[发明专利]一种适用于铁路接触网故障监测的图像检测装置在审

专利信息
申请号: 202210979248.1 申请日: 2022-08-16
公开(公告)号: CN115291042A 公开(公告)日: 2022-11-04
发明(设计)人: 江兴盟;胡代弟 申请(专利权)人: 郑州铁路职业技术学院
主分类号: G01R31/08 分类号: G01R31/08;G06N3/04;G06N3/08;G06V10/764;G06V10/82
代理公司: 郑州博派知识产权代理事务所(特殊普通合伙) 41137 代理人: 荣永辉
地址: 451460 河南*** 国省代码: 河南;41
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 适用于 铁路 接触 故障 监测 图像 检测 装置
【权利要求书】:

1.一种适用于铁路接触网故障监测的图像检测装置,其特征在于,具体包括:

电流监测模块,图像监测模块,受流状态检测模块,异物识别模块,健康度评估模块;

其中所述电流监测模块负责对接触网的输出电流进行监测,并当所述输出电流的幅值大于第一电流阈值且所述电流一分钟的变动率大于第一变化阈值时,将开启信号传输至所述图像监测模块;

所述图像监测模块包括基本图像模块和红外图像模块,其中所述基本图像模块拍摄所述接触网得到基本图像,并将所述基本图像传输至异物识别模块和过流监测模块,所述红外图像模块负责获取所述接触网的红外图像,并将所述红外图像传输至过流监测模块;

所述受流状态监测模块基于所述红外图像得到所述接触网与受电弓接触处的温度,基于所述温度、所述电流确定所述接触网的燃弧率,基于所述基本图像,通过采用GWO-AlexNet算法与Faster-RCNN算法的图像预测模型得到所述接触网的状态分数,并基于所述状态分数和所述燃弧率,通过采用SA-GBDT算法和PSO-BP神经网络算法的预测模型得到所述受流状态指数,并将所述受流状态指数传输至所述健康度评估模块;

所述异物识别模块基于所述基本图像,采用基于Faster-RCNN算法的预测模型得到异物识别状态,并将所述异物识别状态传输至所述健康度评估模块;

所述健康度评估模块基于所述异物识别状态和所述受流状态指数,得到所述接触网的健康度指数,并基于所述健康度指数确定所述接触网的状态。

2.根据权利要求1所述的适用于铁路接触网故障监测的图像检测装置,其特征在于,产生所述开启信号的具体步骤为:

S11提取得到所述接触网的电流;

S12确定所述电流是否大于第一电流阈值,若所述电流大于第一电流阈值,进入步骤S13;

S13确定所述电流一分钟的变动率是否大于第一变化阈值,若所述电流的变化率大于第一变化率阈值,则产生所述开启信号,并将所述开启信号传输至所述图像监测模块。

3.根据权利要求2所述的适用于铁路接触网故障监测的图像检测装置,其特征在于,当所述电流大于第二电流阈值时,直接产生所述开启信号,并将所述开启信号传输至所述图像监测模块,所述第一电流阈值小于所述第二电流阈值。

4.根据权利要求1所述的适用于铁路接触网故障监测的图像检测装置,其特征在于,所述燃弧率的计算公式为:

R=K1(1+K3)T(1+K2ln(1+I))

其中K1、K2、K3为常数,T为接触网与受电弓接触处的温度,I为所述接触网的电流,R为燃弧率。

5.根据权利要求1所述的适用于铁路接触网故障监测的图像检测装置,其特征在于,得到所述受流状态指数的具体步骤为:

S21确定所述燃弧率是否大于第一燃弧率阈值,当所述燃弧率大于第一燃弧率阈值时,进入步骤S22;

S22确定所述状态分数是否大于第一状态阈值,当所述状态分数大于第一状态阈值时,进入步骤S23;

S23基于所述燃弧率和状态分数确定所述受流状态指数。

6.根据权利要求1所述的适用于铁路接触网故障监测的图像检测装置,其特征在于,所述接触网的状态分数的确定的具体步骤为:

S31基于所述接触网的基本图像,并将所述基本图像送入到基于GWO-AlexNet算法的图像预测模型之中,得到所述Alex状态分数,并为所述Alex状态分数赋予Alex权值;

S32基于所述接触网的基本图像,并将所述基本图像送入到基于Faster-RCNN算法算法的图像预测模型之中,得到所述RCNN状态分数,并为所述RCNN状态分数赋予RCNN权值;

S33基于所述Alex状态分数、Alex权值、RCNN状态分数、RCNN权值得到所述接触网的状态分数。

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郑州铁路职业技术学院,未经郑州铁路职业技术学院许可,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/202210979248.1/1.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