[发明专利]一种升降弓状态检测方法及系统在审

专利信息
申请号: 202210800754.X 申请日: 2022-07-08
公开(公告)号: CN115187542A 公开(公告)日: 2022-10-14
发明(设计)人: 郭超;王崇阳;张永才;王淼 申请(专利权)人: 中车青岛四方机车车辆股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/73;G06V10/44;G06V10/764;G06V10/766;G06V10/82;B60L5/18;G06N3/04;G06N3/08
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 董雪
地址: 266109 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 升降 状态 检测 方法 系统
【说明书】:

发明公开了一种升降弓状态检测方法及系统,包括:获取通过压力开关检测到的受电弓的升弓信号信息;获取通过非接触式传感器检测受电弓的降弓信号信息;获取受电弓图像信息,通过图像识别算法检测升降弓的状态信息;通过所述升弓信号信息、降弓信号信息和升降弓的状态信息,判断受电弓的升降弓状态,并进行异常报警。本发明解决了传统检测方式故障率高、存在误报的问题,从而提高升降弓状态以及升降弓故障报警的可靠性。

技术领域

本发明涉及升降弓状态检测技术领域,尤其涉及一种升降弓状态检测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。

受电弓是电力牵引机车从接触网取得电能的电气设备,安装在车顶上;其滑板条与接触网导线直接接触,从接触网导线上受取电流供机车使用。受电弓是轨道交通车辆从接触网汲取高压电流的关键设备,受电弓状态的好坏直接影响到轨道车俩的安全运行,其故障可能会会造成运输中断。

目前已有的受电弓检测技术主要采用压力开关或非接触式传感器的方式对受电弓进行检测,但压力开关或非接触式传感器容易受到外部因素干扰,导致传统检测方式频频出现误报事故。并且,单一的故障检测方式往往无法保证检测结果的准确性,因此目前的受电弓状态检测正确率往往偏低。

发明内容

为了解决上述问题,本发明提出了一种升降弓状态检测方法及系统,利用压力开关检测、非接触式传感器检测以及弓网摄像系统智能检测相结合的检测方法,实现受电弓升降弓状态的可靠检测,并在升降弓状态异常时进行报警提示。

根据本发明实施例的第一个方面,提供了一种升降弓状态检测方法,包括:

获取通过压力开关检测到的受电弓的升弓信号信息;

获取通过非接触式传感器检测受电弓的降弓信号信息;

获取受电弓图像信息,通过图像识别算法检测升降弓的状态信息;

通过所述升弓信号信息、降弓信号信息和升降弓的状态信息,判断受电弓的升降弓状态,并进行异常报警。

作为可选的方案,获取通过压力开关检测到的受电弓的升弓信号信息,具体包括:

所述压力开关检测受电弓的气路压力,当气路压力达到设定的压力值时,压力开关闭合并反馈高电平,此时升弓信号有效;当气路压力小于设定的压力值时,压力开关断开并反馈低电平信号,此时升弓信号无效。

作为可选的方案,获取通过非接触式传感器检测受电弓的降弓信号信息,具体包括:

当受电弓降弓时,受电弓上的感应片处于非接触式传感器感应范围内,传感器常开触点闭合,反馈高电平信号,此时降弓信号有效;

当受电弓处于非降弓状态,受电弓上的感应片超出非接触式传感器的感应范围,传感器常开触点断开,反馈低电平信号,此时降弓信号无效。

作为可选的方案,通过图像识别算法检测升降弓的状态信息,具体包括:

对获取的受电弓图像信息进行预处理,采用自适应灰度增强算法对图像进行灰度化和增强处理;

将处理后的图像输入至训练好的卷积神经网络模型,得到升降弓的升降状态;

其中,对于卷积神经网络模型的训练过程包括:

对于带标记的训练样本数据集,采用基于坐标回归的卷积神经网络模型进行目标定位,使用卷积神经网络进行自动特征提取,提取出图像的高层语义特征,包括受电弓和接触网的结构特征;采用卷积特征层回归计算,在图像定位识别出受电弓弓头的位置,并对弓头的升降弓状态分类。

作为可选的方案,通过所述升弓信号信息、降弓信号信息和升降弓的状态信息,判断受电弓的升降弓状态,具体包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中车青岛四方机车车辆股份有限公司,未经中车青岛四方机车车辆股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210800754.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top