CN116051493A - 接触网悬挂状态监测方法、装置、设备及存储介质 - Google Patents

接触网悬挂状态监测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116051493A
CN116051493A CN202211734170.3A CN202211734170A CN116051493A CN 116051493 A CN116051493 A CN 116051493A CN 202211734170 A CN202211734170 A CN 202211734170A CN 116051493 A CN116051493 A CN 116051493A
Authority
CN
China
Prior art keywords
monitored
contact net
abnormal
information
suspension state
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
Application number
CN202211734170.3A
Other languages
English (en)
Inventor
吴荣超
冯玉华
孔化蓉
马海军
冯小鹏
祝晓红
陈珊珊
胡安富
李勇
王威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Railway Electrification Bureau Group Co Ltd
Original Assignee
Wuhan Railway Electrification Bureau Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Railway Electrification Bureau Group Co Ltd filed Critical Wuhan Railway Electrification Bureau Group Co Ltd
Priority to CN202211734170.3A priority Critical patent/CN116051493A/zh
Publication of CN116051493A publication Critical patent/CN116051493A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • Geometry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Electric Cable Installation (AREA)

Abstract

本发明属于远程监测技术领域，公开了一种接触网悬挂状态监测方法、装置、设备及存储介质。该方法包括：获取结构光相机在夜间采集的待监测接触网的点云数据；根据所述点云数据确定所述待监测接触网的多组悬挂位置数据；根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常；当所述待监测接触网的悬挂状态存在异常时，通过所述结构光相机采集所述待监测接触网上的悬挂异常部位的异常点云数据，并根据所述异常点云数据进行风险预警。通过上述方式，实现了在保证监测精度的情况下自动完成了夜间视野情况不佳时对接触网的悬挂状态的监测以及危险预警。

Description

接触网悬挂状态监测方法、装置、设备及存储介质
技术领域
本发明涉及远程监测技术领域，尤其涉及一种接触网悬挂状态监测方法、装置、设备及存储介质。
背景技术
接触网是铁路系统中为列车供电的重要线路和系统，通过机车顶部升起的受电弓从接触网上获取电能，再通过牵引电动机驱动机车运行，所以接触网的安全对于电气化铁路的正常运营非常重要。
由于接触网是由导线与机车顶部的受电弓动态连接，并且处于室外环境中，所以容易出现离线、异物导电、结冰的情况，而目前对于接触网的监测主要是检测接触网的电压状况，或者通过监控摄像头进行查看，但是这样的监测方式不够精确且时效性低，并且在夜间情况下的摄像头并不能准确的监测接触网的图像。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种接触网悬挂状态监测方法、装置、设备及存储介质，旨在解决现有技术在夜间对接触网的悬挂状态的监测效率和精度低下的技术问题。
为实现上述目的，本发明提供了一种接触网悬挂状态监测方法，所述方法包括以下步骤：
获取结构光相机在夜间采集的待监测接触网的点云数据；
根据所述点云数据确定所述待监测接触网的多组悬挂位置数据；
根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常；
当所述待监测接触网的悬挂状态存在异常时，通过所述结构光相机采集所述待监测接触网上的悬挂异常部位的异常点云数据，并根据所述异常点云数据进行风险预警。
可选地，所述根据所述点云数据确定所述待监测接触网的多组悬挂位置数据，包括：
将所述点云数据按照时间进行分割，得到连续采集的多组时刻点云数据；
根据所述时刻点云数据确定所述待监测接触网的连续位置数据；
根据所述连续位置数据确定所述待监测接触网的多组悬挂位置数据。
可选地，所述根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常，包括：
根据所述悬挂位置数据确定所述待监测接触网的悬挂位置随时间变化的位置变化信息；
根据所述位置变化信息确定所述待监测接触网的摆动震荡信息；
根据所述摆动震荡信息判断所述待监测接触网的悬挂状态是否存在异常。
可选地，述根据所述摆动震荡信息判断所述待监测接触网的悬挂状态是否存在异常，包括：
根据所述摆动震荡信息确定所述待监测接触网的震荡幅度信息；
根据所述震荡幅度信息确定最大震荡幅度值；
获取当前风信息，并根据所述当前风信息计算所述待监测接触网的风负载；
当所述最大震荡幅度值和所述风负载达到震荡危险条件时，判定所述待监测接触网的悬挂状态存在异常。
可选地，所述根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常，包括：
根据所述悬挂位置数据确定所述待监测接触网的导线形状数据和导线空间位置数据；
根据所述导线形状数据确定导线直径信息；
根据所述导线空间位置数据确定障碍物信息；
根据所述导线直径信息和所述障碍物信息确定所述待监测接触网的悬挂状态是否存在异常。
可选地，所述根据所述导线直径信息和所述障碍物信息确定所述待监测接触网的悬挂状态是否存在异常，包括：
根据所述导线直径信息确定所述待监测接触网各部位导线的导线直径；
当存在所述导线直径大于预设直径且当前气温低于气温阈值时，根据所述导线直径计算所述待监测接触网的冰负载；
当所述待监测接触网的冰负载达到危险条件时，判定所述待监测接触网的悬挂状态存在异常；
根据所述障碍物信息确定所述待监测接触网周边区域是否存在异物；
当所述待监测接触网周边区域存在异物时，判定所述待监测接触网的悬挂状态存在异常。
可选地，所述根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常，包括：
根据所述悬挂位置数据确定接触线位置信息、承力索位置信息和支持装置位置信息；
根据所述接触线位置信息、承力索位置信息和支持装置位置信息确定接触线相对位置信息；
根据所述接触线相对位置信息判断所述待监测接触网是否存在相对位置过大的情况；
当所述待监测接触网存在相对位置过大的情况时，判定所述待监测接触网的悬挂状态存在异常。
此外，为实现上述目的，本发明还提出一种接触网悬挂状态监测装置，所述接触网悬挂状态监测装置包括：
数据获取模块，用于获取结构光相机在夜间采集的待监测接触网的点云数据；
数据处理模块，用于根据所述点云数据确定所述待监测接触网的多组悬挂位置数据；
异常分析模块，用于根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常；
异常预警模块，用于当所述待监测接触网的悬挂状态存在异常时，通过所述结构光相机采集所述待监测接触网上的悬挂异常部位的异常点云数据，并根据所述异常点云数据进行风险预警。
此外，为实现上述目的，本发明还提出一种接触网悬挂状态监测设备，所述接触网悬挂状态监测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的接触网悬挂状态监测程序，所述接触网悬挂状态监测程序配置为实现如上文所述的接触网悬挂状态监测方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有接触网悬挂状态监测程序，所述接触网悬挂状态监测程序被处理器执行时实现如上文所述的接触网悬挂状态监测方法的步骤。
本发明获取结构光相机在夜间采集的待监测接触网的点云数据；根据所述点云数据确定所述待监测接触网的多组悬挂位置数据；根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常；当所述待监测接触网的悬挂状态存在异常时，通过所述结构光相机采集所述待监测接触网上的悬挂异常部位的异常点云数据，并根据所述异常点云数据进行风险预警。通过这种方式，实现了通过结构光相机采集接触网的点云数据，再通过点云数据确定待监测接触网的悬挂位置数据，最后基于悬挂位置数据判断待监测接触网是否存在悬挂状态的异常，并且在确认存在异常之后再通过结构光相机采集异常部位的点云数据，从而可以进行风险预警，在保证监测精度的情况下自动完成了夜间视野情况不佳时对接触网的悬挂状态的监测以及危险预警。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的接触网悬挂状态监测设备的结构示意图；
图2为本发明接触网悬挂状态监测方法第一实施例的流程示意图；
图3为本发明接触网悬挂状态监测方法第二实施例的流程示意图；
图4为本发明接触网悬挂状态监测装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的接触网悬挂状态监测设备结构示意图。
如图1所示，该接触网悬挂状态监测设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对接触网悬挂状态监测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及接触网悬挂状态监测程序。
在图1所示的接触网悬挂状态监测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明接触网悬挂状态监测设备中的处理器1001、存储器1005可以设置在接触网悬挂状态监测设备中，所述接触网悬挂状态监测设备通过处理器1001调用存储器1005中存储的接触网悬挂状态监测程序，并执行本发明实施例提供的接触网悬挂状态监测方法。
本发明实施例提供了一种接触网悬挂状态监测方法，参照图2，图2为本发明一种接触网悬挂状态监测方法第一实施例的流程示意图。
本实施例中，所述接触网悬挂状态监测方法包括以下步骤：
步骤S10：获取结构光相机在夜间采集的待监测接触网的点云数据。
需要说明的是，本实施例的执行主体是一个智能终端，可以为计算机、智能手机、平板电脑，也可以为服务器，或者其他能进行信息处理的设备。
应理解的是，目前对于接触网的悬挂状态的监测主要是检测接触网的电压状况，或者通过监控摄像头进行查看，但是这样的监测方式不够精确且时效性低，并且难以监测到工作人员难以进入的铁路范围，而在夜间视野状况不佳的情况下也很难对接触网进行准确的图像监控，而本实施例的方案通过结构光相机采集接触网的点云数据，再通过点云数据确定待监测接触网的悬挂位置数据，最后基于悬挂位置数据判断待监测接触网是否存在悬挂状态的异常，并且在确认存在异常之后再通过结构光相机采集异常部位的点云数据，从而可以进行风险预警，在保证监测精度的情况下自动完成了夜间视野情况不佳时对接触网的悬挂状态的监测以及危险预警。
在具体实施中，结构光相机指的是结构光3D相机，一般指采用多幅条纹光栅，先通过光栅投射按照时间序列依次投射在被测物体表面，再通过双目对物体表面的光栅进行拍照，基于事先编码规则进行解码和双目视差匹配，从而获得高精度的3D点云数据。
需要说明的是，待监测接触网可以是在预先布设的结构光相机监测范围内的任意长度和位置的接触网段，点云数据即为结构光相机对待监测接触网进行拍照监测之后得到的3D点云数据。
步骤S20：根据所述点云数据确定所述待监测接触网的多组悬挂位置数据。
应理解的是，由于结构光相机对待监测接触网的拍照可以基于时间存在多张图像，所以可以得到不同时刻的待监测接触网的点云数据，从而可以确定不同时刻的待监测接触网的悬挂位置数据，即为多组悬挂位置数据。
进一步的，为了对点云数据进行处理得到多组悬挂位置数据，步骤S20包括：将所述点云数据按照时间进行分割，得到连续采集的多组时刻点云数据；根据所述时刻点云数据确定所述待监测接触网的连续位置数据；根据所述连续位置数据确定所述待监测接触网的多组悬挂位置数据。
在具体实施中，点云数据中包括了结构光相机在不同时刻拍照得到的待监测接触网，所以首先对点云数据按照时间进行分割，得到了不同时间的点云数据，然后将不同时间的点云数据按照采集顺序和时间先后进行排序，得到了连续采集的多组时刻点云数据。
需要说明的是，连续位置数据指的是将点云数据进行处理，然后得到在不同时刻的待监测接触网的位置姿态数据，最后再根据连续位置数据进行空间具象化，确定了待监测接触网在不同时刻的空间位置，即为多组悬挂位置数据。
通过这种方式，实现了对点云数据进行处理并且按照时间进行分割，得到了对应不同时刻的多组悬挂位置数据。
步骤S30：根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常。
应理解的是，当确定了悬挂位置数据之后，再根据悬挂位置数据判断待监测接触网是否存在离线、导线结冰、异物干扰等危险情况发生，当存在离线、导线结冰、异物干扰等危险情况时判断待监测接触网的悬挂状态存在异常。
进一步的，为了确定待监测接触网是否存在导线因气温原因结冰和异物干扰的风险，步骤S30包括：根据所述悬挂位置数据确定所述待监测接触网的导线形状数据和导线空间位置数据；根据所述导线形状数据确定导线直径信息；根据所述导线空间位置数据确定障碍物信息；根据所述导线直径信息和所述障碍物信息确定所述待监测接触网的悬挂状态是否存在异常。
在具体实施中，导线形状数据指的是接触网中与机车的受电弓接触的导线部位的形状相关数据，具体包括了导线各个部位的直径、尺寸等相关信息。
需要说明的是，导线空间位置数据指的是从悬挂位置数据中确定的在图像中除去接触网本身的其他障碍物、物体的形状、空间位置等数据。
应理解的是，当得到了导线形状数据之后，再根据导线形状数据确定导线在各个位置的直径长度信息作为导线直径信息，然后再根据导线空间位置数据确定导线周围的结构光相机监测范围内的障碍物、异物等的位置和形状相关信息。
在具体实施中，根据所述导线直径信息和所述障碍物信息确定所述待监测接触网的悬挂状态是否存在异常指的是：首先根据当前气温和导线直径确定是否存在因低温导致的导线结冰，再根据障碍物信息确定是否存在导电异物，从而确定待监测接触网的悬挂状态是否存在异常。
通过这种方式，实现了通过悬挂位置数据确定导线的直径以及接触网附近的障碍物相关信息，从而可以准确判断导线是否因为结冰导致直径改变，或者存在异物。
进一步的，为了判断是否存在结冰和异物的风险情况，根据所述导线直径信息和所述障碍物信息确定所述待监测接触网的悬挂状态是否存在异常的步骤包括：根据所述导线直径信息确定所述待监测接触网各部位导线的导线直径；当存在所述导线直径大于预设直径且当前气温低于气温阈值时，根据所述导线直径计算所述待监测接触网的冰负载；当所述待监测接触网的冰负载达到危险条件时，判定所述待监测接触网的悬挂状态存在异常；根据所述障碍物信息确定所述待监测接触网周边区域是否存在异物；当所述待监测接触网周边区域存在异物时，判定所述待监测接触网的悬挂状态存在异常。
需要说明的是，根据所述导线直径信息确定所述待监测接触网各部位导线的导线直径指的是：首先根据导线直径信息确定在待监测接触网的各个部位的导线直径值。
应理解的是，当得到导线直径之后，再获取当前气温，将当前气温与气温阈值进行对比，以确定是否存在导线结冰的可能，气温阈值是预先设定的导线可以结冰的温度值，在气温阈值以下时，导线存在结冰的可能性。
需要说明的是，在当前气温低于气温阈值，并且导线直径大于预设直径时，判定导线因为结冰导致直径变大，再计算接触网当前的冰负载。预设直径指的是预先设定的导线在标准情况下的直径。
在具体实施中，当确定导线结冰之后，此时根据导线直径、预设直径结合当前接触网的覆冰密度计算冰负载，具体的，导线的冰负载计算公式为：
Figure BDA0004032546800000081
其中，g为导线的冰负载，γb为覆冰密度，b为覆冰厚度，d为预设直径，而覆冰厚度为导线直径与预设直径的差值的一半。
需要说明的是，当计算得到导线的冰负载之后，再将冰负载与危险条件进行比较，危险条件为预先设定的冰负载的上限值，也就是当冰负载超过上限值时，判断存在风险，此时判定待监测接触网的悬挂状态存在异常。
应理解的是，根据所述障碍物信息确定所述待监测接触网周边区域是否存在异物指的是：根据障碍物信息确定待监测接触网周围区域是否存在除去鸟类、动物之外的不可移动且导电的障碍物，将导电且与接触网产生接触，或者影响列车行驶的物体作为异物。当待监测接触网周边区域存在异物时，判定存在事故风险，此时待监测接触网的悬挂状态存在异常。
通过这种方式，实现了综合监测并判断导线是否存在结冰，以及待监测接触网周围是否存在异物，从而可以依托结构光相机的精确点云数据判断悬挂状态是否异常。
进一步的，为了监测接触网是否存在悬挂脱离或者位置异常的风险，步骤S30包括：根据所述悬挂位置数据确定接触线位置信息、承力索位置信息和支持装置位置信息；根据所述接触线位置信息、承力索位置信息和支持装置位置信息确定接触线相对位置信息；根据所述接触线相对位置信息判断所述待监测接触网是否存在相对位置过大的情况；当所述待监测接触网存在相对位置过大的情况时，判定所述待监测接触网的悬挂状态存在异常。
在具体实施中，接触线位置信息指的是接触网的接触线在空间中的位置，承力索位置信息指的是与接触线通过吊弦连接的承力索的空间位置，支持装置位置信息指的是设置于地面的用于支撑承力索、接触线的支柱的空间位置。
需要说明的是，根据所述接触线位置信息、承力索位置信息和支持装置位置信息确定接触线相对位置信息指的是：根据接触线位置信息、承力索位置信息和支持装置位置信息进行空间位置的比对，从而确定接触线与承力索支持装置的空间相对位置的相关信息。
应理解的是，当确定了接触线相对位置信息之后，再将接触线与承力索的相对位置，以及接触线与支持装置的相对位置与接触网设计阶段的标准位置进行对比，得到位置差，如果位置差大于误差阈值，则判定待监测接触网存在相对位置过大的情况，接触网的接触线可能存在错位、掉落等情况，所以判断待监测接触网的悬挂状态存在异常。
通过这种方式，实现了对接触网的接触线的相对位置进行判定，针对接触线发生错位、掉落等危险场景进行判别，从而确定悬挂状态是否出现异常。
步骤S40：当所述待监测接触网的悬挂状态存在异常时，通过所述结构光相机采集所述待监测接触网上的悬挂异常部位的异常点云数据，并根据所述异常点云数据进行风险预警。
在具体实施中，当判断待监测接触网存在悬挂状态的异常时，首先判断出现异常的悬挂异常部位处于接触网的具体区域，再通过结构光相机集中采集并截取悬挂异常部位的点云数据作为异常点云数据。
需要说明的是，当得到异常点云数据之后，再根据异常点云数据进行建模，得到悬挂异常部位的3D空间模型，结合结构光相机在夜间使用的高分辨率特点，3D空间模型可以精确到接触网的每一个特征点，所以在3D空间模型中代入待监测接触网在标准状态下的空间位置，从而可以确定3D空间模型中的位置异常特征点位。由于结构光相机可以以超过60fps的帧率进行连续拍摄，所以将异常点云数据可以构成高帧率的动态变化视频，再将动态变化视频导入预先训练的深度学习的位移预测模型中，从而可以根据位移预测模型对悬挂异常部位的未来预测位置，从而根据未来预测位置进行预测出现安全事故的可能时间点，根据预测出现安全事故的可能时间点确定工作人员的处置时间限制。最后根据位置异常特征点位和处置时间限制生成预警信息向工作人员进行风险预警并提醒及时处置。其中，位移预测模型是一个预先训练完成的深度学习的神经网络模型，可以根据待监测接触网的位置和姿态的动态变化视频进行预测被检测的部位的后续位置变化，从而可以实现对可能出现事故的时间点的预测。
本实施例通过获取结构光相机在夜间采集的待监测接触网的点云数据；根据所述点云数据确定所述待监测接触网的多组悬挂位置数据；根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常；当所述待监测接触网的悬挂状态存在异常时，通过所述结构光相机采集所述待监测接触网上的悬挂异常部位的异常点云数据，并根据所述异常点云数据进行风险预警。通过这种方式，实现了通过结构光相机采集接触网的点云数据，再通过点云数据确定待监测接触网的悬挂位置数据，最后基于悬挂位置数据判断待监测接触网是否存在悬挂状态的异常，并且在确认存在异常之后再通过结构光相机采集异常部位的点云数据，从而可以进行风险预警，在保证监测精度的情况下自动完成了夜间视野情况不佳时对接触网的悬挂状态的监测以及危险预警。
参考图3，图3为本发明一种接触网悬挂状态监测方法第二实施例的流程示意图。
基于上述第一实施例，本实施例接触网悬挂状态监测方法在所述步骤S30包括：
步骤S301：根据所述悬挂位置数据确定所述待监测接触网的悬挂位置随时间变化的位置变化信息。
需要说明的是，将结构光相机连续采集的点云数据带入到空间位置中，分别确定待监测接触网在连续时间下的位姿变化，即为位置变化信息。
步骤S302：根据所述位置变化信息确定所述待监测接触网的摆动震荡信息。
应理解的是，摆动震荡信息指的是待监测接触网随时间变化的摆动、震荡的具体部位、震荡幅度等相关信息。根据位置变化信息确定各个部位的位置变化幅度，从而确定摆动震荡信息。
步骤S303：根据所述摆动震荡信息判断所述待监测接触网的悬挂状态是否存在异常。
在具体实施中，当确定了摆动震荡信息之后，再根据摆动震荡信息确定震荡幅度，然后根据震荡幅度确定最大值，最后根据最大震荡幅度值判断待监测接触网的悬挂状态是否存在异常。
进一步的，为了准确的判断是否存在悬挂状态的异常，步骤S303包括：根据所述摆动震荡信息确定所述待监测接触网的震荡幅度信息；根据所述震荡幅度信息确定最大震荡幅度值；获取当前风信息，并根据所述当前风信息计算所述待监测接触网的风负载；当所述最大震荡幅度值和所述风负载达到震荡危险条件时，判定所述待监测接触网的悬挂状态存在异常。
需要说明的是，首先从摆动震荡信息中的接触网各个位置的震荡位置信息中确定各个部位的震荡幅度，作为震荡幅度信息，然后从震荡幅度信息中将各个部位的震荡幅度值进行比较，得到了所有部位中震荡幅度的最大值作为最大震荡幅度值。
应理解的是，当前风信息包括了通过风力测算设备检测到的当前风向、最大风速。根据所述当前风信息计算所述待监测接触网的风负载的具体方法为：首先根据悬挂位置数据确定待监测接触网的线索直径、跨进中线索的长度，以及线索的悬挂方向，然后根据线索的悬挂方向和当前风向计算风向与线索的夹角，最后计算得到风负载，具体的，风负载的计算公式为：
Figure BDA0004032546800000121
其中，P为风负载，av为风速不均匀系数，K为风载体形系数，d为线索直径，L为跨进中线索的长度，θ为风向与线索的夹角，v为最大风速。
在具体实施中，当计算得到风负载之后，再将风负载与最大震荡幅度值与预设的风负载最大值和震荡幅度阈值进行比较，当风负载大于风负载最大值，或者最大震荡幅度值大于震荡幅度阈值时，判定待监测接触网的悬挂状态出现异常。
通过这种方式，实现了准确的根据震荡幅度判断是否存在因风力或者其他因素导致的接触网震荡是否有安全风险。
本实施例通过根据所述悬挂位置数据确定所述待监测接触网的悬挂位置随时间变化的位置变化信息；根据所述位置变化信息确定所述待监测接触网的摆动震荡信息；根据所述摆动震荡信息判断所述待监测接触网的悬挂状态是否存在异常。通过这种方式，实现了根据悬挂位置信息确定待监测接触网的摆动震荡信息，从而判断是否存在待监测接触网由于风力导致的震荡幅度过大的情况，进而判断是否存在悬挂状态的异常。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有接触网悬挂状态监测程序，所述接触网悬挂状态监测程序被处理器执行时实现如上文所述的接触网悬挂状态监测方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不一一赘述。
参照图4，图4为本发明接触网悬挂状态监测装置第一实施例的结构框图。
如图4所示，本发明实施例提出的接触网悬挂状态监测装置包括：
数据获取模块10，用于获取结构光相机在夜间采集的待监测接触网的点云数据。
数据处理模块20，用于根据所述点云数据确定所述待监测接触网的多组悬挂位置数据。
异常分析模块30，用于根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常。
异常预警模块40，用于当所述待监测接触网的悬挂状态存在异常时，通过所述结构光相机采集所述待监测接触网上的悬挂异常部位的异常点云数据，并根据所述异常点云数据进行风险预警。
本实施例通过获取结构光相机在夜间采集的待监测接触网的点云数据；根据所述点云数据确定所述待监测接触网的多组悬挂位置数据；根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常；当所述待监测接触网的悬挂状态存在异常时，通过所述结构光相机采集所述待监测接触网上的悬挂异常部位的异常点云数据，并根据所述异常点云数据进行风险预警。通过这种方式，实现了通过结构光相机采集接触网的点云数据，再通过点云数据确定待监测接触网的悬挂位置数据，最后基于悬挂位置数据判断待监测接触网是否存在悬挂状态的异常，并且在确认存在异常之后再通过结构光相机采集异常部位的点云数据，从而可以进行风险预警，在保证监测精度的情况下自动完成了夜间视野情况不佳时对接触网的悬挂状态的监测以及危险预警。
在一实施例中，所述数据处理模块20，还用于将所述点云数据按照时间进行分割，得到连续采集的多组时刻点云数据；根据所述时刻点云数据确定所述待监测接触网的连续位置数据；根据所述连续位置数据确定所述待监测接触网的多组悬挂位置数据。
在一实施例中，所述异常分析模块30，还用于根据所述悬挂位置数据确定所述待监测接触网的悬挂位置随时间变化的位置变化信息；根据所述位置变化信息确定所述待监测接触网的摆动震荡信息；根据所述摆动震荡信息判断所述待监测接触网的悬挂状态是否存在异常。
在一实施例中，所述异常分析模块30，还用于根据所述摆动震荡信息确定所述待监测接触网的震荡幅度信息；根据所述震荡幅度信息确定最大震荡幅度值；获取当前风信息，并根据所述当前风信息计算所述待监测接触网的风负载；当所述最大震荡幅度值和所述风负载达到震荡危险条件时，判定所述待监测接触网的悬挂状态存在异常。
在一实施例中，所述异常分析模块30，还用于根据所述悬挂位置数据确定所述待监测接触网的导线形状数据和导线空间位置数据；根据所述导线形状数据确定导线直径信息；根据所述导线空间位置数据确定障碍物信息；根据所述导线直径信息和所述障碍物信息确定所述待监测接触网的悬挂状态是否存在异常。
在一实施例中，所述异常分析模块30，还用于根据所述导线直径信息确定所述待监测接触网各部位导线的导线直径；当存在所述导线直径大于预设直径且当前气温低于气温阈值时，根据所述导线直径计算所述待监测接触网的冰负载；当所述待监测接触网的冰负载达到危险条件时，判定所述待监测接触网的悬挂状态存在异常；根据所述障碍物信息确定所述待监测接触网周边区域是否存在异物；当所述待监测接触网周边区域存在异物时，判定所述待监测接触网的悬挂状态存在异常。
在一实施例中，所述异常分析模块30，还用于根据所述悬挂位置数据确定接触线位置信息、承力索位置信息和支持装置位置信息；根据所述接触线位置信息、承力索位置信息和支持装置位置信息确定接触线相对位置信息；根据所述接触线相对位置信息判断所述待监测接触网是否存在相对位置过大的情况；当所述待监测接触网存在相对位置过大的情况时，判定所述待监测接触网的悬挂状态存在异常。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的接触网悬挂状态监测方法，此处不再赘述。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种接触网悬挂状态监测方法，其特征在于，所述接触网悬挂状态监测方法包括：
获取结构光相机在夜间采集的待监测接触网的点云数据；
根据所述点云数据确定所述待监测接触网的多组悬挂位置数据；
根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常；
当所述待监测接触网的悬挂状态存在异常时，通过所述结构光相机采集所述待监测接触网上的悬挂异常部位的异常点云数据，并根据所述异常点云数据进行风险预警。
2.如权利要求1所述的方法，其特征在于，所述根据所述点云数据确定所述待监测接触网的多组悬挂位置数据，包括：
将所述点云数据按照时间进行分割，得到连续采集的多组时刻点云数据；
根据所述时刻点云数据确定所述待监测接触网的连续位置数据；
根据所述连续位置数据确定所述待监测接触网的多组悬挂位置数据。
3.如权利要求1所述的方法，其特征在于，所述根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常，包括：
根据所述悬挂位置数据确定所述待监测接触网的悬挂位置随时间变化的位置变化信息；
根据所述位置变化信息确定所述待监测接触网的摆动震荡信息；
根据所述摆动震荡信息判断所述待监测接触网的悬挂状态是否存在异常。
4.如权利要求3所述的方法，其特征在于，所述根据所述摆动震荡信息判断所述待监测接触网的悬挂状态是否存在异常，包括：
根据所述摆动震荡信息确定所述待监测接触网的震荡幅度信息；
根据所述震荡幅度信息确定最大震荡幅度值；
获取当前风信息，并根据所述当前风信息计算所述待监测接触网的风负载；
当所述最大震荡幅度值和所述风负载达到震荡危险条件时，判定所述待监测接触网的悬挂状态存在异常。
5.如权利要求1所述的方法，其特征在于，所述根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常，包括：
根据所述悬挂位置数据确定所述待监测接触网的导线形状数据和导线空间位置数据；
根据所述导线形状数据确定导线直径信息；
根据所述导线空间位置数据确定障碍物信息；
根据所述导线直径信息和所述障碍物信息确定所述待监测接触网的悬挂状态是否存在异常。
6.如权利要求5所述的方法，其特征在于，所述根据所述导线直径信息和所述障碍物信息确定所述待监测接触网的悬挂状态是否存在异常，包括：
根据所述导线直径信息确定所述待监测接触网各部位导线的导线直径；
当存在所述导线直径大于预设直径且当前气温低于气温阈值时，根据所述导线直径计算所述待监测接触网的冰负载；
当所述待监测接触网的冰负载达到危险条件时，判定所述待监测接触网的悬挂状态存在异常；
根据所述障碍物信息确定所述待监测接触网周边区域是否存在异物；
当所述待监测接触网周边区域存在异物时，判定所述待监测接触网的悬挂状态存在异常。
7.如权利要求1所述的方法，其特征在于，所述根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常，包括：
根据所述悬挂位置数据确定接触线位置信息、承力索位置信息和支持装置位置信息；
根据所述接触线位置信息、承力索位置信息和支持装置位置信息确定接触线相对位置信息；
根据所述接触线相对位置信息判断所述待监测接触网是否存在相对位置过大的情况；
当所述待监测接触网存在相对位置过大的情况时，判定所述待监测接触网的悬挂状态存在异常。
8.一种接触网悬挂状态监测装置，其特征在于，所述接触网悬挂状态监测装置包括：
数据获取模块，用于获取结构光相机在夜间采集的待监测接触网的点云数据；
数据处理模块，用于根据所述点云数据确定所述待监测接触网的多组悬挂位置数据；
异常分析模块，用于根据所述悬挂位置数据判断所述待监测接触网的悬挂状态是否存在异常；
异常预警模块，用于当所述待监测接触网的悬挂状态存在异常时，通过所述结构光相机采集所述待监测接触网上的悬挂异常部位的异常点云数据，并根据所述异常点云数据进行风险预警。
9.一种接触网悬挂状态监测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的接触网悬挂状态监测程序，所述接触网悬挂状态监测程序配置为实现如权利要求1至7中任一项所述的接触网悬挂状态监测方法。
10.一种存储介质，其特征在于，所述存储介质上存储有接触网悬挂状态监测程序，所述接触网悬挂状态监测程序被处理器执行时实现如权利要求1至7任一项所述的接触网悬挂状态监测方法。
CN202211734170.3A 2022-12-30 2022-12-30 接触网悬挂状态监测方法、装置、设备及存储介质 Pending CN116051493A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211734170.3A CN116051493A (zh) 2022-12-30 2022-12-30 接触网悬挂状态监测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211734170.3A CN116051493A (zh) 2022-12-30 2022-12-30 接触网悬挂状态监测方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116051493A true CN116051493A (zh) 2023-05-02

Family

ID=86121255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211734170.3A Pending CN116051493A (zh) 2022-12-30 2022-12-30 接触网悬挂状态监测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116051493A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117182354A (zh) * 2023-11-07 2023-12-08 中国铁建电气化局集团有限公司 异物清除方法、装置、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117182354A (zh) * 2023-11-07 2023-12-08 中国铁建电气化局集团有限公司 异物清除方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN110135273B (zh) 接触网视频图像云端智能监测与故障识别方法
CN109240311B (zh) 基于智能机器人的室外电力场地施工作业监督方法
CN106919978B (zh) 一种高铁接触网支撑装置零部件识别检测方法
CN110059631A (zh) 接触网非接触式监测缺陷识别方法
CN109489584B (zh) 一种基于3d技术的隧道限界检测系统及隧道限界识别方法
CN109284739A (zh) 一种基于深度学习的输电线路防外力破坏预警方法及系统
CN106741008B (zh) 铁路线路异物识别方法及系统
CN102946069B (zh) 特高压输电线路三维可视化智能监控系统
CN116051493A (zh) 接触网悬挂状态监测方法、装置、设备及存储介质
WO2013033576A1 (en) Method and apparatus for real-time line rating of a transmission line
CN110718033A (zh) 输电线路防外力破坏监测预警系统及使用方法
CN114898523A (zh) 一种具有测距功能的输电线路图像监测方法及装置
CN109905667A (zh) 一种适用于大跨度特殊结构桥梁的视频监控系统
CN106846168A (zh) 输电线路交叉跨越的处理装置以及系统
CN113701877A (zh) 一种接触网悬挂系统的振动监测方法
CN114065515B (zh) 基于无线通信的杆塔灾害态势感知及预警系统
CN114744756A (zh) 一种基于机器视觉的输电线路智能巡检系统
CN112561968B (zh) 一种基于单目视觉的输电导线舞动监测方法及装置
KR101939941B1 (ko) 전차선로시설물 변형 영상감시 시스템
CN106527436A (zh) 一种机器人姿态检测和作业控制方法及装置
CN111541188A (zh) 输电线路检测装置及方法
CN116046076A (zh) 一种基于机器视觉技术的输电线路舞动在线检测系统
CN109508808A (zh) 一种基于pso-bp神经网络的弧垂预测方法
CN114578315B (zh) 基于无人机激光雷达探测的电力线危险点预测方法和装置
CN116047499A (zh) 一种目标施工车辆的输电线路高精度实时防护系统和方法

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