天津轨道交通供电智慧运维的建设与应用

智慧运维代表城轨设备设施的发展方向,对构建天津地铁高效能生产管理体系具有战略意义。围绕“智慧运维”规划及建设路径,业界已迈出探索及实践的步伐。随着供电可靠度和维保成本管控要求的不断提升,供电维保压力骤增,天津地铁供电专业基于多年业务经验积累和在信息化、智能化、智慧化方向的探索,开启了路径规划与实践应用。基于此,本文重点分析了天津轨道交通供电智慧运维的建设与应用。

基于YOLOv5s与PP-LC的电气化铁路接触网异物入侵检测模型设计

为及时检测接触网的异物入侵情况,并为工作人员提供高效准确的监测结果,结合YOLO系列版本5算法和轻量级CPU卷积神经网络构建了接触网异物入侵检测模型。该模型在传统YOLO系列版本5算法的基础上引入轻量级CPU卷积神经网络、注意力机制以及金字塔池化结构,并对其主干网络进行改进;同时,引入新的卷积模块改进算法的颈部结构。结果表明,研究设计模型的检测平均准确率为95.74%,且在与其他流行模型的比较实验中,其检测速度为0.012 s/帧,明显比其他模型快。该设计模型能在保证检测精度的基础上实现较高效率的异物检测。

城轨交通接触网安全在线监测系统

接触网是城轨交通供电系统的重要组成部分,为降低接触网故障对安全运营的影响,提出城轨交通接触网安全在线监测系统。通过计算机视觉、深度学习技术并研发相关硬件,对接触网设备导高值、拉出值、磨耗、悬挂部件、弓网燃弧及温度等状态实现在线自动检测,为检修运维提供数字化、可视化、智能化的技术手段,全面实现设备智能化巡视和设备状态感知。重点阐述监测系统总体架构、功能、关键技术,以及在天津地铁6号线的实际应用。应用效果表明:系统对缺陷检测精度高、对缺陷位置定位误差小,提升了接触网故障处理效率和应急响应速度,实现了接触网巡视、动态检测、静态检测、磨耗检测作业的少人化和无纸化,并逐渐实现接触网维护工作由计划修向状态修过渡。

基于YOLOv5的司机状态检测系统研究

为了提高工程车司机驾驶行为识别的精度和效率,本系统使用YOLOv5实现机车司机操作行为识别与视频监控,保证行车安全。本系统可实现疲劳驾驶监测、分心驾驶监测等多种不规范驾驶行为的检测,并且支持多路视频监测,提高监测效率。首先,利用车载摄像头采集司机驾驶状态视频流,传入检测模型;其次,通过网络模型进行实时监测,若出现不规范驾驶行为将发出警报并储存违规信息。为提高检测精度,本系统可通过人机交互界面自行绘制异形检测框,降低复杂背景对检测的不良影响。经过试验测试,该系统的损失在0.02左右,单类别检测准确率达到了92.5%,平均精度达到83.6%以上,能有效检测疲劳驾驶和驾驶时的不良行为,并及时发出语音警报提醒驾驶员。该系统将在减少工程事故、提高作业安全水平上发挥重要作用。

基于一种滤波跟踪算法的刚性接触网磨耗测量研究

城市轨道交通目前多采用刚性架空接触网供电方式为地铁列车提供电能动力。刚性接触网的磨耗状态是关乎弓网匹配关系的重要指标,磨耗如果超限后将会导致严重的弓网故障,因此对磨耗数据的监测十分重要。本研究以地铁刚性接触网为研究对象,通过线激光器与高速面阵相机实时拍摄光带轮廓,基于改进后的通道可靠性的多尺度背景感知相关滤波跟踪算法,拟合计算出磨耗数值,有效地处理光照、尺度、遮挡等复杂因素,取得较高跟踪精度和成功率,精确度高达94%。此方法以动态连续磨耗测量代替人工测量,实现连续、全面、高效检测接触网磨耗状态,能够大幅提高接触网磨耗测量效率与精度,达到全面管控接触网的目的,为接触网预防性维护提供指导。接触网导线磨耗能够实现连续测量,较人工测量方式测量效率显著提高。研究应用后在原有接触网磨耗数据监测的基础上,增加了接触网磨耗增长率跟踪监测,当接触网磨耗增长速度过快时,增加人工检查频次,保证接触网设备运营安全。

基于接触网扩展监测的区间综合智能检测研究

针对当前轨道交通对智能检测的需求,强化科技创新对轨道交通的支撑作用,要将新技术前瞻性地应用到地铁建设及运营领域,提高运维能力。鉴于当前区间设备状态监控的方法有限,传统的人工测量方法效率低,准确性差,详细阐述采用不同智能化检测手段,解决环网电缆隐性缺陷难发现、区间无线通信系统场强不能连续测量、异物侵限影响大的问题。该研究提高测量精度与效率,提前发现并组织解决异常问题,提升区间设备的安全性。

基于视觉辨识的机械臂控制系统设计

机械臂可以代替人在高温、高湿、高压、高危等环境中工作,它在工业生产中的重要性已经被各国的科研工作者所认可,因此各种形式的机械臂控制系统被广泛研究。基于嵌入式微控制器,采用视觉辨识相关技术,进行相关软件和硬件设计。基于视觉辨识的机械臂控制系统可以简化现有的机械臂控制系统,特别适用于高污染等特殊工作环境中,且其对于中国机器人及相关技术的发展具有一定的参考和启发意义。

基于改进型YOLOv5s的安全帽检测

针对复杂施工环境下的安全帽佩戴检测模型存在误检和漏检问题,基于YOLOv5s实验,提出一种改进型目标检测算法SH-YOLO,用于检测施工现场中安全帽的佩戴情况。SH-YOLO方法基于YOLOv5s,在Backbone层嵌入SimAM注意力机制,在Backbone与Neck连接处使用SPPFCSPC方法来减少原模型的计算量和参数量。在自制的安全帽数据集上进行对比实验,结果表明,SH-YOLO对安全帽的检测精度AP分别达到95.4%,较YOLOv5s分别提升6.7%,同时保持较低的参数量和较高的帧速。

基于改进FasterRCNN的受电弓监控视频弓网燃弧检测研究

高速列车弓网系统的稳定运行对于列车电力输送有着十分重要的意义。为提高弓网系统燃弧检测的准确性,探究了一种基于改进FasterRCNN的受电弓监控视频弓网燃弧检测方法,用于提取受电弓视频中的燃弧区域;同时,融合了VGG16网络,以改善图像分类与定位的性能。在仿真测试中,模型成功检测386张,误检5张(其中被误检为无燃弧情况的2张),漏检12张。由仿真实验结果可知,检测准确率为99.2%,查准率为99.2%,查全率为99.5%,证明了所提算法的有效性,具备一定的实际应用价值。