專利名稱：基于無人飛行器的接觸網(wǎng)故障檢測與診斷方法
技術(shù)領(lǐng)域：
本發(fā)明涉及電氣化鐵道接觸網(wǎng)故障檢測與診斷領(lǐng)域，具體是指一種基于無人飛行 器的接觸網(wǎng)故障檢測與診斷方法。
背景技術(shù)：
接觸網(wǎng)是沿電氣化鐵路線架設(shè)的特殊線路，電力機車的電能通過受電弓與接觸網(wǎng) 滑動摩擦接觸取得。因此，接觸網(wǎng)是電氣化鐵路的動力命脈，直接關(guān)系到鐵路運輸?shù)陌踩?隨著我國電氣化鐵道里程不斷增長，以及對鐵路運輸可靠性和安全性要求的日益提高，接 觸網(wǎng)檢測和維護工作越趨繁重和困難。電氣化鐵道接觸網(wǎng)檢測和故障診斷分為功能性、狀態(tài)性和工程性檢測等三大類， 覆蓋機械、力學、電氣、磨損、燒灼等多方面狀態(tài)和故障，檢測項目多，涉及眾多檢測技術(shù)和 裝置，一直是電氣化鐵道運行維護的重要支撐技術(shù)。長期以來，電氣化鐵道接觸網(wǎng)的維護檢 修大量依賴人工操作，如人工使用激光接觸網(wǎng)檢測儀進行接觸網(wǎng)幾何參數(shù)測量等，勞動強 度大，檢測項目單一，效率較低，誤檢、漏檢率高。近年來，接觸網(wǎng)檢測車通過搭載多種檢測 裝置，在較高運行速度下連續(xù)測量接觸線高度等較豐富的技術(shù)參數(shù)，此外還可裝配接觸網(wǎng) 動態(tài)檢測專家診斷系統(tǒng)，對接觸網(wǎng)狀態(tài)進行動態(tài)評估和診斷，獲得廣泛運用。但由于接觸網(wǎng) 較高，檢測車振動強等原因、存在接觸網(wǎng)圖像清晰度差，接觸網(wǎng)上部圖像難以獲取的局限， 不能完全解決接觸網(wǎng)狀態(tài)檢測和故障診斷的自動化問題。并且檢測車作業(yè)時，鐵路的正常 運行受到影響，即存在維修天窗的問題。電氣燒傷問題在接觸網(wǎng)設(shè)備故障中所占比例越來越大，且由于它產(chǎn)生原因復雜， 潛伏期較長，不易及早發(fā)現(xiàn)，從而形成安全隱患；接觸線機械磨損超限將造成斷線，直接造 成鐵路運輸?shù)闹袛啵灰蚩諝馕廴?、粉塵等原因可以導致絕緣子表面污染程度加大，最終絕緣 劣化，電氣絕緣強度降低，甚至發(fā)生閃絡(luò)；支柱傾斜可以造成拉出值超標，容易導致鉆弓等 嚴重事故；嚴重的接觸網(wǎng)異物懸掛及覆冰也能給機車運行帶來極大安全隱患。人工巡視發(fā) 現(xiàn)以上故障的效率低，檢測車主要用來檢測接觸網(wǎng)的常規(guī)參數(shù)，且檢測車只能在正常營運 車輛的營運間隙進行，也即受維修天窗的限制，不能實時、及時地進行檢測。因此，伴隨我 國高速電氣化鐵路的大規(guī)模建設(shè)，迫切需要高效的非接觸式智能接觸網(wǎng)故障檢測裝置及技 術(shù)。

發(fā)明內(nèi)容
本發(fā)明是所要解決的技術(shù)問題是克服現(xiàn)有接觸網(wǎng)故障檢測與診斷現(xiàn)有手段的不 足，提供一種基于無人飛行器的接觸網(wǎng)故障檢測與診斷方法，該方法可實現(xiàn)多方位、多角 度、實時有效地采集機車運行時的接觸網(wǎng)圖像，自動識別出圖像中的接觸網(wǎng)部件，并判斷出 接觸網(wǎng)是否發(fā)生故障及故障類型，其判斷結(jié)果更加準確、可靠，能更好地保障鐵路運輸?shù)陌?全。本發(fā)明解決其技術(shù)問題，所采用的技術(shù)方案是，一種基于無人飛行器的接觸網(wǎng)故障檢測與診斷方法，其步驟為1)圖像采集通過無人飛行器攜帶攝像設(shè)備沿接觸網(wǎng)拍攝，得到可見光和紅外光 的接觸網(wǎng)圖像；2)圖像灰度化將得到的接觸網(wǎng)圖像進行灰度化處理，得到接觸網(wǎng)的灰度圖像 f(x,y)；3)圖像增強將接觸網(wǎng)的灰度圖像f (χ，y)用分段線性函數(shù)對每個像素進行線性 擴展，得到圖像中的接觸網(wǎng)部件突出后的接觸網(wǎng)增強圖像g(x，y)；4)圖像分割計算接觸網(wǎng)增強圖像g(x，y)和增強圖像g(x，y)的4X4領(lǐng)域圖像 h(x, y)的歸一化二維直方圖，用設(shè)定閾值(t，s)將歸一化二維直方圖的灰度級分為背景 c0>目標C1、邊緣及噪聲C2和C3四個區(qū)域，計算背景Ctl和目標C1兩區(qū)域的灰度均值i。(M) 和A (M)以及總體均值向量;^，并通過計算分類準則函數(shù)得到最佳閾值(t ？)，將最佳閾值 (t*,s*)劃分出的目標C/區(qū)域所對應(yīng)的接觸網(wǎng)增強圖像區(qū)域取出，作為從復雜背景中分割出 接觸網(wǎng)部件的分割圖像G ；5)圖像分解:對分割圖像G進行高斯塔型分解先將分割圖像G作為高斯塔的零層(；。，再逐層向 上分解，第1(1 e [1,10])層的構(gòu)造方法是將1-1層圖像(V1和一個具有低通特性的窗口 函數(shù)w(m，n) (me [-1,1],ne (-1，1))進行卷積，再把卷積結(jié)果作隔行隔列的降采樣，構(gòu)造 得到分割圖像G的高斯塔1層(^1 ；將高斯塔1層G1內(nèi)插放大，得到尺寸與高斯塔1-1層Gw的尺寸相同的放大圖像 G:，實現(xiàn)分割圖像G由高斯金字塔變成拉普拉斯金字塔；6)圖像融合將可見光的拉普拉斯金字塔各層與紅外光的拉普拉斯金字塔相應(yīng) 層融合，再對融合后的拉普拉斯金字塔進行圖像重構(gòu)，得到可見光和紅外光圖像融合后的 接觸網(wǎng)部件圖像；7)圖像識別與故障判斷構(gòu)造BP神經(jīng)網(wǎng)絡(luò)模型，對接觸網(wǎng)部件圖像進行識別，識 別出接觸網(wǎng)部件圖像上的部件是何種部件，并進而判斷出所述部件是否發(fā)生故障及其類型。與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是一、對無人飛行器拍攝的可見光和紅外光的接觸網(wǎng)圖像進行灰度化處理，將彩色 圖像轉(zhuǎn)變?yōu)?56級灰度值的黑白圖像，減少了存儲空間，運算量也得到了大大減少，提高了 圖像處理的快速性和實時性。圖像增強處理則增大了接觸網(wǎng)圖像中部件區(qū)域的對比度，再結(jié)合后期的二維直方 像分割技術(shù)，可有效地將接觸網(wǎng)部件與背景相分割。再通過圖像的分解融合技術(shù)將分割后的可見光和紅外光的圖像融合實現(xiàn)二者信 息共享可見光圖像是反射圖像，高頻成分多，能反映場景的細節(jié)，但照度不佳時的可見光 圖像(即微光圖像)中目標與背景的對比度較低，目標不突出；紅外圖像是輻射圖像，灰度 由溫差決定，不能反映真實的場景細節(jié)，但在低照度下目標與背景的對比度高。單獨使用可 見光或紅外圖像均存在不足之處。對于這兩種具有互補性的圖像，圖像融合技術(shù)能夠有效 地綜合和發(fā)掘它們的特征信息，既能較好反映場景的細節(jié)，增強場景理解，又能突出目標、 便于目標的分割，從而提高圖像的可識別性；再通過BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)接觸網(wǎng)部件的識別和故障判斷。通過以上系列圖像處理技術(shù)，實現(xiàn)了接觸網(wǎng)故障的非接觸式、智能化的實時自動 識別與診斷。二、采用無人飛行器在鐵路接觸網(wǎng)上空進行拍攝，其視角廣，拍攝角度靈活，可以 對接觸網(wǎng)進行多方位、多角度拍攝，尤其能拍攝接觸網(wǎng)上部圖像。具有覆蓋面廣、實時性好 的優(yōu)點，從而更好更早地發(fā)現(xiàn)接觸網(wǎng)的故障。并可以避免由于人工疏漏造成的損失，有效提 高系統(tǒng)運行可靠性，同時可以減少人工投入成本，降低現(xiàn)場作業(yè)帶來的危險。三、采用基于無人飛行器的接觸網(wǎng)故障檢測與識別方法，不受維修天窗的限制，在 機車運行時實時進行實時檢測，提高了工作效率，實時采集機車正在運行時的接觸網(wǎng)信息， 其檢測結(jié)果更加真實可靠。也能更早地實現(xiàn)接觸網(wǎng)的早期故障預警和處理，更好地保障鐵 路運輸安全。上述圖像識別與故障判斷步驟中，識別出接觸網(wǎng)部件圖像上的部件是承力索時， 對承力索是否發(fā)生故障及其故障類型進行判斷的具體方法是將承力索圖像擬合成拋物線 P (χ, y)，并求其最低點的曲率半徑R，再和標準承力索的最低點的曲率半徑Rtl米比較，即計 算Δ = R-R0 ；當-0. 2彡Δ彡0. 2米，則判定承力索沒有故障；當Δ > 0. 2米且大于時則 判定承力索發(fā)生故障，故障類型為拉力過大；當Δ <_0.2米時，也判定承力索發(fā)生故障，故 障類型則為拉力過小。上述上述圖像識別與故障判斷步驟中，識別出接觸網(wǎng)部件圖像上的部件是吊弦 時，對吊弦是否發(fā)生故障及其故障類型進行判斷的具體方法是將吊弦擬合成直線L(x， y)，并計算其斜率I當I s I大于0.08時，則認為吊弦發(fā)生故障，故障類型為吊弦傾斜；否 則，吊弦未發(fā)生故障。這樣實現(xiàn)了這兩種常見的接觸網(wǎng)部件故障簡單、可靠的自動識別與診斷。下面結(jié)合附圖和具體實施方式
對本發(fā)明作進一步的詳細說明。


圖1為本發(fā)明實施例的圖像增強(分段線性拉伸)處理示意圖。圖2為本發(fā)明實施例的圖像分割時使用的二維直方圖。
具體實施例方式實施例本發(fā)明的一種具體實施方式
是，一種基于無人飛行器的接觸網(wǎng)故障檢測與診斷方 法，其步驟為1)圖像采集通過無人飛行器攜帶攝像設(shè)備沿接觸網(wǎng)拍攝，分別得到可見光和紅 外光的接觸網(wǎng)圖像。無人飛行器攜帶的攝像設(shè)備有兩種，一種是可見光攝像設(shè)備，一種是紅 外光攝像設(shè)備。然后分別對可見光接觸網(wǎng)圖像和紅外光接觸網(wǎng)圖像進行以下步驟幻 步 驟5)的處理2)圖像灰度化將得到的接觸網(wǎng)圖像進行灰度化處理，得到接觸網(wǎng)的灰度圖像 f (χ，y)。采集的圖像是彩色圖像，由紅、綠、藍三種基本色調(diào)組成，彩色圖像的每個像素由三種基本顏色按不同比例組合而成，運用下式即可實現(xiàn)彩色圖像向256級灰度值的灰度圖 像的轉(zhuǎn)換gray = 0. 299red+0. 587green+0. 114blue式中g(shù)ray-像素點的灰度值；red-像素點中紅色調(diào)值；green——像素點中綠色 調(diào)值；blue —像素點中藍色調(diào)值。3)圖像增強將接觸網(wǎng)的灰度圖像f (X，y)用分段線性函數(shù)對每個像素進行線性 擴展，得到圖像中的接觸網(wǎng)部件突出后的接觸網(wǎng)增強圖像g(x，y)。圖像增強的方法為現(xiàn)有技術(shù)，如可采用下面的分段線性函數(shù)將圖像灰度區(qū)間分成 三段分別作線性變換，突出圖像中感興趣的目標灰度區(qū)間，相對抑制不感興趣的灰度區(qū)間。
)層的構(gòu)造方法是將1-1層圖像(V1和一個具有低通特性的窗口函數(shù) w(m,n) (me [-1,1],η e (-1，1))進行卷積，再把卷積結(jié)果作隔行隔列的降采樣，構(gòu)造得到 分割圖像G的高斯塔1層G1;將高斯塔1層G1內(nèi)插放大，得到尺寸與高斯塔1-1層Gw的尺寸相同的放大圖像《，實 現(xiàn)分割圖像G由高斯金字塔轉(zhuǎn)變成拉普拉斯金字塔；6)圖像融合將可見光的拉普拉斯金字塔各層與紅外光的拉普拉斯金字塔相應(yīng)層融 合，再對融合后的拉普拉斯金字塔進行圖像重構(gòu)，得到可見光和紅外光圖像融合后的接觸 網(wǎng)部件圖像；7)圖像識別與故障判斷構(gòu)造BP神經(jīng)網(wǎng)絡(luò)模型，對接觸網(wǎng)部件圖像進行識別，識別出 接觸網(wǎng)部件圖像上的部件是何種部件，并進而判斷出所述部件是否發(fā)生故障及其類型。
2.如權(quán)利要求1所述的基于無人飛行器的接觸網(wǎng)故障檢測與診斷方法，其特征是所 述7)步中，識別出接觸網(wǎng)部件圖像上的部件是承力索時，對承力索是否發(fā)生故障及其故障 類型進行判斷的具體方法是將承力索圖像擬合成拋物線P(X，y)，并求其最低點的曲率半 徑R，再和標準承力索的最低點的曲率半徑R0米比較，即計算Δ =R-R0 ；當-0.2彡Δ彡0.2 米，則判定承力索沒有故障；當△ >0.2米且大于時則判定承力索發(fā)生故障，故障類型為拉 力過大；當Δ <_0.2米時，也判定承力索發(fā)生故障，故障類型則為拉力過小。
3.如權(quán)利要求1所述的基于無人飛行器的接觸網(wǎng)故障檢測與診斷方法，其特征是所 述7)步中，識別出接觸網(wǎng)部件圖像上的部件是吊弦時，對吊弦是否發(fā)生故障及其故障類型 進行判斷的具體方法是將吊弦擬合成直線L(x，y)，并計算其斜率δ，當I δ I大于0.08 時，則認為吊弦發(fā)生故障，故障類型為吊弦傾斜；否則，吊弦未發(fā)生傾斜故障。
全文摘要
本發(fā)明公開了基于無人飛行器的接觸網(wǎng)故障檢測與診斷方法，其步驟為1)圖像采集通過無人飛行器攜帶攝像設(shè)備沿接觸網(wǎng)拍攝，分別得到可見光和紅外光的接觸網(wǎng)圖像；2)圖像灰度化；3)圖像增強；4)圖像分割；5)圖像分解；6)圖像融合將可見光的拉普拉斯金字塔各層與紅外光的拉普拉斯金字塔相應(yīng)層融合，再對融合后的拉普拉斯金字塔進行圖像重構(gòu)，得到可見光和紅外光圖像融合后的接觸網(wǎng)部件圖像；7)由BP神經(jīng)網(wǎng)絡(luò)進行圖像識別與故障判斷。該方法可實現(xiàn)多方位多角度、實時有效地采集機車運行時的接觸網(wǎng)圖像，自動識別出圖像中的接觸網(wǎng)部件，并判斷出接觸網(wǎng)是否發(fā)生故障及故障類型，其判斷結(jié)果更加準確、可靠，能更好地保障鐵路運輸?shù)陌踩?br> 文檔編號G06N3/02GK102129564SQ20111003789
公開日2011年7月20日 申請日期2011年2月14日 優(yōu)先權(quán)日2011年2月14日
發(fā)明者丁雪成, 何正友, 林圣 , 馬磊 申請人:西南交通大學