發(fā)布時(shí)間：2022-03-26所屬分類：科技論文瀏覽：1次
摘 要： 摘 要: 城市軌道交通系統(tǒng)主要由弓/網(wǎng)系統(tǒng)、軌道線路、車輛、車站等組成,傳統(tǒng)的人工巡檢等方法檢測(cè)效率低、勞動(dòng)強(qiáng)度大、自動(dòng)化和智能化程度不高,給城市軌道交通的運(yùn)營(yíng)保障和進(jìn)一步健康發(fā)展帶來(lái)了巨大的挑戰(zhàn). 機(jī)器視覺(jué)作為一種重要的檢測(cè)手段,在城市軌道交通系統(tǒng)狀態(tài)檢測(cè)
摘 要: 城市軌道交通系統(tǒng)主要由弓/網(wǎng)系統(tǒng)、軌道線路、車輛、車站等組成,傳統(tǒng)的人工巡檢等方法檢測(cè)效率低、勞動(dòng)強(qiáng)度大、自動(dòng)化和智能化程度不高,給城市軌道交通的運(yùn)營(yíng)保障和進(jìn)一步健康發(fā)展帶來(lái)了巨大的挑戰(zhàn). 機(jī)器視覺(jué)作為一種重要的檢測(cè)手段,在城市軌道交通系統(tǒng)狀態(tài)檢測(cè)領(lǐng)域得到了廣泛的應(yīng)用. 鑒于此,針對(duì)機(jī)器視覺(jué)在城市軌道交通系統(tǒng)安全狀態(tài)檢測(cè)中的研究和應(yīng)用進(jìn)行綜述. 首先,簡(jiǎn)要介紹城市軌道交通的基本概念和快速發(fā)展所面臨的挑戰(zhàn)與機(jī)遇. 然后,詳細(xì)介紹機(jī)器視覺(jué)技術(shù)在城市軌道交通各子系統(tǒng)安全狀態(tài)檢測(cè)中的研究與應(yīng)用情況;針對(duì)弓/網(wǎng)系統(tǒng)狀態(tài)檢測(cè)問(wèn)題,分別重點(diǎn)介紹機(jī)器視覺(jué)在受電弓磨耗檢測(cè)、受電弓包絡(luò)線等其他病害檢測(cè)、接觸網(wǎng)幾何參數(shù)檢測(cè)、接觸網(wǎng)磨耗檢測(cè)以及接觸網(wǎng)懸掛病害檢測(cè)中的國(guó)內(nèi)外研究現(xiàn)狀;在軌道線路安全狀態(tài)檢測(cè)方面,分別介紹機(jī)器視覺(jué)在扣件安全狀態(tài)檢測(cè)和鋼軌表面病害檢測(cè)中的應(yīng)用與研究現(xiàn)狀;從不同檢測(cè)項(xiàng)點(diǎn)角度詳細(xì)介紹機(jī)器視覺(jué)在車輛狀態(tài)檢測(cè)中的應(yīng)用與研究進(jìn)展;梳理和總結(jié)機(jī)器視覺(jué)在車站電扶梯安全監(jiān)控和站臺(tái)安全監(jiān)控的異常行為檢測(cè)中的具體應(yīng)用和研究;并重點(diǎn)介紹機(jī)器視覺(jué)在軌道交通司機(jī)行為監(jiān)測(cè)中的具體應(yīng)用和背景技術(shù). 最后,對(duì)機(jī)器視覺(jué)技術(shù)應(yīng)用于城市軌道交通系統(tǒng)狀態(tài)檢測(cè)領(lǐng)域的未來(lái)進(jìn)行展望.
關(guān)鍵詞: 城市軌道交通;安全狀態(tài)檢測(cè);智能化;運(yùn)營(yíng)保障;機(jī)器視覺(jué)
0 引 言
軌道交通是集多專業(yè)、多工種于一身的復(fù)雜系統(tǒng),通常由軌道線路、車站、車輛、弓/ 網(wǎng)系統(tǒng)、通信信號(hào)系統(tǒng)等組成,本文討論的軌道交通主要指城市軌道交通. 常見(jiàn)的軌道交通有傳統(tǒng)鐵路(包括國(guó)家鐵路、城際鐵路和市域鐵路)、地鐵、輕軌和有軌電車. 其中與其他類軌道交通不同的是,地鐵是修建在城市中的一種快速、大運(yùn)量、用電力牽引的軌道交通[1] . 目前, 隨著我國(guó)城市化進(jìn)程逐步加快,城市規(guī)模不斷擴(kuò)張, 城市人口日益增加,大量流動(dòng)人口開始涌向城市,居民出行的交通需求急劇增長(zhǎng),軌道交通由于其方便、快捷、環(huán)保、載客多的特點(diǎn)已廣泛應(yīng)用于解決我國(guó)一些大城市的交通問(wèn)題. 軌道交通作為改善城市交通環(huán)境的重要交通工具,其建設(shè)是衡量城市經(jīng)濟(jì)發(fā)展水平的重要標(biāo)識(shí)之一[2] .
近年來(lái),得益于各大領(lǐng)域相關(guān)科學(xué)技術(shù)的不斷進(jìn)步,城市軌道交通也得到了飛速發(fā)展,逐漸成為各大城市主要的交通運(yùn)輸方式. 據(jù)統(tǒng)計(jì)[3] ,截至2019年底, 中國(guó)大陸地區(qū)共有40個(gè)城市開通軌道交通運(yùn)營(yíng)線路 208 條, 運(yùn)營(yíng)線路總長(zhǎng)度 6 736.2 km. 其中, 地鐵運(yùn)營(yíng)線路5 180.6 km,占比76.9 %. 當(dāng)年新增運(yùn)營(yíng)線路長(zhǎng)度974.8 km. 此外, 2019年全年累計(jì)完成客運(yùn)量237.1 億人次,同比增長(zhǎng)12.5 %;總進(jìn)站量為149.4億人次,同比增長(zhǎng)12.2 %;總客運(yùn)周轉(zhuǎn)量為2 003.1億人km,同比增長(zhǎng)13.8 %,運(yùn)營(yíng)規(guī)模繼續(xù)保持高增長(zhǎng)勢(shì)頭. 從2019 年的統(tǒng)計(jì)數(shù)據(jù)不難看出,軌道交通的發(fā)展非常迅猛, 且在“交通強(qiáng)國(guó)”“新型城鎮(zhèn)化”等發(fā)展戰(zhàn)略下,國(guó)家也將投入更多的資金,在更多的城市規(guī)劃和建設(shè)軌道交通線網(wǎng).
然而,隨著軌道交通的快速發(fā)展,對(duì)于軌道交通的運(yùn)輸安全和維保決策也提出了更加嚴(yán)苛的要求. 軌道交通系統(tǒng)由多個(gè)部分組成,每個(gè)部分的安全都將影響整個(gè)系統(tǒng)的運(yùn)營(yíng)安全. 如軌道線路,作為軌道交通整個(gè)系統(tǒng)的生命線,其安全狀態(tài)的好壞直接影響著運(yùn)營(yíng)車輛在正常行駛過(guò)程中的平穩(wěn)性和安全性,同時(shí)也會(huì)影響乘客乘坐時(shí)的舒適性. 當(dāng)軌道線路設(shè)備出現(xiàn)病害且不斷發(fā)展惡化,也將增加線路維修養(yǎng)護(hù)的成本和維保決策的難度[4] . 此外,如弓 / 網(wǎng)系統(tǒng),其擔(dān)負(fù)著將牽引網(wǎng)電能輸送給運(yùn)營(yíng)中車輛使用的重要任務(wù), 這一過(guò)程中若存在任何異常或者病害沒(méi)有及時(shí)發(fā)現(xiàn)并進(jìn)行處理,則有可能導(dǎo)致嚴(yán)重的故障,嚴(yán)重影響運(yùn)營(yíng)車輛的安全運(yùn)行,而弓 / 網(wǎng)故障以及進(jìn)一步引起的弓 / 網(wǎng)相關(guān)故障已經(jīng)成為軌道交通事故中最主要的事故原因之一,牽引系統(tǒng)故障約占總事故數(shù)的三分之一,部分嚴(yán)重的年份甚至能達(dá)到40 %以上[5] . 因此,對(duì)于軌道交通安全狀態(tài)的及時(shí)且精準(zhǔn)檢測(cè),優(yōu)化維修策略,保障軌道交通高效率零事故的安全運(yùn)營(yíng),進(jìn)一步促進(jìn)我國(guó)軌道交通的發(fā)展,具有相當(dāng)重要的意義.
長(zhǎng)久以來(lái),對(duì)于軌道交通安全狀態(tài)的檢測(cè)主要以人工巡檢的方式為主,該方式雖簡(jiǎn)單易行但勞動(dòng)強(qiáng)度大,效率低下,對(duì)巡檢人員的專業(yè)素質(zhì)要求較高,檢測(cè)結(jié)果往往受主觀的影響較大,不僅一些檢測(cè)需在運(yùn)營(yíng)空窗期內(nèi)完成,甚至還可能危害到巡檢工人的人身安全,而且難以滿足日益增長(zhǎng)的運(yùn)營(yíng)需求[6] . 針對(duì)人工檢測(cè)方式存在的諸多問(wèn)題,在科學(xué)水平和自動(dòng)化技術(shù)不斷發(fā)展和成熟的推動(dòng)下,多種非接觸式無(wú)損檢測(cè)方法逐漸被提出并應(yīng)用在軌道交通系統(tǒng)安全狀態(tài)檢測(cè)領(lǐng)域. 非接觸式無(wú)損檢測(cè)技術(shù)是一種具有較高自動(dòng)化程度和檢測(cè)精度[7] ,且便于操作的現(xiàn)代化診斷技術(shù),主要包括超聲波檢測(cè)、電渦流法、漏磁檢測(cè)、紅外檢測(cè)、激光全息檢測(cè)等方法. 該技術(shù)在檢測(cè)過(guò)程中沒(méi)有破壞性,效率較高,且不與待檢測(cè)目標(biāo)接觸,能夠遠(yuǎn)距離實(shí)現(xiàn)對(duì)待測(cè)目標(biāo)的檢測(cè). 近幾年,隨著機(jī)器視覺(jué)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、人工智能等領(lǐng)域技術(shù)的迅速發(fā)展,基于機(jī)器視覺(jué)的非接觸式檢測(cè)方法逐漸發(fā)展成熟并廣泛應(yīng)用在電氣、電子、機(jī)械、汽車、工業(yè)檢測(cè)等領(lǐng)域,是目前最為常用的一種檢測(cè)方法[8] .
機(jī)器視覺(jué)技術(shù)一般是指使用非接觸式光學(xué)設(shè)備和傳感器自動(dòng)接收并處理真實(shí)場(chǎng)景的圖像以獲得人們所需要的信息[9] ,它可以代替人類進(jìn)行尺寸測(cè)量、缺陷檢測(cè)、目標(biāo)識(shí)別、機(jī)器人導(dǎo)航等. 工業(yè)上典型的機(jī)器視覺(jué)系統(tǒng)主要由光學(xué)成像模塊(包括光源、相機(jī)、鏡頭)、圖像獲取模塊(圖像采集卡)、實(shí)時(shí)處理模塊和執(zhí)行模塊等組成[10] . 相較于傳統(tǒng)的人工檢測(cè)技術(shù),基于機(jī)器視覺(jué)的檢測(cè)方式具有非接觸性、實(shí)時(shí)性、靈活性和精確性等特點(diǎn),適用于重復(fù)性高、環(huán)境條件惡劣以及非接觸精密測(cè)量的場(chǎng)合[11] . 隨著機(jī)器視覺(jué)技術(shù)的逐步發(fā)展,上述機(jī)器視覺(jué)的優(yōu)勢(shì)和特點(diǎn)可有效解決傳統(tǒng)檢測(cè)方式存在的諸多問(wèn)題,使其在軌道交通系統(tǒng)狀態(tài)檢測(cè)領(lǐng)域得到了越來(lái)越多的關(guān)注和應(yīng)用. 與此同時(shí),如何更好地在利用機(jī)器視覺(jué)技術(shù)的基礎(chǔ)上,結(jié)合深度學(xué)習(xí)、人工智能等先進(jìn)的技術(shù),實(shí)現(xiàn)更加自動(dòng)化、智能化的軌道交通系統(tǒng)狀態(tài)檢測(cè),也成為近幾年研究的熱點(diǎn)問(wèn)題,有重要的研究?jī)r(jià)值.
鑒于此,本文針對(duì)機(jī)器視覺(jué)技術(shù)在軌道交通系統(tǒng)狀態(tài)檢測(cè)中的研究和應(yīng)用進(jìn)行全面且系統(tǒng)的總結(jié). 詳細(xì)介紹了機(jī)器視覺(jué)技術(shù)在軌道交通中的弓 / 網(wǎng)系統(tǒng)、軌道線路、車輛、車站等子系統(tǒng)的安全狀態(tài)檢測(cè)中的熱點(diǎn)應(yīng)用,并分析總結(jié)了現(xiàn)有各子系統(tǒng)的安全狀態(tài)檢測(cè)方法. 最后總結(jié)和展望基于機(jī)器視覺(jué)的軌道交通系統(tǒng)狀態(tài)檢測(cè)目前存在的問(wèn)題及其研究趨勢(shì)和應(yīng)用前景.
1 機(jī)器視覺(jué)在弓/網(wǎng)系統(tǒng)狀態(tài)檢測(cè)中的應(yīng)用
弓/ 網(wǎng)系統(tǒng)是軌道交通供電系統(tǒng)中的關(guān)鍵組成部分,其安全狀態(tài)的好壞直接影響著運(yùn)營(yíng)車輛的正常運(yùn)行. 因此,在列車運(yùn)行過(guò)程中需要對(duì)弓 / 網(wǎng)系統(tǒng)狀態(tài)實(shí)時(shí)進(jìn)行監(jiān)測(cè),以發(fā)現(xiàn)可能存在的故障并及時(shí)排除隱患. 弓/ 網(wǎng)系統(tǒng)檢測(cè)目前主要采取4種技術(shù)手段,包括人工檢測(cè)、接觸式弓 / 網(wǎng)檢測(cè)、非接觸式測(cè)距技術(shù)弓 / 網(wǎng)檢測(cè)以及非接觸式圖像處理技術(shù)弓 / 網(wǎng)檢測(cè)[12] . 基于機(jī)器視覺(jué)的弓網(wǎng)檢測(cè)相比其他3種方案而言,檢測(cè)靈活性高,準(zhǔn)確度高,設(shè)備智能程度高,并且對(duì)正常行車干擾影響小,因此得到了越來(lái)越廣泛的應(yīng)用.
弓/ 網(wǎng)非接觸式圖像檢測(cè)實(shí)際上是利用相機(jī)設(shè)備對(duì)弓 / 網(wǎng)進(jìn)行遠(yuǎn)距離圖像采集,再通過(guò)計(jì)算機(jī)視覺(jué)相關(guān)技術(shù)對(duì)弓 / 網(wǎng)狀態(tài)進(jìn)行分析,以對(duì)其狀態(tài)進(jìn)行檢測(cè),因此,弓 / 網(wǎng)監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與研制便成為一個(gè)比較關(guān)鍵的問(wèn)題. 弓 / 網(wǎng)系統(tǒng)是比較復(fù)雜的綜合系統(tǒng), 其中受電弓與接觸網(wǎng)之間是相對(duì)獨(dú)立的兩個(gè)子系統(tǒng), 受電弓安裝在機(jī)車車輛頂部(如圖1所示),接觸網(wǎng)安裝在地鐵隧道頂部或者布置在室外線路上(如圖2所示),因此受電弓和接觸網(wǎng)的檢測(cè)系統(tǒng)往往是相對(duì)獨(dú)立的,本節(jié)將從這兩個(gè)部分分別介紹機(jī)器視覺(jué)技術(shù)在弓/ 網(wǎng)系統(tǒng)狀態(tài)檢測(cè)中的應(yīng)用.
1.1 受電弓狀態(tài)檢測(cè)
受電弓檢測(cè)系統(tǒng)往往是安裝在地面上的定點(diǎn)設(shè)備,當(dāng)列車運(yùn)行經(jīng)過(guò)檢測(cè)裝置時(shí),由高速相機(jī)等設(shè)備采集得到受電弓圖像,然后將圖像傳回后端進(jìn)一步對(duì)受電弓狀態(tài)進(jìn)行檢測(cè)和分析. 目前,國(guó)內(nèi)外有多家公司和研究所研制了受電弓監(jiān)測(cè)系統(tǒng)方案,如英國(guó) Ricardo Rail公司、土耳其科學(xué)研究院(TUBITAK)及中國(guó)中車株洲電力機(jī)車有限公司等[13-18] . 以文獻(xiàn)[18] 為例,一個(gè)完整的受電弓監(jiān)測(cè)系統(tǒng)往往包含若干個(gè)子系統(tǒng),如觸發(fā)系統(tǒng)、拍攝系統(tǒng)、照明系統(tǒng)、傳輸系統(tǒng)、中心處理系統(tǒng)等. 如圖3所示,當(dāng)列車通過(guò)檢測(cè)設(shè)備時(shí), 運(yùn)用電流傳感器、紫外探測(cè)器、紅外成像儀、激光發(fā)生器、高速相機(jī)監(jiān)測(cè)和采集弓網(wǎng)主要結(jié)構(gòu)參數(shù)以及弓網(wǎng)圖像,然后在后臺(tái)進(jìn)行分析和檢測(cè). 不同單位研制的系統(tǒng)在設(shè)備和布置形式上會(huì)有一些差異,但大致相同. 在獲取到受電弓圖像后,關(guān)鍵的問(wèn)題就是利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)受電弓狀態(tài)進(jìn)行識(shí)別和分析.
1.1.1 受電弓磨耗檢測(cè)
在國(guó)內(nèi)外受電弓狀態(tài)檢測(cè)相關(guān)的研究中,針對(duì)受電弓滑板磨耗病害的檢測(cè)相對(duì)較多,根據(jù)所采用的具體算法主要分為基于傳統(tǒng)圖像處理的檢測(cè)方法和基于深度學(xué)習(xí)的檢測(cè)方法.
基于傳統(tǒng)圖像處理的檢測(cè)方法檢測(cè)步驟如下: 首先通過(guò)邊緣檢測(cè)等算法來(lái)提取受電弓滑板邊緣磨耗曲線,然后在此基礎(chǔ)上分析和評(píng)估受電弓磨耗的嚴(yán)重程度. 文獻(xiàn)[19]分析對(duì)比了不同的邊緣檢測(cè)算子, 最終得出Canny邊緣檢測(cè)算子的提取效果最好. 文獻(xiàn) [20]采用了對(duì)稱近鄰均值濾波器(SNN),能一定程度上過(guò)濾噪聲并保護(hù)圖像邊緣. 文獻(xiàn)[21-22]首先采用模糊C 均值聚類算法(FCM)對(duì)原始圖像進(jìn)行分割,提取出受電弓有效區(qū)域;然后使用邊緣提取和邊緣生長(zhǎng)方法獲取磨耗邊緣,并利用基于數(shù)學(xué)形態(tài)學(xué)的邊緣生長(zhǎng)法連接邊緣中斷的位置,最終得到完整的受電弓滑板邊緣. 這種方法在受電弓滑板磨耗較為嚴(yán)重,即滑板邊緣曲線梯度值較大的情況下檢測(cè)效果較為良好. 以文獻(xiàn)[21]結(jié)果為例,原始的受電弓滑板圖像和提取的磨耗曲線如圖4所示. 基于傳統(tǒng)圖像處理的檢測(cè)方法思想簡(jiǎn)單,易于實(shí)現(xiàn),但算法穩(wěn)定性差,魯棒性不高,檢測(cè)步驟較繁瑣,而且最終檢測(cè)結(jié)果受制于滑板邊緣曲線的提取結(jié)果.
近年來(lái),針對(duì)傳統(tǒng)基于圖像處理的檢測(cè)方法存在的不足,基于深度學(xué)習(xí)技術(shù)的受電弓滑板磨耗檢測(cè)和分析方法得到越來(lái)越多的關(guān)注,逐漸成為研究熱點(diǎn). 文獻(xiàn)[5]基于經(jīng)典卷積神經(jīng)網(wǎng)絡(luò),經(jīng)過(guò)結(jié)構(gòu)調(diào)整及參數(shù)調(diào)優(yōu)提出了PDDNet,經(jīng)過(guò)訓(xùn)練后能夠以超過(guò) 90 %的準(zhǔn)確度實(shí)現(xiàn)受電弓病害類別識(shí)別. 文獻(xiàn)[23] 在文獻(xiàn)[5]的基礎(chǔ)上,利用深度學(xué)習(xí)中的目標(biāo)檢測(cè)技術(shù),并使用基于Soft-NMS改進(jìn)的Faster R-CNN網(wǎng)絡(luò), 以更高的準(zhǔn)確度在原始圖像中實(shí)現(xiàn)受電弓區(qū)域的提取以及病害識(shí)別[23] . 基于深度學(xué)習(xí)的方法相比傳統(tǒng)方法而言,具有更好的泛化能力和智能性,但是受限于設(shè)備計(jì)算能力以及訓(xùn)練數(shù)據(jù)集的不足,在實(shí)際線路中的應(yīng)用還有待進(jìn)一步研究.
1.1.2 受電弓其他病害檢測(cè)
在實(shí)際車輛運(yùn)營(yíng)線路上, 除了滑板磨耗外, 受電弓還存在包絡(luò)線、中心線偏移和羊角缺失等病害, 這些病害的存在都會(huì)不同程度地影響車輛運(yùn)營(yíng)的安全[24-28] .
受電弓包絡(luò)線是指運(yùn)營(yíng)車輛在最高設(shè)計(jì)運(yùn)行速度之下時(shí)受電弓外形輪廓在垂直方向的上下最大振動(dòng)量,以及水平方向的左右最大擺動(dòng)量所形成的包絡(luò)線[24] ,檢測(cè)受電弓包絡(luò)線對(duì)于弓網(wǎng)設(shè)備安裝、維護(hù)以及狀態(tài)檢測(cè)具有重要的意義. 文獻(xiàn)[24-25]設(shè)計(jì)一種受電弓包絡(luò)線檢測(cè)裝置,在高壓鈉燈照明環(huán)境下拍攝受電弓圖像,并采用了一種基于序貫相似性檢測(cè)算法的模板匹配法以獲取受電弓運(yùn)行位置,進(jìn)而計(jì)算出其動(dòng)態(tài)包絡(luò)線結(jié)果. 實(shí)驗(yàn)結(jié)果表明,該方法具有較高的精確度,可行性較強(qiáng),但檢測(cè)效果依賴于對(duì)待檢測(cè)受電弓模板圖像的設(shè)計(jì).
相關(guān)知識(shí)推薦：論文投稿前怎么查重復(fù)率
文獻(xiàn)[26]利用多種圖像處理算法研究了受電弓中心線偏移檢測(cè)和羊角缺失檢測(cè)方法. 針對(duì)中心線偏移檢測(cè),首先通過(guò)Hough變換等方法檢測(cè)并計(jì)算滑板中心點(diǎn),同時(shí)檢測(cè)弓網(wǎng)接觸點(diǎn)的位置,然后計(jì)算差值得到中心線偏移值. 針對(duì)受電弓羊角缺失病害的檢測(cè),首先通過(guò)對(duì)比分析羊角圖像灰度特征與羊角狀態(tài)之間的關(guān)系,并采用HOG特征描述算子對(duì)羊角圖像進(jìn)行特征提取,然后使用SVM (支持向量機(jī))對(duì)特征向量進(jìn)行二分類,從而判定圖像中羊角是否有缺失. 文中所提出的檢測(cè)算法關(guān)鍵在于受電弓中心和羊角中心的準(zhǔn)確定位,魯棒性有待進(jìn)一步提升.
此外,針對(duì)受電弓裂紋病害的檢測(cè),文獻(xiàn)[27]利用曲波變換多方向性及各向異性特點(diǎn),對(duì)受電弓滑板圖像點(diǎn)狀、線性和非線性特征進(jìn)行分類. 在曲波分解方向矩陣中使用移動(dòng)平行窗口并計(jì)算窗口能量值,依據(jù)能量值區(qū)分線性平行接縫與背景噪聲、螺釘和刮痕等其他非線性圖像特征,最終獲取滑板裂紋信息; 文獻(xiàn)[28]在基于區(qū)間二型模糊熵的邊緣檢測(cè)結(jié)果的基礎(chǔ)上,采用變換分析各類圖形元素在參數(shù)空間的特征分布,提出一種基于極角約束Hough變換的裂紋提取方法,通過(guò)有效地排除非裂紋圖形元素的特征點(diǎn), 最終實(shí)現(xiàn)滑板裂紋的自動(dòng)檢測(cè). 兩者均實(shí)現(xiàn)了受電弓滑板裂紋的非接觸式檢測(cè),為實(shí)際工程應(yīng)用領(lǐng)域中解決滑板裂紋自動(dòng)檢測(cè)問(wèn)題提供了新的思路,但檢測(cè)精度及速度都還無(wú)法達(dá)到現(xiàn)場(chǎng)使用的要求.
1.2 接觸網(wǎng)狀態(tài)檢測(cè)
城市軌道交通接觸網(wǎng)主要沿著軌道車輛運(yùn)營(yíng)線路布置,根據(jù)安裝地點(diǎn)及方式不同可分為剛性接觸網(wǎng)和柔性接觸網(wǎng)兩類. 其中,剛性接觸網(wǎng)安裝在地鐵隧道頂端,柔性接觸網(wǎng)安裝在線路兩旁的支架上,因此對(duì)于接觸網(wǎng)的檢測(cè)和受電弓檢測(cè)不同,不能使用定點(diǎn)設(shè)備. 目前,基于機(jī)器視覺(jué)的接觸網(wǎng)狀態(tài)檢測(cè)方法是利用安裝在車頂?shù)臋z測(cè)設(shè)備,實(shí)現(xiàn)了在途檢測(cè),也有部分通過(guò)檢測(cè)車或者手持設(shè)備進(jìn)行檢測(cè)的方案,但實(shí)際應(yīng)用效果相對(duì)較差[29] . 接觸網(wǎng)狀態(tài)檢測(cè)系統(tǒng)根據(jù)檢測(cè)項(xiàng)點(diǎn)的不同,其具體設(shè)計(jì)方案也會(huì)有所區(qū)別.
1.2.1 接觸網(wǎng)幾何參數(shù)檢測(cè)
接觸網(wǎng)幾何參數(shù)是接觸網(wǎng)系統(tǒng)的重要數(shù)據(jù),主要包括導(dǎo)高和拉出值,分別為接觸線與鋼軌平面垂直距離,以及接觸線與軌道中心水平距離[30] . 接觸網(wǎng)幾何參數(shù)是衡量接觸網(wǎng)運(yùn)行狀態(tài)的重要指標(biāo),是影響弓網(wǎng)匹配關(guān)系以及列車行駛安全的重要因素,也是相關(guān)部門進(jìn)行維護(hù)的重要參考依據(jù). 目前,接觸網(wǎng)幾何參數(shù)檢測(cè)方案主要包含單目相機(jī)方案和雙目相機(jī)方案兩種.
單目相機(jī)方案即采用一個(gè)相機(jī)檢測(cè)接觸網(wǎng)幾何參數(shù)[30-31] ,通過(guò)攝像機(jī)拍攝接觸網(wǎng)視頻,對(duì)于視頻中的每一幀圖像,通過(guò)灰度分布圖等方式獲取接觸線位置,并計(jì)算其像素坐標(biāo). 為了將像素坐標(biāo)轉(zhuǎn)換成實(shí)際物理坐標(biāo)需要進(jìn)行標(biāo)定,利用預(yù)先設(shè)置尺寸已知的標(biāo)定物,通過(guò)計(jì)算轉(zhuǎn)換關(guān)系獲取接觸網(wǎng)實(shí)際的導(dǎo)高和拉出值信息. 單目相機(jī)方案圖像獲取便捷,計(jì)算相對(duì)簡(jiǎn)單,成本低,但接觸線的水平位置經(jīng)常變化會(huì)使得單相機(jī)的數(shù)據(jù)采集范圍有限,實(shí)現(xiàn)車載實(shí)時(shí)檢測(cè)困難.
雙目相機(jī)方案采用兩個(gè)相機(jī),在接觸網(wǎng)兩側(cè)分別拍攝接觸線,如圖5所示[32] . 在設(shè)置好系統(tǒng)參數(shù)后分別拍攝接觸網(wǎng)圖像,并獲取接觸網(wǎng)中心點(diǎn)在左右圖像上的坐標(biāo),進(jìn)行系統(tǒng)標(biāo)定后即可通過(guò)三角形原理計(jì)算出接觸網(wǎng)在整個(gè)系統(tǒng)中的三維物理坐標(biāo)[33-35] . 雙目方案的優(yōu)點(diǎn)在于測(cè)量更加迅速準(zhǔn)確,拍攝范圍更廣, 對(duì)圖像處理方面的要求更低,適用性更好. 但是,該方案需要保證相機(jī)安裝參數(shù)的精度,容易受到各種誤差的影響.
1.2.2 接觸網(wǎng)磨耗檢測(cè)
接觸網(wǎng)作為弓網(wǎng)系統(tǒng)的核心部件,在運(yùn)營(yíng)車輛高速運(yùn)動(dòng)過(guò)程中與受電弓碳滑板一直保持高速接觸摩擦狀態(tài),經(jīng)過(guò)長(zhǎng)期運(yùn)行接觸網(wǎng)底部即接觸線表面往往會(huì)出現(xiàn)磨耗,如圖6所示. 其中: r 為接觸曲線半徑, h 為接觸線殘高, θ 為磨耗點(diǎn)與中線的夾角. 與受電弓滑板相同,接觸網(wǎng)磨耗較為嚴(yán)重時(shí)會(huì)影響到軌道交通的運(yùn)營(yíng),需要及時(shí)進(jìn)行更換. 目前,基于機(jī)器視覺(jué)的接觸網(wǎng)磨耗檢測(cè)方案主要分為3種,包括單目相機(jī)方案、雙目相機(jī)方案和結(jié)構(gòu)光檢測(cè)方案.通常,當(dāng)接觸網(wǎng)存在磨耗時(shí),其底部會(huì)存在斷面, 斷面對(duì)光的反射性比導(dǎo)線其余弧形部分要強(qiáng),因此在采集到的圖像中,接觸線磨耗邊緣會(huì)產(chǎn)生明顯的梯度變化,為提取接觸線磨耗部分提供了可能. 文獻(xiàn)[36] 展示了一種典型單目檢測(cè)接觸網(wǎng)磨耗的方法,通過(guò)從車頂對(duì)接觸網(wǎng)圖像進(jìn)行拍攝,并經(jīng)過(guò)圖像增強(qiáng)、圖像分析、邊緣檢測(cè)以及形態(tài)學(xué)處理方法,在一張圖像中提取出磨耗部分的輪廓信息,進(jìn)而分析磨耗狀況. 該檢測(cè)方法思想簡(jiǎn)單,容易實(shí)施,但檢測(cè)結(jié)果極易受參數(shù)標(biāo)定結(jié)果的影響,而且該方法對(duì)圖像處理的要求較高,魯棒性差.
雙目視覺(jué)法是在單目相機(jī)的基礎(chǔ)上添加一個(gè)相機(jī),左右相機(jī)分別拍攝得到接觸線圖像. 在系統(tǒng)物理參數(shù)固定的情況下,根據(jù)系統(tǒng)坐標(biāo)關(guān)系得到接觸線磨耗面上某個(gè)點(diǎn)在左右相機(jī)坐標(biāo)系下的坐標(biāo)后,利用三角成像原理即可以計(jì)算出該點(diǎn)在世界坐標(biāo)系上的坐標(biāo). 提取出接觸線磨耗面邊緣后計(jì)算得到某一斷面上左右邊緣的坐標(biāo)即可計(jì)算得到這一接觸線斷面的磨耗情況[37-39] . 雙目相機(jī)方案也是目前接觸網(wǎng)磨耗檢測(cè)的主要方案,相比單目相機(jī)方案檢測(cè)結(jié)果更為準(zhǔn)確,一定程度上避免了參數(shù)較難標(biāo)定的問(wèn)題,但檢測(cè)結(jié)果仍然比較依賴圖像處理技術(shù)提取接觸線邊緣.
以上研究都只能得到接觸線磨耗的數(shù)值信息,無(wú)法識(shí)別出接觸線磨耗的具體形態(tài). 文獻(xiàn)[40]基于雙目立體成像原理,提取出左右圖像中的SURF特征進(jìn)行立體匹配,進(jìn)而得到接觸線的視差圖,從而實(shí)現(xiàn)了接觸線表面的三維重建. 基于圖像匹配的方式依賴于圖像特征的提取,受噪聲影響較大,使用結(jié)構(gòu)光則可以很好地避免這一問(wèn)題. 文獻(xiàn)[41-42]利用單目相機(jī)和線結(jié)構(gòu)光相結(jié)合的方式,依據(jù)三角成像原理,經(jīng)過(guò)結(jié)構(gòu)光平面參數(shù)標(biāo)定以及激光光條中心線提取,獲取接觸網(wǎng)表面某一截面的三維坐標(biāo),通過(guò)重復(fù)計(jì)算獲取多個(gè)截面坐標(biāo),進(jìn)一步實(shí)現(xiàn)接觸網(wǎng)表面的三維重建. 基于結(jié)構(gòu)光的檢測(cè)方案對(duì)圖像處理的要求較低, 同時(shí)多方案融合的方式也有效提升了重建結(jié)果,實(shí)際現(xiàn)場(chǎng)應(yīng)用效果有待進(jìn)一步驗(yàn)證,技術(shù)方面還有很大的可提升空間.
1.2.3 接觸網(wǎng)懸掛病害檢測(cè)
高速發(fā)展的城市軌道交通對(duì)于軌道交通運(yùn)行裝置的安全檢測(cè)同樣也提出了更高的要求. 在眾多運(yùn)行裝置中,接觸網(wǎng)懸掛裝置是向城市軌道交通運(yùn)營(yíng)車輛提供電力的關(guān)鍵電力設(shè)備,是軌道交通牽引供電系統(tǒng)的關(guān)鍵組成部分. 如上所述,接觸網(wǎng)主要分為柔性接觸網(wǎng)和剛性接觸網(wǎng)兩大類. 柔性接觸網(wǎng)一般在空間大的車場(chǎng)、車輛段等高架線路或地面線路使用,而剛性接觸網(wǎng)在城市軌道交通線路的地下區(qū)段使用,且在城市軌道交通系統(tǒng)中占據(jù)主要部分[43] .
剛性接觸網(wǎng)(如圖7所示)相對(duì)于柔性接觸網(wǎng)具有諸多優(yōu)點(diǎn),如維護(hù)檢修容易,架構(gòu)比較簡(jiǎn)單,安全方便,較難斷線等[44-45] . 但是,在惡劣且長(zhǎng)期振動(dòng)的工作環(huán)境下,容易出現(xiàn)剛性接觸網(wǎng)導(dǎo)流板故障、匯流排腐蝕、匯流排局部嚴(yán)重磨損等故障[46] . 接觸網(wǎng)懸掛裝置的故障將導(dǎo)致該供電分區(qū)全部失去電力,區(qū)段內(nèi)所有運(yùn)行中的車輛將失去動(dòng)力,輕則發(fā)生車輛停運(yùn),重則造成交通事故. 因此,實(shí)時(shí)有效地檢測(cè)接觸網(wǎng)懸掛裝置的運(yùn)行狀態(tài)是保障軌道車輛能正常運(yùn)營(yíng)的重要措施。——論文作者：魏秀琨† , 所 達(dá), 魏德華, 武曉夢(mèng), 江思陽(yáng), 楊子明
