基于接触网扩展监测的区间综合智能检测研究

于秋波，韩朝建，张晓飞，王宝顺，陈 振，倪国政

（天津津铁供电有限公司，天津 300000）

本文以天津地铁6 号线为例，详细介绍地铁区间综合智能检测系统。该系统在既有接触网检测车上实施功能扩展改造，增加供电线缆红外温度检测、无线场强检测、限界检测等功能，实现基于接触网检测车为主体的6 号线区间综合智能检测功能。

1 系统构成

基于接触网检测车平台搭建一套综合检测系统，包括人机交互设备、检测服务器、环网电缆红外测温系统、区间设备限界检测系统、无线专网场强检测系统，离线数据管理系统等组成部分。系统结构如图1 所示。

图1 基于接触网检测车的综合检测系统Fig.1 Comprehensive detection system based on catenary inspection vehicle

2 检测方案

2.1 环网电缆红外温度及传感器检测

1）设备构成

供电电缆温度检测系统由两组红外相机配合定点温度传感器无线采集的方案构成：在检测机车两侧各安装一组红外相机及配套的检测装置；红外相机及检测装置安装在车头两侧距离轨面70 cm 高度的侧方位置，相机角度朝向侧面；红外相机像场及焦距经过校准，完全覆盖隧道侧壁供电线缆的安装区域；设备安装确保不侵入设备限界。

2）检测方法

红外相机自动对焦，对沿线路敷设于疏散平台下方的供电环网电缆进行红外成像。

分析软件能够读取红外相机拍摄的红外图像并进行形态分析。通过算法处理，分割出图像中供电电缆成像区域；同时通过采集轨旁设备的感温元器件的温度，对电缆接头处的温度进行精确采集。

检测系统对供电电缆成像区域进行深度分析处理，形成温度梯度分布信息，进一步确定电缆温度并生成曲线图。

依据系统设定的阈值（可修改）做出判断，超标点位输出报警信息在人机界面上显示，同时显示测量值、里程位置以及实时图像等信息。

系统通过对比历史测量数据，将相同位置两次检测的数据信息做对比，发现温度变化超出设定值的点，能产生报警。

系统能够实时存储检测的各项数据，便于查询分析时使用。

2.2 限界检测

1）设备构成

限界检测系统由激光雷达、相机组合、水平测量装置以及其他配套的机械、电气装置构成。激光雷达用于对隧道进行扫描，生成雷达点云数据；相机组合可观察激光雷达的视野盲区，同时用于识别限界内是否有人闯入，保证人身安全；水平测量装置用于确定车辆的水平姿态，形成准确的限界检测区域，限界检测效果如图2 所示。

图2 限界检测效果示意Fig.2 Schematic diagram of clearance detection effect

雷达和相机组合安装在检测车车头位置，且不影响机车连挂作业。

水平测量装置安置在检测机车内部，且不影响既有设备正常工作。

设备安装确保不侵入设备限界。

2）检测方法

激光雷达能够实现360°限界检测。

能够对限界检测参数进行设定，确定雷达侵限检测的区域。

在检测工作前，需向系统输入基础数据库。基础数据库需结合6 号线线路实际情况建立，应适应隧道曲线、坡度等变化情况下的精确检测，基础数据库需预留扩充空间，以备线路延长后能够实现全线的检测。

检测系统对雷达检测的数据以及水平检测装置的数据进行判断处理，确定侵限检测区域内是否存在障碍物。

当检测到障碍物时能够产生报警，同时在人机界面上显示障碍物侵限的数量、尺寸，空间分布、里程位置及实时图像等详细信息。

系统能够对比历史测量数据，将相同位置两次检测的数据信息做对比，发现侵入量发生变化的点，并能产生报警。

系统实时存储侵限检测的各项数据，便于查询分析时使用。

经典的点云降噪技术是采用kd-tree 配合K-means 聚类算法，但当前技术的点云和噪声行为仍然混有物体点云数据中的小噪声点和噪声，无法删除。相比之下，常用的基于云数据与欧氏距离相对密度的方法把其剔除，影响了后续3D 模型坡度重新搭建的精度，必须直接解决。点云数据集是一组没有拓扑连接的坐标位置。通过多边形滤波能够求出点云法向量以及折射率，但点云模型尖锐区域差异并不突出，这也导致了过桥问题。本文的主要参数是采样点的折射率ωi，增加多边形滤波器的系数以提高特征保留，并用于非离群噪声点的平滑。

表面法线是几何表面的一个重要属性。通过拟合点云的局部表面，能够很好地估算法向量。本文通过主成分分析来估算法向量。首先，对采样点进行近邻搜索，得到k个邻近点来代替点pi的局部表面S，即pi∈S，由相邻点形成的协方差矩阵C如公式（1）所示。

点云中任意采样点的曲率可以通过拟合该点及其邻域的局部曲面的曲率来表示，并通过主成分分析法估算，该点曲率如公式（2）所示。

双向过滤因子取决于邻域信息。如果点云模型的局部区域很尖锐，就会很难区分采样点的法线方向，而无法准确发现噪声。为优化采样点的邻域，提高噪声点搜索的精度，本文采用采样点的曲率作为参数来优化双边滤波因子，如公式（3）所示。

点pi到邻近点距离的平滑权重Wσc（空间权重）和特征域权重Wσs（影响权重）如公式（4）所示。

公式（4）中Wσc，Wσs均为高斯核函数，表示相邻点对该点的影响权重；σc表示点pi到各邻域点距离的影响因子，通常取邻域半径；σs表示每个邻近点在pi点的法向量上的投影距离的影响因子，通常取邻近点的标准差；当σc确定之后，点云法线方向上的平滑距离和σs成正比。将优化后的双边滤波因子αi代入下式，即可算出pi的几何位置。

基于优化双边滤波的非离群点去噪算法的具体步骤如下。

1）初始化k值，创建kd树，计算pi点云数据点的k个邻近点，如公式（5）所示。

2）利用PCA 估计点云的法向量ni和曲率值wi。

3）计算各采样点的pi平滑权重Wσc参数x与特征域权重Wσs参数y，如公式（6）所示。

4）计算特征域权重Wσs和平滑权重Wσc。

5）将Wσs与Wσc代入到式（3）中计算双边滤波因子αi。

6）计算pi点的几何位置，得到去噪后的点云数据模型。

当σc一定时，随着σs的增大，点云的局部几何特征保持较好，但在较平坦的区域，平滑度较差;当σs一定时，随着σc增大，点云模型的平滑性较好，但局部几何特征的保留较差。

改进前双边滤波处理的点云效果如图3 所示，包含（a）～（d）4 种场景：隧道区间内；进入站台附近，遇到扶手；站台范围内；距离站台较远位置。改进后的双边滤波处理的点云如图4 所示，也包含（a）～（d）4 种场景：隧道区间内；进入站台附近，遇到扶手；站台范围内；距离站台较远位置。该方法经过据实际的隧道点云数据测算，成功过滤了90%的噪声点云，显著减少了外界的因素以及雷达本身的原因造成的噪声带来的影响，进而实现了对铁轨的精准识别，达到限界效果。

图3 改进前双边滤波处理的点云效果Fig.3 Point cloud rendering of bilateral filtering processing before Improvement

图4 改进后的双边滤波的点云效果Fig.4 Point cloud rendering of improved bilateral filtering processing

2.3 无线场强检测

1）设备构成

无线场强检测系统由检测天线、检测主机以及人机交互界面构成。检测天线用于接收需要测试的通信漏缆、安防漏缆以及WLAN 无线信号；主机用于对天线接收到的无线信号进行测试与分析；人机交互界面用于测试人员操作测试软件，读取信息。

检测天线安装于检测车车顶。

检测主机安装于车内设备机柜。

人机交互HMI，位于驾驶室操作台（与其他检测模块共用一台设备）。

设备安装满足设备限界安装要求。

2）检测方法

车顶天线接收无线信号，将信号传送给检测主机做数据分析，在人机交互界面上能够实时显示各频段无线信号场强数值。

检测前在交互界面上设定并调节各频段无线信号的检测报警阈值，当检测到无线信号场强低于阈值时，在显示界面上输出报警信息，包括实测场强值、里程信息等。

检测主机在记录数据提供报警的同时，记录并生成各频段无线信号场强值关于里程信息的二维曲线，该曲线具备与历史曲线对比的功能。

系统实时存储场强检测的各项数据，便于查询分析时使用。

2.4 离线数据管理系统

1）设备构成

离线数据管理系统由离线管理服务器、HMI、A4 彩色打印机及键盘鼠标构成。

2）功能

离线数据管理系统可按线缆温度检测、限界检测、无线场强检测等不同检测系统分类查询报警信息；并可依据筛选条件自动形成报警信息统计报表。

对于每条报警信息，能够查询报警时间、报警位置、报警图像等。系统可结合历史数据，生成对比曲线图，以及变化趋势。

系统具备开放式数据分析的功能，可依据固定模板的数据表格进行数据统计与分析处理工作，输出所需的统计报表。

3 结语

本文结合天津地铁6 号线，对地铁区间综合智能检测方法做出详细说明，实施后具有智能监控区间设备状态的功能，提升设备检测效率及准确度，提高地铁区间设备安全性。电缆红外检测系统能够通过红外成像的方式，对电缆局部缺陷诱发的温升做出判断，发现电缆隐性缺陷，通过智能化监测手段实现环网电缆的预防性维修。激光雷达实现每月1 次的限界检测，能够提前发现侵入设定限界范围的物体，及时处理潜在侵限隐患，能降低侵限事件发生的概率。加装无线场强测量系统后，可以对区间内通信漏缆、安防漏缆、WLAN 等不同频段通信系统的信号场强做测试，提前发现信号不稳定的点位，及时保障行车运营安全。离线数据分析系统围绕上述各监测功能做检测数据的统计分析，既提高数据分析的效率，又能从多方位增强设备状态的评价与管理，提高设备运维的智能化水平。