申天亮 王玉东

摘 要：为实现地铁弓网的状态检修，需要检测地铁列车受电弓与接触网的实际运行工况。本文研制一种基于图像模型的车载弓网检测系统。采集弓网在正常运行过程中的实时视频数据，对数据进行基于深度学习神经网络的预处理后，运用经验模型进行验证与修正，最后对图像模型进行实时运行状态监测。经反复多次实验表明，本系统能有效地对地铁列车运行的弓网关系进行监控，达到预期效果。

关键词：状态检修；图像模型；弓网关系

中图分类号：U226.52 文献标识码：A 文章编号：1671-2064（2018）20-0088-02

目前国内外对弓网关系的测量有传统的手工测量方法[1]、在线式定点检测系统[2]、利用接触网综合检查车。由于常用的传统人工测量维修检测效率低，人工成本高，检测的不确定性大；接触网综合检查车是专业的检测车，进行检查需要专项采购。相比而言本系统是可随时安裝于正常列车上的检测装置，利用该系统进行诊断和检测不仅简化传统的检测步骤，且具有受外界因素影响少，检测精度比之前高，成本也很低，结合图像模型、图像处理人工智能算法对弓网进行监测，能满足在线检测的需求。

1 项目总体与工艺设计

总体工艺设计关系到粤港共性技术项目完成的进度与质量，根据运维作业性质、经验与数据统计，为工艺设计制定了安全、简约和实用的三大原则。

1.1 总体设计

项目实现功能：

（1）弓网作用关系检测：拉弧检测、冲击加速度检测；

（2）接触网检测：导高检测、拉出值检测；……