中國的電氣化鐵路系統(tǒng)主要使用接觸網(wǎng)連接,易受環(huán)境因素的影響,如果發(fā)生故障,將給鐵路運(yùn)輸系統(tǒng)造成重大的經(jīng)濟(jì)損失。此外,大多數(shù)鐵路接觸網(wǎng)都位于偏遠(yuǎn)地區(qū)或復(fù)雜地形中,因此,人工巡檢難以檢測懸掛在不同位置接觸網(wǎng)的狀態(tài),甚至更加難以準(zhǔn)確地定位故障的吊弦。
目前,人工巡檢定位吊弦故障操作過于復(fù)雜、效率較低。在此過程中,首先使用巡邏車檢查接觸網(wǎng)的各個(gè)部分的吊弦,吊弦的作用是將其懸吊在軸承電纜上,以確保接觸網(wǎng)的高度。吊弦的主要故障包括載流環(huán)斷裂、無應(yīng)力導(dǎo)致的螺栓松動和吊弦脫落。檢測過程也存在如檢查周期長、效率低和漏檢等問題。為了解決這些問題,采用圖像處理技術(shù)和研發(fā)無人機(jī)智能巡檢技術(shù)顯得尤為重要。
為了準(zhǔn)確識別接觸網(wǎng)吊弦的故障部分,首先必須將吊弦從背景圖像中完全分離出來。除了損壞的吊弦本身和接觸網(wǎng)電力線之外,獲取的圖像還包括很大一部分背景和其他電力設(shè)備。此外,由于吊弦的位置信息難以獲取,需要通過尋找合適的定位算法提取相應(yīng)的位置信息。
吊弦的接線方式分為壓接式整體吊弦和螺栓可調(diào)式整體吊弦。壓接式一般用于工廠或者加工車間使用;而螺栓可調(diào)式則廣泛應(yīng)用于鐵路接觸網(wǎng)上,因?yàn)檫@種吊弦適用于吊弦程度長度變化無規(guī)律的地方,可以隨著接觸網(wǎng)的上下浮動進(jìn)行相應(yīng)的調(diào)整,而吊弦的故障類型一般分為燒傷、載流環(huán)折斷、脫落等。
近年來,許多研究學(xué)者對接觸網(wǎng)進(jìn)行了大量研究,推動了鐵路接觸網(wǎng)智能巡檢的發(fā)展。2000年,有學(xué)者引入了一種新型自上而下的方法來自動提取接觸網(wǎng)吊弦,該方法使用先驗(yàn)知識從真實(shí)的數(shù)據(jù)庫中提取并分離了吊弦。同年,戚廣楓等學(xué)者對接觸網(wǎng)吊弦的動應(yīng)力值和疲勞載荷特性進(jìn)行了詳細(xì)分析。2001年,美國公司ENSCO研發(fā)軌道視頻檢測系統(tǒng)(VIS)實(shí)現(xiàn)對Panda Pal扣件工作狀態(tài)的實(shí)時(shí)檢測。4年后,德國鐵路工程公司GBM Wiebe開發(fā)了GeoRail-Xpress綜合檢測車,該檢測車可以對整個(gè)鐵路電氣設(shè)備系統(tǒng)進(jìn)行實(shí)時(shí)檢測。
2006年,G. E. Hinton等學(xué)者在《自然》雜志上首次提出了深度學(xué)習(xí)的概念。自此深度學(xué)習(xí)成為機(jī)器視覺的重要檢測工具。2014年,范華等學(xué)者提出了一種針對低壓電網(wǎng)的識別定位技術(shù)。2016年,盧用煌等學(xué)者使用深度學(xué)習(xí)正確識別ID號并進(jìn)行分類。王毅星提出了一種基于多樹融合的深度學(xué)習(xí)遷移模型,用于圖像識別和分類。2017年,G. E. Hinton等學(xué)者提出膠囊網(wǎng)絡(luò)(CapsNet),將有可能替代傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)(CNN),為深度學(xué)習(xí)領(lǐng)域帶來了新的契機(jī)。還有學(xué)者應(yīng)用膠囊網(wǎng)絡(luò)對手寫數(shù)字進(jìn)行分類,由于數(shù)字本身的特征單一,識別率較高,而吊弦會受到所處現(xiàn)場復(fù)雜環(huán)境的影響,因此需要對更多的吊弦特征進(jìn)行分析。
針對螺栓可調(diào)式整體吊弦進(jìn)行故障識別與定位,石家莊鐵道大學(xué)電氣與電子工程學(xué)院的研究人員提出了一種基于改進(jìn)膠囊網(wǎng)絡(luò)的接觸網(wǎng)吊弦故障識別與定位算法。
圖1 改進(jìn)膠囊網(wǎng)絡(luò)結(jié)構(gòu)
針對吊弦特征應(yīng)考慮光強(qiáng)度、位置、變形、角度、紋理和位置信息,因此該研究團(tuán)隊(duì)選擇這六個(gè)特征作為輸入向量,然后采用1×1歸約層結(jié)合3×3的卷積層簡化傳統(tǒng)膠囊9×9膠囊神經(jīng)元,并采用優(yōu)化算法進(jìn)行參數(shù)尋優(yōu),縮短訓(xùn)練權(quán)重時(shí)間;接著通過改進(jìn)膠囊網(wǎng)絡(luò)對采集到的大量完好地和各種吊弦故障(包含載流環(huán)折斷和脫落)進(jìn)行訓(xùn)練和學(xué)習(xí),完成吊弦不同故障情況的識別;同時(shí)輸出量保留了方向與角度,能更準(zhǔn)確地對燒傷、載流環(huán)折斷、脫落等故障的吊弦進(jìn)行分類;最后通過邊緣檢測、直線檢測和改進(jìn)區(qū)域水平集(CV)模型精確定位絕緣子破損的位置。
圖2 吊弦故障識別與定位流程
圖3 識別效果
圖4 CV模型定位結(jié)果
基于改進(jìn)膠囊網(wǎng)絡(luò)和CV模型的接觸網(wǎng)吊弦故障檢測模型,可以對復(fù)雜背景中的故障吊弦進(jìn)行識別并對故障位置進(jìn)行精確定位,研究人員通過對故障吊弦進(jìn)行仿真和實(shí)驗(yàn)驗(yàn)證得出以下結(jié)論:
1)改進(jìn)膠囊網(wǎng)絡(luò)有著較強(qiáng)的自學(xué)習(xí)能力和自適應(yīng)能力,而且對于小樣本集有著很好的訓(xùn)練效果,可以有效地檢測出故障的吊弦,并抑制由復(fù)雜背景引起的干擾,識別率達(dá)到了95%。由于改進(jìn)膠囊網(wǎng)絡(luò)的輸入量為矢量,最大限度保留了吊弦的特征信息,并且通過輸出矢量計(jì)算出概率,可以更準(zhǔn)確地對不同程度的破損情況進(jìn)行分類,從而提高了識別率。
2)通過改進(jìn)膠囊網(wǎng)絡(luò)識別并分類的故障吊弦圖像應(yīng)用改進(jìn)CV模型進(jìn)行區(qū)域分割,可以精確吊弦的故障位置,其準(zhǔn)確率達(dá)到了96.5%,相較于其他方法,更適合接觸網(wǎng)吊弦故障精確定位。
隨著輸電線路檢測技術(shù)的不斷普及,智能化水平的不斷提高,針對接觸網(wǎng)吊弦這一關(guān)鍵設(shè)備,實(shí)時(shí)檢測吊弦是否故障和故障類型尤為重要。石家莊鐵道大學(xué)電氣與電子工程學(xué)院的研究人員提出的方法可以較好地實(shí)現(xiàn)復(fù)雜背景下的吊弦故障識別,并且可以精確定位故障部位,滿足智能巡檢的要求。但改進(jìn)膠囊網(wǎng)絡(luò)對于大量圖像的訓(xùn)練時(shí)間相對較長,所以減少膠囊網(wǎng)絡(luò)的訓(xùn)練時(shí)間是未來研究的重點(diǎn)。
以上研究成果發(fā)表在2020年第24期《電工技術(shù)學(xué)報(bào)》,論文標(biāo)題為“基于改進(jìn)膠囊網(wǎng)絡(luò)的接觸網(wǎng)吊弦故障識別與定位”,作者為卞建鵬、郝嘉星、趙帥、李凡、孫曉云。