[发明专利]一种高铁接触网等电位线不良状态的检测方法

说明书

本发明公开了一种高铁接触网等电位线不良状态的检测方法，包括以下步骤：步骤1：获取高铁接触网支撑及悬挂装置图像；步骤2：根据步骤1得到的图像通过基于Faster R‑CNN算法的神经网络进行等电位线部件的定位，提取等电位线部件图；步骤3：搭建GAN网络并进行训练；步骤4：通过步骤3训练过的GAN网络对步骤2提取到的等电位部件图进行识别，完成高铁接触网等电位线的故障检测；本发明可减少人工识别的巨大工作量，实现现场图像的自动分析，具有较高识别准确性。

技术领域

本发明涉及高速铁路接触网故障检测领域，具体涉及一种高铁接触网等电位线不良状态的检测方法。

背景技术

电气化铁路是铁路快速发展的重要标志之一，在铁路发展过程中，重载和高速技术的应用加速了铁路电气化的发展过程；相比于其他系统，弓网系统长期处于露天环境之下，并且机车存在力学和电气等对之间的关系对弓网产生影响，导致接触网和受电弓故障概率相对比其他系统要高，并且不良状态发生比较频繁且复杂；当弓网系统发生故障或存在故障隐患时，将会对人身安全和国家财产造成危害；因此，为了保证机车接受电流的稳定性，其状态监测和故障检测发挥着重要的作用；在电气化铁路的整个运行系统中，接触网悬挂装置很容易发生故障；沿铁路干线架设的接触网为受电弓提供高压的电流，使得电力机车具有足够的动力，接触网性能的好坏将直接影响电力机车受流质量，进一步影响电力机车运行的速度和安全。

在高铁接触网支撑预悬挂装置中，等电位线起到防止烧损支持的作用，确保支持与定位零件的短路稳定性；当列车受电弓通过接触网时，定位器会存在一定抬升，从而使其与定位器支座产生间隙；在间隙产生时，如果等电位线松脱或断裂，定位器支座将承受较大的电气冲击，造成电化学腐蚀；严重时导致定位器与支座连接处断裂脱离，影响列车安全；原铁道部颁布的4C系统技术规范，包含对接触网的悬挂部分、腕臂部分的高清晰视频监测；涉及基于数字图像处理技术对接触网支撑及悬挂装置中零件的故障检测。

高铁接触网支撑及悬挂装置中涉及46中零部件的检测，分为ABC三类；其中A类故障最为严重；零部件在支撑与悬挂结构中分布较为分散，零部件的大小和结构多不相同；摄像机拍摄时，会有一定的光照和角度的影响；目前多采用图像处理技术对像等电位线这样微小部件进行故障检测；但是由于现场采集的接触网支撑及悬挂装置图像普遍较为复杂，采用图像处理技术对像等电位线这样微小部件进行故障检测存在较大的难度。

发明内容

本发明提供一种可减少人工识别的巨大工作量，实现现场图像的自动分析，具有较高识别准确性的高特接触网等电位线故障检测方法。

本发明采用的技术方案是：一种高铁接触网等电位线不良状态的检测方法，包括以下步骤：

步骤1：获取高铁接触网支撑及悬挂装置图像；

步骤2：根据步骤1得到的图像通过基于Faster R-CNN算法的神经网络进行等电位线部件的定位，提取等电位线部件图；

步骤3：搭建生成对抗网络GAN并进行训练；

步骤4：通过步骤3训练过的GAN网络对步骤2提取到的等电位部件图进行识别，完成高铁接触网等电位线的故障检测。

进一步的，所述步骤2中基于Faster R-CNN算法的神经网络包括以下过程：

搭建候选区域网络，候选区域网络的输出层作为感兴趣区域ROI生成网络的输入，然后输入CNN分类网络。

进一步的，所述步骤3中生成对抗网络GAN训练过程如下：

A：在噪声数据分布中随机采样，输入生成模型，得到一组假数据；

B：在真实数据分布中随机采样，作为真实数据；

C：将步骤A和步骤B中产生的数据作为判别网络的输入，输出属于真实数据的概率；