一种电力机车接触网受电弓电弧检测方法技术

本发明专利技术公开一种电力机车接触网受电弓电弧检测方法，包括：获取电弧图像学习样本集；Adaboost级联分类器训练；采用训练后的AdaBoost级联分类器对新获取，待识别的图像进行电弧检测；使用饱和阈值对电弧检测结果进行筛选，消除弱光源干扰；进行时间连续性分析，消除灯光类光源干扰；电弧及火花的尺寸及持续时间的定量分析；进行几何不变矩特征比较，消除连续出现的相同形态光源干扰。本发明专利技术能有效对受电弓电弧进行识别分析，可快速地进行车辆维护，加强车辆故障检查和运行安全。

An electric arc detection method for electric locomotive catenary pantograph

The present invention by the detection method, arch arc electric locomotive catenary consists of obtaining the arc image learning sample set; Adaboost cascade classifier training; using AdaBoost cascade classifier training on the new acquisition, to identify the image using the full arc detection; and threshold of arc detection results were screened to eliminate weak light interference analysis; time continuity, eliminate the light source interference; quantitative analysis of arc and spark size and duration; geometric invariant feature comparison, the elimination of the same form the continuous appearance of light interference. The invention can effectively identify and analyze the arc of the pantograph, and can quickly carry out the vehicle maintenance, and strengthen the inspection and operation safety of the vehicle.

【技术实现步骤摘要】
一种电力机车接触网受电弓电弧检测方法
本专利技术属于计算机数字图像处理与模式识别
，特别涉及一种电力机车接触网受电弓电弧检测方法。
技术介绍
随着我国电气化铁路的发展，对牵引供电系统的安全性提出了更高的要求。作为牵引供电系统重要组成部分的受电弓-接触网关系，是电气化铁路的主要供电设备，对电气化铁路运营起着极其重要的作用。在正常状态下，空气是良好的绝缘体，但如果在气体两端施加足够大的电压，空气间隙将被击穿，导致气体两端的电流导通，这种现象称为气体放电。当受电弓在接触导线上滑动受电时，由于接触导线的不平顺、接触网悬挂设备的硬点、受电弓运行时弓头的振动和接触网波动、轨道平顺度等多种因素的影响，导致弓网分离而产生的气体放电现象称为弓网电弧。列车速度越高，越容易产生弓网电弧。EN50137:2002《轨道交通受流系统受电弓与接触网动态相互作用的测试要求和测量确认》将弓网电弧定义为：“击穿滑板(接触板)和接触线之间空气间隙的电流，通常表现为强烈放光现象”。受电弓滑行过程中出现电弧：容易产生如下不良影响：(1)电弧熄灭瞬间产生幅值很高的过电压，影响电力机车安全运行；(2)烧蚀受电弓碳滑板和接触导线，缩短其使用寿命。严重时将导致接触线断线，造成行车事故；(3)产生电磁辐射和干扰。现有的接触网检测主要是采用人工巡检的方式，在接触网沿线布设红外测温仪，由工作人员定时检测接触网的温度，取得了一定的效果，但是这种方法不具有实时性，而且人力损耗较大，属于单点式静态检测，存在很多盲点，无法有效及时发现铁路动态运行中的隐患。对于接触网系统中的受电弓状态检测方法主要包括入库静态检测和机载检测系统。入库静态检测要求接触网必须在受电弓检测前断电，且通常只能在机车入库停车后才能检测，不能实现受电弓的在线自动检测。在实际运作中取药投入大规模的人力、成本较高。机载受电弓检测方法属于一种在线自动检测方法。主要包括两种方式，一种是通过在机车上安装光、电、力学等多种传感器采集受电弓位置、碳滑板损耗，以及受电弓弓头左右偏移量状态等信息对受电弓进行检测，但传感器获取的受电弓运行状态信息容易受机车运行过程中产生的振动干扰；另一种是将光纤内埋式磨损传感器嵌入受电弓滑板中，当受电弓滑板受到接触网的冲击作用而产生磨损或缺失时，传感器给出相应的磨损信号。该方法的主要缺点是对材料的要求比较高，要在受电弓滑板中内嵌传感器，材料工艺要求高，受电弓滑板材料结构的改变可能会降低受电弓的使用寿命，提高了成本。随着监控设备成像技术的提高，近年来国内外出现了许多基于在线获取图像的接触网和受电弓检测方法。首先通过监控摄像头进行接触网和受电弓的图像采集，然后进行识别分析。2013年10月10日公布的申请号为201310217622.5的专利技术专利申请，公布了一种“基于主动形状模型的受电弓自动检测方法”；该专利技术基于主动形状模型来完成对受电弓碳滑板厚度的线上自动定量检测，具有一定的检测分析效果，但缺陷在于，检测方法基于单幅图像分析，未充分利用受电弓系统内安装的监控摄像头所采集视频的帧间关联性，对动态运行过程中接触网和受电弓产生的电弧没有进行分析识别。2013年1月30日公布的申请号为201210359596.5的专利技术专利申请，公布了一种“一种电气化铁路接触网电弧捕捉及定位方法”，该专利技术集成高精度GPS/IMU定位定向装置和高速数码成像设备对电气化铁路接触网电弧捕捉及定位。该专利技术方法包括：基于高精度GPS/IMU定位定向技术和高速数码成像技术的电气化铁路接触网电弧捕捉及定位方法。该方法采用高速数码成像设备，聚焦与电力机车受电弓与接触网触电位置，连续记录拍摄运动中的影像，但是缺少关键的电弧分析方法，并且高速数码成像设备尤其是热红外高速数码成像设备价格昂贵，不属于电力机车的受电弓监控系统配套设备，实际应用具有很大局限性。AdaBoost算法是一种分类器算法，是由Freund和Schapire在1995年提出的，详见文献：Freund,Y.andSchapire,R.E.1995.ADecision-TheoreticGeneralizationofOn-LineLearningandanApplicationtoBoosting.IncomputationalLearningTheory:Eurocolt95,Springer-Verlag,pp.23-27.其基本思想是利用大量的分类能力一般的弱分类器(weakerclassifier)通过一定方法组合(boost)起来，构成一个分类能力很强的强分类器。理论证明，只要每个简单分类器分类能力比随机猜测要好，当简单分类器趋向于无穷时，强分类器的错误率将趋于零。LBP(LocalBinaryPattern，局部二值模式)是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T.Ojala,和D.Harwood在1994年提出，用于纹理特征提取。几何矩是由Hu(Visualpatternrecognitionbymomentinvariants)在1962年提出的，具有平移、旋转和尺度不变性。在图像处理中，几何不变矩可以作为一个重要的特征来表示物体，可以据此特征来对图像轮廓进行相似度比较。
技术实现思路
本专利技术的目的在于提供一种电力机车接触网受电弓电弧检测方法，在机车正常行驶过程中，能够对电弧进行检测记录及报警，以解决上述现有技术的不足。为了实现上述目的，本专利技术采用如下技术方案：本专利技术提供一种电力机车接触网受电弓电弧检测方法，包括以下步骤：步骤1：获取电弧及电火花学习样本集；步骤2：Adaboost级联分类器训练；步骤3：采用AdaBoost级联分类器对新获取，待识别的图像进行电弧及电火花检测；步骤4：使用饱和阈值对电弧检测结果进行筛选，消除弱光源干扰；步骤5：对步骤4结果进行尺寸及时间连续性定量分析，消除灯光类光源干扰；步骤6：对步骤5结果进行几何不变矩特征比较，消除连续出现的相同形态光源干扰。进一步的，步骤1中获取电弧及电火花图像学习样本集为AdaBoost学习样本集：用于训练AdaBoost级联分类器，包括正样本和负样本；正样本包含待检测的电弧及电火花目标，且正样本归一化为同一尺寸；负样本中不包含电弧及电火花，图像尺寸大于正样本。进一步的，步骤2中AdaBoost级联分类器训练，具体步骤是：2.1)、LBP特征的计算，如图3所示，对图像的每个像素取其8邻域，和中心像素比较，当邻域内的像素点值大于中心像素时，以二进制的1替代，小于中心像素值时以0替代，则该8邻域的二进制值构成八位二进制数，将其转化为十进制数，即为中心像素的LBP特征值。2.2)、强分类器训练，基于步骤1采集的AdaBoost正样本和负样本集，采用AdaBoost算法训练多个弱分类器，并线性加权组成强分类器，具体训练过程描述为：2.2.1)电弧及电火花正样本和负样本集为：(x1,y1),(x2,y2),…(xi,yi),…,(xn,yn),其中xi表示第i个样本，yi＝0时表示xi为负样本(非电弧或电火花)，yi＝1时表示xi为正样本(电弧及电火花)。n为正样本和负样本总数；2.2.2)初始化权重：对于正样本wi＝1/2l，l为正样本本文档来自技高网...

【技术保护点】
一种电力机车接触网受电弓电弧检测方法，其特征在于，包括以下步骤：步骤1：获取电弧及电火花学习样本集；步骤2：Adaboost级联分类器训练；步骤3：采用AdaBoost级联分类器对新获取，待识别的图像进行电弧及电火花检测；步骤4：使用饱和阈值对电弧检测结果进行筛选，消除弱光源干扰；步骤5：对步骤4结果进行尺寸及时间连续性定量分析，消除灯光类光源干扰；步骤6：对步骤5结果进行几何不变矩特征比较，消除连续出现的相同形态光源干扰。

【技术特征摘要】
1.一种电力机车接触网受电弓电弧检测方法，其特征在于，包括以下步骤：步骤1：获取电弧及电火花学习样本集；步骤2：Adaboost级联分类器训练；步骤3：采用AdaBoost级联分类器对新获取，待识别的图像进行电弧及电火花检测；步骤4：使用饱和阈值对电弧检测结果进行筛选，消除弱光源干扰；步骤5：对步骤4结果进行尺寸及时间连续性定量分析，消除灯光类光源干扰；步骤6：对步骤5结果进行几何不变矩特征比较，消除连续出现的相同形态光源干扰。2.根据权利要求1所述的一种电力机车接触网受电弓电弧检测方法，其特征在于，步骤1中获取电弧及电火花图像学习样本集为AdaBoost学习样本集：用于训练AdaBoost级联分类器，包括正样本和负样本；正样本包含待检测的电弧及电火花目标，且正样本归一化为同一尺寸；负样本中不包含电弧及电火花，图像尺寸大于正样本。3.根据权利要求1所述的一种电力机车接触网受电弓电弧检测方法，其特征在于，步骤2采用AdaBoost算法训练多个弱分类器，并线性加权成强分类器；由多个强分类器，组成级联分类器。4.根据权利要求1所述的一种电力机车接触网受电弓电弧检测方法，其特征在于，步骤3：采用AdaBoost级联分类器对新获取，待识别的图像进行电弧及电火花检测，包括：3.1)初始化检测窗口，大小与级联分类器采用的正样本一致，采用滑动窗在图像输入内检测；3.2)等比放大检测窗口，以检测不同大小的子图像；3.3)区域合并：将同一电弧在不同的尺度和邻近的位置上检测到的结果进行合并，得到电火花位置。5.根据权利要求1所述的一种电力机车接触网受电弓电弧检测方法，其特征在于，步骤4采用阈值筛选，首先将检测结果进行转化为灰度图像，然后以254作为阈值进行二值化处理，统计非零像素数量，对饱和像素数量小于20的检测结果筛除。6.根据权利要求1所述的一种电力机车接触网受电弓电弧检测方法，其特征在于，步骤5采用时间连续性筛选，根据电弧或电火花的时间连续...

【专利技术属性】
技术研发人员：钱学明，李巍豪，侯兴松，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61