馬文龍 中車青島四方機車車輛股份有限公司
紫外成像技術(shù)是攝取目標(biāo)在紫外波段的空間特征,將較大視場范圍內(nèi)的紫外場景成像在紫外增強器的光敏面上,紫外增強器將極其微弱的紫外輻射圖像轉(zhuǎn)換成可見光信號輸出,然后將可見光信號轉(zhuǎn)換為數(shù)字視頻圖像,并按照一定接口形式傳輸?shù)焦怆妶D像采集分析系統(tǒng),通過信號處理傳入觀察記錄設(shè)備中,同時對采集到的圖像進(jìn)行存儲和處理,紫外傳感器實時對弓網(wǎng)運行區(qū)域進(jìn)行紫外線檢測,當(dāng)出現(xiàn)紫外線時,紫外傳感器對紫外線出現(xiàn)的時長及強度進(jìn)行檢測,同時紫外相機對燃弧發(fā)生瞬間進(jìn)行圖像采集。采集到的結(jié)果通過智能分析程序進(jìn)行分析,給出報警結(jié)果。
火花放電、火花頻率較高、火花較大。火花放電指產(chǎn)生火花超過碳滑板厚度一半的故障;火花頻率較高指火花每發(fā)生10次的總時間間隔在10秒鐘內(nèi)(可手動設(shè)置)的故障;火花較大指火花超過全-景狀態(tài)的1/20畫面(可手動設(shè)置)的故障;預(yù)警(火花放電)、告警(火花頻率較高、火花較大);火花監(jiān)測基于實際區(qū)域,根據(jù)需要重新配置參數(shù)。
列車運行過程中振動劇烈時,會導(dǎo)致受電弓滑板與接觸導(dǎo)線出現(xiàn)脫離,在離線的瞬間,電流會擊穿受電弓滑板與接觸導(dǎo)線產(chǎn)生放電現(xiàn)象,形成燃弧。在EN 50317-2002標(biāo)準(zhǔn)指出,銅及銅合金的接觸線產(chǎn)生的燃弧存在220nm-225nm或323nm-329nm的波段。該波段屬于紫外波段。因此,可通過紫外線模塊的方式來檢測列車在運行過程中的拉弧現(xiàn)象,主要包括燃弧強度、燃弧時長以及燃弧率。其中,燃弧率由式(3.1)計算,
列車運行過程中,受電弓與接觸網(wǎng)通過接觸點形成一個相互振蕩與耦合的振動系統(tǒng)。當(dāng)振動劇烈時,可能造成受電弓滑板與接觸導(dǎo)線脫離接觸,在離線的瞬間,電流擊穿滑板和接觸線之間空氣間隙,產(chǎn)生放電現(xiàn)象,形成燃弧。用紫外相機測量車輛運行過程中燃弧現(xiàn)象(燃弧強度、燃弧時長、燃弧率),并能自動報警。
通過上面的分析我們知道使用傳統(tǒng)算法對監(jiān)控相機燃弧圖片進(jìn)行分析會收到背景干擾,無法正常工作,那么使用紫外傳感器和紫外相機結(jié)合,對紫外相機抓拍的結(jié)果經(jīng)過分析會比較簡單。
通過設(shè)置的ROI,在ROI中做閾值分割,得到閾值分割結(jié)果。我們可以依據(jù)分割圖像的分析特征進(jìn)行異常判斷。但是在復(fù)雜背景,會存在無法正常提取受電弓的情況,傳統(tǒng)的方法是無法正常分割到受電弓的,這樣就無法進(jìn)行故障檢測及報警了。
計算機圖形圖像處理技術(shù)指的是在計算機技術(shù)飛速發(fā)展的背景下應(yīng)運而生的一種圖形處理技術(shù),計算機圖形圖像處理是利用計算機對圖像進(jìn)行分析,以滿足所需的結(jié)果,計算機圖形圖像處理技術(shù)又稱為影像處理。其中圖像處理單指對數(shù)字圖像的處理,數(shù)字圖像又指的通過工業(yè)相機或者攝像機拍攝得到的二維數(shù)據(jù),該二維數(shù)據(jù)中的元素稱之為像素,值為灰值度。圖像處理技術(shù)主要由圖像壓縮,增強和復(fù)原,匹配、描述和識別等方面組成;計算機圖像處理技術(shù)是以計算機圖像學(xué)為支撐,在此基礎(chǔ)上對圖像進(jìn)行的技術(shù)處理。計算機圖像處理技術(shù)提取出圖像中的質(zhì)量和圖像的分辨率等信息,根據(jù)信息的提取對圖像進(jìn)行優(yōu)化處理。
受電弓由安裝在車頂?shù)氖茈姽瓟?shù)據(jù)采集模塊來采集圖像,動車組的受電弓在運行時有各種各樣的背景。在白天強光照射,動車過隧道,夜間運行,動車過橋梁等情況下,受電弓的前景與背景很難區(qū)分。在動車高速運行中,受電弓還存在左右搖擺的情況。在這些多種復(fù)雜條件下,需要快速與準(zhǔn)確的定位和提取受電弓區(qū)域圖像。需要注意的是,如果用人工的方式來定位和提取受電弓區(qū)域圖像,就失去了智能監(jiān)測的意義。因此,為了實現(xiàn)智能監(jiān)測,需要通過機器學(xué)習(xí)法描述受電弓圖像的特征,并對其進(jìn)行分類,但此方法效率比較低下。而傳統(tǒng)的圖像處理技術(shù)是先對圖像進(jìn)行形態(tài)學(xué)的處理、在通過濾波和分割的方法完成對圖像的處理,而該方法同樣存在著難以準(zhǔn)確區(qū)分目標(biāo)區(qū)域和干擾區(qū)域,且準(zhǔn)確率也無法保證?;诖耍瑸榱送瑫r提高圖像的效率和準(zhǔn)確率,本文提出傳統(tǒng)圖像處理與機器學(xué)習(xí)相結(jié)合的方法,提高受電弓組的準(zhǔn)確程度,實現(xiàn)智能監(jiān)測,進(jìn)而獲得完整的受電弓區(qū)域。主要方法如下:
圖像預(yù)處理使用了CLAHE,MSR等不同得方法對受電弓圖像進(jìn)行增強處理;通過設(shè)置ROI來確定弓的估計位置;模板匹配的方式來精確定位受電弓的位置。
受電弓結(jié)構(gòu)檢測采用對比與檢測結(jié)合的方式,整體檢測采用對比的方式,若出現(xiàn)對比差異的同時,則基于提取的結(jié)構(gòu)特性進(jìn)行確認(rèn)。受電弓的結(jié)構(gòu)特性涵蓋直線、曲線和實際長度截取,作為判斷受電弓的相對特性參數(shù)。如圖3-6所示,針對C、E、D檢測區(qū)域基于對比算法判斷是否存在缺陷,若存在缺陷則需要進(jìn)一步符合區(qū)域范圍內(nèi)的邊緣結(jié)構(gòu)特性;針對E區(qū)域內(nèi)則需要進(jìn)一步確認(rèn)A、B兩點之間的實際距離的變化。
受電弓結(jié)構(gòu)異常是系統(tǒng)智能識別的重點和難點。首先通過業(yè)務(wù)需求分析,確認(rèn)待檢測的故障形態(tài)描述,并依此設(shè)計模型樹結(jié)構(gòu)和邏輯依賴關(guān)系,建立故障判別邏輯條件。該部分介紹各種故障形態(tài)對應(yīng)的模型結(jié)構(gòu)和邏輯條件。
受電弓結(jié)構(gòu)異常分析等級
使用傳統(tǒng)算法無法應(yīng)對復(fù)雜背景下的受電弓狀態(tài)分析,因此本文引入基于深度學(xué)習(xí)的方法來應(yīng)對復(fù)雜背景下的受電弓狀態(tài)分析?;谀繕?biāo)檢測提供的圖像信息有限,難以直接分析受電弓的狀態(tài)。因此,可使用深度網(wǎng)絡(luò)模型來進(jìn)行受電弓的分割,進(jìn)而提取受電弓的狀態(tài)。其中前半部分主要為特征提取,后半部分是上采樣。同時,在一些文獻(xiàn)資料中也將這樣的結(jié)構(gòu)稱之為編碼器或者解碼器結(jié)構(gòu)。
該網(wǎng)絡(luò)采用了拼接的特征融合方式,有以下幾個優(yōu)點:
1、可實現(xiàn)對圖像特征的多尺度特征識別。
2、后半部分的上采樣主要融合了前半部分的特征輸出,其實就是將二者之間的多尺度融合在了一起,使其特征表達(dá)更為深入。
在動車組實際運行過程中主要有兩種故障會發(fā)生,受電弓傾斜和受電弓骨折。
只要明確了雙目視覺相機圖像中點的對應(yīng)關(guān)系,就可以準(zhǔn)確的定位每一點上的空間坐標(biāo),同時利用兩點之間的坐標(biāo)得出兩點之間的距離,該方法由于不受到受電弓系統(tǒng)姿態(tài)的影響,因此對觸發(fā)位置的精度要求不高,且還具有很強的抗干擾能力。
雙目視覺相機受電弓滑板磨耗的測量方法如下:
1.通過Canny算子對采集到的受電弓碳滑板圖像進(jìn)行邊緣提取,分別得出兩組碳滑板的邊緣曲線。
2.利用第1節(jié)中的攝像機矩陣為基礎(chǔ),將兩組碳滑板的邊緣曲線對應(yīng)起來。
3.結(jié)合雙目視覺原理,分別計算每一組對應(yīng)點的空間坐標(biāo),得出受電弓碳滑板的厚度曲線。
現(xiàn)代電氣化列車通過受電弓和接觸網(wǎng)之間的滑動接觸采集電力。任何影響滑動接觸的因素都可能造成接觸網(wǎng)和受電弓的損傷。惡化的滑動接觸可能導(dǎo)致接觸碳條和接觸線的磨損甚至導(dǎo)致電弧放電。隨著高速列車的發(fā)展,對鐵路安全的要求也逐步提高。因此,對受電弓進(jìn)行智能監(jiān)測早已勢在必得,尤其對受流系統(tǒng)的安全與穩(wěn)定運行具有極其重要的現(xiàn)實意義,進(jìn)而還可以降低和減少電氣化鐵路的運行成本。