基于传感阵列的牵引变电所异物侵限SA-MCL交汇定位法

屈志坚，孙旭兵，周锐霖,2，巩 奇

(1.华东交通大学电气与自动化工程学院，江西南昌 330013；2.中车时代通信信号有限公司，湖南长沙410199；3.郑州市轨道交通有限公司，河南郑州 450100)

0 引言

随着智能牵引变电所在我国高速铁道网的快速普及，使铁道供电系统几乎全景纳入视频监控范围[1]，但现有的视频监控方法仅能被动地对侵限人员进行监视，难以主动获取入侵位置信息，可能造成关键异物侵限视频序列丢失。因此，实现一种能对外来入侵人员进行精确定位的智能牵引变电所周界监控技术，对保障高铁牵引供电的安全具有重要意义。

目前，根据入侵检测机制不同，高速铁路牵引变电所周界防范系统主要分为接触式物理围栏与非接触式传感检测两大类型[2-3]。第一类接触式物理围栏型，通过单双回高压电子脉冲网检测侵限异物，利用防区探测器输出低能高压电流对侵限异物进行非伤害性电击和直接威慑，此方法仅需将电子脉冲网络围栏铺设在变电所四周，安装调试方便，但该方法安装占地面积较大，在意外情况下，由于强交流电作用，可能导致人员伤亡，存在一定安全隐患。

第二类为非接触传感检测型，根据原理的不同大致可以分为红外光对射型与特殊红外光检测型两类[4]。红外光对射型主要依靠红外电子围栏对周界进行保护，具有检测范围广、应用技术比较成熟的优点，目前，变电所安防领域主要应用该类型技术实现周界防护。然而，由于变电所建设位置相对偏僻，周界环境比较恶劣，经常由于外界环境变化，导致检测系统误报警，造成联动数据库中错误信息倍增，难以有效辨别人员入侵的问题，不能满足高铁牵引变电所监控系统的稳定性要求。特殊红外光检测型中的热释电红外传感器仅对特定波长的红外光进行检测，不存在红外光对射型容易产生误报警的缺陷，且具备技术相对成熟，使用成本低廉的特点，广泛应用于安防领域。但是，此应用中仅使用单个传感器进行热源探测，难以确定发热源的具体位置，无法与视频监控子系统联动。针对牵引变电所安全信息联动与精准入侵定位方面的研究，目前少有文献报道[5]。

本文提出了一种多传感器交汇定位的高铁变电所周界智能联动监控方法，采用热释电传感器阵列的方式采集异物侵限区域信息，再结合自调整蒙特卡洛定位算法SA-MCL(self adjustable-monte carlo localization)对入侵人员进行精准定位。由ARM嵌入式微处理器将运动状态信息转化为位置信息，上传至联动数据库，视频监控子系统轮询联动数据库中的位置信息，控制云台旋转至相应坐标,实现高铁牵引变电所周界监控子系统的快速联动和目标的精准捕捉。最后通过对比实验对所提方法进行验证。

1 高铁牵引变电所周界防范监控

本文提出的高铁牵引变电所智能联动监控系统如图1所示，由热释电传感器阵列检测子系统、防盗报警子系统和数据中心监控子系统组成，其中55001～55011是热释电传感器阵列子系统，由热释电传感器、ARM处理器和摄像头组成，分别布置在变电所四周，防盗子系统由探照灯与扩音器组成。数据监控中心子系统由中心控制主机、服务器、交换机和变电所状态监视器等组成。

图1 牵引变电所监控系统结构图

系统通过计算得到传感器检测的有效距离，并在围栏周围进行合理布置传感器阵列的位置，利用热释电红外传感器接收红外光的辐射特性将整个变电所周界覆盖，即高铁牵引变电所周界警戒区域。当有入侵者进入热释电传感器检测范围时，传感器接收到入侵信息后经ARM处理器进行数据处理，再上传数据给服务器数据库，控制机通过读取服务器数据库中的信息后，立刻联动报警子系统，产生声音警告信息，同时联动云台转动到预置点位置，并通知监控中心处理人员进行记录与核查，待外界入侵人员离开后报警信息将自动消除，各子系统还原初始化监测状态。

1.1 热释电传感器结构原理

热释电晶体是压电晶体的一种，具有非中心对称的自发极化特性。表面存在束缚电荷在一定环境温度下其内部的电子相互中和，整个晶体表现为电中性。而当外界红外辐射照射到其表面时，由于内外温差使电荷向晶体中两端发生移动，导致晶体两端电势差不为0，从而产生自发极化现象，该现象称为热释电效应[6]。根据以上的原理可以得到如下计算关系表达式(1)：

(1)

式中：i为晶体中形成的内部电流；A为红外光照射面积；P为热释电材料的热释电系数；dT/dt为温度变化率。

当外界温度发生微弱变化就可以产生热释电电流，即利用此原理对如下晶体管检测传感器进行设计。

热释电传感器主要有温补单元型、双元型和四元型3种[7]。温补单元型主要应用在高温场合检测或气流检测等领域，双元型和四元型主要应用人体检测，其应用领域多为工业自动化或者报警系统。双元型结构如图2所示，它由滤光片、热释电元件、偏置电阻和场效应管等组成。热释电晶体敏感波长范围为0.2～20 μm，其他波长的红外光由带通滤波片滤除，本次实验是对人发出的红外光波进行捕获。人的体温为36～37 ℃，所发出的红外光波为9.565 6 μm，双元型的滤光片允许波长为8～12 μm的红外光波通过，将其他太阳光、灯光所辐射出的光波滤除掉，因此，适合人体检测。双元型热释电传感器采用2个相同的晶体元件A0反向串联，抵消环境温度变化和自身温度变化所产生的干扰信号。由于热释电元件在接收到红外光波时所产生的电流较弱，因此，在其输出端并接1个阻值约为104MΩ的大电阻R0，并引入1个N沟道结型场效应管接成共漏形式，输出一个标准电平信号[8]。

图2 双探测元热释电红外传感器结构

1.2 ARM微处理器采集原理

本设计的微处理器主要对传感器阵列的数据进行处理，并将处理后的数据发送给服务器数据库。综合考虑系统实时性与快速性要求，采用高集成度32位微处理器STM32F407ZGT6，其应用ARM Cortex_M4处理器架构，工作频率可达168 MHz，该芯片内部集成FPU和DSP指令，并有192 KB SRAM、1 024 KB FLASH，集成多种定时器供开发使用，该处理器具备完备的外围接口供多种其他设备的接入，其中包括112路通用I/O，6路多功能串行通信接口与2路快速CAN总线接口等。系统组成结构如图3所示，分别为电源模块、时钟复位电路、外部存储扩展模块与各接口组成。由于采集过程中涉及多路传感器信号，但处理器内部中断源数量有限，因此，采用单个处理器外接2组传感器阵列55001、55002的方式来降低处理器进程的复杂度。

图3 微处理器接口图

微处理器通过外部引出I/O口与各传感器连接，温度传感器与气体传感器通过处理器自带通信协议接口连接读取采集数据，热释电红外传感器阵列单元信号端直接与微处理器引出的I/O连接，由于传感器单元内部已将光信号转化为电平信号，因此，处理器只需读取对应传感器的I/O高低电平状态，从而判断是否有报警信息产生。系统应用循环扫描的方式判断各传感器阵列的状态，当有电平变化时则触发中断执行数据处理与数据发送。

1.3 系统智能联动控制的关联过程

联动控制是实现综合自动化的关键技术，联动报警数据表存储了牵引变电所内二次设备及周界环境传感器检测到的报警数据，各报警子系统与辅助监控系统通过共享数据库中的信息执行报警操作，从而完成系统联动的功能。

数据库是实现系统智能联动核心，由于在同一时间内服务器可能接收到多条数据信息，因此，需要快速分解数据逐条存入数据库中，执行查询报警故障记录信息如下：

SELECT Fault_info.TimeStamp，Station_info.* FROM Fault_info LEFT JOIN Station_info ON Fault_info.StationID = Station_info.StationID;

以报警数据结构为例进行分析，报警包括序列ID、归属站所ID、内容属性、单元编号、时间戳、备注信息等，报警信息存入数据库中后，控制器通过数据库分解单一报警信息后执行相关控制，数据库SQL插入数据信息如下：

“INSERT INTO fault_info(StationID,Attribute,UnitID,time,Remarks)VALUES(‘Num1’,‘入侵’,‘5500’,now(),‘(2.5,5.6)’)”

数据库信息执行如图4所示。

图4 报警联动数据库执行过程

系统中服务器数据库通过判断报警信息的优先级别进行数据分解，存储单条报警信息供给控制器服务器访问，控制器服务器查询到入侵信息联动摄像头转动到预置点，等待0.1 s轮询查询时间后无入侵信息转回初始位置，执行下一条报警信息。

2 热释电红外传感器定位原理与计算

2.1 热释电红外传感器单元设计

热释电红外传感器的感应范围为100°以内的圆锥角，感应距离为3～10 m可调，通常情况下热释电红外传感器会在接收面前加装球形菲涅尔透镜，菲涅尔透镜的外表面做成光滑的面，内表面是六边形球面组合而成，用来将外界环境的红外光汇聚增加感应距离，同时利用各个六边形球面形成多个汇聚区域，人体依次经过各不同的区域时热释电红外传感器接收到变化的能量在内部形成电信号，从而实现对人体的检测。

单个传感器在上表面的菲涅尔透镜的作用下增加了检测的视角广度，使得传感器的抗干扰能力降低，并很难确定入侵人员位置信息，难以满足系统联动要求。本文采用RE200B人体热释电红外传感器，为了减小传感器的视角在其表面贴加一块遮光板，具体结构如图5所示，由于传感器的边缘是灵敏区，因此，选择遮光板缝隙在其边缘位置。

图5 热释电红外传感器视角

如图5所示为设计的单个传感器视角，当给定遮光板宽度时可得最小灵敏角α，测得半径为r=2.8 m的圆弧范围内，其感应范围直线距离为d=0.96 m时，装有遮光板的传感器视角α≈2arctan(d/(2r))，代入数据计算可得α≈19.45°。因此采用单个视角为20°的热释电红外传感器。

2.2 热释电红外传感器定位方法

2.2.1 热释电单元传感器交汇区域边界坐标计算

结合前面计算所得到的热释电红外传感器特性，单个传感器探测的最大距离为大于10 m，并且探测视角为20°的情况下进行建立坐标系，计算人体所处位置。由于传感器视角为发散式感应区域，因此，在入侵定位时很难实现精准定位。为了解决以上问题，提出了预测节点路径定位方法。具体模型如图6所示，把2个红外单元所在位置连线的中点设置为坐标原点，红外感应单元坐标分别假设为A(-a，0)、B(a，0)，A、B两个单元的被动探测视角交汇区的顶点分别为P(x,y)、P1(x1,y1)、P2(x2,y2)、P3(x3,y3)4点，此时A、B两点感应方向外沿线l1、l2与x轴正方向夹角分别为α1，β1，内沿线k1、k2与x轴正方向夹角分别为α、β，即当入侵人员在交汇区W时传感器单元A与传感器单元B同时检测到人体目标，可分别计算出P、P1、P2、P3的坐标。

图6 单元热释电红外传感器视角交汇图

由点P、A与B建立如下方程组：

(2)

解方程(2)可得P点的坐标：

(3)

同理，可以计算出P1、P2、P3点坐标。

2.2.2 SA-MCL定位方法实现

首先，可以由数据集合的历史位置信息通过计算和蒙特卡洛统计模拟，对运动的目标位置进行预测，然后，可以通过报警区域滤除掉其他方向点，确定位置方向预测点，即通过自调整并融合预测处理和滤波处理，得到一种SA-MCL处理方法，具体过程如下。

(4)

(5)

由式(4)：f(t′)=xn和式(5)：g(t′)=yn分别在t-1时刻求导，可分别计算出t-1时刻该节点在X轴和Y轴方向的速度 ,即：

(6)

由式(6)得出在t-1时刻节点的速度vt-1与X方向夹角θ为：

(7)

(8)

在获得t-1时刻的运动速度与方向后，根据样本点t-1时刻计算当前时刻t点的位置概率，以该时刻的速度vt-1为半径，θ为中心方向运动，逆时针和顺时针各展开π/6得到一个扇形，随机抽取扇形内的n个点进行滤波，如果经过滤波后预测点个数不够n，可以将扇形的角度加倍，直到找到满足要求的n个点为止，更新数据集合生成预置点位置坐标。

在滤波阶段，每个预测点都在传感器阵列的交汇的区域内，数据集合S根据传感器报警交汇区域的位置信息滤除掉不符合滤波条件的采样点。由于系统定位是结合传感器报警区域Wi所执行的，因此，在滤波阶段可以通过报警区域决定位置方向预测点，滤除掉其他方向点，即接收到报警信号后记录Wi+1边界点坐标，根据Wi与Wi+1的坐标关系得出满足条件的集合预测点，滤除部分节点后再重新采样，直至找到n个满足要求的值为止。

定位的精度是衡量有效性的重要指标，故定位结果采用均方根误差来评价定位精度，式(9)中observedt是实测值，predictedt是预测值，均方根误差表达式如下：

(9)

对预置点目标坐标(x′,y′)与目标实际位置坐标(xi,yi)，求均方根误差RMSE如下：

(10)

3 周界防护监控的实现流程

3.1 微处理器位置数据处理流程

热释电红外传感器阵列在检测外界环境时会产生大量的单元检测数据，微处理需要进行快速运算判断出有效信息与外界干扰信息，同时计算出有效信息中的入侵人员位置。下面以2组传感器阵列数据处理为例展开分析，如图7所示，2组传感阵列是由多个传感器单元组成的检测视角图，微处理通过不同编号的传感器单元检测数据状态进行定位入侵人员坐标，利用式(7)、式(8)计算得到位置信息后通过以太网上传服务器处理，产生报警信号联动各子系统报警。

图7 传感器阵列交汇预测模型

设计如图7所示的传感器阵列交汇模型，建立坐标系计算入侵者位置信息，分别以S1与S2模拟入侵实验路径，Y1与Y2是根据工程应用与SA-MCL算法的预测结果图，其中Y2路线中的点001、点002等则是通过SA-MCL计算所得预置点，微处理器具体执行过程如图8所示。

图8 微处理器数据流处理执行过程

先对传感器阵列55001的各个传感器单元进行状态扫描，判断是否有电平变化，如果接收到电平变化后，则记录下当前传感器单元编号，再对传感器阵列55002的各个传感器单元依次扫描，同时记录传感器阵列55002传感器单元编号后，执行如图5中数据处理与预置点定位计算，得到预置点坐标后上传服务器。

4 系统性能测试

4.1 场景测试环境搭建

以2组热释电红外传感器阵列检测为例进行试验，通过微处理器、数据服务机、控制机与高速摄像头球机实现系统联动，微处理器使用C语言编程，数据服务器与控制机用C++语言编程实现系统控制。

首先建立由数据服务器和控制机构成的现场监控数据中心，并以异步查询的方式作为控制机的数据查询方式，利用服务器数据库管理软件Navicat Premium查询数据记录时间。其次是各个单元之间建立通信链接，高速摄像头球机、数据服务器、控制机与微处理器要处于同一局域网内，IP地址分别为192.168.1.112、192.168.1.115、192.168.1.119与192.1681.199，以此建立数据共享机制，系统主要组成部分配置见表1。

4.2 传感器预测定位捕捉图像信息的测试

4.2.1 传感器阵列定位方法的精度测试

为了验证融合传感器阵列交汇SA-MCL定位新方法与传统工程中采用的中点定位法相比较的优势，分别对2种方法进行了实验对比，即应用融合传感器阵列交汇SA-MCL定位与边界中点定位测试，得到的精度结果如图9所示。

表1 实验监控测试环境

图9 定位精度测试结果

由图9可得，采用融合传感器阵列定位SA-MCL法的定位精度，明显高于边界中点定位法，因此，在为生成预置点联动摄像头获得精确入侵信息时，可获得更快速和更准确的定位信息。

4.2.2 捕捉图像中心位置误差阈值精度测试

摄像头联动捕捉成像的中心位置精度是衡量本监控系统性能的重要指标，成像中心位置误差越小表示定位越精准，意味着系统实时性能越好。图10为摄像头捕捉入侵人员在生成图像中位置的部分模型图，其中，第3帧为成像中心位置最优的情况，第1帧与第5帧是成像偏离中心位置较大的情况。

图10 捕捉入侵人员位置图像模型

为了测试传感器定位精度对摄像头联动捕捉图像中心位置精度的影响，分别选取融合传感器阵列SA-MCL法与传感器阵列交汇算法，对在不同预置点下摄像头捕捉入侵人员中心位置精度进行测量，实验选取50帧捕捉图像进行测试，分别在不同阈值下的精度如图11所示。

图11 中心位置在不同阈值下的精度

由图11可得，在允许中心位置误差为20 pixel时，采用融合传感器交汇定位法的成像中心位置精度为0.75，并且在阈值为50 pixel时，融合传感器交汇定位法捕捉成像中心位置的精度可以达到0.82，明显高于传感器交汇定位方法。

4.3 微处理器时延测试

为了测试新方法对系统联动时延的影响，将采用融合传感器阵列SA-MCL方法与中点定位法对微处理器时延特性进行测试，通过测试单个预置点、2个预置点等多个预置点的情况进行分析，查询时延通过报文获得，测试结果如图12所示。

图12 微处理器时延测试

结果表明，应用融合传感器阵列交汇SA-MCL方法可有效地提高系统运行效率，比传统工程采用的中点法效果更加明显。其中，SA-MCL方法在生成5个预置点以下时略优于中点法，在多个预置点情况下有明显优势。

5 结论

(1)针对高铁牵引变电所现有周界防范监控系统对周界入侵信息定位不准，提出了应用融合传感器阵列交汇SA-MCL法，通过测试实验验证了该方法明显优于边界中点定位法。同时，根据新方法获取入侵图像在阈值为50 pixel的中心位置精度可达0.82，验证了该方法的可行性。

(2)应用微处理器执行融合传感器阵列交汇SA-MCL法与中点法进行处理器耗时测试，结果表明，应用融合传感器阵列交汇SA-MCL法执行时延较短，随着系统预置点的增加时延相对越短，可以高效实现系统快速定位处理。