中国工程论文网
代写工程论文
当前位置:工程论文网 > 电力工程论文 > 基于机器学习的接触网图像电力检测的研究

基于机器学习的接触网图像电力检测的研究

时间:2018-03-16 19:35来源:www.e-lunwen.com 作者:lgg 点击:
本文是一篇电力工程论文,电力工程即与电能的生产、输送、分配有关的工程,广义上还包括把电作为动力和能源在多种领域中应用的工程。
本文是一篇电力工程论文,电力工程即与电能的生产、输送、分配有关的工程,广义上还包括把电作为动力和能源在多种领域中应用的工程。(以上内容来自百度百科)今天为大家推荐一篇电力工程论文,供大家参考。
 
一、 绪论
 
1.1 研究背景和意义
高速铁路弓网之间的受流质量直接决定了动车组的供电稳定性与安全运行,同时也决定了动车组最高的运行速度。在铁路供电系统中,接触网由沿线铺设的支柱、支柱上的支持与定位装置、接触悬挂等部分组成。其中的接触悬挂由支持与定位装置对其进行空中支持与定位,实现接触线与受电弓的空中接触。其支持装置工作于露天环境,零器件直接暴露在雨雪大风等天气,加上鸟兽碰撞,高速运行中的飞石等意外,容易产生零件松脱、断裂、缺失等状况,影响行车安全。根据运输局资料显示,牵引供电系统故障造成的铁路事故在 2008 年、2009 年、2010 年分别占到了当年事故总数的 28.8%、40.4%、29.6%。弓网系统的质量已成为提速、提高运营可靠性的关键。因此工作中需做到及时找出此类问题,并快速定位故障点迅速做出反应处理。由此可见对接触网各装置的实时检测十分重要,是保障车辆与乘客安全的必要任务【1】。再加上近年来随着我国电气化铁路事业的飞速发展,依据十三五规划,至 2020 年,高速铁路营业里程达到 3 万公里,覆盖 80%以上的大城市。为应付如此庞大的运营路线所带来的接触网检测任务,传统的人工巡检费时费力,并且不具备实时性,因此各路局单位存在对接触网各装置自动检测的需求。为了确保线路安全,提高供电安全性、可靠性与稳定性,我国制定了高铁供电安全检测监控 6C 系统。其中非接触式图像检测术可利用单一设备同时对多种弓网零部件进行检测,减少设备数量,节省投资;设备智能程度高,可自动识别弓网参数与故障;可开发不干扰行车的弓网检测装置【2】;所谓图像处理,就是对图像信息进行加工以满足应用需求的行为。应对日益增多的铁路检测任务,使用图像自动检测是一个必然的趋势。通常的图像处理手段有光学方法与电子学方法。前者发展时间较长,从简单的光学滤波到现在的激光技术,其理论完善、处理迅速、信息量巨大。但是其精度不高,稳定性差,操作不便。而随着计算机技术的飞速发展,依赖数学方法,通过计算机大规模计算来完成图像处理已经普及。数字图像处理技术精度高,而且通过改良算法来不断提高准确度,就目前来看,应用了图像数字处理技术的自动驾驶、车牌识别、行人检测等项目都发展较快。大大的降低了公司的人工成本,与时间开销。因此在人工检测任务繁重的铁路行业,图像检测技术具有很大的开发空间。目前对于接触网图像检测的需求日渐增长,虽然在实际接触网图像检测这一块的研究和论文有很多,然而实际应用却很少,究其主要原因在于接触网零器件的复杂和背景环境变化的剧烈,尤其在高速条件下,使得图像的处理与识别十分困难。因此本文以基于支持向量机(SVM)的图像检测为工具,用以实现接触网支持装置的自动检测。支持向量机属于机器学习算法,致力于研究如何通过计算的手段,利用经验来改善系统自身的性能。在接触网图像这一块,可以利用以往的图像“经验”数据来产生相应的“模型”,及“学习算法”,再下次接触到新图像时,可以根据模型判断接触网的好坏。此算法可以不断在实际运行中完善自己,可以适用于复杂的接触网图像,是将来接触网图像检测的发展方向【3】。
........
 
1.2 国内外研究现状
接触网检测目前主要依靠四种方式:1.人工检测;2.接触网弓网检测;3.非接触式测距弓网检测,主要为红外,激光等方式;4.非接触式图像处理技术。其中 20 世纪 90 年代起,计算机和图像处理技术进入高速发展时期,利用图像采集和处理技术进行弓网检测显示出明显的优势:图像检测技术可利用单一设备同时对多种弓网零部件进行检测,减少设备数量,节省投资;设备智能程度高,可自动识别弓网参数与故障【2】;目前国内已有较多对非接触式图像检测的研究,而不论何种算法,关键在于检测部件的定位与故障检测。其中接触网几何参数的检测如文献 4《基于图像处理的接触网动态几何参数测量研究》,铁科院的刘寅秋利用车顶摄像机测量接触网几何参数进行可行性分析,提出了一种利用图像处理技术,对摄像机影像进行处理,提取并计算接触网动态高度以及拉出值等参数的方法;文献 5《基于 SIFT 特征匹配的高速铁路接触网支撑装置耳片断裂检测研究》西南交大的韩烨,刘志刚采用基于 SIFT(尺度不变特征变换)理论的特征点匹配算法,利用待分析接触网支撑与悬挂装置图像和标准旋转双耳图像之间的局部特征点匹配,实现旋转双耳的定位与提取,并提出一种改进的 RANSAC 算法对错误匹配进行消除,保证定位的准确。通过分析旋转双耳上边界曲线上各点的弯曲度,判断是否存在耳片断裂故障;文献 6《基于AdaBoost 算法的接触网定位器识别》王旭东,吴积钦,徐可佳等提出了一种 Hough 变换与 AdaBoost 算法相结合的定位器识别算法,的主要思想便是通过 Hough 变换来对采集到的接触网图像中的直线特征进行提取,然后根据 AdaBoost 算法在目标识别方面的功能,首先找出能够代表支柱的直线,根据支柱的位置缩小检测的范围,从而进一步确定定位器在图中的位置,由于接触网支柱在图像中的尺寸较大,垂直直线的特征表现较为明显,因此检测效果要好,但是定位器的尺寸较小,检测过程中容易受到干扰,而且在道岔等位置,一根支柱上安装有 2 套支持装置,腕臂间结构较为复杂,不容易检测出定位器的位置;文献 7《基于角点匹配与谱聚类的接触网绝缘子破损/夹杂异物故障检测》使用基于 Harris 角点与谱聚类实现了绝缘子的抗旋转匹配和故障检测。首先对选取的模板图像及待检测图像分别进行 Harris 角点检测,使用序贯相似性检测算法(SSDA)算法匹配角点;然后对匹配后的角点进行模糊聚类并提取聚类中心,利用 CV(Chan—Vese)模型提取绝缘子轮廓;接着利用离散余弦变换对绝缘子图像故障信息增强并对其边缘检测;最终对边缘点进行谱聚类实现绝缘子的破损/夹杂异物故障判断。该方法能够实现模板匹配的抗旋转性,对图像亮度和对比度的依赖程度较小,且提高了绝缘子区域提取的精度。但是其提出的棒式绝缘子检测方法由于较为繁琐,计算速度过慢,无法实现绝缘子故障实时检测,仍需进一步优化、提高检测效率。《基于快速鲁棒性特征匹配的电气化铁路绝缘子不良状态检测》中杨红梅针对电气化铁路接触网非接触式图像检测中绝缘子不良状态的自动识别定位问题,提出一种基于快速鲁棒性特征(speeded-up robust features,SURF)匹配的检测方法。该方法首先通过 SURF 进行待检测图像中绝缘子的特征提取与匹配;接着对绝缘子进行角度校正及形态学操作等预处理;最后纵向统计绝缘子灰度并根据其灰度极小值分布规律识别和定位其不良状态。克服了因拍摄角度不同、光照不均等客观因素引起的特征变化、失效等问题。同时 SURF 算法具有的快速鲁棒性可实现绝缘子快速、准确的识别定位。
...........
 
二、 支持向量机理论
 
2.1 SVM 基本理论
分类作为数据挖掘领域中一项非常重要的任务,它的目的是学会一个分类函数或分类模型,而支持向量机本身便是一种监督式学习的方法,它广泛的应用于统计分类以及回归分析中。支持向量机(SVM)是 90 年代中期发展起来的基于统计学习理论的一种机器学习方法,通过寻求结构化风险最小来提高学习机泛化能力,实现经验风险和置信范围的最小化,从而达到在统计样本量较少的情况下,亦能获得良好统计规律的目的。通俗来讲,支持向量机是一种二类分类模型,其基本模型定义为特征空间上的间隔最大的线性分类器:即支持向量机的学习策略便是间隔最大化,最终可转化为一个凸二次规划问题的求解(作者:July、pluskid,出处:结构之法算法之道 blog)。换一种说法就是找到下图中的直线面用于将两类样本分开,同时使其个分界点相距直线的距离最远。
..........
 
2.2 非线性问题与核函数
在前面的讨论中,我们一直假设所有样本在样本空间或者扩展后的特征空间线性可分,然后在现实中,数据一般很难有完全可分的,即使通过核函数找到了在特征空间中线性可分,也很难断定是否过拟合。因此为了缓解该问题,支持向量机允许在一些样本上出错,引入软间隔(soft margin)概念。自从图像处理技术发展以来,对图像特征的提取一直是研究的重点。将一幅幅图像转变为相应的数据才方便处理处理。当一副图像摆在计算机面前时,程序依靠特征来将其定义分类,图像的特征很好的代表了整张图像的信息,虽然至今为止特征没有万能和精确的定义,因为特征的精确定义往往由问题或者应用类型决定。但是很明显特征是一个图像中“有趣”的部分,它是许多计算机图像分析算法的起点。计算机可以通过提取该“特征”来验证是否属于同一类图像。因此一个算法是否成功往往由它使用和定义的特征决定。同时特征提取最重要的一个特性是“可重复性”:同一类型的东西的不同图像所提取的特征应该是相同的。要建立一个图像识别分类系统,必须先确定需要识别的对象有哪些特性和特征来产生参数,这些特征参数值组成了图像的特征向量。因此特征向量的选择是在图像识别分类开始前一个重要的先前过程,选择出分辨率高并且简洁的特征参数尤其重要,因为在下一步分类系统中特征参数将是唯一的依据。若特征选择不当或者没有足够的特征参数,识别分类的准确性将难以保证,因此能够快速、准确的提取对象的有效特征参数是进行识别分类的关键[25]。特征的选择过程中我们需要确保其不丢失原图像的重要信息,因此要求特征多样性。但因为特征过多会带来维数灾难问题,故我们需要选择出最能代表图像特性的关键特征。将复杂的因素抽丝剥茧,使最基本的特征一一浮现,可以让接触网故障检测的问题更为清晰。
.........
 
三、 图像特征的选择与提取..........14
3.1 基于纹理的特征提取......... 14
3.2 基于颜色的特征提取......... 17
3.3 基于形状的特征提取......... 18
3.3.1 基于轮廓形状的特征提取............ 19
3.3.2 基于区域形状的特征提取.... 21
3.4 基于相位信息的特征提取........... 22
四、 基于 SVM 的接触网图像检测实例......... 24
4.1 受电弓碳滑板监测..... 24
4.2 接触网绝缘子检测..... 37
4.3 接触网定位器定位..... 44
4.3.1 接触网定位器简介....... 44
4.3.2 定位器图像预处理....... 46
4.3.3 SVM 分类....48
五、 总结与展望............49
5.1 工作总结............ 49
5.2 发展与趋势........ 50
 
四、 基于 SVM 的接触网图像检测实例
 
本节内容以受电弓碳滑板检测、接触网绝缘子检测、定位器定位为例,阐述支持向量机在接触网检测的作用:依据采集的不同部位图像,选择适合的特征提取方法,训练相应的支持向量机分类器,最后通过实验来验证分类器效果。程序大致流程:首先对采集的图像完成预处理,去除噪声等影响。然后对整体图像进行图像分割,提取出需要检测的区域。接着提取零件的图像特征,该特征需能包括所有零件信息,在该器件受损或故障时,特征数值有明显变化。再针对采集的样本图像提取相应特征,如果特征数值非线性则选择不同核函数来训练支持向量机。最后使用额外的样本作为测试数据,来进行分类器的验证,得出不同核函数的分类效果,依此选取最适合的核函数分类器。
 
4.1 受电弓碳滑板监测
受电弓最上端部分的碳滑板是机车取电的关键部位,其具有导电性,耐磨性,及较高的机械强度,是受电弓的集电元件,与接触线滑动接触完成牵引电能的传输。故虽然碳滑板不是接触网的一部分,但考虑到其在弓网受电过程中的特殊作用,本文虽主要研究支持向量机在接触网检测中的应用,但也包含了一例碳滑板检测。由于在受电弓沿接触线高速滑行的过程中包括了“复杂振动、复杂碰撞与高速滑动摩擦”等多种运动机理及其复合作用。接触线不平顺会引起受电弓的上下振动和前后冲击。造成除碳滑板的正常磨损外,额外的机械损伤。除此以外,滑板和接触线之间还存在静摩擦和动摩擦,这种摩擦所产生的能量以热、表面机械磨耗等形式转换。除了机械损害外,在列车高速运行过程中由于接触网不平顺,会造成弓网的短暂分离,即离线状态。在此状态下,牵引供电回路处于电气过渡过程,会引起诸如过电压、电弧等电气问题。虽然电弧维持了电气列车取流的连续性,这对移动接触能量传输系统非常重要,但电弧温度极高,可达 6000℃~8000℃,会造成滑板的烧伤,影响其工作特性。由此可见,受电弓的碳滑板监测是必要的,而且在铁路总公司提出的 6C 系统中,也包含了碳滑板的监测。
.........
 
总结
 
经过多年来的发展,我国高速铁路已经覆盖大部分一二线城市。在运营里程不断增加,并且运行速度也不断增长的前提下,对接触网的要求也越来越高。为应付如此庞大的运营路线所带来的接触网检测任务,传统的人工巡检费时费力,并且不具备实时性,因此自动检测识别技术成为现在铁路检测的研究热点。本文的研究工作正是在此背景下展开。本文研究的主要目的是找出其算法在接触网检测中的实际应用,并以接触网绝缘子检测,受电弓检测等为例,找出适用于接触网图像的特征提取算法,并设计了相应的程序框架,用以完成相应目标的快速定位。在本课题的研究中,主要完成了以下几点:
一:分别介绍了目前接触网图像检测应用情况,及支持向量机在各行业中的应用背景。以此引入支持向量机应用于接触网图像检测中的可能。
二:在参考研究了国内外各行业中的 SVM 利用情况,总结了适用于支持向量机的多种特征提取办法,得出从纹理,色彩,轮廓以及相位信息几个方面来进行特征提取的结论。并且根据接触网检测中个零器件的复杂性,针对不同的检测应当选择不同的特征来进行识别,利于提高特征分类的准确性。
三:在二、三章节的基础上,进行接触网检测中支持向量机的实例研究,对应接触网碳滑板检测、绝缘子检测和接触网定位器识别分别设计训练了相关分类器。其中利用了其轮廓、颜色与纹理来进行特征提取,并以查准率及查全率作为指标,验证了不同特征提取与不同核函数条件下的分类器效果。
..........
参考文献(略)
(责任编辑:gufeng)
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
栏目列表
点击提交代写需求
点击提交代写需求
点击提交代写需求
推荐内容