吊弦故障影响下的接触网锚段区域动态行为研究

锚段关节是高速铁路接触网系统的重要组成部分,其动态行为直接影响高速运行工况下的弓网受流性能。目前,吊弦断裂等吊弦故障频繁出现在高速铁路接触网锚段区域,并对高速铁路弓网系统的运行稳定性产生了显著威胁。研究吊弦故障影响下的接触网锚段关节区域的动态行为对确保弓网系统受流性能有着重要意义。文章以某高速铁路接触网系统的锚段区域为研究对象,采用有限元方法建立了完整的三维锚段关节模型,并进一步搭建了包含锚段关节区间的“受电弓-接触网”耦合模型;基于该模型仿真分析了不同运行速度对弓网耦合接触力的影响,并进一步研究了锚段关节处吊弦故障影响下的锚段区域动态行为。由仿真计算结果可见,建立的锚段关节模型能够准确描述其动态行为,锚段关节处吊弦故障会显著恶化弓网受流性能和邻近区域的吊弦动力学行为,增加吊弦断裂风险,因此有必要在接触网巡检时对锚段关节处的吊弦状态进行仔细检查。

基于EfficientDet与Vision Transformer的接触网吊弦故障检测

针对传统检测方法在铁路接触网吊弦故障状态检测中存在识别率低,识别速度慢的问题,提出一种基于轻量型网络EfficientDet与Vision Transformer网络相结合的接触网吊弦状态检测算法。该算法包括目标定位和分类检测2个部分,利用改进EfficientDet进行吊弦定位,将定位出的吊弦送入改进Vision Transformer网络进行故障类别检测。首先,使用空洞卷积替代EfficientDet网络中第2层和第3层的普通卷积,以扩大感受野,并用CBAM代替原网络中的SE注意力机制,汇聚吊弦的高层语义信息,使得改进后的EfficientDet能有效定位出接触网中尺寸占比较小的吊弦;其次,为减少参数量并保留较大范围的特征相关性,应用4个3×3的小卷积替代Vision Transformer中Embedding的16×16的卷积层,以深度提取浅层与深层特征之间的联系,同时对比当Num-head取值不同时,分析注意力机制对空间信息的影响,以确定吊弦故障分类检测的最优模型;最后分别与定位网络YOLOv3,Faster R-CNN和分类网络AlexNet,VGG16进行对比分析,吊弦定位模型的准确率为95.2%,实时速率为31帧/s,故障检测模型的准确率达到98.6%,实时速率为28帧/s。实验表明所提出的算法能够快速准确地检测出小目标吊弦的故障状态,有效地提高了铁路接触网智能巡检的效率。