CN117726830B - 基于单目图像的弓网在线检测方法、系统及存储介质 - Google Patents
基于单目图像的弓网在线检测方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117726830B CN117726830B CN202410172455.5A CN202410172455A CN117726830B CN 117726830 B CN117726830 B CN 117726830B CN 202410172455 A CN202410172455 A CN 202410172455A CN 117726830 B CN117726830 B CN 117726830B
- Authority
- CN
- China
- Prior art keywords
- pantograph
- bow net
- catenary
- detection
- line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000005299 abrasion Methods 0.000 claims abstract description 31
- 238000012360 testing method Methods 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 230000001133 acceleration Effects 0.000 claims description 27
- 239000000835 fiber Substances 0.000 claims description 19
- 238000005516 engineering process Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000010891 electric arc Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000012212 insulator Substances 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 239000004020 conductor Substances 0.000 abstract description 4
- 238000009413 insulation Methods 0.000 abstract description 4
- 238000002955 isolation Methods 0.000 abstract description 4
- 230000003287 optical effect Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010292 electrical insulation Methods 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000010453 quartz Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Landscapes
- Current-Collector Devices For Electrically Propelled Vehicles (AREA)
Abstract
本发明涉及受电弓‑接触网关系检测技术领域，是基于单目图像的弓网在线检测方法、系统及存储介质，具体方法包括：模拟恶劣天气环境下的测试工况，采集地铁车辆运行状态下受电弓‑接触网的工作数据，并进行弓网动态受流质量判断；预测评估受电弓滑板和接触线的磨损面积比；提取受电弓‑接触网的工作数据，并绘制工作数据构成的统计图像；计算弓网关系评估系数，对弓网关系进行工作状态识别评价；在线评价弓网关系并实时输出不同的弓网不良关系对应的故障判断。受电弓整体作为导电体，对测试系统抗电磁干扰性能以及绝缘隔离性能要求很高，检测系统实际的检测精度受外界环境影响较大，本发明能很好解决上述问题。
Description
技术领域
本发明涉及受电弓-接触网关系检测技术领域，是基于单目图像的弓网在线检测方法、系统及存储介质。
背景技术
随着城市轨道交通运营速度的不断提高，运营安全已成为各地铁公司最关注的话题之一。特别是受电弓-接触网系统（简称弓网系统），是一个电客车与供电接触网相互耦合、相互作用的复杂非线性系统，其运行安全直接关乎城市轨道交通的运营安全。接触网主要承担电客车动力的供给职能，它的可靠性影响着电客车运行的安全；受电弓是电客车获取电能的电气设备，它与接触网的良好接触是接触网向电客车传递电能的先决条件，受电弓的任何环节出现问题同样会降低弓网受流质量，甚至会导致严重的行车事故。如何有效掌握和改善弓网关系是目前行业内所面临的比较棘手的难题。地铁车辆所用受电弓与接触线静止接触时的接触压力通常为120N，也称为受电弓静态抬升力。列车运行过程中，由于车辆、受电弓和接触网受到外部激励的激扰，受电弓滑板与接触线将形成动态接触，使得受电弓滑板与接触线之间的接触压力难以维持在120N。
因此，弓网关系检测尤为重要。目前采用综合检测系统获取弓网数据检测效率高，环境适应性强，并具有实时数据传输、存储和分析处理功能。通过对得出的弓网检测数据分析，可以准确地判定弓网关系各参数指标的真实情况。
在现有已公开的发明技术中，如申请公开号为CN105067158A的专利公开了一种弓网分离式受电弓压力检测装置，包括压力检测结构，沿接触网的长度方向，所述压力检测结构两侧分别设有用于施加接触网预紧力的接触网预紧机构，所述压力检测结构包括连接臂组件以及与连接臂组件铰接的安装组件，所述连接臂组件一端设有用于使受电弓下移与接触网分离的下移接触件，连接臂组件另一端设有用于检测下移接触件与受电弓之间的接触压力的检测组件，所述接触网预紧机构与所述下移接触件电连接。
上述专利对检测环境的适应性弱，在实际运行中，可能受到恶劣天气、灰尘等特殊环境的影响，装置的稳定性和可靠性受到挑战，同时，由于涉及压力检测，对于检测组件的精度和灵敏度有较高的要求。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
受电弓整体作为导电体，对测试系统抗电磁干扰性能以及绝缘隔离性能要求很高，检测系统实际的检测精度受外界环境影响较大，弓网和轨道的几何尺寸检测中，由于安装在电客车上的便携式检测传感器缺少防护外装，受现场不同光线的影响，采集的数据中可能会夹杂部分相似波长的可见光干扰数据，造成采集数据与真实数据的偏离，实际检测精度严重下降。此外，由于车体相对钢轨的晃动，使得安装在车体上的几何参数数据采集设备对接触线拉出值、导高等几何参数的采点可能会发生细微的偏离，影响采集数据的准确性。轨道检测数据的获取主要是通过安装在地铁车辆上的激光摄像组件、轮轴编码器、加速度传感器等测量传感器检测获得。在实际检测过程中，当检测系统的传感器出现故障、设备存在标定误差、外界不良环境的干扰（比如雨雪天气、强光照）、尖轨道岔等特殊的轨道结构及数据传输不良等任何一项出现时，都可能对轨道检测传感器采集的数据造成干扰，进而产生采样点异常值，基于现有技术中存在的上述问题，本发明提出了基于单目图像的弓网在线检测方法、系统及存储介质。
为了达到上述目的，本发明基于单目图像的弓网在线检测方法的技术方案包括如下步骤：
S1：模拟恶劣天气环境下的测试工况，并进行环境补偿，通过光纤光栅传感技术采集地铁车辆运行状态下受电弓-接触网的工作数据，并进行弓网动态受流质量判断；
S2：建立机器学习模型，预测评估受电弓滑板和接触线的磨损面积比；
S3：提取通过光纤光栅传感技术采集地铁车辆运行状态下受电弓-接触网的工作数据，并绘制工作数据构成的统计图像；
S4：根据步骤S2-S3，计算弓网关系评估系数，对弓网关系进行工作状态识别评价；
S5：在线评价弓网关系并实时输出不同的弓网不良关系对应的故障判断。
具体地，S1中，环境补偿处理包括：弓网关系检测期时将采用一台3D相机和线激光传感器组件安装在检测车车顶中间位置，通过线激光亮斑在3D相机不同成像位置计算出接触线相对摄像机的高度和横向偏移，结合车体振动补偿模块中两台激光2D传感器，精确测量车体中心与线路中心位置和车体与轨面高度，对接触网几何参数进行动态补偿。
具体地，S1中，所述测试工况包括：恶劣天气下，地铁车辆的检测速度为；测试环境的室内温度处于/>，室外温度处于/>；测试环境的海拔高度小于等于500m。
具体地，S1中，所述通过光纤光栅传感技术采集地铁车辆运行状态下受电弓-接触网的工作数据包括：
在受电弓附近安装一台20W的探照灯；
通过接触网几何参数测试装置获得正线运行中的地铁车辆的接触网的动态几何参数，包括：接触线拉出值、导高值、定位点间高度差值；
通过多个力学传感器采集弓网动态惯性项，获取正线运行中的地铁车辆的受电弓与接触网之间的动态接触压力数据；
通过多个加速度传感器测试前滑板和后滑板的纵向、垂向和横向加速度，获得受电弓振动加速度数据；
通过1台高精度摄像机分别采集正线运行中的地铁车辆的受电弓滑板高度、受电弓的工作运行状态单目图像；
通过1台火弧传感器测试弓网离线火花的燃弧数据；
将所有采集得到的信息通过光纤光栅传感技术传输到数据采集盒，并通过一台高性能计算机存储分析采集得到的受电弓-接触网的工作数据。
具体地，S1中，所述弓网动态受流质量判断包括：
当正线运行中的地铁车辆的受电弓与接触网之间的动态接触压力时，动态接触压力过大，执行检测步骤S2；
当正线运行中的地铁车辆的受电弓与接触网之间的动态接触压力时，动态接触压力过小，执行检测步骤S3；
其中，为第i个站台测点的接触压力数据；
为第i个站台测点的接触压力最大值；
为第i个站台测点的接触压力最小值。
具体地，S2中，所述机器学习模型包括：输入层、卷积层、采样层、池化层、全连接层和输出层，其中，卷积层包括10个大小为的卷积核。
具体地，S2包括如下具体步骤：
S21：对通过高精度摄像机采集到的受电弓的工作运行状态单目图像进行去噪预处理，并将处理好的单目图像数据输入机器学习模型中的输入层；
S22：通过机器学习模型中的卷积层对单目图像数据进行边缘特征、纹理特征、形状特征的特征提取，利用全连接层将磨损特征整合；
S23：基于S22中所提取的特征利用模板匹配的检测算法对弓网区域进行灰度阈值分割处理，按照灰度值梯度将一张单目图像划分为背景区域、中心磨损区域、边缘磨损区域和无损区域；
S24：通过图像识别算法判断恶劣天气环境下受电弓的磨损面积比，其中，磨损面积比的计算公式如下：；G为磨损监测点的总个数；/>为第g个磨损监测点的中心磨损区域面积；/>为第g个磨损监测点的边缘磨损区域面积；S为单目图像中被划分为无损区域的区域面积。
具体地，S3中，所述工作数据构成的统计图像包括：地铁车辆正线开口运行和闭口运行时的燃弧散点图像和前滑板垂向、纵向、横向的加速度时程曲线图像。
具体地，S4中，所述弓网关系评估系数的计算策略如下：
；
其中，为弓网燃弧率；/>为接触网动态几何参数中符合地铁车辆设计标准范围的项数；/>为地铁车辆正线开口运行和闭口运行时前滑板垂向、纵向、横向的加速度中符合地铁车辆设计标准范围的项数，其中，/>。
具体地，所述弓网燃弧率的计算包括：
当弓网燃弧次数小于等于1次/160m，且弓网一次最大离线时间小于等于100ms时，；
当弓网燃弧次数大于1次/160m，且弓网一次最大离线时间小于等于100ms时，；
当弓网燃弧次数小于等于1次/160m，且弓网一次最大离线时间大于100ms时，；
当弓网燃弧次数大于1次/160m，且弓网一次最大离线时间大于100ms时，。
具体地，S5中，所述实时输出不同的弓网不良关系对应的故障判断包括：
当时，实时输出的弓网不良关系对应的故障包括：跨中、定位点、中间接头、锚段关节、分段绝缘器、刚柔过渡、加速区段、腕臂低头和漏水严重部位出现动态几何参数超限；
当时，实时输出的弓网不良关系对应的故障包括：地铁车辆运行线路的变坡、三角坑产生了硬点；
当时，实时输出的弓网不良关系对应的故障包括：受电弓与接触线产生离线，引起电压降，击穿空气，产生电弧；受电弓与接触线被电气隔离，产生电压差，瞬间击穿，产生电弧。
另外，本发明基于单目图像的弓网在线检测系统包括如下模块：
力模块、加速度模块、数据采集盒、高性能计算机、燃弧模块、测速模块、电流模块、接触网检测模块；
所述力模块用于采集存储地铁车辆的接触压力数据；
所述加速度模块用于测量受电弓振动加速度；
所述燃弧模块用于检测受电弓-接触网的离线火花状态；
所述测速模块用于检测地铁车辆检测区间实时运行车速；
所述电流模块用于测量地铁车辆运行过程中待测受电弓的电流；
所述接触网检测模块用于模拟恶劣天气环境下的测试工况，通过光纤光栅传感技术采集地铁车辆运行状态下受电弓-接触网的工作数据，并进行弓网动态受流质量判断；
一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行上述基于单目图像的弓网在线检测方法。
一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于单目图像的弓网在线检测方法。
与现有技术相比，本发明的技术效果如下：
1、本发明针对于恶劣天气环境导致的弓网关系检测数据的不准确问题，在弓网关系检测期时将采用一台3D相机和线激光传感器组件安装在检测车车顶中间位置，通过线激光亮斑在3D相机不同成像位置计算出接触线相对摄像机的高度和横向偏移，结合车体振动补偿模块中两台激光2D传感器，精确测量车体中心与线路中心位置和车体与轨面高度，对接触网几何参数进行动态补偿，提升了检测数据的准确性。
2、本发明为了克服受电弓整体作为导电体，对测试系统抗电磁干扰性能以及绝缘隔离性能要求高的问题，采用光纤光栅传感技术，其具备以下技术特点：
（1）抗电磁干扰：电磁辐射频率比光波低，光信号不受电磁干扰影响。
（2）电绝缘性能好，安全可靠：光纤本身由电介质构成，无需电源驱动。
（3）耐腐蚀，化学性能稳定：光纤的材料——石英具有极高化学稳定性，适宜于较恶劣环境使用。
（4）体积小、重量轻，几何形状可塑。
（5）传输损耗小：远距离遥控监测。
（6）传输容量大：多点分布式测量。
（7）测量范围广：可测量温度、压强、应变、应力、流量、流速、电流、电压等。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明的基于单目图像的弓网在线检测方法的流程示意图；
图2为本发明的基于单目图像的弓网在线检测系统的结构示意图；
图3、4、5、6、7、8为本发明的数据采集传感器安装位置的结构示意图；
图9为本发明的主要硬件设备图；
图10、11为本发明的工作数据构成的统计图像中地铁车辆开口和闭口运行时的燃弧散点图像的示例图；
图12、13为本发明的工作数据构成的统计图像中地铁车辆开口和闭口运行时的前滑板垂向、纵向、横向的加速度时程曲线图像示例图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例一：
如图1、图3-图11所示，本发明实施例的基于单目图像的弓网在线检测方法，如图1所示，包括如下具体步骤：
S1：模拟恶劣天气环境下的测试工况，并进行环境补偿处理，通过光纤光栅传感技术采集地铁车辆运行状态下受电弓-接触网的工作数据，并进行弓网动态受流质量判断；
S1中，环境补偿处理包括：弓网关系检测期时将采用一台3D相机和线激光传感器组件安装在检测车车顶中间位置，通过线激光亮斑在3D相机不同成像位置计算出接触线相对摄像机的高度和横向偏移，结合车体振动补偿模块中两台激光2D传感器，精确测量车体中心与线路中心位置和车体与轨面高度，对接触网几何参数进行动态补偿。
S1中，所述测试工况包括：恶劣天气下，其中，恶劣天气包括：阴雨天或积雪等，地铁车辆的检测速度为；测试环境的室内温度处于/>，室外温度处于；测试环境的海拔高度小于等于500m。
如图3-图9所示，S1中，所述通过光纤光栅传感技术采集地铁车辆运行状态下受电弓-接触网的工作数据包括：
如图7所示，在受电弓附近安装一台20W的探照灯，增加受电弓亮度；
通过接触网几何参数测试装置获得正线运行中的地铁车辆的接触网的动态几何参数，包括：接触线拉出值、导高值、定位点间高度差值；
如图3所示，通过多个力学传感器采集弓网动态惯性项，获取正线运行中的地铁车辆的受电弓与接触网之间的动态接触压力数据；
如图4所示，通过多个加速度传感器测试前滑板和后滑板的纵向、垂向和横向加速度，获得受电弓振动加速度数据；
如图6所示，通过1台高精度摄像机分别采集正线运行中的地铁车辆的受电弓滑板高度、受电弓的工作运行状态单目图像；
如图5所示，通过1台火弧传感器测试弓网离线火花的燃弧数据；
如图8、图9所示，将所有采集得到的信息通过光纤光栅传感技术传输到数据采集盒，并通过一台高性能计算机存储分析采集得到的受电弓-接触网的工作数据。
在本实施例中，具体的，弓网动态接触压力和受电弓振动加速度的信号采集盒安装于受电弓底座处，然后将电信号转换成光信号，采用光纤传输至低压采集区，再将光信号转换成电信号并采用检测主机的弓网测试分析软件进行处理和存储。受电弓运行监视和受电弓滑板高度通过安装在车顶的1台相机检测，采用网线将数据传输至视频处理主机；受电弓离线火花通过安装在车顶的1台火花探测仪进行检测，采用CameraLink数据线将火花数据传输至视频主机；受电弓滑板高度和弓网离线火花采用安装在视频主机上的软件进行实时分析和显示。
S1中，所述弓网动态受流质量判断包括：
当正线运行中的地铁车辆的受电弓与接触网之间的动态接触压力时，动态接触压力过大，执行检测步骤S2；
当正线运行中的地铁车辆的受电弓与接触网之间的动态接触压力时，动态接触压力过小，执行检测步骤S3；
其中，为第i个站台测点的接触压力数据；
为第i个站台测点的接触压力最大值；
为第i个站台测点的接触压力最小值。
在本实施例中，具体地，；
，其中，/>为地铁车辆在第i个站台测点的实时行驶速度。
S2：建立机器学习模型，预测评估受电弓滑板和接触线的磨损面积比；
S2中，所述机器学习模型包括：输入层、卷积层、采样层、池化层、全连接层和输出层，其中，卷积层包括10个大小为的卷积核。
S2包括如下具体步骤：
S21：对通过高精度摄像机采集到的受电弓的工作运行状态单目图像进行去噪预处理，并将处理好的单目图像数据输入机器学习模型中的输入层；
S22：通过机器学习模型中的卷积层对单目图像数据进行边缘特征、纹理特征、形状特征的特征提取，利用全连接层将磨损特征整合；
S23：基于S22中所提取的特征利用模板匹配的检测算法对弓网区域进行灰度阈值分割处理，按照灰度值梯度将一张单目图像划分为背景区域、中心磨损区域、边缘磨损区域和无损区域；
S24：通过图像识别算法判断恶劣天气环境下受电弓的磨损面积比，其中，磨损面积比的计算公式如下：；G为磨损监测点的总个数；/>为第g个磨损监测点的中心磨损区域面积；/>为第g个磨损监测点的边缘磨损区域面积；S为单目图像中被划分为无损区域的区域面积。
S3：提取通过光纤光栅传感技术采集地铁车辆运行状态下受电弓-接触网的工作数据，并绘制工作数据构成的统计图像；
如图10、图11、图12、图13所示，S3中，所述工作数据构成的统计图像包括：地铁车辆正线开口运行和闭口运行时的燃弧散点图像和前滑板垂向、纵向、横向的加速度时程曲线图像。
S4：根据步骤S2-S3，计算弓网关系评估系数，对弓网关系进行工作状态识别评价；
S4中，所述弓网关系评估系数的计算策略如下：
；
其中，为弓网燃弧率；/>为接触网动态几何参数中符合地铁车辆设计标准范围的项数；/>为地铁车辆正线开口运行和闭口运行时前滑板垂向、纵向、横向的加速度中符合地铁车辆设计标准范围的项数，其中，/>。
所述弓网燃弧率的计算包括：
当弓网燃弧次数小于等于1次/160m，且弓网一次最大离线时间小于等于100ms时，；
当弓网燃弧次数大于1次/160m，且弓网一次最大离线时间小于等于100ms时，；
当弓网燃弧次数小于等于1次/160m，且弓网一次最大离线时间大于100ms时，；
当弓网燃弧次数大于1次/160m，且弓网一次最大离线时间大于100ms时，。
S5：在线评价弓网关系并实时输出不同的弓网不良关系对应的故障判断。
S5中，所述实时输出不同的弓网不良关系对应的故障判断包括：
当时，实时输出的弓网不良关系对应的故障包括：跨中、定位点、中间接头、锚段关节、分段绝缘器、刚柔过渡、加速区段、腕臂低头和漏水严重部位出现动态几何参数超限；
当时，实时输出的弓网不良关系对应的故障包括：地铁车辆运行线路的变坡、三角坑产生了硬点；
当时，实时输出的弓网不良关系对应的故障包括：受电弓与接触线产生离线，引起电压降，击穿空气，产生电弧；受电弓与接触线被电气隔离，产生电压差，瞬间击穿，产生电弧。
实施例二：
如图2所示，本发明实施例的基于单目图像的弓网在线检测系统，包括如下模块：
力模块、加速度模块、数据采集盒、高性能计算机、燃弧模块、测速模块、电流模块、接触网检测模块；
所述力模块用于采集存储地铁车辆的接触压力数据；
所述加速度模块用于测量受电弓振动加速度；
所述燃弧模块用于检测受电弓-接触网的离线火花状态；
所述测速模块用于检测地铁车辆检测区间实时运行车速；
所述电流模块用于测量地铁车辆运行过程中待测受电弓的电流；
所述接触网检测模块用于模拟恶劣天气环境下的测试工况，通过光纤光栅传感技术采集地铁车辆运行状态下受电弓-接触网的工作数据，并进行弓网动态受流质量判断；
实施例三：
本实施例提供一种电子设备，包括：处理器和存储器，其中，存储器中存储有可供处理器调用的计算机程序；
处理器通过调用存储器中存储的计算机程序，执行上述的基于单目图像的弓网在线检测方法。
该电子设备可因配置或性能不同而产生比较大的差异，能够包括一个或一个以上的处理器（Central Processing Units，CPU）和一个或一个以上的存储器，其中，该存储器中存储有至少一条计算机程序，该计算机程序由该处理器加载并执行以实现上述方法实施例提供的基于单目图像的弓网在线检测方法。该电子设备还能够包括其他用于实现设备功能的部件，例如，该电子设备还能够具有有线或无线网络接口以及输入输出接口等部件，以便进行数据的输入输出。本实施例在此不做赘述。
实施例四：
本实施例提出一种计算机可读存储介质，其上存储有可擦写的计算机程序；
当计算机程序在计算机设备上运行时，使得计算机设备执行上述的基于单目图像的弓网在线检测方法。
例如，计算机可读存储介质能够是只读存储器（Read-Only Memory，简称：ROM）、随机存取存储器（Random Access Memory，简称：RAM）、只读光盘（Compact Disc Read-OnlyMemory，简称：CD-ROM）、磁带、软盘和光数据存储设备等。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
应理解，根据A确定B并不意味着仅仅根据A确定B，还能够根据A和/或其它信息确定B。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或/和无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD）、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到，结合本发明中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
综上实施例，与现有技术相比，本发明的技术效果如下：
1、本发明针对于恶劣天气环境导致的弓网关系检测数据的不准确问题，在弓网关系检测期时将采用一台3D相机和线激光传感器组件安装在检测车车顶中间位置，通过线激光亮斑在3D相机不同成像位置计算出接触线相对摄像机的高度和横向偏移，结合车体振动补偿模块中两台激光2D传感器，精确测量车体中心与线路中心位置和车体与轨面高度，对接触网几何参数进行动态补偿，提升了检测数据的准确性。
2、本发明为了克服受电弓整体作为导电体，对测试系统抗电磁干扰性能以及绝缘隔离性能要求高的问题，采用光纤光栅传感技术，其具备以下技术特点：
（1）抗电磁干扰：电磁辐射频率比光波低，光信号不受电磁干扰影响。
（2）电绝缘性能好，安全可靠：光纤本身由电介质构成，无需电源驱动。
（3）耐腐蚀，化学性能稳定：光纤的材料一石英具有极高化学稳定性，适宜于较恶劣环境使用。
（4）体积小、重量轻，几何形状可塑。
（5）传输损耗小：远距离遥控监测。
（6）传输容量大：多点分布式测量。
（7）测量范围广：可测量温度、压强、应变、应力、流量、流速、电流、电压等。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (12)
1.基于单目图像的弓网在线检测方法，其特征在于：所述方法包括如下具体步骤：
S1：模拟恶劣天气环境下的测试工况，并进行环境补偿处理，通过光纤光栅传感技术采集地铁车辆运行状态下受电弓-接触网的工作数据，并进行弓网动态受流质量判断；
S2：建立机器学习模型，预测评估受电弓滑板和接触线的磨损面积比；
S3：提取通过光纤光栅传感技术采集地铁车辆运行状态下受电弓-接触网的工作数据，并绘制工作数据构成的统计图像；
S4：根据步骤S2-S3，计算弓网关系评估系数，对弓网关系进行工作状态识别评价；
S5：在线评价弓网关系并实时输出不同的弓网不良关系对应的故障判断；
S4中，所述弓网关系评估系数的计算策略如下：
；
其中，为弓网燃弧率；/>为接触网动态几何参数中符合地铁车辆设计标准范围的项数；/>为地铁车辆正线开口运行和闭口运行时前滑板垂向、纵向、横向的加速度中符合地铁车辆设计标准范围的项数，其中，/>；
S5中，所述实时输出不同的弓网不良关系对应的故障判断包括：
当时，实时输出的弓网不良关系对应的故障包括：跨中、定位点、中间接头、锚段关节、分段绝缘器、刚柔过渡、加速区段、腕臂低头和漏水严重部位出现动态几何参数超限；
当时，实时输出的弓网不良关系对应的故障包括：地铁车辆运行线路的变坡、三角坑产生了硬点；
当时，实时输出的弓网不良关系对应的故障包括：受电弓与接触线产生离线，引起电压降，击穿空气，产生电弧；受电弓与接触线被电气隔离，产生电压差，瞬间击穿，产生电弧。
2.根据权利要求1所述的基于单目图像的弓网在线检测方法，其特征在于，S1中，环境补偿处理包括：弓网关系检测期时将采用一台3D相机和线激光传感器组件安装在检测车车顶中间位置，通过线激光亮斑在3D相机不同成像位置计算出接触线相对摄像机的高度和横向偏移，结合车体振动补偿模块中两台激光2D传感器，精确测量车体中心与线路中心位置和车体与轨面高度，对接触网几何参数进行动态补偿。
3.根据权利要求2所述的基于单目图像的弓网在线检测方法，其特征在于，S1中，所述测试工况包括：恶劣天气环境下，地铁车辆的检测速度为；测试环境的室内温度处于/>，室外温度处于/>；测试环境的海拔高度小于等于500m。
4.根据权利要求3所述的基于单目图像的弓网在线检测方法，其特征在于，S1中，所述通过光纤光栅传感技术采集地铁车辆运行状态下受电弓-接触网的工作数据包括：
在受电弓附近安装一台20W的探照灯；
通过接触网几何参数测试装置获得正线运行中的地铁车辆的接触网的动态几何参数，包括：接触线拉出值、导高值、定位点间高度差值；
通过多个力学传感器采集弓网动态惯性项，获取正线运行中的地铁车辆的受电弓与接触网之间的动态接触压力数据；
通过多个加速度传感器测试前滑板和后滑板的纵向、垂向和横向加速度，获得受电弓振动加速度数据；
通过1台高精度摄像机分别采集正线运行中的地铁车辆的受电弓滑板高度、受电弓的工作运行状态单目图像；
通过1台火弧传感器测试弓网离线火花的燃弧数据；
将所有采集得到的信息通过光纤光栅传感技术传输到数据采集盒，并通过一台高性能计算机存储分析采集得到的受电弓-接触网的工作数据。
5.根据权利要求4所述的基于单目图像的弓网在线检测方法，其特征在于，S1中，所述弓网动态受流质量判断包括：
当正线运行中的地铁车辆的受电弓与接触网之间的动态接触压力时，动态接触压力过大，执行检测步骤S2；
当正线运行中的地铁车辆的受电弓与接触网之间的动态接触压力时，动态接触压力过小，执行检测步骤S3；
其中，为第i个站台测点的接触压力数据；
为第i个站台测点的接触压力最大值；
为第i个站台测点的接触压力最小值。
6.根据权利要求1所述的基于单目图像的弓网在线检测方法，其特征在于，S2中，所述机器学习模型包括：输入层、卷积层、采样层、池化层、全连接层和输出层，其中，卷积层包括10个大小为的卷积核。
7.根据权利要求6所述的基于单目图像的弓网在线检测方法，其特征在于，S2包括如下具体步骤：
S21：对通过高精度摄像机采集到的受电弓的工作运行状态单目图像进行去噪预处理，并将处理好的单目图像数据输入机器学习模型中的输入层；
S22：通过机器学习模型中的卷积层对单目图像数据进行边缘特征、纹理特征、形状特征的特征提取，利用全连接层将磨损特征整合；
S23：基于S22中所提取的特征利用模板匹配的检测算法对弓网区域进行灰度阈值分割处理，按照灰度值梯度将一张单目图像划分为背景区域、中心磨损区域、边缘磨损区域和无损区域；
S24：通过图像识别算法判断恶劣天气环境下受电弓的磨损面积比，其中，磨损面积比的计算公式如下：；G为磨损监测点的总个数；/>为第g个磨损监测点的中心磨损区域面积；/>为第g个磨损监测点的边缘磨损区域面积；S为单目图像中被划分为无损区域的区域面积。
8.根据权利要求7所述的基于单目图像的弓网在线检测方法，其特征在于，S3中，所述工作数据构成的统计图像包括：地铁车辆正线开口运行和闭口运行时的燃弧散点图像和前滑板垂向、纵向、横向的加速度时程曲线图像。
9.根据权利要求8所述的基于单目图像的弓网在线检测方法，其特征在于，所述弓网燃弧率的计算包括：
当弓网燃弧次数小于等于1次/160m，且弓网一次最大离线时间小于等于100ms时，；
当弓网燃弧次数大于1次/160m，且弓网一次最大离线时间小于等于100ms时，；
当弓网燃弧次数小于等于1次/160m，且弓网一次最大离线时间大于100ms时，；
当弓网燃弧次数大于1次/160m，且弓网一次最大离线时间大于100ms时，。
10.基于单目图像的弓网在线检测系统，其基于如权利要求1-9任一项所述的基于单目图像的弓网在线检测方法实现，其特征在于，所述系统包括以下模块：
力模块、加速度模块、数据采集盒、高性能计算机、燃弧模块、测速模块、电流模块、接触网检测模块；
所述力模块用于采集存储地铁车辆的接触压力数据；
所述加速度模块用于测量受电弓振动加速度；
所述燃弧模块用于检测受电弓-接触网的离线火花状态；
所述测速模块用于检测地铁车辆检测区间实时运行车速；
所述电流模块用于测量地铁车辆运行过程中待测受电弓的电流；
所述接触网检测模块用于模拟恶劣天气环境下的测试工况，通过光纤光栅传感技术采集地铁车辆运行状态下受电弓-接触网的工作数据，并进行弓网动态受流质量判断。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，实现如权利要求1-9中任一所述的基于单目图像的弓网在线检测方法。
12.一种电子设备，其特征在于，包括：
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述设备执行实现如权利要求1-9任一项所述的基于单目图像的弓网在线检测方法的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410172455.5A CN117726830B (zh) | 2024-02-07 | 2024-02-07 | 基于单目图像的弓网在线检测方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410172455.5A CN117726830B (zh) | 2024-02-07 | 2024-02-07 | 基于单目图像的弓网在线检测方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117726830A CN117726830A (zh) | 2024-03-19 |
| CN117726830B true CN117726830B (zh) | 2024-04-23 |
Family
ID=90202018
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410172455.5A Active CN117726830B (zh) | 2024-02-07 | 2024-02-07 | 基于单目图像的弓网在线检测方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117726830B (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1600351A1 (en) * | 2004-04-01 | 2005-11-30 | Heuristics GmbH | Method and system for detecting defects and hazardous conditions in passing rail vehicles |
| CN103020430A (zh) * | 2012-11-28 | 2013-04-03 | 西南交通大学 | 谱互相关系数的弓网匹配性能评估方法 |
| CA2870744A1 (en) * | 2012-04-17 | 2013-10-24 | Bombardier Transportation Gmbh | Train test platform |
| CN105067158A (zh) * | 2015-08-13 | 2015-11-18 | 株洲时代装备技术有限责任公司 | 一种弓网分离式受电弓压力检测装置 |
| CN206807138U (zh) * | 2017-01-23 | 2017-12-26 | 四川艾德瑞电气有限公司 | 一种电气化铁道专用的智能断路器 |
| CN110588709A (zh) * | 2019-09-10 | 2019-12-20 | 中国铁道科学研究院集团有限公司 | 铁道基础设施检测系统 |
| CN210478700U (zh) * | 2019-09-10 | 2020-05-08 | 中国铁道科学研究院集团有限公司 | 轨道交通基础设施检测系统 |
| CN111521271A (zh) * | 2020-04-28 | 2020-08-11 | 株洲中车时代电气股份有限公司 | 一种基于红外图像的弓网检测方法、装置及系统 |
| CN111532295A (zh) * | 2019-12-28 | 2020-08-14 | 昆山高新轨道交通智能装备有限公司 | 轨道交通移动智能运维检测系统 |
| CN111751369A (zh) * | 2019-03-29 | 2020-10-09 | 上海申通地铁集团有限公司 | 用于弓网系统的检测系统 |
| CN211995617U (zh) * | 2020-03-26 | 2020-11-24 | 成都地铁运营有限公司 | 一种城市轨道车辆安全在线检测系统 |
| CN113091833A (zh) * | 2021-06-09 | 2021-07-09 | 成都国铁电气设备有限公司 | 一种弓网综合检测系统 |
| CN114537149A (zh) * | 2022-04-22 | 2022-05-27 | 深圳市永达电子信息股份有限公司 | 非接触检测机车受电弓特性参数的方法 |
| CN114659558A (zh) * | 2022-03-18 | 2022-06-24 | 吉林云帆智能工程有限公司 | 一种弓网关系检测方法 |
| CN115331000A (zh) * | 2022-08-01 | 2022-11-11 | 成都唐源电气股份有限公司 | 一种基于orb算法的弓网运行状态检测方法 |
| CN115577860A (zh) * | 2022-11-21 | 2023-01-06 | 南京地铁运营咨询科技发展有限公司 | 基于自适应调控的轨道交通智能维保方法及系统 |
| CN117405173A (zh) * | 2023-10-26 | 2024-01-16 | 合肥中车轨道交通车辆有限公司 | 一种轨道交通弓网系统状态智能检测分析系统及其检测方法 |
-
2024
- 2024-02-07 CN CN202410172455.5A patent/CN117726830B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1600351A1 (en) * | 2004-04-01 | 2005-11-30 | Heuristics GmbH | Method and system for detecting defects and hazardous conditions in passing rail vehicles |
| CA2870744A1 (en) * | 2012-04-17 | 2013-10-24 | Bombardier Transportation Gmbh | Train test platform |
| CN103020430A (zh) * | 2012-11-28 | 2013-04-03 | 西南交通大学 | 谱互相关系数的弓网匹配性能评估方法 |
| CN105067158A (zh) * | 2015-08-13 | 2015-11-18 | 株洲时代装备技术有限责任公司 | 一种弓网分离式受电弓压力检测装置 |
| CN206807138U (zh) * | 2017-01-23 | 2017-12-26 | 四川艾德瑞电气有限公司 | 一种电气化铁道专用的智能断路器 |
| CN111751369A (zh) * | 2019-03-29 | 2020-10-09 | 上海申通地铁集团有限公司 | 用于弓网系统的检测系统 |
| CN110588709A (zh) * | 2019-09-10 | 2019-12-20 | 中国铁道科学研究院集团有限公司 | 铁道基础设施检测系统 |
| CN210478700U (zh) * | 2019-09-10 | 2020-05-08 | 中国铁道科学研究院集团有限公司 | 轨道交通基础设施检测系统 |
| CN111532295A (zh) * | 2019-12-28 | 2020-08-14 | 昆山高新轨道交通智能装备有限公司 | 轨道交通移动智能运维检测系统 |
| CN211995617U (zh) * | 2020-03-26 | 2020-11-24 | 成都地铁运营有限公司 | 一种城市轨道车辆安全在线检测系统 |
| CN111521271A (zh) * | 2020-04-28 | 2020-08-11 | 株洲中车时代电气股份有限公司 | 一种基于红外图像的弓网检测方法、装置及系统 |
| CN113091833A (zh) * | 2021-06-09 | 2021-07-09 | 成都国铁电气设备有限公司 | 一种弓网综合检测系统 |
| CN114659558A (zh) * | 2022-03-18 | 2022-06-24 | 吉林云帆智能工程有限公司 | 一种弓网关系检测方法 |
| CN114537149A (zh) * | 2022-04-22 | 2022-05-27 | 深圳市永达电子信息股份有限公司 | 非接触检测机车受电弓特性参数的方法 |
| CN115331000A (zh) * | 2022-08-01 | 2022-11-11 | 成都唐源电气股份有限公司 | 一种基于orb算法的弓网运行状态检测方法 |
| CN115577860A (zh) * | 2022-11-21 | 2023-01-06 | 南京地铁运营咨询科技发展有限公司 | 基于自适应调控的轨道交通智能维保方法及系统 |
| CN117405173A (zh) * | 2023-10-26 | 2024-01-16 | 合肥中车轨道交通车辆有限公司 | 一种轨道交通弓网系统状态智能检测分析系统及其检测方法 |
Non-Patent Citations (5)
| Title |
|---|
| Assessment of railway pantograph-catenary interaction performance with realistic pantograph strip imperfection;Yang Song等;《Vehicle System Dynamics》;20231211;2289662 * |
| 地铁弓网关系检测技术及常见问题整改;王超;《今日制造与升级》;20220630(第06期);53-56 * |
| 城市轨道交通弓网关系测试方法研究;曹熙等;《现代城市轨道交通》;20231031(第10期);48-54 * |
| 城市轨道交通弓网动态检测技术及其参考标准;王会丰等;《城市轨道交通研究》;20231031;第26卷(第10期);71-78 * |
| 大连轨道交通金州线车辆弓网受流试验及分析;于延霞等;《城市轨道交通研究》;20121031;第15卷(第10期);63-65+70 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117726830A (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Advances of research on high-speed railway catenary | |
| CN108573224B (zh) | 一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法 | |
| CN108765974A (zh) | 一种交通情况监测设备、监测方法及系统 | |
| CN103499382B (zh) | 一种基于振动数据融合和图像识别的变压器故障诊断方法 | |
| CN108876788B (zh) | 基于多尺度重构误差融合的绝缘子显著性检测方法 | |
| Liu et al. | An efficient method for high-speed railway dropper fault detection based on depthwise separable convolution | |
| El-Hag | Application of machine learning in outdoor insulators condition monitoring and diagnostics | |
| CN108009566B (zh) | 一种时空窗口下的改进型pca损伤检测方法 | |
| CN113310450A (zh) | 一种基于点云训练模型的接触网吊弦检测的方法 | |
| Lu et al. | A novel subpixel edge detection method of pantograph slide in complicated surroundings | |
| CN111521256A (zh) | 一种基于数据映射的主变压器表面振动可视化检测方法 | |
| CN110568082A (zh) | 一种基于声发射信号的缆索断丝的判别方法 | |
| CN117726830B (zh) | 基于单目图像的弓网在线检测方法、系统及存储介质 | |
| CN110716133B (zh) | 一种基于物联网及大数据技术的高压断路器故障研判方法 | |
| CN112860658A (zh) | 基于数据挖掘的高速列车电磁发射预测方法 | |
| CN110264486A (zh) | 基于近红外图像分析的开关站设备凝露检测方法和系统 | |
| Huang et al. | Cluster Analysis Based Arc Detection in Pantograph‐Catenary System | |
| CN116718125A (zh) | 线路感应取电覆冰和防外破图像在线监测方法及装置 | |
| CN115575508A (zh) | 一种基于列车振声复合特征的轨道交通钢轨波磨识别方法 | |
| CN114674458A (zh) | 一种磁悬浮列车的温度检测方法、装置、系统及服务器 | |
| CN114492636A (zh) | 一种变压器绕组状态信号的采集系统 | |
| CN109631800B (zh) | 一种接触线动态抬升量检测方法及装置 | |
| Wang et al. | Pantograph Catenary Performance Detection of Energy High‐Speed Train Based on Machine Vision | |
| CN113705494A (zh) | 一种货物列车制动性能动态检测方法、系统及装置 | |
| CN111311591A (zh) | 一种高速铁路接触网抬升量检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |