[发明专利]一种受电弓异常检测方法

说明书

本发明提供了一种受电弓异常检测方法，涉及铁路弓网智能检测与监测技术领域。对受电弓图像进行区域编码，对检测网络进行训练，受电弓异常检测网络采用深度编解码结构，由输入层、中间层和输出层构成，其中中间层共有35层，在异常检测过程中，将所有元素均设置为零，通过该网络对输入图像及其区域编码进行正向处理，并将第一个图像生成结果作为输入图像对应的无异常图像，之后通过两者对比获得异常检测结果。然后对融合的输入图像及其编码进行学习，训练完成后，该异常检测网络则能够恢复输入图像的无异常数据，进而可以准确地检测出受电弓图像是否存在异常，通过对存在异常的受电弓图像进行在线学习提高其异常检测的鲁棒性。

技术领域

本发明涉及铁路弓网智能检测与监测技术领域。

背景技术

弓网系统是电力机车牵引供电系统的重要设备，受电弓是弓网运行时的重要监测对象，它反应了弓网运行时的状态，研究基于计算机视觉的受电弓异常检测技术，实现对其实时、准确地监测，对提高弓网系统检测的自动化、智能化水平和保证弓网系统运行的安全与稳定都具有重要意义。

非接触式受电弓检测分析方法，不仅不易受弓网系统结构性的影响，能够保证弓网系统的动力学特性，而且不易受强电、强磁场的影响，具有良好的稳定性，该类方法是目前受电弓异常检测研究的主要方法。2017年，G.Santamato等提出一种基于受电弓振动特性的故障诊断方法，该方法在计算机仿真学基础上，利用受电弓振动特性，并针对阻尼器泄露及接缝处裂纹故障，采用对比扩展模态和相位图形分析两种诊断方法，进行受电弓裂纹形式的检测，但该方法在准确性上还需进一步研究。2018年，Luo C等提出了一种基于角点检测的受电弓偏移故障检测，该方法利用SSD获得受电弓喇叭区域，采用综合图像处理方法获得角边缘信息，然后利用角点重建三维世界信息，最后使用帧差法得到三维世界中受电弓的一系列的状态信息，实现受电弓的偏移检测。2018年，庄哲等提出一种基于振动数据驱动的受电弓裂纹故障方法，该方法利用二代小波分解与能量熵、奇异熵、排列熵、样本熵、模糊熵等多种信息熵定义相结合的方式，实现对受电弓碳滑板振动数据故障诊断识别，但该方法仅针对受电弓支架断裂及弓角断裂故障进行处理。以上这些方法在受电弓异常检测方面，还需要进一步提高其检测的精度和实时性，以及对弓网运行环境变化的适应能力。

发明内容

本发明的目的是提供一种受电弓异常检测方法，它能有效地解决对受电弓实时开展异常检测并准确地得到检测结果的技术问题。

本发明的目的是通过以下技术方案来实现的：1、一种基于区域编码学习的受电弓异常检测方法，包括如下步骤：

步骤一、受电弓区域编码与数据集构建

采用铁路机车车顶监控摄像头拍摄的受电弓图像构成受电弓图像库，并将受电弓图像规则化为512×512×3像素大小，然后通过人工标注的方式对受电弓图像进行区域编码，具体为，将规则化后的受电弓图像划分为32×32格的网格，每个格子为16×16像素大小，将每个格子对应的受电弓区域没有异常的格子编码记为0，否则记为1；对所有格子编码后得到该受电弓图像对应的32×32格的区域编码，这些受电弓图像及其区域编码构成受电弓数据集；

步骤二、受电弓异常检测网络构建