采用分类学习的电气化机车受电弓拉弧检测方法

杨东军 1; 钱学明 2

doi:10.7652/xjtuxb201702013

您当前的位置：

首页 >

文章列表页 >

采用分类学习的电气化机车受电弓拉弧检测方法

更新时间：2025-07-09

- 采用分类学习的电气化机车受电弓拉弧检测方法
- An Arc Detection Approach for Pantograph of Electric Locomotive Using Classification Learning
- 西安交通大学学报 2017年51卷第2期页码：79-83
- 作者机构：
  
  中车青岛四方车辆研究所有限公司电气事业本部,山东,青岛,266000
- 作者简介：
- 基金信息：
  
  : 2016-08-13。作者简介: 杨东军(1978—),男,工程师;钱学明(通信作者),男,教授,博士生导师。基金项目: 国家自然科学基金资助项目(61173109,61373113,61332018);中车研究基金资助项目(F15-11-1)
- DOI：10.7652/xjtuxb201702013
  中图分类号： TN911.7
- 网络首发：2017-02-10，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
杨东军 1, 钱学明 2. 采用分类学习的电气化机车受电弓拉弧检测方法[J]. 西安交通大学学报, 2017,51(2):79-83.

An Arc Detection Approach for Pantograph of Electric Locomotive Using Classification Learning[J]. 2017, 51(2): 79-83.
杨东军 1, 钱学明 2. 采用分类学习的电气化机车受电弓拉弧检测方法[J]. 西安交通大学学报, 2017,51(2):79-83. DOI： 10.7652/xjtuxb201702013.

An Arc Detection Approach for Pantograph of Electric Locomotive Using Classification Learning[J]. 2017, 51(2): 79-83. DOI： 10.7652/xjtuxb201702013.

摘要

针对高铁等电气化机车受电弓拉弧实时监控中的高虚警对机车运行带来的干扰问题

提出了一种分类学习的实时拉弧检测和报警方法。该方法首先通过梯度投影快速确定受电弓所在区域

然后在受电弓区域寻找潜在拉弧区域

接着提取区域内边缘梯度直方图

并用分类学习方法判断其是否存在拉弧

最后采用多帧平滑滤波方法确定长持续受电弓拉弧。实验结果表明

采用多帧平滑滤波的方法相对于单帧拉弧检测方法能提升正确检测率约8%

同时降低虚警约32%。

Abstract

An online arc detection approach using classification learning is proposed to solve the interference problem during locomotive running due to high false alarms in the real-time on-line monitoring of pantograph arc detection for electric locomotives. The approach firstly determines pantograph region through gradient projection. Then candidate arc regions are searched in the determined region

histograms of gradient image in these regions are extracted

and the classification learning approach is used to determine whether a frame is an arc or not. Finally

a multi-frame smoothing based approach is proposed to detect the pantograph arc clip. Experimental results show that the proposed multi-frame smoothing based approach improves the correct detection rate by about 8% and reduces the false alarm by about 32%.

关键词

Keywords

references

袁欢, 林建辉, 李艳萍. 基于图像处理的受电弓拉弧目标提取 [J]. 信息通信, 2016, 159(3): 36-37.

YUAN Huan, LIN Jianhui, LI Yanping. Image processing based pantograph arc object extraction [J]. Information & Communications, 2016, 159(3): 36-37.

马莉, 王泽勇, 高晓蓉, 等. 图像处理技术在受电弓滑板检测中的应用 [J]. 机车电传动, 2009(5): 48-52.

MA Li, WANG Zeyong, GAO Xiaorong, et al. Application of image processing in detecting the pantograph sliding [J]. Electric Drive for Locomotives, 2009(5): 48-52.

曾攀, 王俊玮, 邓久强, 等. 基于计算机视觉的受电弓滑板磨耗图像的识别 [J]. 无线互联科技, 2016, 7(4), 104-106.

ZENG Pan, WANG Junwei, DENG Jiuqiang, et al. Image recognition of slide abrasion for locomotive pantograph [J]. Wireless Internet Technology, 2016, 7(4), 104-106.

姚兰, 肖建. 基于模糊熵和Hough变换的受电弓滑板裂纹检测方法 [J]. 铁道学报, 2014, 35(5): 58-63.

YAO Lan, XIAO Jian. Pantograph slide cracks detection method based on fuzzy entropy and Hough transform [J]. Journal of the China Railway Society, 2014, 35(5): 58-63.

韩志伟, 刘志刚, 张桂南, 等. 非接触式弓网图像检测技术研究综述 [J]. 铁道学报, 2013, 35(6): 40-47.

HAN Zhiwei, LIU Zhigang, ZHANG Guinan, et al. Overview of non-contact image detection technology for pantograph-catenary monitoring [J]. Journal of the China Railway Society, 2013, 35(6): 40-47.

张辉, 罗林, 王黎, 等. 基于改进多尺度小波的受电弓滑板边缘检测 [J]. 信息技术, 2015(3): 190-193.

ZHANG Hui, LUO Lin, WANG Li, et al. Improved multi-scale wavelet in pantograph slide edge detection [J]. Information Technology, 2015(3): 190-193.

蒲文旭, 陈唐龙, 刘宝轩, 等. 基于紫外光的弓网电弧检测系统研究 [J]. 仪表技术与传感器, 2014(7): 64-67.

PU Wenxu, CHEN Tanglong, LIU Baoxuan, et al. Study of pantograph and catenary arc detection system based on ultraviolet light [J]. Instrument Technique and Sensor, 2014(7): 64-67.

陈维荣, 冯倩, 张健, 等. 受电弓滑板状态监测的图像目标提取 [J]. 西南交通大学学报, 2010, 45(1): 59-63.

CHEN Weirong, FENG Qian, ZHANG Jian, et al. Image object detection in monitoring of pantograph slippers [J]. Journal of Southwest Jiaotong University, 2010, 45(1): 59-63.

冯倩, 陈维荣, 王云龙, 等. 受电弓滑板状磨耗测量算法的研究 [J]. 铁道学报, 2010, 32(1): 109-113.

FENG Qian, CHEN Weirong, WANG Yunlong, et al. Research on the algorithm to measure the pantographic slipper abrasion [J]. Journal of the China Railway Society, 2010, 32(1): 109-113.

GU Yun, QIAN Xueming, LI Qing, et al. Image annotation by latent community detection and multi-kernel learning [J]. IEEE Transactions on Image Processing, 2015, 24(11): 3450-3463.

CHANG Chih-Chung, LIN Chih-Jen. LIBSVM: a library for support vector machines [J]. ACM Transactions on Intelligent Systems and Technology, 2011, 2(3): 1-27.

徐田华,杨连报,胡红利,等.高速铁路信号系统异构数据融合和智能维护决策.2015,49(1):72-78.[doi:10.7652/xjtuxb201501012]

张泰,张为,刘艳艳.周界视频监控中人员翻越行为检测算法.2016,50(6):47-53.[doi:10.7652/xjtuxb201606008]

常振超,陈鸿昶,黄瑞阳,等.采用影响力节点集扩展的局部社团检测.2016,50(4):41-47.[doi:10.7652/xjtuxb201604 007]

王富平,水鹏朗.采用多尺度方向微分比率的角点检测算法.2016,50(4):68-75.[doi:10.7652/xjtuxb201604011]

贾永红,谢志伟,张谦,等.采用独立阈值的遥感影像变化检测方法.2015,49(12):12-18.[doi:10.7652/xjtuxb201512 003]

刘胜利,邹睿,彭飞,等.采用控制流监控的Cisco IOS指针攻击检测方法.2015,49(12):65-70.[doi:10.7652/xjtuxb2015 12011]

陶祎春,贾书海,段玉岗,等.碳纤维复合材料丝束带剪断状态快速检测方法.2015,49(12):112-116.[doi:10.7652/xjtuxb201512018]

连峰,王婷婷,韩崇昭.多个不可分辨目标群的联合检测与估计误差界.2015,49(11):89-95.[doi:10.7652/xjtuxb201511 015]

兰景宏,刘胜利,吴双,等.用于木马流量检测的集成分类模型.2015,49(8):84-89.[doi:10.7652/xjtuxb201508014]

刘进,李赞,高锐.低信噪比下采用广义随机共振的能量检测算法.2015,49(6):27-32.[doi:10.7652/xjtuxb201506005]

李刘强,桂小林,安健,等.采用模糊层次聚类的社会网络重叠社区检测算法.2015,49(2):6-13.[doi:10.7652/xjtuxb201502002]

刘伎昭,王泉.车载自组网中联盟博弈的虚假数据检测策略.2015,49(2):69-73.[doi:10.7652/xjtuxb201502012]

杨晔,潘希德,庄健.一种针对超声检测图像的自适应阈值设置方法.2015,49(1):127-132.[doi:10.7652/xjtuxb201501 021]

杨建伟,桂小林,安健,等.一种信任关系网络中的社团结构检测算法.2014,48(12):80-86.[doi:10.7652/xjtuxb201412 013]

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

水蒸气掺混对氨裂解气旋流燃烧与排放特性的影响研究

电子级超纯氮深冷空分流程节能优化研究

隧道内燃料电池汽车氢气泄漏扩散特性及影响因素

混合电解槽阵列协同的风光耦合制氢系统双层多目标优化

采用机器学习的大规模并行程序I/O性能建模与预测方法