基于AI算法的高铁接触网设备巡检系统技术方案

本发明专利技术提供一种基于AI算法的高铁接触网设备巡检系统。本发明专利技术提供的一种基于AI算法的高铁接触网设备巡检系统，包括有红外成像模块、目标识别模块、预警模块、计时模块、位置获取模块和定位模块。本发明专利技术通过红外成像模块获取热像图，热像图能够展示出物体温度对应的颜色，并基于深度神经网络算法对接触线由于电路故障出现大量发热的情况进行识别，能够精确地判断接触线是否发生故障。判断接触线是否发生故障。判断接触线是否发生故障。

【技术实现步骤摘要】
基于AI算法的高铁接触网设备巡检系统


[0001]本领域涉及高铁接触网设备巡检领域，尤其涉及一种基于AI算法的高铁接触网设备巡检系统。

技术介绍

[0002]高铁的供电系统由高铁上的受电弓与电气化铁路上的接触网构成，其中接触网由承力索、吊弦和接触线组成，由于高铁高速运行，接触网是非常重要的，特别是与受电弓直接接触的接触线，若其中磨损严重，或者电路故障导致线路损坏，对于高铁运行都是非常严重的事故，现在对于接触网的巡检通常是安排工作人员逐段检查，特别的，还有通过图片识别来实现巡检功能，但是针对电路故障时图片识别很难奏效，因为电力故障引起的接触线故障很难从图片信息中得到，但是由于电路故障引起的接触线故障，会发出大量的热，通过接触线的热像图变化，能够得知此变化，因此，本专利技术针对电路故障的接触网巡检提出一种能够利用接触线故障处热量的多少来判断是否出现故障的基于AI算法的高铁接触网设备巡检系统。

技术实现思路

[0003]本专利技术为了高效的对接触网进行巡检，提供了一种能够利用接触线故障处热量的多少来判断是否出现故障的基于AI算法的高铁接触网设备巡检系统。
[0004]为了解决上述技术问题，本专利技术提供了基于AI算法的高铁接触网设备巡检系统，包括有：红外成像模块，用于获取接触网处的热像图；目标识别模块，用于接收所述红外成像模块获取的热像图，对热像图进行识别，判断是否有超高温区域；预警模块，用于响应所述目标识别模块的结果并发出警报；计时模块，用于获取采集热像图的时间；位置获取模块，用于获取所述红外成像模块所在位置；定位模块，用于对接触网故障位置进行定位。
[0005]本专利技术的一个方面，所述红外成像模块配置为高速红外成像仪，安装于高铁车厢顶部。
[0006]本专利技术的一个方面，所述目标识别模块内置深度神经网络算法，所述深度神经网络算法采用YOLO V3算法。
[0007]本专利技术的一个方面，所述定位模块内置位置分析模型，通过以高铁发车时间为起点，经过时间为x轴，所述红外成像模块所在位置的经度为y轴，所述红外成像模块所在位置的纬度为z轴，建立高铁经过时间与所述红外成像模块所在位置的经纬度之间的联系，根据高铁实际运行，并通过所述位置获取模块获取所述红外成像模块所在位置，建立位置分析模型。
[0008]本专利技术的一个方面，还包括有故障统计模块：所述故障统计模块用于统计接触网故障所在位置及其出现的次数。
[0009]本专利技术的一个方面，还包括有转动模块：所述转动模块用于转动所述红外成像模块，使得所述红外成像模块跟随接触网。
[0010]本专利技术的一个方面，基于AI算法的高铁接触网设备巡检方法包括如下步骤：S1：红外成像模块获取接触网处的热像图，并将热像图打包成数据信号，发送至目标识别模块，同时计时模块获取采集热像图的时间T1，并用T1对数据信号进行采集时间标记；S2：目标识别模块接收数据信号，并转换成热像图数据，存储T1，把热像图数据送入训练好的YOLO V3模型，根据颜色特征判断该热像图是否有超高温区域，若不存在超高温区域，则回到S1；若存在超高温区域，进入S3；S3：目标识别模块生成报警信号并发送至预警模块，预警模块响应报警信号并发出警报提醒工作人员接触网存在安全隐患，同时目标识别模块将热像图对应的T1发送至定位模块，定位模块以T1作为索引，根据定位模块内置的位置分析模型获取接触网故障位置，接触网故障位置信息由经纬度构成；S4：故障统计模块对接触网故障位置进行记录和对接触网故障出现次数进行统计。
[0011]本专利技术的一个方面，所述转动模块转动所述红外成像模块的算法为：M1：获取热像图，并按坐标（Xn，Ym）依次获取热像图中红色通道的灰度值H
（nm）
，其中n=1，2，3
······
N，N指热像图X坐标的最大值，m=1，2，3
······
M，M指热像图Y坐标的最大值；M2：将H
（nm）
通过冒泡排序法按从大到小进行排序后，分别以δ进行编号，其中δ=1，2，3
······
A，其中A=n*m，表示热像图中所有坐标点的个数，再以（δ，H
（nm）
）形成一系列点，通过最小二乘法将这一系列点进行曲线拟合，形成函数f（δ），并计算其导数f
ˊ
（δ），将使得f
ˊ
（δ）<0中的所有δ保存为集合α，选取集合α中的最小值，记为δ
min
；M3：将1至（δ
min
‑
1）对应灰度值H
（nm）
提取出来，并选择这些灰度值H
（nm）
对应的坐标（Xn，Ym），以这些坐标通过最小二乘法进行线性拟合，得到直线方程：y=ax+b，其中直线斜率为a，接触线偏转角度β=arctan（|a|）；M4：转动模块控制红外成像模块转动W*（90
°‑
β），其中W为转动系数，回到M1。
[0012]本专利技术公开的一个方面带来的有益效果是：1、本专利技术通过红外成像模块获取热像图，热像图能够展示出物体温度对应的颜色，并基于深度神经网络算法对接触线由于电路故障出现大量发热的情况进行识别，能够精确地判断接触线是否发生故障。
[0013]2、本专利技术通过设置预警模块，当目标识别模块识别出接触线发生故障时，预警模块能够发出警报，提醒工作人员接触线出现故障。
[0014]3、本专利技术通过设置定位模块，并根据高铁的实际运行建立时间与红外成像模块位置经纬度的联系，使得定位模块可以根据识别出故障的热像图对应的采集时间获取准确的位置，方便工作人员后续准确地找到接触线出现故障的位置。
[0015]4、本专利技术通过设置故障统计模块，对接触线出现故障的位置及其次数进行统计，
为工作人员对接触线的使用情况提供参考数据。
[0016]5、本专利技术通过设置转动模块，计算接触线偏转角度，使得红外成像模块自动进行偏转，能够跟随接触线的走势进行调整，避免由于接触线的“之”字形设置丢失接触线的热像图。
附图说明
[0017]图1为本专利技术实施例所应用的基于AI算法的高铁接触网设备巡检系统的结构示意图。
[0018]图2为本专利技术实施例中所应用的基于AI算法的高铁接触网设备巡检方法的流程图。
具体实施方式
[0019]为使本次专利技术的目的，技术方案和优点更加清楚明白，以下结合具体实施案例，并参照附图，对本专利技术所述的基于AI算法的高铁接触网设备巡检系统，进一步的详细说明，显然，所描述案例只是本专利技术的一部分实施例，而不是全部的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0020]实施例1本专利技术提供了这样基于AI算法的高铁接触网设备巡检系统，如图1所示，包括有红外成像模块、目标识别模块、预警模块、计时模块、位置获取模块和定位模块；所述红外成像模块配置为高速红外成像仪，安装于高铁车厢顶部，用于获取接触网处的热本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于AI算法的高铁接触网设备巡检系统，其特征在于，包括有：红外成像模块，用于获取接触网处的热像图；目标识别模块，用于接收所述红外成像模块获取的热像图，对热像图进行识别，判断是否有超高温区域；预警模块，用于响应所述目标识别模块的结果并发出警报；计时模块，用于获取采集热像图的时间；位置获取模块，用于获取所述红外成像模块所在位置；定位模块，用于对接触网故障位置进行定位；还包括有转动模块：所述转动模块用于转动所述红外成像模块，使得所述红外成像模块跟随接触网；所述转动模块转动所述红外成像模块的算法为：M1：获取热像图，并按坐标（Xn，Ym）依次获取热像图中红色通道的灰度值H
（nm）
，其中n=1，2，3
······
N，N指热像图X坐标的最大值，m=1，2，3
······
M，M指热像图Y坐标的最大值；M2：将H
（nm）
通过冒泡排序法按从大到小进行排序后，分别以δ进行编号，其中δ=1，2，3
······
A，其中A=n*m，表示热像图中所有坐标点的个数，再以（δ，H
（nm）
）形成一系列点，通过最小二乘法将这一系列点进行曲线拟合，形成函数f（δ），并计算其导数f
ˊ
（δ），将使得f
ˊ
（δ）<0中的所有δ保存为集合α，选取集合α中的最小值，记为δ
min
；M3：将1至（δ
min
‑
1）对应灰度值H
（nm）
提取出来，并选择这些灰度值H
（nm）
对应的坐标（Xn，Ym），以这些坐标通过最小二乘法进行线性拟合，得到直线方程：y=ax+b，其中直线斜率为a，接触线偏转角度β=arctan（|a|）；M4：转动模块控制红外成像模块转动W*（90
°‑<...

【专利技术属性】
技术研发人员：苑鸿骥，余姝丹，邓荣春，杨帆，冯都康，张晓宇，
申请(专利权)人：南昌理工学院，
类型：发明
国别省市：