鐵路接觸網補償器狀態檢測技術與未來展望

摘要：接觸網補償器是一種自動調節接觸線和承力索張力的重要裝置，其是否正常運行對鐵路交通安全運行具有重要意義。首先，以鐵路接觸網使用的滑輪補償器為對象介紹了補償器的工作原理及其異常狀態的判定方法。其次，講述了當前接觸網補償器異常狀態各種檢測手段。再次，詳細介紹了基于深度學習的接觸網補償器異常狀態檢測技術。最后，總結了目前接觸網補償器檢測技術的優勢和不足，并對其未來的發展進行了展望。

關鍵詞：接觸網補償器異常狀態深度學習檢測技術

中圖分類號：U298

StateDetectionTechnologyandFutureProspectsofRailroadCatenaryCompensator

QIUQiyuanCAIZhengdaCHENYue

XihuaUniversity，ChengduCity，SichuanProvince，610039China

Abstract：Acatenarycompensatorisanimportantdevicethatautomaticallyadjuststhetensionofcontactwiresandload-bearingcables，anditsnormaloperationisofgreatsignificanceforthesafeoperationofrailwaytraffic.Firstly，takingthepulleycompensatorusedinrailwayoverheadcontactlineastheobject，thearticleintroducestheworkingprincipleofcatenarycompensatoranditsabnormalstatedeterminationmethod.Secondly，itdescribesvariousdetectionmethodsforabnormalstatesofcatenarycompensators.Then，itintroducesindetailthetechnologyofdetectingabnormalstatesincatenarycompensatorsbasedondeeplearning.Finally，theadvantagesandshortcomingsofthecurrentdetectiontechnologyofcatenarycompensatoraresummarized，anditsfuturedevelopmentisoutlooked.

KeyWords：Catenarycompensator;Abnormalstate;Deeplearning;Detectiontechnology

鐵路運輸是現代運輸行業中最受人們歡迎的方式之一。方便了人們的出行和貨物的運輸，但也引發了人們對防災問題的關注[1]。由于列車環境封閉、客貨量大等因素，鐵路交通事故造成的人員死傷和經濟損失更為嚴重。于是，鐵路災害預防成為鐵路部門的關注焦點。在此背景下，鐵路供電系統的安全預防成為防災工作的重要方向之一。

作為鐵路牽引供電系統的重要組成部分，接觸網的運行狀態直接關系整個電氣化鐵路的安全運行。接觸網張力是決定接觸網是否安全運行的重要參數之一。接觸網需要有足夠的張力，以確保良好的弓網關系，實現電力機車通過受電弓穩定取流。接觸網張力是否穩定與補償裝置的工作狀態密切相關，若補償裝置的部件發生卡滯、墜砣丟失、墜砣觸底等情況，可能導致接觸網張力異常變化，從而影響列車受電弓的滑動，降低取流質量，嚴重時還會引起打弓、斷線等重大事故[2]，對電氣化鐵路的安全運行構成威脅。因此，如何設計一套補償裝置在線監測系統，用以高效、準確地監測補償裝置的運行狀態，成為亟待解決的列車安全行駛問題。

1接觸網補償器的原理和異常狀態的判定

鐵路接觸網補償器一般使用滑輪補償器，是一種自動調節接觸線和承力索張力的裝置，其主要組成部件包括墜砣串、杵環桿、墜砣桿、補償滑輪等。接觸網補償器安裝在錨段的兩端，并且串接在接觸線承力索內，其主要工作原理是利用接觸網線索墜砣串的重量來維持接觸網線索張力的平衡狀態。

根據巡檢發現的問題種類與問題出現頻率來看，接觸網補償器最主要的失效形式是墜砣串觸底和墜砣桿卡滯[3]。在實際運行中，受外界氣溫變化和外力的影響，補償器線索會發生伸縮或移動，從而導致墜砣串的高度位置發生改變。當墜砣串位置過高時，墜砣串上方的墜砣桿耳環孔可能與補償滑輪裝置觸碰，導致補償裝置卡滯；而當墜砣串位置過低時，可能因墜砣串底部接觸地面或障礙物而導致補償功能失效。為了約束接觸網補償器墜砣串的升降范圍[4]，由鐵道部頒布的《接觸網運行檢修規程》引入了接觸網補償器a、b值的概念（見圖1）與a、b值運行時候的限定值。若補償器實際a、b值小于限定值則判斷補償器狀態異常。通過計算補償器墜砣桿耳環孔中心到補償滑輪（定滑輪）底部之間的相對高度差，可獲得a值；計算基準面上表面與墜砣串底部之間的相對高度差，可獲得b值，a、b值的限定值要求任何情況下不得低于200mm。綜上所述，若a、b值低于界限值，則可判定接觸網補償器狀態異常。

2接觸網補償器異常狀態的各檢測形式概述

目前，根據《普速鐵路接觸網運行維修規則》《重載鐵路接觸網運行維修細則》的規定，接觸網補償器的檢測形式大致可以分為三類，分別為人工巡檢、接觸式自動檢測以及非接觸式自動檢測。

2.1人工巡檢

鐵路部門安排工作人員對接觸網進行定期巡檢，巡檢周期根據線路的實際情況有所不同，重載路段、高速路段以及不能被自動檢測的路段人工檢測周期短。人工巡檢檢測自由度高、可記錄問題種類多，并且能立刻對簡單問題進行處理。然而，人工巡檢存在一定問題：一是每位巡檢人員能夠巡檢的補償器數量有限；二是部分列車線路處于低氧、風沙、高寒等惡劣環境[5]，檢測人員的安全問題得不到有效保證；三是人工巡檢補償器主觀因素較大，對巡檢人員的專業素養有較高要求。因此，人工巡檢存在效率低、成本高、安全性低以及對工作人員經驗要求較高的問題。

2.2接觸式自動檢測

鐵路研究人員研究了接觸式自動檢測方法對補償器進行靜態自動檢測以改進人工巡檢存在的問題。接觸式自動檢測是利用硬件檢測終端實時收集補償器的各項數據，并利用無線傳輸將數據信息發送到服務器，由此建立一套接觸網補償裝置的在線監測系統[6]。而檢測的方式則是利用各種傳感器對接觸網張力、溫度等數據進行直接測量[7]。相較于人工巡檢，接觸式檢測具有較高的時效性和準確性，但其成本較高且需要的設備量較大，導致前期建設和后期維護較為困難。

2.3非接觸式自動檢測方面

中國國家鐵路集團有限公司為實現接觸網的自動巡檢和弓網實時監測主持開發并實現了6C系統（用供電安全檢測監測系統）[8]。其中的2C裝置更是專門為接觸網安全設置的移動檢測裝置。通過安裝在運行車輛的視頻采集設備，結合深度學習的目標檢測、目標跟蹤等技術，可以更快速、更準確地判斷接觸網張力補償器的運行狀態是否異常，從而實現對接觸網補償器異常狀態的檢測。圖像檢測技術對行車干擾小的特點[9]，不會對列車正常運行造成影響。此外，相較于接觸式檢測，基于圖像處理的非接觸式檢測技術具有較低的前期應用成本。并且，非接觸式檢測后期維護效率高、成本低，僅需對各車頭光學檢測設備進行檢修和優化。因此，如何利用基于圖像處理的非接觸式檢測手段自動、快速、準確地發現張力補償器的異常狀態，成為接觸網補償器運行狀態檢測的重點研究方向。

3非接觸式自動檢測技術原理概述

目前，接觸網補償器的非接觸式自動檢測主要是采取基于深度學習的補償器a、b值檢測。基于深度學習的接觸網補償器a、b值檢測主要包括圖像采集和圖像處理兩個方面。

3.1圖像采集

2C裝置提供了非接觸式的檢測手段，而將2C裝置的傳統單目攝像機改為雙目AI攝像機則提供了便捷的測高方法。測量接觸網補償器的a、b值需要知道與a、b值相關的待測物體的相對高度。但傳統單目攝像機測高需要標定刻度尺并確定攝像機參數、攝像機與待測量物體的位置關系，才能最終計算出物體的實際高度。然而，在鐵路接觸網補償器實際檢測中，由于鐵路環境復雜，標定刻度尺和確定攝像機與被測量物體的位置關系相對困難。因此，只能采用時差、光流等復雜計算方法計算a、b值的大小。而使用雙目AI攝像機則能夠簡單直接地測量各待檢測目標的相對高度。雙目AI攝像機是一種智能視覺系統，它由兩個攝像頭組成，模擬了人類的雙眼視覺。雙目攝像機關鍵的原理是視差，即同一物體在兩個圖像中的位置差異。當物體距離攝像機較近時，兩個圖像中的物體位置差異較大，而當物體距離攝像機較遠時，差異較小。這種差異可以用來估計物體到攝像機的距離。結合已知的攝像頭間距離，可以利用三角測量原理計算出物體的實際高度。

3.2圖像處理

首先，需要使用目標檢測算法準確找到接觸網補償器a、b值所需的相關物體，包括同一支柱上的基準面、墜砣、接觸桿耳環孔和補償滑輪4個部分。其次，使用雙目攝像機測算出a、b值相關物體的空間坐標。最后，根據坐標計算物體之間的相對高度差，進而確定補償器的a、b值，與限定值比較后即可確定補償器張力狀態是否異常。在目標檢測手段上，傳統視覺技術雖然已經取得了一定的成果，但在復雜場景下的目標檢測和跟蹤仍然存在一些挑戰，如光照變化、遮擋、復雜背景等。這些復雜環境情況在鐵路線路中屢見不鮮。而深度學習算法能夠從大量數據中學習到更加復雜、高級的特征，并且具有更強的泛化能力。因此，基于深度學習的目標檢測在復雜環境中通常表現出比傳統方法更優越的性能。而在深度學習算法的目標檢測算法中，數據集數量越多，則訓練的準確率可能越高。由于高鐵線路環境復雜加上可獲取的接觸網補償器圖像數量龐大，故這類算法尤其適用。

4非接觸式自動檢測技術的未來改進方向

雖然非接觸式自動檢測技術目前表現出色，但是仍有很多方向值得探討和研究。

4.1復雜環境路面

由于鐵路環境的復雜性，某些場景可能有待測目標被遮擋導致檢測結果不準確。因此，針對這類場景，可以考慮采用小型數據集的目標檢測方法。這種方法利用在大型數據集上預先訓練的模型作為基礎，在小型數據集上進行微調，可應對少數極端環境的檢測。

4.2自動標注數據集

由于接觸網補償器數量眾多、子集種類繁多，因此在目標檢測方面需要進行人工抽幀和人工標注。這一過程需要耗費大量的時間成本，并且容易出現漏標和錯標的情況。因此，有必要研究一種自動標注技術，以實現對待檢測物的自動標注[10]。

4.3惡劣天氣與低光強度監測

目前的非接觸式光學檢測主要在日間非雨雪風沙等環境下進行。因此，在夜間以及一些惡劣天氣（如風、雨、雪）條件下，對補償器異常狀態的判定效率會顯著降低。為提高在惡劣天氣和地光強度條件下的檢測效率，可以考慮從硬件方面著手，更新檢測設備。

5結語

總體而言，人工巡檢能巡檢到自動巡檢無法覆蓋的極端環境，但局限性較大。接觸式的硬件檢測在檢測接觸網補償器張力異常狀態方面具有時效性和高準確率。然而，由于接觸網補償器數量龐大，導致檢測硬件設備需求較大且后期維護困難。因此，非接觸式的自動檢測手段成為日后接觸網張力異常狀態檢測的發展趨勢。其中，基于深度學習的目標檢測和雙目AI攝像機測距結合的檢測方法在檢測精度和速度方面表現優異。此外，相對于接觸式自動檢測，非接觸式自動檢測在前期成本和后期維護成本都明顯降低。

參考文獻

• 郭棟鴻.基于機器視覺的鐵路軌道異物入侵檢測算法研究[D].蘭州：蘭州交通大學，2020.
• 白思寧.基于Cox模型的接觸網缺陷致因分析與風險評估[D].成都：西南交通大學，2022.
• 李曉旭.重載鐵路接觸網補償裝置b值在線檢測裝置研究[J].電氣化鐵道，2022，33（S1）：121-124，128.
• 陳志濤.高寒鐵路電氣化接觸網補償器b值研究[J].哈爾濱鐵道科技，2018（3）：7-11，22.
• 王文聰，趙國棟，張彩霞，等.青藏鐵路高鐵接觸網檢測車[J].機車電傳動，2019（2）：133-138.
• 劉光棟.基于NB-IoT的接觸網補償裝置在線監測系統開發及數據分析[D].北京：北京交通大學，2021.
• 譚平，李裕智，劉志健，等.接觸網張力檢測系統研究與設計[J].電氣化鐵道，2020，31（1）：1-4.
• 李耀云，高英杰，張文雍.高速鐵路供電安全檢測監測系統（6C系統）分析方法探討[J].電氣化鐵道，2019，30（S1）：205-208.
• 劉建仁，劉衛，陳滔.高速鐵路弓網動態圖像檢測技術研究綜述[J].裝備制造技術，2019（2）：186-190.
• 郭慶梅，劉寧波，王中訓，等.基于深度學習的目標檢測算法綜述[J].探測與控制學報，2023，45（6）：10-20，26.