將開啟信號傳輸至所述圖像監測模塊；

所述圖像監測模塊包括基本圖像模塊和紅外圖像模塊，其中所述基本圖像模塊拍攝所述接觸網得到基本圖像，并將所述基本圖像傳輸至異物識別模塊和過流監測模塊，所述紅外圖像模塊負責獲取所述接觸網的紅外圖像，并將所述紅外圖像傳輸至過流監測模塊；

所述受流狀態監測模塊基于所述紅外圖像得到所述接觸網與受電弓接觸處的溫度，基于所述溫度、所述電流確定所述接觸網的燃弧率，基于所述基本圖像，通過采用GWO-AlexNet算法與Faster-RCNN算法的圖像預測模型得到所述接觸網的狀態分數，并基于所述狀態分數和所述燃弧率，通過采用SA-GBDT算法和PSO-BP神經網絡算法的預測模型得到所述受流狀態指數，并將所述受流狀態指數傳輸至所述健康度評估模塊；

所述異物識別模塊基于所述基本圖像，采用基于Faster-RCNN算法的預測模型得到異物識別狀態，并將所述異物識別狀態傳輸至所述健康度評估模塊；

所述健康度評估模塊基于所述異物識別狀態和所述受流狀態指數，得到所述接觸網的健康度指數，并基于所述健康度指數確定所述接觸網的狀態。

2.根據權利要求1所述的適用于鐵路接觸網故障監測的圖像檢測裝置，其特征在于，產生所述開啟信號的具體步驟為：

S11提取得到所述接觸網的電流；

S12確定所述電流是否大于第一電流閾值，若所述電流大于第一電流閾值，進入步驟S13；

S13確定所述電流一分鐘的變動率是否大于第一變化閾值，若所述電流的變化率大于第一變化率閾值，則產生所述開啟信號，并將所述開啟信號傳輸至所述圖像監測模塊。

3.根據權利要求2所述的適用于鐵路接觸網故障監測的圖像檢測裝置，其特征在于，當所述電流大于第二電流閾值時，直接產生所述開啟信號，并將所述開啟信號傳輸至所述圖像監測模塊，所述第一電流閾值小于所述第二電流閾值。

4.根據權利要求1所述的適用于鐵路接觸網故障監測的圖像檢測裝置，其特征在于，所述燃弧率的計算公式為：

R＝K₁(1+K₃)^T(1+K₂ln(1+I))

其中K₁、K₂、K₃為常數，T為接觸網與受電弓接觸處的溫度，I為所述接觸網的電流，R為燃弧率。

5.根據權利要求1所述的適用于鐵路接觸網故障監測的圖像檢測裝置，其特征在于，得到所述受流狀態指數的具體步驟為：

S21確定所述燃弧率是否大于第一燃弧率閾值，當所述燃弧率大于第一燃弧率閾值時，進入步驟S22；

S22確定所述狀態分數是否大于第一狀態閾值，當所述狀態分數大于第一狀態閾值時，進入步驟S23；

S23基于所述燃弧率和狀態分數確定所述受流狀態指數。

6.根據權利要求1所述的適用于鐵路接觸網故障監測的圖像檢測裝置，其特征在于，所述接觸網的狀態分數的確定的具體步驟為：

S31基于所述接觸網的基本圖像，并將所述基本圖像送入到基于GWO-AlexNet算法的圖像預測模型之中，得到所述Alex狀態分數，并為所述Alex狀態分數賦予Alex權值；

S32基于所述接觸網的基本圖像，并將所述基本圖像送入到基于Faster-RCNN算法算法的圖像預測模型之中，得到所述RCNN狀態分數,并為所述RCNN狀態分數賦予RCNN權值；

S33基于所述Alex狀態分數、Alex權值、RCNN狀態分數、RCNN權值得到所述接觸網的狀態分數。