基于线阵相机的铁路列车变流器超温故障检测方法

2023-09-06王正光杭利平韦阳

环境技术 2023年7期

王正光，杭利平，韦阳

（1.国家能源集团新朔铁路有限责任公司，呼和浩特 010000；2.武汉利德测控技术有限公司，武汉 430000）

引言

在大准铁路复线建成之后，各个车站的接发和发车的工作量越来越大，助理值班员要处理好上下两个方向的列车，这就产生了各种各样的安全隐患。因此，保障铁路运输安全，是当前需要重点研究的目标。目前，大准铁路的接发工作以人为主，以简单的人-机组合为主，主要靠值班助理“三面六看”，及时发现并消除始发和运行过程中可能出现的安全隐患。最近几年，特别是在大准铁路二线改造之后，交通量出现了跨越式的增加，车流量也变得很大，但是，在接待人员的时候，他们只能够看见列车的一面，不能及时地发现另一面的安全隐患。为了防止这种情况的发生，大准铁路迫切需要一种可以准确可靠地检测出铁路列车变流器超温故障检测方法，它可以实现对数据的实时反馈、缓放回放以及搜索，从而保证大准铁路的列车安全运行。

现有的故障检测方法主要分为基于模型算法和基于信号算法，其中文献[1]提出的基于模型检测算法，根据实际输出与模型预测输出结果是否一致进行故障检测。通过模块化多频电压观测器提供的参考电压建立检测模型，如果理想与实际电压之差超过一定临界值，就可以判定为发生了故障，反之，就可以判定为不发生故障。以模型为基础的检测精度对观测器观测精度有太大的依赖性，因为观测器是一种受多种变量影响的非线性系统，所以很难获得精确检测结果；文献[2]提出的基于信号检测算法，该方法对传感器采集到的电流和电压信号，设置了一个故障门限，并根据门限的大小来判定逆变器的故障。因为在确定故障阈值时，需要考虑到噪声因素，所以给应用信号检测算法带来一定困难。为此，提出了基于线阵相机的铁路列车变流器超温故障检测方法。该方法采用改进区域生长-消除法分割变流器红外热图像，通过温度定标算法计算变流器温度，校正线阵相机畸变，确定变流器超温故障位置。

1 改进区域生长-消除法线阵相机图像分割

铁路列车变流器电路面板的红外热像可划分为发热区、辐射区以及背景区，而对象分割与提取方法主要针对发热区进行研究。传统的红外热像分辨率低、对比度低，容易受到外界环境影响，加之现代电子产品高度小型化和集成化，以及换流器之间的密集布置，使得精确的红外图像分割和提取变得更加困难。然而，目前已有多种图像分割方法，均受其自身特性及局限性影响，无法直接用于线阵相机图像分割[3]。

考虑到区域生长方法原理简单，相对容易实现，并且还拥有良好的分割效果，在改进区域生长-消除方法基础上，研究一种适用于车载热源变流器的分割方法，如图1 所示。

图1 改进区域生长-消除法线阵相机图像分割流程

由于在场景中分割大区域图像，导致图像分割结果往往存在多个小区域。在这种情况下，小区域需要依据相似性进行合并，使小区域图像块分布更加密集。常规区域生长方法只能获取单一对象，而在实际应用中，一个电路板上往往存在多个热源，而且每个热源的温度都不一样[4,5]。为了求取多个电路板发热区，提出一种面积增长方法，从原图像中求取一发热区，并在原图像中消去此区（将此区称为背景灰），再求取另一发热区，并在原图像中消去此区，直至原图像中各像素的灰阶接近于背景灰阶为止。

线阵相机图像分割结果，如图2 所示。

图2 线阵相机图像分割结果

由图2 可知，图像发热区域灰度值较小，不发热区域灰度值较大，通过该分割结果能够有效区分发热区域和不发热区域。

2 基于线阵相机的变流器超温故障检测

根据改进区域生长-消除法线阵相机图像分割结果，获取发热区域和不发热区域。采用温度定标算法结合最小二乘法多项式曲线拟合方法，计算变流器温度。在确定发生超温故障后，对线阵相机进行畸变校正，结合积分波形修复算法，精确定位变流器超温故障位置。

2.1 基于温度定标算法的变流器温度计算

由于线阵相机最终目标是在ARM-Linux系统下实现，电路板上发热变流器大多数为有源变流器，所以采用了温度标定红外测温方法[6]。在室温（23±5）℃条件下，通过红外热成像技术获取不同温度下的黑体样品的灰度值，利用最小二乘多项曲线拟合，得到温度与灰度之间的函数关系，可用如下公式表示：

公中：

I—图像灰度值；

E—多项式系数矩阵。

将变流器内结温度控制在125 ℃以内，以保证曲线的稳定性和可靠性。因此，在变流器超温故障判定算法中，以125 ℃为阈值，通过温度校准算法，计算出变流器表面温度和周围温度，由此对变流器故障状况进行判断[7,8]。

对于变流器耗散功率，计算公式为：

式中：

Tc、Ta—变流器表面温度和环境温度；

Rc、Ra—变流器内部至变流器表面热阻和变流器内部至环境的热阻[9]。变流器功耗是由温度差和热阻差决定的，基于此计算环境温度下的变流器温度，公式为：

通过公式（3）计算结果可知，如果该计算结果超过阈值125 ℃，那么即可判定变流器发生超温故障。

2.2 基于线阵相机畸变校正的变流器超温故障位置确定

铁路列车变流器在出现超温故障时，绝缘栅双极型晶体管定子电流处于非平稳状态，速度越快定子电流频率也就越高，线阵相机拍摄的图像会存在一定程度畸变[10]。为了获取精确的变流器超温故障位置，需要对捕获超温故障变流器图像的线阵相机进行畸变校正，示意图如图3 所示。

图3 线阵相机畸变校正示意图

图3 中，x2o2y2为被测变流器表面；o1x1为线阵相机的线性传感方向；o1x1a为平行于变流器表面辅助方向；a为o1x1a与o1x1的夹角[11]。充分考虑线阵相机镜头本身的非线性畸变，构建数学模型，公式为：

式中：

λ0、λ1、λ2…λn—畸变系数；

R—目标在线阵相机的线性传感器方向实际归一化视觉现场大小[12]。

在畸变校正情况下，精确定位变流器超温故障位置，详细步骤为：

步骤1：在信号角度域中同步采样，获取初始采样点，将该点当作电流信号初始点，计算下一个采样所耗费的时间：

式中：

tc—当前时间；

vc—当前速度；

n—采样点数量[13]。

步骤2：如果当前采样点数量能够满足检测要求的样本，则计算下一个采样滑动窗口大小，公式为：

式中：

ts—设定的滑动窗口[14]。

步骤3：在划分的滑动窗口内，采用积分波形修复算法，划分变流器定子电流波形的前半周期和后半周期，其中电流修复表达式为：

式中：

μ p、μn—正、负半周期幅值；

x—采样点。

步骤4：根据电流修复表达式，将前后半周期波形与电流等于0 时围成的面积用如下公式表示：

式中：

sump、-sumn—所选样本点大于0 和小于0 值的和[15]。

步骤5：为了方便分析，构建了如图4 所示的三相六阶段输出变流器电路图。

图4 三相六阶段输出变流器电路图

根据前半周期和后半周期电流波形，将数据规范化处理，当相邻桥臂两个同侧绝缘栅双极型晶体管发生超温故障时，例如D1、D3 处出现超高温，如果A 相电流无法通过D1，那么A 相产生的电流就是非正电流；如果B 相电流无法通过D3，那么B 相产生的电流就是非正电流。根据三相电流之和为0 的原则，当A 相、B 相电流均为负时，C 相电流也为负，这表明相邻桥臂两测出现了超温故障。

3 实验

3.1 实验布置

系统部署在神华新朔铁路大准分公司龙王渠站，分为控制中心和检测前端，室外设备如图5 所示。

图5 室外设备

控制中心主要部署数据服务器、分析服务器、数据存储磁盘阵列、监控终端等设备，检测前端主要包含安装有检测设备的龙门架和机柜。用于数据采集的线阵相机、面阵相机、激光雷达安装在龙门架上，拾音器、磁钢置于钢轨上，机柜位于龙门架上两侧。本实验部署的数据包含结构化的文本和数字量数据也包含非结构化的视频和图像数据。

3.2 实验平台设计

在大准铁路龙王渠车站D17 信号机外方（对应正线里程K250+590 m-615 m）和龙王渠至老牛湾下行线K250+630-700 m 处安装铁路接发列车状态检测实验平台。

数据采集端主要设备包含：基础塔架、磁钢、线阵图像采集设备、面阵视频采集设备、车号识别系统、LED 灯、高保真声音采集器、车轮温度采集器、系统控制器、信号传输等设备。

机房服务端主要实现车辆故障智能识别，过车数据存储，主要设备包含：数据存储服务器、算法服务器、网络交换机等。

车站监控端主要为值班员提供可视化交互终端，实现信息化作业。主要设备包含：应用终端、高清显示器、音箱、操作台等设备组成。实验平台结构，如图6 所示。

图6 实验平台结构

当列车接近塔架时，轨道内设置的车轮传感器触发系统启动，高清图像采集模块、高清视频采集模块、高保真声音采集模块、激光雷达测距模块、温度检测模块和车号采集系统会同时采集车辆数据，过车完毕后，数据采集系统自动关闭，并将图像、视频、声音，温度等数据上传至算法服务器，算法服务器搭载图像智能检测识别模块，会根据接收到的数据信息进行实验验证分析。