白青林

（北京市轨道运营有限公司，北京 102412）

为更好地满足乘客需求，必须在现有技术与运行模式的基础上对城市轨道交通进行优化[1]。北京大兴机场线设计时速为160km，是全球时速最快的地铁线路，是城市轨道交通一种新的突破。为保证地铁的安全可靠稳定运行，需要牵引供电系统可靠工作，而刚性接触网是系统的重要组成部分，也是实现机车可靠供电的关键部件[2]。

由于刚性接触网随着地铁运行时间的延续，运行压力不断增加，其运行状态下滑严重，从而导致不同类型的故障出现，因此需要对刚性接触网进行实时检测，为检修维护提供重要支撑尤其重要。其中刚性接触网的悬挂状态检测更是重中之重，刚性接触网悬挂状态将直接决定刚性接触网的工作性能，进而影响弓网受流质量，若刚性接触网悬挂状态不佳，将会威胁地铁的稳定运行[3-4]。

文章以北京大兴机场线中的刚性接触网为研究对象，基于图像识别技术，引入深度学习理论对刚性接触网悬挂状态进行检测，建立包含深度学习的刚性接触网悬挂状态检测流程，并通过现场实验，与传统的图像检测方式进行对比来验证该方法的准确性与优越性，从而为快速地铁的刚性接触网悬挂状态检测提供一种新的尝试。

1 深度学习理论

1.1 卷积神经网络

卷积神经网络（Convolution Neural Notwork,CNN）作为四大深度学习模型之一，在计算机视觉领域有着广泛的应用。CNN主要由三部分组成，第一部分为输入层，实现原始图像数据的输入；……