高速铁路弓网动态图像检测技术研究综述

2019-06-03刘建仁

装备制造技术 2019年2期

刘建仁，刘卫，陈滔

（1.南宁中车轨道交通装备有限公司，广西南宁530200；2.株洲中车特种装备科技有限公司，湖南株洲412001；3.南宁中车铝材精密加工有限公司，广西南宁530031）

0 引言

弓网系统是高速铁路牵引供电系统的关键组成部分，弓网之间的受流质量直接决定着列车运行的安全性、稳定性、可靠性及速度。但由于弓网之间存在复杂的力学和电气作用交互影响，其故障率一直较高，严重影响高速列车的安全运行。

随着我国电力机车运行速度的日益提高、高速铁路的快速发展和运营品质需求的提高，对于高速铁路弓网系统的安全运行提出了更高的要求。高速列车弓网状态监测对于保证弓网系统安全运行具有重要的意义。铁路总公司提出的“高速铁路供电安全检测系统（6C系统）总体技术规范”要求对高速铁路牵引供电系统进行全方位、全覆盖的综合检测监测，其核心思想是设计标准规范的检测装置、拍摄海量的照片和视频、对关键的弓网参数及故障进行检测监测。

1 弓网检测技术的发展

弓网系统作为高速铁路的重要子系统之一，随着列车运行速度的提升，弓网检测要求也更高，检测方式逐步向快速化、自动化、智能化和综合化方向发展。目前，弓网检测采用的主要技术手段有：人工检测、接触式弓网检测、非接触式测距技术弓网检测、非接触式图像处理技术弓网检测。

人工检测是传统的弓网检测技术，主要是人工作业效率低，安全性差，干扰行车，且对检测人员的工作经验要求较高。因此，已逐渐被替换。接触式弓网检测主要采用各种传感器来测量几何参数，如在受电弓上安装电阻传感器测量导高、利用压力传感器测量拉出值等。文献[1]在受电弓滑板上安装接近传感器检测接触线拉出值。任世光将光纤内埋式磨耗传感器嵌入滑板内，设计了滑板磨耗检测及自动降弓装置。由于激光、超声波等测距技术的发展，其在弓网系统检测方面得到了广泛的应用。日本和德国都开发了超声波检测系统及仪器，可以有效的检测弓网几何参数[2-3]。文献[4]设计了利用超声波传感器作为检测元件的受电弓磨耗检测装置。

20世纪90年代起，随着计算机视觉技术和图像处理技术的蓬勃发展，采用光学测量原理的非接触式图像检测技术越来越受到研究人员的重视，其在弓网检测中的应用也越来越多，相关研究也愈加深入。由于图像检测技术可实现自动化和智能化，对行车干扰小等优点，其在弓网检测中的应用也更加广泛。

2012年，为实现对高速铁路牵引供电系统综合全面的检测分析，原铁道部颁布实施《高速铁路供电安全检测监测系统（6C系统）总体技术规范》，其总体架构如图1所示。根据6C系统总体架构，标准的检测监测装置将大量采用非接触式图像检测技术，其中动态检测是必不可缺的重要组成部分，主要体现在以下三个方面：C1及C3装置中对于车载接触网运行状态检测的要求，主要测量接触网动态几何参数中的动态拉出值、接触导线高度等；C4装置对于接触网悬挂状态检测监测，需要准确分辨定位器区域零部件的脱落、裂损等故障现象；C5装置中对于受电弓滑板的监测。本文主要在这三个方面进行概述分析。

图1 6C系统总体架构图

2 接触网几何参数检测

为了保证列车运行安全，延长受电弓、接触网的使用寿命，防止“刮弓”或“钻弓”等事故的发生，保障弓网系统的安全稳定运行，必须对接触网几何参数进行实时检测，及时发现和处理故障隐患。

近年来，随着图像处理、空间几何等学科内容的立体视觉技术迅速发展，实时图像检测技术有了极大的提高，应用也较为成熟。针对传统检测方法的不足，设计基于计算机视觉技术的车载图像检测监测系统用于对接触网的几何参数进行实时、有效的检测就显得尤为重要。其检测的主要过程如图2所示。相关工作及研究人员根据多种不同的测量原理，建立数学模型，进行了大量的研究。文献[5-6]运用光学三角测量原理分别设计了接触导线几何参数的检测系统和数学模型，再用边缘检测等图像处理的方法锁定检测目标，计算出接触线拉出值与导高。文献[7]根据双目立体视觉技术的测量原理，推导接触线几何参数测量的数学模型，采用基于零交叉点算法与二次曲线拟合相结合的亚像素边缘检测方法，提取边界点坐标值，测量导高、拉出值和磨损面宽度等几何参数。为了提高接触网几何参数动态检测速度，文献[8]设计了一种双线阵摄像机与线结构光相结合的视觉传感器，建立了接触网几何参数非线性视觉测量模型。文献[9-10]分别运用迭代阈值法、均值漂移和粒子滤波算法等跟踪算法处理摄像机拍摄的图片，提高了激光斑点测量的准确性以及定位的实时性，通过坐标转换计算几何参数。文献[11]通过均值漂移算法对接触线进行跟踪，应用高斯混合模型进行前景检测，可实现快速定位。文献[12]将粒子群算法应用于图像跟踪中，并与均值漂移算法对比效果更好。

图2 图像检测的主要过程

随着计算机视觉技术的发展，更多分辨率高的光学仪器和装置应用于图像检测。文献[13]基于双目视觉测量原理，通过两台高清摄像机采集测量特征并进行图像处理和三维解算，实现接触网几何参数的实时测量。文献[14]采用多目立体视觉技术，研究基于4个线阵相机，通过建立线阵相机与几何参数的测量模型，对图像进行目标追踪、图像处理及坐标转换，实现接触网几何参数的非接触测量。文献[15]利用高清摄像头摄取弓网接触部位的图像，提取其轮廓曲线，运用模板匹配算法定位受电弓，用霍夫变换来进行直线检测。另外，还有研究利用面阵相机等设备进行拍摄，如弓网科技设计了基于面阵相机的接触网检测方式，但其帧率不高，实时性不强，效率有待提高。

在动态检测过程中，由于列车运行的振动、不平顺、转弯，导致拍摄的图像有噪声、标定存在误差、几何参数的测量值有不确定性等，影响检测精度。因此，为提高检测的精度，需要对车体进行振动补偿。文献[16]利用传感器对车体相对于轨面的位移及偏角进行测量，建立了补偿公式。文献[17]利用动力学和统计方法建立振动模型，利用最小二乘拟合法导出振动补偿函数，对接触线拉出值进行补偿。文献[18]利用非接触式位移传感器激光雷达，测量车体相对于轨道的位移和角度，对动态接触线拉出值进行补偿。文献[19]通过分析检测车振动对检测系统的影响，推导几何参数补偿公式，建立接触线几何模型的卡尔曼滤波方程，修正接触线几何参数检测值。为减少图像噪声的影响，文献[20]应用基于BM3D的自适应降噪新方法，自适应估算阈值和自适应滤波，得到基础估计图像，估算噪声方差，实现联合维纳滤波得到最终估计图像，简化参数设置，通过降噪处理，保留了边缘棱角等细节信息。

3 接触网悬挂状态检测监测

随着高速列车运行速度的提高及行车密度的增大，不仅对接触网及受电弓安全运行提出了更高的要求，对接触网的检测和维修要求也越来越高。在列车上安装接触网检测装置，实现对定位器、绝缘子及旋转双耳的实时检测和图像故障识别，可以为列车运营提供依据，为维修部门提供更及时准确的维修数据，高效精确的指导维修维护作业。因此，实时状态检测和维修是未来的发展趋势。

对于接触网悬挂状态的检测监测，主要运用高清摄像机、相阵相机采集视距内的图像并进行处理分析，运用图像处理算法识别常见的典型零部件故障。目前主要识别的故障有：绝缘子夹杂异物故障、绝缘子破损、旋转双耳耳片断裂等。其检测的基本过程为：先对图像进行预处理提取特征值，然后运用匹配算法对零部件进行匹配定位，最后对零部件所在区域图像进行图像分析并判断是否存在故障。文献[21]根据CV（Chan-Vese）模型提取绝缘子轮廓并通过Harris角点检测方法来匹配，使用离散余弦变换对绝缘子图像故障增强并对增强后图像边缘点进行谱聚类，给出故障判断，取得了较好的效果。文献[22]利用金字塔分解、最大互相关运算及小波变换模极大值求解等图像处理方法来判断绝缘子故障，可减少人工识别检测图像的工作量。文献[23]通过对图像进行 Harris角点检测，SSDA（Sequential Similarity Detection Algorithm）匹配运算及对绝缘子图像分裂、镜像处理和图像差分来判断绝缘子故障，实现了模板匹配的抗旋转性，且故障判断较为简洁。文献[24-26]分别提出基于快速鲁棒性特征匹配和尺度不变特征匹配的检测绝缘子和旋转双耳的方法，可以实现快速匹配定位，且可用于对绝缘子故障的自动识别，通过边缘检测及灰度统计分析可实现旋转双耳的故障检测，实验效果较好。

4 受电弓滑板监测

受电弓是高速列车的关键部件，与接触网之间存在机械磨损及电弧现象，其滑板不断磨损会产生损坏、断裂等不良状况。为确保电力机车的正常受流，对受电弓滑板的技术状态进行监测很有必要，有助于及时进行检修或更换。

对于受电弓滑板的技术状态监测主要是通过对安装在高速铁路车站及其咽喉区的高清摄像机拍摄的受电弓滑板区域的图片进行分析处理，判断是否存在损坏、断裂等不良状况。应用图像处理方法进行受电弓滑板的状态及故障分析的关键在于图像边缘提取和故障特征提取。文献[24]利用全景相机对受电弓实时监测，通过对俯视图和侧视图的分析处理判断受电弓滑板磨损和损坏。文献[25-26]使用高斯同态滤波和多种边缘提取算法检测受电弓滑板磨耗量，并运用小波算子更有效的检测滑板边缘，速度快，具有较好的适应性。文献[27]采用模糊C-均值聚类方法对不同图像边缘分类并确定曲线起始点坐标，运用Sobel、Canny两种算子提取图像边缘，采用均值方法校正测量结果，降低不平滑边缘的影响，实现较高精度的滑板厚度测量。文献[28]设计了图像采集系统对受电弓滑板进行在线动态检测，通过五种边缘检测算法的对比，选择最佳算法Canny算子检测图像边缘。文献[29-30]也对受电弓滑板图像Canny边缘检测进行了研究，效果表明方法的可行性较高。如图3所示，左右分别为受电弓原图、边缘检测后图像。文献[31]通过Hough变换和模糊聚类算法等图像处理方法去除光照不均及噪声的干扰，采用Canny算子精确提取滑板的边缘信息，并引入边缘生长方法实现不连续边缘的连接，通过图像标定计算出实际滑板磨耗厚度。对于滑板裂纹的判断识别也非常重要，文献[32]提出一种基于二代曲波变换的移动平行窗（TPW）裂纹识别算法，对电弓滑板不同图像特征之间曲波分解系数进行处理，对各种图像特征区分，比较准确地检测图像中的裂纹信息，并定位裂纹所在位置。文献[33]提出一种基于区间二型模糊熵的边缘检测方法，获得主体特征增强的滑板边缘图像，运用基于极角约束Hough变换的裂纹提取方法排除非裂纹图形元素的特征点，实现滑板裂纹的自动检测。