基于接觸網擴展監測的區間綜合智能檢測研究

于秋波，韓朝建，張曉飛，王寶順，陳 振，倪國政

（天津津鐵供電有限公司，天津 300000）

本文以天津地鐵6 號線為例，詳細介紹地鐵區間綜合智能檢測系統。該系統在既有接觸網檢測車上實施功能擴展改造，增加供電線纜紅外溫度檢測、無線場強檢測、限界檢測等功能，實現基于接觸網檢測車為主體的6 號線區間綜合智能檢測功能。

1 系統構成

基于接觸網檢測車平臺搭建一套綜合檢測系統，包括人機交互設備、檢測服務器、環網電纜紅外測溫系統、區間設備限界檢測系統、無線專網場強檢測系統，離線數據管理系統等組成部分。系統結構如圖1 所示。

圖1 基于接觸網檢測車的綜合檢測系統Fig.1 Comprehensive detection system based on catenary inspection vehicle

2 檢測方案

2.1 環網電纜紅外溫度及傳感器檢測

1）設備構成

供電電纜溫度檢測系統由兩組紅外相機配合定點溫度傳感器無線采集的方案構成：在檢測機車兩側各安裝一組紅外相機及配套的檢測裝置；紅外相機及檢測裝置安裝在車頭兩側距離軌面70 cm 高度的側方位置，相機角度朝向側面；紅外相機像場及焦距經過校準，完全覆蓋隧道側壁供電線纜的安裝區域；設備安裝確保不侵入設備限界。

2）檢測方法

紅外相機自動對焦，對沿線路敷設于疏散平臺下方的供電環網電纜進行紅外成像。

分析軟件能夠讀取紅外相機拍攝的紅外圖像并進行形態分析。通過算法處理，分割出圖像中供電電纜成像區域；同時通過采集軌旁設備的感溫元器件的溫度，對電纜接頭處的溫度進行精確采集。

檢測系統對供電電纜成像區域進行深度分析處理，形成溫度梯度分布信息，進一步確定電纜溫度并生成曲線圖。

依據系統設定的閾值（可修改）做出判斷，超標點位輸出報警信息在人機界面上顯示，同時顯示測量值、里程位置以及實時圖像等信息。

系統通過對比歷史測量數據，將相同位置兩次檢測的數據信息做對比，發現溫度變化超出設定值的點，能產生報警。

系統能夠實時存儲檢測的各項數據，便于查詢分析時使用。

2.2 限界檢測

1）設備構成

限界檢測系統由激光雷達、相機組合、水平測量裝置以及其他配套的機械、電氣裝置構成。激光雷達用于對隧道進行掃描，生成雷達點云數據；相機組合可觀察激光雷達的視野盲區，同時用于識別限界內是否有人闖入，保證人身安全；水平測量裝置用于確定車輛的水平姿態，形成準確的限界檢測區域，限界檢測效果如圖2 所示。

圖2 限界檢測效果示意Fig.2 Schematic diagram of clearance detection effect

雷達和相機組合安裝在檢測車車頭位置，且不影響機車連掛作業。

水平測量裝置安置在檢測機車內部，且不影響既有設備正常工作。

設備安裝確保不侵入設備限界。

2）檢測方法

激光雷達能夠實現360°限界檢測。

能夠對限界檢測參數進行設定，確定雷達侵限檢測的區域。

在檢測工作前，需向系統輸入基礎數據庫。基礎數據庫需結合6 號線線路實際情況建立，應適應隧道曲線、坡度等變化情況下的精確檢測，基礎數據庫需預留擴充空間，以備線路延長后能夠實現全線的檢測。

檢測系統對雷達檢測的數據以及水平檢測裝置的數據進行判斷處理，確定侵限檢測區域內是否存在障礙物。

當檢測到障礙物時能夠產生報警，同時在人機界面上顯示障礙物侵限的數量、尺寸，空間分布、里程位置及實時圖像等詳細信息。

系統能夠對比歷史測量數據，將相同位置兩次檢測的數據信息做對比，發現侵入量發生變化的點，并能產生報警。

系統實時存儲侵限檢測的各項數據，便于查詢分析時使用。

經典的點云降噪技術是采用kd-tree 配合K-means 聚類算法，但當前技術的點云和噪聲行為仍然混有物體點云數據中的小噪聲點和噪聲，無法刪除。相比之下，常用的基于云數據與歐氏距離相對密度的方法把其剔除，影響了后續3D 模型坡度重新搭建的精度，必須直接解決。點云數據集是一組沒有拓撲連接的坐標位置。通過多邊形濾波能夠求出點云法向量以及折射率，但點云模型尖銳區域差異并不突出，這也導致了過橋問題。本文的主要參數是采樣點的折射率ωi，增加多邊形濾波器的系數以提高特征保留，并用于非離群噪聲點的平滑。

表面法線是幾何表面的一個重要屬性。通過擬合點云的局部表面，能夠很好地估算法向量。本文通過主成分分析來估算法向量。首先，對采樣點進行近鄰搜索，得到k個鄰近點來代替點pi的局部表面S，即pi∈S，由相鄰點形成的協方差矩陣C如公式（1）所示。

點云中任意采樣點的曲率可以通過擬合該點及其鄰域的局部曲面的曲率來表示，并通過主成分分析法估算，該點曲率如公式（2）所示。

雙向過濾因子取決于鄰域信息。如果點云模型的局部區域很尖銳，就會很難區分采樣點的法線方向，而無法準確發現噪聲。為優化采樣點的鄰域，提高噪聲點搜索的精度，本文采用采樣點的曲率作為參數來優化雙邊濾波因子，如公式（3）所示。

點pi到鄰近點距離的平滑權重Wσc（空間權重）和特征域權重Wσs（影響權重）如公式（4）所示。

公式（4）中Wσc，Wσs均為高斯核函數，表示相鄰點對該點的影響權重；σc表示點pi到各鄰域點距離的影響因子，通常取鄰域半徑；σs表示每個鄰近點在pi點的法向量上的投影距離的影響因子，通常取鄰近點的標準差；當σc確定之后，點云法線方向上的平滑距離和σs成正比。將優化后的雙邊濾波因子αi代入下式，即可算出pi的幾何位置。

基于優化雙邊濾波的非離群點去噪算法的具體步驟如下。

1）初始化k值，創建kd樹，計算pi點云數據點的k個鄰近點，如公式（5）所示。

2）利用PCA 估計點云的法向量ni和曲率值wi。

3）計算各采樣點的pi平滑權重Wσc參數x與特征域權重Wσs參數y，如公式（6）所示。

4）計算特征域權重Wσs和平滑權重Wσc。

5）將Wσs與Wσc代入到式（3）中計算雙邊濾波因子αi。

6）計算pi點的幾何位置，得到去噪后的點云數據模型。

當σc一定時，隨著σs的增大，點云的局部幾何特征保持較好，但在較平坦的區域，平滑度較差;當σs一定時，隨著σc增大，點云模型的平滑性較好，但局部幾何特征的保留較差。

改進前雙邊濾波處理的點云效果如圖3 所示，包含（a）～（d）4 種場景：隧道區間內；進入站臺附近，遇到扶手；站臺范圍內；距離站臺較遠位置。改進后的雙邊濾波處理的點云如圖4 所示，也包含（a）～（d）4 種場景：隧道區間內；進入站臺附近，遇到扶手；站臺范圍內；距離站臺較遠位置。該方法經過據實際的隧道點云數據測算，成功過濾了90%的噪聲點云，顯著減少了外界的因素以及雷達本身的原因造成的噪聲帶來的影響，進而實現了對鐵軌的精準識別，達到限界效果。

圖3 改進前雙邊濾波處理的點云效果Fig.3 Point cloud rendering of bilateral filtering processing before Improvement

圖4 改進后的雙邊濾波的點云效果Fig.4 Point cloud rendering of improved bilateral filtering processing

2.3 無線場強檢測

1）設備構成

無線場強檢測系統由檢測天線、檢測主機以及人機交互界面構成。檢測天線用于接收需要測試的通信漏纜、安防漏纜以及WLAN 無線信號；主機用于對天線接收到的無線信號進行測試與分析；人機交互界面用于測試人員操作測試軟件，讀取信息。

檢測天線安裝于檢測車車頂。

檢測主機安裝于車內設備機柜。

人機交互HMI，位于駕駛室操作臺（與其他檢測模塊共用一臺設備）。

設備安裝滿足設備限界安裝要求。

2）檢測方法

車頂天線接收無線信號，將信號傳送給檢測主機做數據分析，在人機交互界面上能夠實時顯示各頻段無線信號場強數值。

檢測前在交互界面上設定并調節各頻段無線信號的檢測報警閾值，當檢測到無線信號場強低于閾值時，在顯示界面上輸出報警信息，包括實測場強值、里程信息等。

檢測主機在記錄數據提供報警的同時，記錄并生成各頻段無線信號場強值關于里程信息的二維曲線，該曲線具備與歷史曲線對比的功能。

系統實時存儲場強檢測的各項數據，便于查詢分析時使用。

2.4 離線數據管理系統

1）設備構成

離線數據管理系統由離線管理服務器、HMI、A4 彩色打印機及鍵盤鼠標構成。

2）功能

離線數據管理系統可按線纜溫度檢測、限界檢測、無線場強檢測等不同檢測系統分類查詢報警信息；并可依據篩選條件自動形成報警信息統計報表。

對于每條報警信息，能夠查詢報警時間、報警位置、報警圖像等。系統可結合歷史數據，生成對比曲線圖，以及變化趨勢。

系統具備開放式數據分析的功能，可依據固定模板的數據表格進行數據統計與分析處理工作，輸出所需的統計報表。

3 結語

本文結合天津地鐵6 號線，對地鐵區間綜合智能檢測方法做出詳細說明，實施后具有智能監控區間設備狀態的功能，提升設備檢測效率及準確度，提高地鐵區間設備安全性。電纜紅外檢測系統能夠通過紅外成像的方式，對電纜局部缺陷誘發的溫升做出判斷，發現電纜隱性缺陷，通過智能化監測手段實現環網電纜的預防性維修。激光雷達實現每月1 次的限界檢測，能夠提前發現侵入設定限界范圍的物體，及時處理潛在侵限隱患，能降低侵限事件發生的概率。加裝無線場強測量系統后，可以對區間內通信漏纜、安防漏纜、WLAN 等不同頻段通信系統的信號場強做測試，提前發現信號不穩定的點位，及時保障行車運營安全。離線數據分析系統圍繞上述各監測功能做檢測數據的統計分析，既提高數據分析的效率，又能從多方位增強設備狀態的評價與管理，提高設備運維的智能化水平。