付江南，林靖洵，冯林杰，李 博

（重庆交通大学信息科学与工程学院，重庆 400074）

引言

道岔是铁路运输设备的重要组成部分。当发生冰冻或降雪时，如不及时清扫道岔积雪（冰），会造成道岔尖轨尖端与基本轨贴合不紧密，直接影响列车的安全运行，甚至引发运输中断。国外道岔除雪主要依靠电热、燃气加热、压缩空气、喷灯加热、温水循环等方式[1]。

其中，电热式应用最为广泛。电热式的道岔融雪系统在道岔上安装电加热元件，并配套控制设备，通过采集钢轨温度、空气温度、积雪等信息，自动控制道岔加热系统的工作。我国铁路道岔融雪设备的研发和使用起步较晚，目前正处于研发推广阶段[2]。使用较广的电热式融雪系统存在严重的热量浪费的问题。不仅如此，融雪系统的工作需要人为干预来保证正常运行，一些远程调度和关于环境参数的采集大多是为融雪系统提供工作策略而无法控制加热设备工作。

基于上述电热式融雪系统的不足，提出一种基于机器视觉的电热水循环道岔融雪系统，该系统以设备智能化为出发点，以机器视觉技术为基础，结合传统的环境参数采集技术，以提高能源利用率为目的，以电作为热能来源，以水作为能量传递介质，实现对轨道道岔进行高效、高度自动化的融雪作业。

1 加热系统比对

1.1 电加热融雪系统

电加热融雪系统利用安装在道岔基本轨轨腰、轨底上部、滑床板上的加热条进行融雪作业，这已成为铁路道岔融雪设备的主流。国内电加热融雪系统主要有两种安装方式:一是产品预装在滑床板内，二是加热元件固定在基本轨上[3]。

加热元件装在滑床板内无法对整个道岔尖轨实现有效加热，尤其是枕木间积雪残留时间较长，加热更加困难，且难于维护。加热元件固定在基本轨上安装简单、便于维护，可提高融雪效率。但加热元件基本依赖进口，成本较高。电热式系统可采集外界温度、湿度等信息，可以为系统工作提供依据，但无法完全自动控制加热作业，且存在控制不精确等问题。

1.2 地源热泵融雪系统

基于地源热泵的融雪方式在国内被广为提起，我国研究人员也对其进行了一些研究。基于地源热泵技术的铁路道岔融雪系统主要由地下埋管换热器、用于融雪的热水管网、热泵机组、循环泵、控制阀和电气自动控制子系统等组成[4]。通过在车站道岔底座内埋置热管，利用地源热泵技术，经由埋管换热器从地下提取热岩土层中的低位热能，经热泵提升后，将温度较高的流体输送到道岔底座的热管内。高温热流体在埋管内流动时，通过对流换热方式，把热量传给道岔底座，从而达到道岔融雪化冰的目的。

地源热泵道岔融雪技术利用水作为导热介质，热能耗散更少，能源利用率更高。但是，这种系统只能工作在拥有地热能的少数区域，系统无法推广到我国大部分地区。

1.3 电热水循环融雪系统

分析对比电热融雪系统与地源热泵融雪系统的优劣，采用电热水循环融雪系统作为加热系统，该系统主要由电热元件与散热水管组成。在道岔部位的轨枕之间预埋散热水管，使用电能加热水，将热水送入散热水管中。水流将热量辐射至水管周围融化冰雪。再将冷水送回加热装置重新加热，形成一个加热—散热—加热的循环系统。系统以水作为导热媒介，采用电热装置加热水，相较于燃烧化石燃料热水而言可大大提高能量利用率，减少环境污染。

2 监测系统研究

为实现自动控制融雪系统工作，需对道岔环境进行监测。除了传统的轨道温度、天气监测等参数，本文还设想加装机器视觉识别系统对环境进行监测，为融雪系统工作提供依据。

2.1 传统的监测方式

传统的监测主要集中在两方面：轨道温度和天气状况。在道岔钢轨上安装温度传感器可采集到钢轨的温度，当温度较低时，可能出现道岔结冰、长时间积雪等现象。此时需采取融雪措施来保证行车安全。然而，单一的轨道温度参数是无法反映轨道是否确实存在结冰、积雪等现象。为更精准地控制，融雪系统通常要获取实时天气状况[5]，对轨道状况进行更精确的测算。天气数据大多源于当地气象站，相对于一个道岔所覆盖的区域而言，单个气象站反映的天气状况覆盖范围太大，存在较大误差，使得对轨道状况的测算无法达到理想精度。

2.2 机器视觉识别

机器视觉识别技术是人工智能在图像识别这一领域的分支，它整合了机器学习算法、图像处理、信号处理、传感器技术、光学、视频等技术，通过拍摄的图像分析，实现对图像内容的识别与分类。

机器视觉系统最大的优势在于其灵活性和自动化程度高。在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。同时，在重复性劳动中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。

基于上述机器视觉优势，本文设想在电热水循环融雪系统中加入机器视觉识别技术来对道岔状况进行监测。利用机器学习、神经网络等算法来训练识别系统，使其能够分辨道岔积雪与未积雪的区别，进而评估道岔积雪的程度。在此基础上，系统提出融雪策略，控制系统进行融雪作业，以期提高系统的自动化程度，并保证车辆通行安全。

3 结语

目前，电热水循环道岔融雪系统技术已经成熟，机器视觉识别技术应用较为广泛，但还未曾应用于该领域。限于现有条件，难以对该系统进行相关的实地考察或开展实验。对于不同道岔的工作情况、道岔在不同天气下的表现以及道岔在极端寒冷地区的积雪结冰情况，目前也无法获得与之有关的科学数据。

然而，基于机器视觉的电热水循环道岔融雪系统的设想与研究的设计思想具有先进性。随着人工智能的兴起，传统老旧的、自动化程度低的融雪设备终将遭到淘汰。不仅是利用机器视觉识别检测道岔的积雪结冰情况，人工智能的思想还可应用于热量调度，进一步提高能量的利用率，减少环境污染。由此，基于机器视觉的电热水循环道岔融雪系统具有广阔的应用前景。

[1]曹达.道岔融雪控制系统典型问题分析与优化设计[J].铁道标准设计，2017（1）：1-2.

[2]王相晖.RD1型电加热道岔融雪系统介绍及应用实例[J].铁路通信信号工程技术，2010（2）：48-49.

[3]王涛.电加热道岔融雪系统设计与实践[J].铁道通信信号，2010（7）：37-38.

[4]贺清.基于地源热泵的高速道岔融雪系统设计研究[J].铁道标准设计，2017（4）：1-4.

[5]李兰兰.基于电加热融雪系统的道岔结构传热特性[J].中国科学院大学学报，2013，30（6）：744-745.