基于机器视觉的高速铁路吊弦断裂与松弛故障监测

作者：刘世望; 胡云卿; 林军

来源：控制与信息技术, 2021, (04): 66-71.

DOI：10.13889/j.issn.2096-5427.2021.04.011

• 深度学习
• 机器视觉
• 吊弦
• 断裂和松弛
• 自动监测
• 检测网络
• 不平衡样本策略

高速铁路吊弦的断裂和松弛故障会影响高速铁路供电系统的供电稳定性,并降低系统的安全性。针对目前人工检测吊弦状态存在的低效和安全性差问题,文章提出了一种吊弦断裂和松弛故障自动监测方法。其首先通过先验知识选择吊弦的候选区域,然后设计了端到端检测网络来定位和识别故障。为了克服正常样本和故障样本之间的不平衡,采用了数据增强和梯度协调损失计算。实验结果显示,采用文章所提方法后,检测平均精度均值(mean average precision, MAP)为86.2%,每帧图像耗时39.4 ms,表明该方法可以有效监控高速铁路吊弦断裂与松弛故障。

• 单位
  中车株洲电力机车研究所有限公司