王俊平，毛慧华，沈云波，李淼成，陈欣安

（株洲中车时代电气股份有限公司，湖南 株洲 412001）

0 引言

受电弓是动车组从接触网获取电力的关键设备，其运行环境复杂多变。在列车高速运行过程中，受电弓会与接触网产生弓网磨耗[1]，与接触网上的硬点、异物、锚段关节及分断绝缘器等发生机械冲击[2]，严重时会出现碳滑板掉块、羊角缺失或弓头倾斜等结构异常现象[3]，导致弓网离线、弓网燃弧及穿弓等弓网故障，进而影响行车安全[4]，因此对受电弓异常进行在线识别、指导及时维护甚至主动降弓对保障动车组安全运行有着重要的意义。

目前对受电弓异常状况的检测手段主要包括人工检测、定点非接触式图像检测和车载非接触式图像检测。传统人工检测方法[5]需要列车进入检修库，通过人工登顶作业并采用测量工具和人眼观察的方式，检查受电弓有无明显异常。该方法虽然比较直观、可靠，但是实时性差、效率低，而且属于高空危险作业，检测极为不便。定点非接触式图像检测方法[6-8]采用在线路咽喉位置安装机器视觉设备以及触发传感器进行定点检测。该方法虽然可以在某一必经地点检测受电弓的状态，但是不能全程实时监控受电弓的状态，若出现弓头姿态异常、碳滑板掉块和羊角缺失等打弓故障却无法及时发现，容易导致故障扩大；另外，由于检测装置与受电弓相对速度高，容易出现图像模糊、漏拍等问题。车载非接触式图像检测方法[9-12]通过在车顶安装高速相机、补光光源等设备实时采集受电弓图像并利用深度学习算法[13]检测受电弓状态。……