CN112016544A - 一种受电弓智能监测分析方法、装置及系统 - Google Patents
一种受电弓智能监测分析方法、装置及系统 Download PDFInfo
- Publication number
- CN112016544A CN112016544A CN202010778626.0A CN202010778626A CN112016544A CN 112016544 A CN112016544 A CN 112016544A CN 202010778626 A CN202010778626 A CN 202010778626A CN 112016544 A CN112016544 A CN 112016544A
- Authority
- CN
- China
- Prior art keywords
- pantograph
- arcing
- image information
- information
- spark
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 title claims description 50
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000008569 process Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L5/00—Current collectors for power supply lines of electrically-propelled vehicles
- B60L5/18—Current collectors for power supply lines of electrically-propelled vehicles using bow-type collectors in contact with trolley wire
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24317—Piecewise classification, i.e. whereby each classification requires several discriminant rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Current-Collector Devices For Electrically Propelled Vehicles (AREA)
Abstract
本发明公开了一种受电弓智能监测分析方法、装置及系统,包括以下步骤:采集受电弓的图像信息;基于受电弓的图像信息确定受电弓的燃弧信息;基于受电弓的燃弧信息确定受电弓燃弧危害等级。该方法可实时采集受电弓的图像,根据图像信息得出燃弧信息后,可进一步确定燃弧危害等级,进而给出相应警告信息。
Description
技术领域
本发明属于受电弓监测技术领域,具体涉及一种受电弓智能监测分析方法、装置及系统。
背景技术
这里的陈述仅提供与本发明相关的背景技术,而不必然地构成现有技术。
在高速铁路中,列车通过受电弓与接触网的滑动接触获取电能。随着列车速度的提高,受电弓与接触网会发生接触不良甚至机械性瞬时脱离的现象,导致弓网动态受流恶化,引起弓网燃弧现象的发生。由于燃弧发生具有相当高的瞬时热量,会直接烧蚀接触网或受电弓滑板,严重时将会导致接触网或列车高压受流设备受损,对列车运行安全造成严重影响。
而受电弓安装在列车顶板,针对这种现实情况,发明人发现,若发生燃弧,机械师无法实际查看故障状态,另外也可以通过在车顶安装高清摄像机,记录列车运行过程中受电弓状态,但是只能通过人工视频回放方式查看是否出现异常,无法及时根据受电弓的燃弧情况给出相应预警,也即无法指导列车恢复运行,造成救援和线网列车晚点,同时引起旅客抱怨和其他的后续影响。
发明内容
针对现有技术存在的不足,本发明的目的是提供一种受电弓智能监测分析方法、装置及系统,该方法可实时采集受电弓的图像,根据图像信息得出燃弧信息后,可进一步确定燃弧危害等级,进而给出相应警告信息。
为了实现上述目的,本发明是通过如下的技术方案来实现:
第一方面,本发明的实施例提供了一种受电弓智能监测分析方法,包括以下步骤:
采集受电弓的图像信息;
基于受电弓的图像信息确定受电弓的燃弧信息;
基于受电弓的燃弧信息确定受电弓燃弧危害等级。
作为进一步的技术方案,采集得到图像信息后,对图像信息进行预判别,确定图像信息中是否存在火花图形,针对存在火花图形的图像信息,确定其燃弧信息。
作为进一步的技术方案,在确定图像信息中存在火花图形时,先检测判断火花图形是否处于图像信息设定区域内,针对火花图形处于设定区域内的图像信息,确定其燃弧信息。
作为进一步的技术方案,对图像信息进行预判别的触发条件是:当燃弧出现的频率大于设定值时,对图像信息进行预判别。
作为进一步的技术方案,图像信息的采集过程为:
采集受电弓的燃弧状态;基于燃弧状态进行受电弓燃弧图片抓拍,得到图像信息。
作为进一步的技术方案,燃弧信息的确定过程为:
基于受电弓的图像信息,对图像信息进行火花占比分析,得到图像信息的火花占比值。
作为进一步的技术方案,确定燃弧危害等级的过程为:
基于火花的占比值,得出受电弓燃弧危害等级:若火花占比为50%-75%时,则判定为低危害等级;若火花占比大于75%,且火花占比大于75%的图像信息在设定时间内累计设定次数,则判定为中危害等级;若火花占比大于90%,则判定为高危害等级。
作为进一步的技术方案,针对相应的危害等级,输出相应的警报提示信息:处于低危害等级时,输出火花预警信息;处于中危害等级时,输出火花告警信息;处于高危害等级时,输出火花报警信息。
第二方面,本发明实施例还提供了一种受电弓智能监测分析装置,包括:
获取模块,用于获取受电弓的图像信息;
第一确定模块,用于基于图像信息确定受电弓的燃弧信息;
第二确定模块,用于基于燃弧信息确定受电弓燃弧危害等级。
第三方面,本发明实施例还提供了一种受电弓智能监测分析系统,包括:
图像采集器,用于采集受电弓的图像信息;
智能分析主机,与图像采集器连接,用于根据受电弓的图像信息确定燃弧信息,并根据受电弓的燃弧信息确定受电弓燃弧危害等级。
第四方面,本发明实施例还提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序执行如上所述的受电弓智能监测分析方法。
第五方面,本发明实施例还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行如上所述的受电弓智能监测分析方法。
第六方面,本发明实施例还提供了一种轨道车辆,包括位于轨道车辆顶部的受电弓;受电弓用于从接触网受电为轨道车辆提供电源;
还包括采用如上所述的受电弓智能监测分析方法对受电弓进行监测分析。
上述本发明的实施例的有益效果如下:
本发明的监测分析方法,可以实时采集受电弓的图像信息,由图像信息可进一步确定其燃弧信息,进而确定受电弓的燃弧危害等级,根据危害等级则可指导机械师合理处理列车后续运行方案,降低列车故障救援和晚点频次。
本发明的监测分析方法,采集受电弓图像信息后,先进行预判别,筛选出含有火花图形的图像信息,而后只针对含有火花图形的图像信息确定其燃弧信息,将火花实时图像分析调整为触发式检测分析,较大幅度降低火花分析高帧率图像分析运算能力,提高智能分析及状态预警的效率。
本发明的监测分析方法,根据图像信息中的火花占比判定其危害等级,并输出相应的警报提示信息,实现高精度的弓网火花及受电弓异常报警,为列车安全行驶提供有效的参考辅助数据。
本发明的附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明根据一个或多个实施方式的受电弓智能监测分析系统的示意图;
图2是本发明根据一个或多个实施方式的图像采集器的工作流程示意图;
图3是本发明根据一个或多个实施方式的智能分析主机的分析流程图;
图4是本发明根据一个或多个实施方式的受电弓智能监测分析装置的示意图;
图5是本发明根据一个或多个实施方式的受电弓智能监测分析方法的流程示意图;
图中:1图像采集器,2智能分析主机,3紫外传感器,4摄像单元,5拍摄单元,6获取模块,7第一确定模块,8第二确定模块。
为显示各部位位置而夸大了互相间间距或尺寸,示意图仅作示意使用。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本发明使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非本发明另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合;
为了方便叙述,本发明中如果出现“上”、“下”、“左”“右”字样,仅表示与附图本身的上、下、左、右方向一致,并不对结构起限定作用,仅仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位,以特定的方位构造和操作,因此不能理解为对本发明的限制。
术语解释部分:本发明中如出现术语“安装”、“相连”、“连接”、“固定”等,应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或为一体;可以是机械连接,也可以是电连接,可以是直接连接,也可以是通过中间媒介间接相连,可以是两个元件内部连接,或者两个元件的相互作用关系,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明的具体含义。
正如背景技术所介绍的,现有技术中存在不足,为了解决如上的技术问题,本发明提出了一种受电弓智能监测分析方法、装置及系统。
实施例1:
本发明的一种典型的实施方式中,如图1所示,提出一种受电弓智能监测分析系统,其包括图像采集器1和智能分析主机2。
其中,图像采集器1用于采集受电弓的图像信息,并将图像信息传输给智能分析主机2;智能分析主机2与图像采集器1连接,用于根据受电弓的图像信息确定燃弧信息,并根据受电弓的燃弧信息确定受电弓燃弧危害等级。
图像采集器和智能分析主机之间可通过以太网进行数据、信息传递。
需要说明的是,上述图像采集器可以为但不限于高清相机、紫外相机、工业相机,用于对受电弓以及接触网的燃弧情况进行图像和/或视频拍摄。此外,上述图像采集设备还包括相机专用镜头、滤镜、采集箱、光源等。上述智能分析主机可以包括但不限于工业计算机、控制器、网卡、电源、机箱、电流控制器、电流传感器、MVB网关以及通信电缆等。
在一种可选的实施例中,智能分析主机安装在列车客室的控制柜中,可对图像采集器采集到的图像和视频按照站点区间进行分段存储,受电弓的监测系统预留有视频下载接口,以方便工作人员下载图像采集器所采集到的图像和视频。智能分析主机对采集到受电弓燃弧情况的图像和视频进行分析。当智能分析主机分析出受电弓燃弧状态的危害等级,智能分析主机通过无线传输模块将危害等级的信息传送至用户终端,并进行报警显示,以使工作人员能够及时了解到受电弓燃弧状态的详细信息,并对受电弓和/或接触网进行维修,以保证列车正常运行。
在一些可选的实施例中,图像采集器1包括紫外传感器3、摄像单元4、拍摄单元5、控制器(图中未示出),紫外传感器、摄像单元、拍摄单元均与控制器进行通信。
本实施例中,拍摄单元5采用紫外相机。
其中,摄像单元采集受电弓工作情况的视频,并可将视频传输给控制器和智能分析主机;紫外传感器采集受电弓的燃弧状态,并将燃弧状态传输给控制器,燃弧状态包括燃弧强度和燃弧时长;控制器根据燃弧状态控制拍摄单元进行受电弓高速燃弧图片抓拍,捕捉弓网发生燃弧图像,得到图像信息,控制器对图像信息进行预判别,确定图像信息中是否存在火花图形,若含有火花图形,则输出相应警告信息,并将含有火花图形的图像信息以及警告信息传输给智能分析主机。图2为图像采集器的工作流程示意图。
具体设置时,紫外传感器实时监测受电弓碳滑板区域及绝缘子区域的燃弧火花。因受电弓碳滑板与接触网线产生的燃弧存在于220nm-225nm波段,可采用该波段紫外光作为燃弧检测的特征量,进而避免灯光或太阳光对检测结果的干扰。若发生燃弧时,则其处于相应的220nm-225nm波段,紫外传感器接收到相应的燃弧波长时,则受电弓发生燃弧。
紫外传感器监测到受电弓出现燃弧时,即将这种状态传输给控制器,控制器控制拍摄单元抓拍受电弓的燃弧图片,进而得到图像信息。
控制器控制对图像信息进行预判别的触发条件是:当燃弧出现的频率大于设定值时,控制器对图像信息进行预判别;预判别时,控制器判断图像中是否含有火花图形,进而筛选出含有火花图形的图像传输给智能分析主机。
在一些实施方案中,设置火花区域检测单元,火花区域检测单元与控制器、智能分析主机通信,在确定图像信息中含有火花图形时,火花区域检测单元检测判断火花图形是否处于设定区域内,若火花图形处于图像信息设定区域内,则将含有火花图形的图像信息传输给智能分析主机。
本实施例中,燃弧出现频率的设定值为10次/s,具体设置时,控制器可设置FPGA处理器,紫外传感器监测到燃弧,即会触发FPGA处理器一次,FPGA处理器根据触发次数可得出燃弧出现的频率。
图3为智能分析主机的分析流程图,智能分析主机得到图像采集器给出的警告信息和受电弓的图像信息,进而根据图像信息确定燃弧信息,确定的过程为:对图像信息进行火花占比分析,即分析图像中火花的占比值;由火花的占比值,得出受电弓燃弧危害等级:若火花占比为50%-75%时,则判定为低危害等级;若火花占比大于75%,且火花占比大于75%的图像信息在设定时间内累计设定次数,则判定为中危害等级;若火花占比大于90%,则判定为高危害等级。
本实施例中,设定时间采取10秒,设定次数采取20次,火花占比大于75%的图像信息即10秒内累计20次,判定为中危害等级。
在进一步的实施方案中,在判定危害等级时,将相应的图像信息进行对应标定,以便后续工作人员查看。
在进一步的实施方案中,针对相应的危害等级,输出相应的警报提示信息:处于低危害等级时,输出火花预警信息;处于中危害等级时,输出火花告警信息;处于高危害等级时,输出火花报警信息。
该监测分析系统紫外传感器可以实现燃弧的实时高准确性监测技术,结合图形智能分析实现动车组受电弓火花监测报警。其采用专用传感器及采集器,结合图形分析技术在动车组其他系统人工智能需求场景中有广泛的应用前景和可行性。
智能分析主机将相应的警报提示信息、图像信息传输给用户终端,工作人员可通过操作用户终端的显示界面以调用历史数据,并根据发生异常时列车所在的站点、燃弧火花情况、发生异常的时间等信息进行组合,并根据不同的组合对上述数据进行统计分析,并将分析结果在用户终端的显示界面上显示。
在一些实施方案中,智能分析主机还可在列车监控显示屏直接显示相应信息,工作人员可对显示的信息进行查询、统计、打印、网络共享、综合分析以及故障预警等操作。
在另一种可选的实施例中,智能分析主机在获取到燃弧危害等级之后生成报警文字信息和异常视频信息,并将报警文字信息和异常视频信息发送到服务器,而将报警文字信息实时发送至用户终端。用户终端再通过短信平台将受电弓燃弧危害等级发送到维修人员持有的用户终端上。维修人员根据燃弧危害等级合理处理列车后续运行方案,降低列车故障救援和晚点频次。
本发明可实现高精度的弓网火花及受电弓异常报警,为列车安全行驶提供有效的参考辅助数据,存储的视频信息和图像信息可为故障数据分析及综合分析提供大量故障数据,提升既有人工故障视频筛查的效率。
需要说明的是,可通过以下传输通道传输数据:PIS(PassengerInformationSystem,即乘客信息系统)的车地通道、4G以及WIFI等无线模块传输通道。
本发明将火花实时图像分析调整为触发式检测分析,较大幅度降低火花分析高帧率图像分析运算能力,提高智能分析及状态预警的效率。
实施例2:
本发明的一种典型的实施方式中,如图4所示,提出一种受电弓智能监测分析装置,其包括获取模块6、第一确定模块7、第二确定模块8。
其中,获取模块,用于获取受电弓的图像信息,并将相应的图像信息传输给第一确定模块;第一确定模块,用于基于图像信息确定受电弓的燃弧信息;第二确定模块,用于基于燃弧信息确定受电弓燃弧危害等级。
在一种可选的实施例中,获取模块包括采集模块、拍摄模块、预判别模块;
采集模块用于采集受电弓的视频信息、受电弓的燃弧状态;
拍摄模块用于进行受电弓高速燃弧图片抓拍,捕捉弓网发生燃弧图像,得到图像信息;
预判别模块用于确定图像信息中是否存在火花图形,若含有火花图形,则输出相应警告信息。
在一种可选的实施方式中,设置火花区域检测模块,火花区域检测模块与预判别模块、第一确定模块通信,在确定图像信息中含有火花图形时,火花区域检测模块检测判断火花图形是否处于设定区域内,若火花图形处于图像信息设定区域内,则将含有火花图形的图像信息传输给第一确定模块。
在一种可选的实施例中,当燃弧出现的频率大于设定值时,对图像信息进行预判别。
在一种可选的实施例中,第一确定模块用于基于受电弓的图像信息,对图像信息进行火花占比分析,即分析图像中火花的占比值。
在一种可选的实施例中,第二确定模块用于基于火花的占比值,得出受电弓燃弧危害等级:若火花占比为50%-75%时,则判定为低危害等级;若火花占比大于75%,且火花占比大于75%的图像信息在10秒内累计20次,则判定为中危害等级;若火花占比大于90%,则判定为高危害等级。
在进一步的实施方案中,在判定危害等级时,将相应的图像信息进行对应标定,以便后续工作人员查看。
在进一步的实施方案中,针对相应的危害等级,输出相应的警报提示信息:处于低危害等级时,输出火花预警信息;处于中危害等级时,输出火花告警信息;处于高危害等级时,输出火花报警信息。
在一些可选的实施方案中,将相应的警报提示信息、图像信息传输给用户终端,工作人员可通过操作用户终端的显示界面以调用历史数据,并根据发生异常时列车所在的站点、燃弧火花情况、发生异常的时间等信息进行组合,并根据不同的组合对上述数据进行统计分析,并将分析结果在用户终端的显示界面上显示。
实施例3:
本实施例中提出一种受电弓智能监测分析方法,如图5所示,包括以下步骤:
采集受电弓的图像信息;
基于受电弓的图像信息确定受电弓的燃弧信息;
基于受电弓的燃弧信息确定受电弓燃弧危害等级。
需要说明的是,燃弧信息可以为但不限于火花占比值。
在一种可选的实施例中,对得到的图像信息进行处理可以得到受电弓的燃弧信息,具体的,通过图像信息可以得到受电弓燃弧火花占比。
在一种可选的实施例中,安装在列车客室内的智能分析主机可获取到图像采集器所采集到的图像信息,并基于图像信息得到受电弓的燃弧信息,并判断受电弓的燃弧火花占比,并基于燃弧火花占比确定相应的燃弧危害等级。
在一种可选的实施例中,采集受电弓的图像信息包括:
采集受电弓的视频信息,采集受电弓的燃弧状态;
基于燃弧状态进行受电弓高速燃弧图片抓拍,捕捉弓网发生燃弧图像,得到图像信息;
基于图像信息进行预判别,确定图像信息中是否存在火花图形,若含有火花图形,则输出相应警告信息。
在一种可选的实施例中,当燃弧出现的频率大于设定值时,对图像信息进行预判别。
在一种可选的实施例中,在确定图像信息中含有火花图形时,先检测判断火花图形是否处于图像信息设定区域内,若火花图形处于图像信息设定区域内,则再继续进行确定燃弧信息。
在一种可选的实施例中,燃弧信息的确定过程为:
基于受电弓的图像信息,对图像信息进行火花占比分析,即分析图像中火花的占比值。
在一种可选的实施例中,确定燃弧危害等级的过程为:
基于火花的占比值,得出受电弓燃弧危害等级:若火花占比为50%-75%时,则判定为低危害等级;若火花占比大于75%,且火花占比大于75%在10秒内累计20次,则判定为中危害等级;若火花占比大于90%,则判定为高危害等级。
在进一步的实施方案中,在判定危害等级时,将相应的图像信息进行对应标定,以便后续工作人员查看。
在进一步的实施方案中,针对相应的危害等级,输出相应的警报提示信息:处于低危害等级时,输出火花预警信息;处于中危害等级时,输出火花告警信息;处于高危害等级时,输出火花报警信息。
在一些可选的实施方案中,将相应的警报提示信息、图像信息传输给用户终端,工作人员可通过操作用户终端的显示界面以调用历史数据,并根据发生异常时列车所在的站点、燃弧火花情况、发生异常的时间等信息进行组合,并根据不同的组合对上述数据进行统计分析,并将分析结果在用户终端的显示界面上显示。
实施例4:
本实施例中提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序执行如上所述的受电弓智能监测分析方法。
实施例5:
本实施例中提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行如上所述的受电弓智能监测分析方法。
实施例6:
本实施例中提供了一种轨道车辆,包括位于轨道车辆顶部的受电弓;受电弓用于从接触网受电为轨道车辆提供电源;
还包括采用如上所述的受电弓智能监测分析方法对受电弓进行监测分析。
轨道车辆可以包括但不限于动车、高铁、城轨车辆。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种受电弓智能监测分析方法,其特征是,包括以下步骤:
采集受电弓的图像信息;
基于受电弓的图像信息确定受电弓的燃弧信息;
基于受电弓的燃弧信息确定受电弓燃弧危害等级。
2.如权利要求1所述的受电弓智能监测分析方法,其特征是,采集得到图像信息后,对图像信息进行预判别,确定图像信息中是否存在火花图形,针对存在火花图形的图像信息,确定其燃弧信息。
3.如权利要求2所述的受电弓智能监测分析方法,其特征是,对图像信息进行预判别的触发条件是:当燃弧出现的频率大于设定值时,对图像信息进行预判别。
4.如权利要求2所述的受电弓智能监测分析方法,其特征是,在确定图像信息中存在火花图形时,先检测判断火花图形是否处于图像信息设定区域内,针对火花图形处于设定区域内的图像信息,确定其燃弧信息。
5.如权利要求1或2所述的受电弓智能监测分析方法,其特征是,图像信息的采集过程为:
采集受电弓的燃弧状态;基于燃弧状态进行受电弓燃弧图片抓拍,得到图像信息。
6.如权利要求1所述的受电弓智能监测分析方法,其特征是,燃弧信息的确定过程为:
基于受电弓的图像信息,对图像信息进行火花占比分析,得到图像信息的火花占比值。
7.如权利要求6所述的受电弓智能监测分析方法,其特征是,确定燃弧危害等级的过程为:
基于火花的占比值,得出受电弓燃弧危害等级:若火花占比为50%-75%时,则判定为低危害等级;若火花占比大于75%,且火花占比大于75%的图像信息在设定时间内累计设定次数,则判定为中危害等级;若火花占比大于90%,则判定为高危害等级。
8.如权利要求7所述的受电弓智能监测分析方法,其特征是,针对相应的危害等级,输出相应的警报提示信息:处于低危害等级时,输出火花预警信息;处于中危害等级时,输出火花告警信息;处于高危害等级时,输出火花报警信息。
9.一种受电弓智能监测分析装置,其特征是,包括:
获取模块,用于获取受电弓的图像信息;
第一确定模块,用于基于图像信息确定受电弓的燃弧信息;
第二确定模块,用于基于燃弧信息确定受电弓燃弧危害等级。
10.一种受电弓智能监测分析系统,其特征是,包括:
图像采集器,用于采集受电弓的图像信息;
智能分析主机,与图像采集器连接,用于根据受电弓的图像信息确定燃弧信息,并根据受电弓的燃弧信息确定受电弓燃弧危害等级。
11.一种存储介质,其特征是,所述存储介质包括存储的程序,其中,所述程序执行权利要求1-8任一项所述的受电弓智能监测分析方法。
12.一种处理器,其特征是,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1-8任一项所述的受电弓智能监测分析方法。
13.一种轨道车辆,其特征是,包括位于轨道车辆顶部的受电弓;还包括采用权利要求1-8任一项所述的受电弓智能监测分析方法对受电弓进行监测分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010778626.0A CN112016544A (zh) | 2020-08-05 | 2020-08-05 | 一种受电弓智能监测分析方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010778626.0A CN112016544A (zh) | 2020-08-05 | 2020-08-05 | 一种受电弓智能监测分析方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112016544A true CN112016544A (zh) | 2020-12-01 |
Family
ID=73500143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010778626.0A Pending CN112016544A (zh) | 2020-08-05 | 2020-08-05 | 一种受电弓智能监测分析方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112016544A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112749650A (zh) * | 2020-12-31 | 2021-05-04 | 桂林海威科技股份有限公司 | 轨道受电弓电火花检测系统、方法、介质及设备 |
CN112784805A (zh) * | 2021-02-02 | 2021-05-11 | 郑州地铁集团有限公司 | 一种基于图像识别的弓网视频分析系统及方法 |
CN113255507A (zh) * | 2021-05-20 | 2021-08-13 | 株洲中车时代电气股份有限公司 | 一种弓网燃弧的识别方法及相关装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469420A (zh) * | 2016-01-25 | 2016-04-06 | 成都国铁电气设备有限公司 | 弓网燃弧缺陷识别方法及系统 |
CN108169616A (zh) * | 2017-11-30 | 2018-06-15 | 中车青岛四方机车车辆股份有限公司 | 受电弓的监测方法、装置和系统 |
CN108333488A (zh) * | 2018-02-08 | 2018-07-27 | 南京视道信息技术有限公司 | 基于紫外、红外和光学图像相融合的燃弧检测方法 |
-
2020
- 2020-08-05 CN CN202010778626.0A patent/CN112016544A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469420A (zh) * | 2016-01-25 | 2016-04-06 | 成都国铁电气设备有限公司 | 弓网燃弧缺陷识别方法及系统 |
CN108169616A (zh) * | 2017-11-30 | 2018-06-15 | 中车青岛四方机车车辆股份有限公司 | 受电弓的监测方法、装置和系统 |
CN108333488A (zh) * | 2018-02-08 | 2018-07-27 | 南京视道信息技术有限公司 | 基于紫外、红外和光学图像相融合的燃弧检测方法 |
Non-Patent Citations (1)
Title |
---|
邓学文;谢红兵;陈三猛;刘强;: "城际动车组弓网监控系统应用研究", 电子世界, no. 15, pages 136 - 137 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112749650A (zh) * | 2020-12-31 | 2021-05-04 | 桂林海威科技股份有限公司 | 轨道受电弓电火花检测系统、方法、介质及设备 |
CN112784805A (zh) * | 2021-02-02 | 2021-05-11 | 郑州地铁集团有限公司 | 一种基于图像识别的弓网视频分析系统及方法 |
CN113255507A (zh) * | 2021-05-20 | 2021-08-13 | 株洲中车时代电气股份有限公司 | 一种弓网燃弧的识别方法及相关装置 |
CN113255507B (zh) * | 2021-05-20 | 2022-04-29 | 株洲中车时代电气股份有限公司 | 一种弓网燃弧的识别方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112016544A (zh) | 一种受电弓智能监测分析方法、装置及系统 | |
CN107807593B (zh) | 配电房主控装置、主控系统和检测控制方法 | |
CN103115647B (zh) | 轨道交通弓网工况监测系统 | |
CN111323679B (zh) | 监视铁路车辆中的悬链线-受电弓相互作用的监视设备 | |
CN110032093B (zh) | 一种基于视觉物联网的工程用电安全管理方法 | |
CN106060476B (zh) | 特高压输电线路监测系统 | |
CN205021584U (zh) | 电力设备巡检机器人及电力设备巡检机器人系统 | |
CN204758751U (zh) | 电力线路的故障监控设备 | |
CN106200518A (zh) | 一种电动汽车远程监控系统的频率自适应方法 | |
CN107976216A (zh) | 一种带电作业安全预警系统 | |
CN206074832U (zh) | 一种地铁车辆车顶受电弓异物检测系统 | |
CN109904928A (zh) | 一种输电线路故障监测控制方法及监测系统 | |
CN106919907A (zh) | 电力通信图像识别监管装置 | |
CN104902223A (zh) | 电力线路的故障监控系统 | |
CN210426762U (zh) | 一种高速铁路噪声自动监测与数据管理系统 | |
CN115131505A (zh) | 一种变电站多系统融合的全景感知系统 | |
CN110994785A (zh) | 一种变电站用远程电力监控系统 | |
CN205029244U (zh) | 电力设备巡检机器人及电力设备巡检机器人系统 | |
CN201928381U (zh) | 带有图像监控和分析的红外线远程故障诊断设备 | |
CN204425045U (zh) | 变电站无线监控装置 | |
CN117213621A (zh) | 一种接触网振动定点监测系统及监测方法 | |
CN102774401A (zh) | 机车出入库自动测试系统 | |
CN117405173A (zh) | 一种轨道交通弓网系统状态智能检测分析系统及其检测方法 | |
CN111964792A (zh) | 配电柜温度检测系统及其使用方法 | |
CN114882682B (zh) | 一种高压线缆状态监测平台及监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |