[发明专利]一种高速铁路接触网绝缘端子健康状态评估方法在审

专利信息
申请号: 202110815507.2 申请日: 2021-07-19
公开(公告)号: CN113570563A 公开(公告)日: 2021-10-29
发明(设计)人: 曾晓红;李奇;虎文涛;钟建;谢生波 申请(专利权)人: 江苏新绿能科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T3/40;G06T7/181;G06K9/20;G06N3/04;G06N3/08;G06Q50/26
代理公司: 常州哲专知识产权代理事务所(普通合伙) 32447 代理人: 钱锁方
地址: 212300 江苏省镇*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 高速铁路 接触 绝缘 端子 健康 状态 评估 方法
【说明书】:

发明公开了一种高速铁路接触网绝缘端子健康状态评估方法,包括步骤:S100:设置有轨故障巡检车,在车顶配置高分辨率高速摄像机及配套照明设备,对每接触网系统的每一接触设备进行拍照并按序排号;S200:获取由摄像机拍摄得到的夜间接触网系统照片,并通过归一化坐标及双线性插值的方法计算该图的特征值;S300:建立多层图卷积神经网络模型;S400:输入绝缘子的历史拍摄数据作为训练集,设置两项损失函数对图卷积神经网络进行训练;S500:对接触网系统绝缘端子的健康状态进行判断。本发明采用无监督式图卷积神经网络进行状态估计,所需故障状态样本较少,但检测结果精度较高。

技术领域

本发明涉及铁路车辆检测网领域,具体而言,涉及一种高速铁路接触网绝缘端子健康状态评估方法。

背景技术

随着高速铁路技术的迅速发展,高速铁路逐渐成为了我国旅客运输的主要途径与手段。高铁输送频次及速率的增减,对高速铁路系统带来了一定的挑战。接触网作为高速铁路系统中最为关键的一部分,在高速铁路的稳定运行中扮演着重要的角色。而由于复杂的运行环境及运行频次的增加,接触网系统中绝缘端子的损坏情况需要更加及时的掌握,若其相应部件产生损坏,严重情况下有可能导致高速列车的运行中断,甚至危及乘客安全。

因此,使用先进的基于视觉处理方法对绝缘端子健康状态进行开展是有必要的,其健康状态评估有利于设备的及时维修及处理,对于高速铁路的安全、稳定运行有着极为重大意义。

就现阶段来说,对于接触网系统的绝缘端子状态检测已逐步由巡检车辆进行,以逐步替代效率较低的人工巡检。但是,就绝缘端子的检测方法而言,目前国内外所采用的普遍方法有:基于部件本身表面纹理特征的状态检测方法、基于监督学习的状态检测方法。然而,对于上述健康状态的检测方法并没有考虑到有缺陷的样本即存在故障的绝缘端子样本数量较小的情况,从而导致上述两种方法的状态检测结果不佳。

针对上述问题,提出合适的在不需要较大的负状态下样本数量,同时能够高检测正确率的方法极为重要。

发明内容

本发明针对现有技术的缺点,提供了一种高速铁路接触网绝缘端子健康状态评估方法,解决了上述技术存在的缺陷。

为了实现上述目的,本发明采用了如下技术方案:

一种高速铁路接触网绝缘端子健康状态评估方法,其特征在于:包括步骤:S100:设置有轨故障巡检车,在车顶配置高分辨率高速摄像机及配套照明设备,然后在高速铁路线路夜间检修间隙进行沿线拍照检测,对每接触网系统的每一接触设备进行拍照并按序排号;S200:获取由摄像机拍摄得到的夜间接触网系统照片,并通过归一化坐标及双线性插值的方法计算该图的特征值;S300:建立多层图卷积神经网络模型,使用贝兹曲线方法进行曲线拟合,以确定并光滑绝缘端子在图片中的边界;S400:输入绝缘子的历史拍摄数据作为训练集,设置两项损失函数对图卷积神经网络进行训练;S500:输入由有轨故障巡检车所获取的接触网系统图像数据,使用已训练好的图卷积神经网络对输入数据进行分析,并对接触网系统绝缘端子的健康状态进行判断。

优化的方案,所述有轨故障巡检车配备具有拍摄高分辨率照片的高速成像抓拍设备以及LED补偿光源,以便于在高速铁路天窗期进行接触网巡检;巡检时,使用设备对各个支柱及其接触系统进行拍摄,并依序进行编号。

优化的方案,所述灰度处理及特征捕捉,需要先将彩色照片进行灰度处理,再采用卷积的方法得到对于接触网系统的特征图谱,据此进行图像的边界预测及拼接,最后依照图卷积神经网络的输入要求,产生输入特征,其中输入特征必要参数由双线性插值法进行计算。

优化的方案,所述建立图卷积神经网络模型,即先建立单一图卷积神经网络模型,再设置各个节点的联系及关系公式,最后使用全连接层作为该方法的顶部。

优化的方案,所述贝兹曲线拟合方法,即通过设置图像采样点,将采样点标幺化后,求取采样点间曲线的控制点。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏新绿能科技有限公司,未经江苏新绿能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110815507.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top