[发明专利]基于卷积神经网络的接触线抬升量测量方法及系统

说明书

本发明提供了一种基于卷积神经网络的接触线抬升量测量方法及系统，方法包括：利用磁钢检测来车；利用高速线阵相机采集图像序列；利用卷积神经网络模型检测每幅图像中的接触线抬升量；最终提取出接触线振动的时域和频域参数，卷积神经网络包括：1个数据输入层、2个卷积计算层、2个池化层、2个全连接层和1个输出层。本发明提供的神经网络利用卷积层抽取目标特征，利用池化层压缩数据和参数，利用全连接层和输出层回归出测量值，它能够学习大量的输入和输出之间的映射关系，只要用已知的模式对卷积神经网络加以训练，网络就具有输入输出对之间的映射能力，从而克服了人工对图像进行预处理和额外的特征抽取等复杂操作。

技术领域

本发明涉及一种接触线抬升量的测量方法，属于高铁供电安全监测领域，具体的说，涉及了一种基于卷积神经网络的接触线抬升量测量方法及系统。

背景技术

高铁供电安全检测监测系统是伴随高铁(客专)的供电安全和质量应运而生的，是对高铁的牵引供电系统进行全方位、全覆盖的综合检测监测。其中的接触网及供电设备地面检测装置(6C)，用于监测接触网的张力、振动、抬升量、线索温度、补偿位移及供电设备绝缘状态和温度等运行状态参数，以指导接触网及供电设备的维修。

接触线抬升量的测量在当前高铁接触网的检测中具有重要的参考意义，通过对抬升量的测量能够认定或确定受电弓或者某车型允许的最大速度。同时，能为弓网关系、接触线的振动规律等提供必要的参考。但由于对接触线抬升量的测量，在现实中受多重因素影响而增加了测量的难度：(1)接触网系统加装传感器接触式测量需要对设备改造，难度过大或者对现有设备的工作状态有附加影响；(2)车顶加装传感器测量，属于移动式非接触测量，数据难以匹配或误差较大。

通过安装在支柱上的相机，拍摄采集接触线图像，通过传统的图像处理方式获取接触线位置，在一定程度上改进了现有测量方法，但是通过人为选取的特征进行检测，适应性较差，误检概率较大。

为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

发明内容

本发明的目的是针对现有技术的不足，引入人工智能技术来定位图像中接触线位置，提供一种基于卷积神经网络的接触线抬升量测量方法及系统。

为了实现上述目的，本发明所采取的技术方案是：

本发明第一方面提供了一种基于卷积神经网络的接触线抬升量测量方法，包含以下步骤：

步骤1、来车检测

根据接收到的磁钢输出数据，对火车进行判向判量与计轴测速，当火车驶来时触发图像采集装置开启，当火车驶离时触发图像采集装置停止；

步骤2、图像序列采集

图像采集装置的高速线阵相机以1000FPS的帧率间隔采集1920*32大小的灰度图像，得到待测量图像序列；

步骤3、接触线抬升量测量

利用预训练的卷积神经网络模型逐个检出每幅图像的抬升量，形成抬升量数值序列；

步骤4、接触线振动参数提取

对抬升量序列进行时域和频域分析，获取特征参数。

基于上述，步骤3中，利用预训练的卷积神经网络模型对每幅图像的抬升量进行预测，逐个检出每幅图像的抬升量后，对抬升量进行回归分析获得抬升量数值序列。

基于上述，所述卷积神经网络模型包含1个数据输入层、2个卷积计算层、2个最大池化层、2个全连接层和1个输出层；

输入层为1920*32大小的灰度图像；

输入层后为两个卷积计算层，卷积核大小分别为11*11、5*5，参数分别为[1,32]、[32,64]，每个卷积层后紧跟一个1*4大小的最大池化层；