高速鐵路弓網動態圖像檢測技術研究綜述

劉建仁 ，劉 衛 ，陳 滔

（1.南寧中車軌道交通裝備有限公司，廣西 南寧530200；2.株洲中車特種裝備科技有限公司，湖南 株洲412001；3.南寧中車鋁材精密加工有限公司，廣西 南寧530031）

0 引言

弓網系統是高速鐵路牽引供電系統的關鍵組成部分，弓網之間的受流質量直接決定著列車運行的安全性、穩定性、可靠性及速度。但由于弓網之間存在復雜的力學和電氣作用交互影響，其故障率一直較高，嚴重影響高速列車的安全運行。

隨著我國電力機車運行速度的日益提高、高速鐵路的快速發展和運營品質需求的提高，對于高速鐵路弓網系統的安全運行提出了更高的要求。高速列車弓網狀態監測對于保證弓網系統安全運行具有重要的意義。鐵路總公司提出的“高速鐵路供電安全檢測系統（6C系統）總體技術規范”要求對高速鐵路牽引供電系統進行全方位、全覆蓋的綜合檢測監測，其核心思想是設計標準規范的檢測裝置、拍攝海量的照片和視頻、對關鍵的弓網參數及故障進行檢測監測。

1 弓網檢測技術的發展

弓網系統作為高速鐵路的重要子系統之一，隨著列車運行速度的提升，弓網檢測要求也更高，檢測方式逐步向快速化、自動化、智能化和綜合化方向發展。目前，弓網檢測采用的主要技術手段有：人工檢測、接觸式弓網檢測、非接觸式測距技術弓網檢測、非接觸式圖像處理技術弓網檢測。

人工檢測是傳統的弓網檢測技術，主要是人工作業效率低，安全性差，干擾行車，且對檢測人員的工作經驗要求較高。因此，已逐漸被替換。接觸式弓網檢測主要采用各種傳感器來測量幾何參數，如在受電弓上安裝電阻傳感器測量導高、利用壓力傳感器測量拉出值等。文獻[1]在受電弓滑板上安裝接近傳感器檢測接觸線拉出值。任世光將光纖內埋式磨耗傳感器嵌入滑板內，設計了滑板磨耗檢測及自動降弓裝置。由于激光、超聲波等測距技術的發展，其在弓網系統檢測方面得到了廣泛的應用。日本和德國都開發了超聲波檢測系統及儀器，可以有效的檢測弓網幾何參數[2-3]。文獻[4]設計了利用超聲波傳感器作為檢測元件的受電弓磨耗檢測裝置。

20世紀90年代起，隨著計算機視覺技術和圖像處理技術的蓬勃發展，采用光學測量原理的非接觸式圖像檢測技術越來越受到研究人員的重視，其在弓網檢測中的應用也越來越多，相關研究也愈加深入。由于圖像檢測技術可實現自動化和智能化，對行車干擾小等優點，其在弓網檢測中的應用也更加廣泛。

2012年，為實現對高速鐵路牽引供電系統綜合全面的檢測分析，原鐵道部頒布實施《高速鐵路供電安全檢測監測系統（6C系統）總體技術規范》，其總體架構如圖1所示。根據6C系統總體架構，標準的檢測監測裝置將大量采用非接觸式圖像檢測技術，其中動態檢測是必不可缺的重要組成部分，主要體現在以下三個方面：C1及C3裝置中對于車載接觸網運行狀態檢測的要求，主要測量接觸網動態幾何參數中的動態拉出值、接觸導線高度等；C4裝置對于接觸網懸掛狀態檢測監測，需要準確分辨定位器區域零部件的脫落、裂損等故障現象；C5裝置中對于受電弓滑板的監測。本文主要在這三個方面進行概述分析。

圖1 6C系統總體架構圖

2 接觸網幾何參數檢測

為了保證列車運行安全，延長受電弓、接觸網的使用壽命，防止“刮弓”或“鉆弓”等事故的發生，保障弓網系統的安全穩定運行，必須對接觸網幾何參數進行實時檢測，及時發現和處理故障隱患。

近年來，隨著圖像處理、空間幾何等學科內容的立體視覺技術迅速發展，實時圖像檢測技術有了極大的提高，應用也較為成熟。針對傳統檢測方法的不足，設計基于計算機視覺技術的車載圖像檢測監測系統用于對接觸網的幾何參數進行實時、有效的檢測就顯得尤為重要。其檢測的主要過程如圖2所示。相關工作及研究人員根據多種不同的測量原理，建立數學模型，進行了大量的研究。文獻[5-6]運用光學三角測量原理分別設計了接觸導線幾何參數的檢測系統和數學模型，再用邊緣檢測等圖像處理的方法鎖定檢測目標，計算出接觸線拉出值與導高。文獻[7]根據雙目立體視覺技術的測量原理，推導接觸線幾何參數測量的數學模型，采用基于零交叉點算法與二次曲線擬合相結合的亞像素邊緣檢測方法，提取邊界點坐標值，測量導高、拉出值和磨損面寬度等幾何參數。為了提高接觸網幾何參數動態檢測速度，文獻[8]設計了一種雙線陣攝像機與線結構光相結合的視覺傳感器，建立了接觸網幾何參數非線性視覺測量模型。文獻[9-10]分別運用迭代閾值法、均值漂移和粒子濾波算法等跟蹤算法處理攝像機拍攝的圖片，提高了激光斑點測量的準確性以及定位的實時性，通過坐標轉換計算幾何參數。文獻[11]通過均值漂移算法對接觸線進行跟蹤，應用高斯混合模型進行前景檢測，可實現快速定位。文獻[12]將粒子群算法應用于圖像跟蹤中，并與均值漂移算法對比效果更好。

圖2 圖像檢測的主要過程

隨著計算機視覺技術的發展，更多分辨率高的光學儀器和裝置應用于圖像檢測。文獻[13]基于雙目視覺測量原理，通過兩臺高清攝像機采集測量特征并進行圖像處理和三維解算，實現接觸網幾何參數的實時測量。文獻[14]采用多目立體視覺技術，研究基于4個線陣相機，通過建立線陣相機與幾何參數的測量模型，對圖像進行目標追蹤、圖像處理及坐標轉換，實現接觸網幾何參數的非接觸測量。文獻[15]利用高清攝像頭攝取弓網接觸部位的圖像，提取其輪廓曲線，運用模板匹配算法定位受電弓，用霍夫變換來進行直線檢測。另外，還有研究利用面陣相機等設備進行拍攝，如弓網科技設計了基于面陣相機的接觸網檢測方式，但其幀率不高，實時性不強，效率有待提高。

在動態檢測過程中，由于列車運行的振動、不平順、轉彎，導致拍攝的圖像有噪聲、標定存在誤差、幾何參數的測量值有不確定性等，影響檢測精度。因此，為提高檢測的精度，需要對車體進行振動補償。文獻[16]利用傳感器對車體相對于軌面的位移及偏角進行測量，建立了補償公式。文獻[17]利用動力學和統計方法建立振動模型，利用最小二乘擬合法導出振動補償函數，對接觸線拉出值進行補償。文獻[18]利用非接觸式位移傳感器激光雷達，測量車體相對于軌道的位移和角度，對動態接觸線拉出值進行補償。文獻[19]通過分析檢測車振動對檢測系統的影響，推導幾何參數補償公式，建立接觸線幾何模型的卡爾曼濾波方程，修正接觸線幾何參數檢測值。為減少圖像噪聲的影響，文獻[20]應用基于BM3D的自適應降噪新方法，自適應估算閾值和自適應濾波，得到基礎估計圖像，估算噪聲方差，實現聯合維納濾波得到最終估計圖像，簡化參數設置，通過降噪處理，保留了邊緣棱角等細節信息。

3 接觸網懸掛狀態檢測監測

隨著高速列車運行速度的提高及行車密度的增大，不僅對接觸網及受電弓安全運行提出了更高的要求，對接觸網的檢測和維修要求也越來越高。在列車上安裝接觸網檢測裝置，實現對定位器、絕緣子及旋轉雙耳的實時檢測和圖像故障識別，可以為列車運營提供依據，為維修部門提供更及時準確的維修數據，高效精確的指導維修維護作業。因此，實時狀態檢測和維修是未來的發展趨勢。

對于接觸網懸掛狀態的檢測監測，主要運用高清攝像機、相陣相機采集視距內的圖像并進行處理分析，運用圖像處理算法識別常見的典型零部件故障。目前主要識別的故障有：絕緣子夾雜異物故障、絕緣子破損、旋轉雙耳耳片斷裂等。其檢測的基本過程為：先對圖像進行預處理提取特征值，然后運用匹配算法對零部件進行匹配定位，最后對零部件所在區域圖像進行圖像分析并判斷是否存在故障。文獻[21]根據CV（Chan-Vese）模型提取絕緣子輪廓并通過Harris角點檢測方法來匹配，使用離散余弦變換對絕緣子圖像故障增強并對增強后圖像邊緣點進行譜聚類，給出故障判斷，取得了較好的效果。文獻[22]利用金字塔分解、最大互相關運算及小波變換模極大值求解等圖像處理方法來判斷絕緣子故障，可減少人工識別檢測圖像的工作量。文獻[23]通過對圖像進行 Harris角點檢測，SSDA（Sequential Similarity Detection Algorithm）匹配運算及對絕緣子圖像分裂、鏡像處理和圖像差分來判斷絕緣子故障，實現了模板匹配的抗旋轉性，且故障判斷較為簡潔。文獻[24-26]分別提出基于快速魯棒性特征匹配和尺度不變特征匹配的檢測絕緣子和旋轉雙耳的方法，可以實現快速匹配定位，且可用于對絕緣子故障的自動識別，通過邊緣檢測及灰度統計分析可實現旋轉雙耳的故障檢測，實驗效果較好。

4 受電弓滑板監測

受電弓是高速列車的關鍵部件，與接觸網之間存在機械磨損及電弧現象，其滑板不斷磨損會產生損壞、斷裂等不良狀況。為確保電力機車的正常受流，對受電弓滑板的技術狀態進行監測很有必要，有助于及時進行檢修或更換。

對于受電弓滑板的技術狀態監測主要是通過對安裝在高速鐵路車站及其咽喉區的高清攝像機拍攝的受電弓滑板區域的圖片進行分析處理，判斷是否存在損壞、斷裂等不良狀況。應用圖像處理方法進行受電弓滑板的狀態及故障分析的關鍵在于圖像邊緣提取和故障特征提取。文獻[24]利用全景相機對受電弓實時監測，通過對俯視圖和側視圖的分析處理判斷受電弓滑板磨損和損壞。文獻[25-26]使用高斯同態濾波和多種邊緣提取算法檢測受電弓滑板磨耗量，并運用小波算子更有效的檢測滑板邊緣，速度快，具有較好的適應性。文獻[27]采用模糊C-均值聚類方法對不同圖像邊緣分類并確定曲線起始點坐標，運用Sobel、Canny兩種算子提取圖像邊緣，采用均值方法校正測量結果，降低不平滑邊緣的影響，實現較高精度的滑板厚度測量。文獻[28]設計了圖像采集系統對受電弓滑板進行在線動態檢測，通過五種邊緣檢測算法的對比，選擇最佳算法Canny算子檢測圖像邊緣。文獻[29-30]也對受電弓滑板圖像Canny邊緣檢測進行了研究，效果表明方法的可行性較高。如圖3所示，左右分別為受電弓原圖、邊緣檢測后圖像。文獻[31]通過Hough變換和模糊聚類算法等圖像處理方法去除光照不均及噪聲的干擾，采用Canny算子精確提取滑板的邊緣信息，并引入邊緣生長方法實現不連續邊緣的連接，通過圖像標定計算出實際滑板磨耗厚度。對于滑板裂紋的判斷識別也非常重要，文獻[32]提出一種基于二代曲波變換的移動平行窗（TPW）裂紋識別算法，對電弓滑板不同圖像特征之間曲波分解系數進行處理，對各種圖像特征區分，比較準確地檢測圖像中的裂紋信息，并定位裂紋所在位置。文獻[33]提出一種基于區間二型模糊熵的邊緣檢測方法，獲得主體特征增強的滑板邊緣圖像，運用基于極角約束Hough變換的裂紋提取方法排除非裂紋圖形元素的特征點，實現滑板裂紋的自動檢測。

圖3 受電弓原圖及canny邊緣檢測圖

5 結束語

目前，弓網動態圖像檢測技術發展迅猛，但仍然不能做到全方位的在線綜合檢測。隨著科學技術發展的深入，更先進的儀器及算法技術將被綜合應用在弓網動態圖像檢測方面，根據目前的發展趨勢，主要有以下幾個方面：

（1）列車運行過程中不可避免地會產生振動，影響檢測的精度，盡管已經研究了大量的補償方法，但車體振動形式復雜，在對車體振動的全面補償研究方面還可以進一步提高。

（2）受天氣、光照等條件的影響，全天候的實時在線檢測難度很大，可以研究更多的新算法或現有的算法進行改進，運用更新、更高分辨率的圖像采集設備，如3D相機、高精度高幀率的面陣相機、三維攝像機等。

（3）當前的檢測算法主要運用簡單的模式識別和機器學習算法，沒有充分挖掘圖像的數據信息，研究基于深度學習理論的圖像檢測技術，通過運用大數據和云計算等技術，可以設計準確率更高的分類器，快速提取圖像信息，定位關鍵位置，匹配故障類型。

（4）在線實時檢測也可以利用歷史數據對比方法，通過實時數據與歷史數據或標準數據進行動態對比，建立數據庫對海量檢測數據進行統計分析，生成實時狀態曲線或報表，完整直觀的全面呈現檢測數據，高效精確的指導維修維護作業。

（5）構建弓網檢測大平臺，利用圖像檢測在綜合采集復雜弓網圖像方面的優點，對多參數統一檢測、多故障統一識別，建立專家系統，全面綜合圖像信息。