一种高速铁路接触网抬升量检测方法技术

本发明专利技术公开了一种高速铁路接触网抬升量检测方法，包括以下步骤：步骤1：连续采集高速铁路接触网振动图像，形成样本集；步骤2：构建相似性神经网络，将样本集输入相似性神经网络，对样本集中的数据和检测对象进行卷积处理，并对两者之间的相似性进行评估；步骤3：将样本集中的数据作为样本，对相似性神经网络进行训练；步骤4：将数据样本输入相似性神经网络即可得到接触网抬升量；本发明专利技术可用于在役高速铁路接触网系统的抬升量采集，采用高速线阵相机作为采集元件实现非接触式检测以避免对高速铁路动车组的正常运行造成影响，所采用的检测方法鲁棒性更好，可用于不同运行环境下的高速铁路接触网抬升量检测，提高采集结果的准确性。

A method for measuring the uplift of overhead contact system of high speed railway

【技术实现步骤摘要】
一种高速铁路接触网抬升量检测方法
本专利技术涉及高速铁路接触网
，具体涉及一种高速铁路接触网抬升量检测方法。
技术介绍
电气化铁路中，电力机车主要依靠安装于机车顶部的受电弓与架空接触网滑动接触实现取流。接触网系统作为高速铁路的重要供电设备，其动力学特性直接影响电力机车的运行稳定性和安全性。高速铁路接触网系统具有露天安置、大跨度、高柔性的特点，在移动受电弓、环境风载荷等外部激励的作用下具有十分复杂的动力学特性，对弓网之间的良好接触造成影响。特别是随着近年来我国高速铁路运行速度的提高，对接触网系统在复杂环境下的动力学特性进行研究已成为保证弓网系统安全运行的重要环节。目前，国内外对于高速铁路弓网系统动力学的研究多数集中在模型更新、仿真算法改进或仿真现象分析方面。如SongY等采用非线性索-杆弓网耦合模型对弓网动力学行为、环境风激励下的弓网系统动态响应进行了研究；GregoriS等基于弓网系统有限元模型提出一种非线性快速积分算法以解决弓网系统动力学仿真计算量大的问题；WangH等针对高速铁路接触网不平顺现象，提出了一种基于时频域分析理论的接触网结构波长提取与识别方法。尽管模型仿真可通过数值模拟获取接触网在不同外部激励下的动态响应，为高速铁路接触网设计提供理论依据。但出于平衡仿真精度和计算量的考量，弓网系统模型仿真结果同实际动力学响应之间仍存在一定差异。因此，通过现场测量方式获取高速铁路弓网系统的实际动力学响应，既是校正模型仿真结果的需要，同时也是深化高速铁路弓网系统动力学理论研究、完善我国高速铁路弓网系统结构设计的客观要求。ChoYH等、PetterNavik等采用接触式加速度传感器进行接触网抬升量的测量采集，并对接触网的动力学特性进行了分析；LiRP等基于边缘检测方法，通过图像采集方式进行了室内接触网抬升量的测定。上述接触网动力学行为检测方法的可行性均已在试验中得到证实，但仍存在以下问题：一是所采用接触式传感器在采集数据的同时会为高速铁路接触网系统引入额外的集中质量点，可能引起检测数据与实际响应存在偏差；二是接触式测量方式传感器安装相对复杂，需直接安装于接触网线索位置，可能对高速动车组的正常运行造成影响；三是所采用的非接触式检测方法鲁棒性较差，无法适应不同运行环境下的高速铁路接触网抬升量检测。
技术实现思路
本专利技术针对现有技术存在的问题提供一种在保证非接触式检测的前提下，实现不同运行环境下接触网抬升量准确检测，减少测量误差的一种高速铁路接触网抬升量检测方法。本专利技术采用的技术方案是：一种高速铁路接触网抬升量检测方法，包括以下步骤：步骤1：连续采集高速铁路接触网振动图像，形成样本集；步骤2：构建相似性神经网络，将步骤1中形成的样本集输入相似性神经网络，对样本集中的数据和检测对象进行卷积处理，并对两者之间的相似性进行评估；步骤3：将步骤1中得到的样本集中的数据作为样本，对步骤2中的相似性神经网络进行训练；步骤4：将数据样本输入步骤3得到的相似性神经网络即可得到接触网抬升量。进一步的，所述步骤2中相似性采用下式评估：式中：z为检测对象，x为检测样本，为采用神经网络处理过程，为，为检测对象z与样本x上第n个候选窗之间的相似性。进一步的，所述步骤2中采用深度可分离卷积得到通道数不变的响应row，并对其进行分割、回归和分类操作，生成三分支输出结构。进一步的，所述步骤3中训练过程中损失函数如下：L＝a·Lmask+b·Lscore+c·Lbox式中：Lmask、Lscore、Lbox分别表示mask分支、score分支和box分支的损失函数；a、b、c为权重系数。进一步的，所述步骤4中过程如下：S11：连续采集高速接触网振动图像；S12：获取第一帧图像，选择目标接触网作为网络中的样本输入；S13：目标区域搜索与匹配；S14：输出接触网图像识别结果，得到接触网抬升量；S15：判断采集是否结束，若为最后一帧则停止检测，否则返回步骤S13。进一步的，所述步骤S13过程如下：将下一帧作为网络中的待搜索图像输入，得到Score、Box和Mask三个分支的预测输出；其中Score分支所得到为目标区域的预测值，并据此进行对应位置Mask输出计算，Box分支所得到为下一帧所对应的待搜索区域。进一步的，所述步骤S14中计算每一帧图像所对应的坐标值作为接触网抬升量输出。本专利技术采用的技术方案是：(1)本专利技术方法使用实时获取得到的样本，降低外部环境对采集结果的影响，更符合高速铁路运行过程中接触网的实际工程环境；(2)本专利技术可记录高速铁路接触网在移动受电弓、环境风扰动等激励下的抬升量变化时程曲线，为高速铁路弓网系统动力学特性的理论研究提供数据支撑。附图说明图1为本专利技术中检测方法的结构框架图。图2为本专利技术中抬升量的检测流程图。图3为本专利技术实施例中不同条件下的高速铁路接触网识别结果；a为室内光照补偿条件下，b和c为室外强光条件下，d为室外弱光条件下。图4为本专利技术实施例中高速铁路接触网抬升量实际时程曲线。图5为第一阶频率上本专利技术所提出方法与模型仿真结果得到的高速铁路接触网抬升量。图6为本专利技术实施例中本专利技术方法得到的高铁接触网抬升量与受测接触网线路的频率分布。具体实施方式下面结合附图和具体实施例对本专利技术做进一步说明。如图1所示，一种高速铁路接触网抬升量检测方法，包括以下步骤：步骤1：连续采集高速铁路接触网振动图像，形成样本集；首先搭建高速铁路接触网抬升量检测装置，以高速线阵相机作为图像采集元件，建立一套高速铁路接触网抬升量采集设备，该设备包括以下部分：高速线阵相机及配套光学镜头(接触网影像采集)、可调节支架(调节采集高度与角度)、千兆网卡(采集数据传输)、工作站(接触网影像识别与抬升量变化时程曲线输出)。步骤2：构建相似性神经网络，将步骤1中形成的样本集输入相似性神经网络，对样本集中的数据和检测对象进行卷积处理，并对两者之间的相似性进行评估；以Resnet_50作为神经网络的骨干结构；相似性采用下式评估：式中：z为检测对象，x为检测样本，为采用神经网络处理过程，为，为检测对象z与样本x上第n个候选窗之间的相似性。为最大限度保留响应图中目标对象的信息，采用depth-wisecrosscorrelation深度可分离卷积，以得到通道数不变的响应，即为responseofcandidatewindow(row)，并对其进行分割、回归和分类操作，生成包括Score、Box、Mask在内的三分支输出结构。其中，Mn表示第n个row相关的Mask预测值，mψ表示一个两层神经网络，ψ为学习参数。Box和Score同理，即：其中，bε，sρ分别为相关的简单神经网络，ε，ρ则为对应的学习参本文档来自技高网...

【技术保护点】
1.一种高速铁路接触网抬升量检测方法，其特征在于，包括以下步骤：/n步骤1：连续采集高速铁路接触网振动图像，形成样本集；/n步骤2：构建相似性神经网络，将步骤1中形成的样本集输入相似性神经网络，对样本集中的数据和检测对象进行卷积处理，并对两者之间的相似性进行评估；/n步骤3：将步骤1中得到的样本集中的数据作为样本，对步骤2中的相似性神经网络进行训练；/n步骤4：将数据样本输入步骤3得到的相似性神经网络即可得到接触网抬升量。/n

【技术特征摘要】
1.一种高速铁路接触网抬升量检测方法，其特征在于，包括以下步骤：
步骤1：连续采集高速铁路接触网振动图像，形成样本集；
步骤2：构建相似性神经网络，将步骤1中形成的样本集输入相似性神经网络，对样本集中的数据和检测对象进行卷积处理，并对两者之间的相似性进行评估；
步骤3：将步骤1中得到的样本集中的数据作为样本，对步骤2中的相似性神经网络进行训练；
步骤4：将数据样本输入步骤3得到的相似性神经网络即可得到接触网抬升量。


2.根据权利要求1所述的一种高速铁路接触网抬升量检测方法，其特征在于，所述步骤2中相似性采用下式评估：



式中：z为检测对象，x为检测样本，为采用神经网络处理过程，为，为检测对象z与样本x上第n个候选窗之间的相似性。


3.根据权利要求1所述的一种高速铁路接触网抬升量检测方法，其特征在于，所述步骤2中采用深度可分离卷积得到通道数不变的响应row，并对其进行分割、回归和分类操作，生成三分支输出结构。


4.根据权利要求3所述的一种高速铁路接触网抬升量检测方法，其特征在于，所述步骤3中训练过程中损失函数如下：
L＝a·Lmask+b·Lscore+c·Lbox
式中：Lmask、Lscore、Lbox分别表示mask分支、score分支和box分支的损失函数；a、b、c为权重系数；
其中：Lmask如下：<...

【专利技术属性】
技术研发人员：刘志刚，段甫川，宋洋，徐钊，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51