铁路接触网补偿器状态检测技术与未来展望

摘要：接触网补偿器是一种自动调节接触线和承力索张力的重要装置，其是否正常运行对铁路交通安全运行具有重要意义。首先，以铁路接触网使用的滑轮补偿器为对象介绍了补偿器的工作原理及其异常状态的判定方法。其次，讲述了当前接触网补偿器异常状态各种检测手段。再次，详细介绍了基于深度学习的接触网补偿器异常状态检测技术。最后，总结了目前接触网补偿器检测技术的优势和不足，并对其未来的发展进行了展望。

关键词：接触网补偿器异常状态深度学习检测技术

中图分类号：U298

StateDetectionTechnologyandFutureProspectsofRailroadCatenaryCompensator

QIUQiyuanCAIZhengdaCHENYue

XihuaUniversity，ChengduCity，SichuanProvince，610039China

Abstract：Acatenarycompensatorisanimportantdevicethatautomaticallyadjuststhetensionofcontactwiresandload-bearingcables，anditsnormaloperationisofgreatsignificanceforthesafeoperationofrailwaytraffic.Firstly，takingthepulleycompensatorusedinrailwayoverheadcontactlineastheobject，thearticleintroducestheworkingprincipleofcatenarycompensatoranditsabnormalstatedeterminationmethod.Secondly，itdescribesvariousdetectionmethodsforabnormalstatesofcatenarycompensators.Then，itintroducesindetailthetechnologyofdetectingabnormalstatesincatenarycompensatorsbasedondeeplearning.Finally，theadvantagesandshortcomingsofthecurrentdetectiontechnologyofcatenarycompensatoraresummarized，anditsfuturedevelopmentisoutlooked.

KeyWords：Catenarycompensator;Abnormalstate;Deeplearning;Detectiontechnology

铁路运输是现代运输行业中最受人们欢迎的方式之一。方便了人们的出行和货物的运输，但也引发了人们对防灾问题的关注[1]。由于列车环境封闭、客货量大等因素，铁路交通事故造成的人员死伤和经济损失更为严重。于是，铁路灾害预防成为铁路部门的关注焦点。在此背景下，铁路供电系统的安全预防成为防灾工作的重要方向之一。

作为铁路牵引供电系统的重要组成部分，接触网的运行状态直接关系整个电气化铁路的安全运行。接触网张力是决定接触网是否安全运行的重要参数之一。接触网需要有足够的张力，以确保良好的弓网关系，实现电力机车通过受电弓稳定取流。接触网张力是否稳定与补偿装置的工作状态密切相关，若补偿装置的部件发生卡滞、坠砣丢失、坠砣触底等情况，可能导致接触网张力异常变化，从而影响列车受电弓的滑动，降低取流质量，严重时还会引起打弓、断线等重大事故[2]，对电气化铁路的安全运行构成威胁。因此，如何设计一套补偿装置在线监测系统，用以高效、准确地监测补偿装置的运行状态，成为亟待解决的列车安全行驶问题。

1接触网补偿器的原理和异常状态的判定

铁路接触网补偿器一般使用滑轮补偿器，是一种自动调节接触线和承力索张力的装置，其主要组成部件包括坠砣串、杵环杆、坠砣杆、补偿滑轮等。接触网补偿器安装在锚段的两端，并且串接在接触线承力索内，其主要工作原理是利用接触网线索坠砣串的重量来维持接触网线索张力的平衡状态。

根据巡检发现的问题种类与问题出现频率来看，接触网补偿器最主要的失效形式是坠砣串触底和坠砣杆卡滞[3]。在实际运行中，受外界气温变化和外力的影响，补偿器线索会发生伸缩或移动，从而导致坠砣串的高度位置发生改变。当坠砣串位置过高时，坠砣串上方的坠砣杆耳环孔可能与补偿滑轮装置触碰，导致补偿装置卡滞；而当坠砣串位置过低时，可能因坠砣串底部接触地面或障碍物而导致补偿功能失效。为了约束接触网补偿器坠砣串的升降范围[4]，由铁道部颁布的《接触网运行检修规程》引入了接触网补偿器a、b值的概念（见图1）与a、b值运行时候的限定值。若补偿器实际a、b值小于限定值则判断补偿器状态异常。通过计算补偿器坠砣杆耳环孔中心到补偿滑轮（定滑轮）底部之间的相对高度差，可获得a值；计算基准面上表面与坠砣串底部之间的相对高度差，可获得b值，a、b值的限定值要求任何情况下不得低于200mm。综上所述，若a、b值低于界限值，则可判定接触网补偿器状态异常。

2接触网补偿器异常状态的各检测形式概述

目前，根据《普速铁路接触网运行维修规则》《重载铁路接触网运行维修细则》的规定，接触网补偿器的检测形式大致可以分为三类，分别为人工巡检、接触式自动检测以及非接触式自动检测。

2.1人工巡检

铁路部门安排工作人员对接触网进行定期巡检，巡检周期根据线路的实际情况有所不同，重载路段、高速路段以及不能被自动检测的路段人工检测周期短。人工巡检检测自由度高、可记录问题种类多，并且能立刻对简单问题进行处理。然而，人工巡检存在一定问题：一是每位巡检人员能够巡检的补偿器数量有限；二是部分列车线路处于低氧、风沙、高寒等恶劣环境[5]，检测人员的安全问题得不到有效保证；三是人工巡检补偿器主观因素较大，对巡检人员的专业素养有较高要求。因此，人工巡检存在效率低、成本高、安全性低以及对工作人员经验要求较高的问题。

2.2接触式自动检测

铁路研究人员研究了接触式自动检测方法对补偿器进行静态自动检测以改进人工巡检存在的问题。接触式自动检测是利用硬件检测终端实时收集补偿器的各项数据，并利用无线传输将数据信息发送到服务器，由此建立一套接触网补偿装置的在线监测系统[6]。而检测的方式则是利用各种传感器对接触网张力、温度等数据进行直接测量[7]。相较于人工巡检，接触式检测具有较高的时效性和准确性，但其成本较高且需要的设备量较大，导致前期建设和后期维护较为困难。

2.3非接触式自动检测方面

中国国家铁路集团有限公司为实现接触网的自动巡检和弓网实时监测主持开发并实现了6C系统（用供电安全检测监测系统）[8]。其中的2C装置更是专门为接触网安全设置的移动检测装置。通过安装在运行车辆的视频采集设备，结合深度学习的目标检测、目标跟踪等技术，可以更快速、更准确地判断接触网张力补偿器的运行状态是否异常，从而实现对接触网补偿器异常状态的检测。图像检测技术对行车干扰小的特点[9]，不会对列车正常运行造成影响。此外，相较于接触式检测，基于图像处理的非接触式检测技术具有较低的前期应用成本。并且，非接触式检测后期维护效率高、成本低，仅需对各车头光学检测设备进行检修和优化。因此，如何利用基于图像处理的非接触式检测手段自动、快速、准确地发现张力补偿器的异常状态，成为接触网补偿器运行状态检测的重点研究方向。

3非接触式自动检测技术原理概述

目前，接触网补偿器的非接触式自动检测主要是采取基于深度学习的补偿器a、b值检测。基于深度学习的接触网补偿器a、b值检测主要包括图像采集和图像处理两个方面。

3.1图像采集

2C装置提供了非接触式的检测手段，而将2C装置的传统单目摄像机改为双目AI摄像机则提供了便捷的测高方法。测量接触网补偿器的a、b值需要知道与a、b值相关的待测物体的相对高度。但传统单目摄像机测高需要标定刻度尺并确定摄像机参数、摄像机与待测量物体的位置关系，才能最终计算出物体的实际高度。然而，在铁路接触网补偿器实际检测中，由于铁路环境复杂，标定刻度尺和确定摄像机与被测量物体的位置关系相对困难。因此，只能采用时差、光流等复杂计算方法计算a、b值的大小。而使用双目AI摄像机则能够简单直接地测量各待检测目标的相对高度。双目AI摄像机是一种智能视觉系统，它由两个摄像头组成，模拟了人类的双眼视觉。双目摄像机关键的原理是视差，即同一物体在两个图像中的位置差异。当物体距离摄像机较近时，两个图像中的物体位置差异较大，而当物体距离摄像机较远时，差异较小。这种差异可以用来估计物体到摄像机的距离。结合已知的摄像头间距离，可以利用三角测量原理计算出物体的实际高度。

3.2图像处理

首先，需要使用目标检测算法准确找到接触网补偿器a、b值所需的相关物体，包括同一支柱上的基准面、坠砣、接触杆耳环孔和补偿滑轮4个部分。其次，使用双目摄像机测算出a、b值相关物体的空间坐标。最后，根据坐标计算物体之间的相对高度差，进而确定补偿器的a、b值，与限定值比较后即可确定补偿器张力状态是否异常。在目标检测手段上，传统视觉技术虽然已经取得了一定的成果，但在复杂场景下的目标检测和跟踪仍然存在一些挑战，如光照变化、遮挡、复杂背景等。这些复杂环境情况在铁路线路中屡见不鲜。而深度学习算法能够从大量数据中学习到更加复杂、高级的特征，并且具有更强的泛化能力。因此，基于深度学习的目标检测在复杂环境中通常表现出比传统方法更优越的性能。而在深度学习算法的目标检测算法中，数据集数量越多，则训练的准确率可能越高。由于高铁线路环境复杂加上可获取的接触网补偿器图像数量庞大，故这类算法尤其适用。

4非接触式自动检测技术的未来改进方向

虽然非接触式自动检测技术目前表现出色，但是仍有很多方向值得探讨和研究。

4.1复杂环境路面

由于铁路环境的复杂性，某些场景可能有待测目标被遮挡导致检测结果不准确。因此，针对这类场景，可以考虑采用小型数据集的目标检测方法。这种方法利用在大型数据集上预先训练的模型作为基础，在小型数据集上进行微调，可应对少数极端环境的检测。

4.2自动标注数据集

由于接触网补偿器数量众多、子集种类繁多，因此在目标检测方面需要进行人工抽帧和人工标注。这一过程需要耗费大量的时间成本，并且容易出现漏标和错标的情况。因此，有必要研究一种自动标注技术，以实现对待检测物的自动标注[10]。

4.3恶劣天气与低光强度监测

目前的非接触式光学检测主要在日间非雨雪风沙等环境下进行。因此，在夜间以及一些恶劣天气（如风、雨、雪）条件下，对补偿器异常状态的判定效率会显著降低。为提高在恶劣天气和地光强度条件下的检测效率，可以考虑从硬件方面着手，更新检测设备。

5结语

总体而言，人工巡检能巡检到自动巡检无法覆盖的极端环境，但局限性较大。接触式的硬件检测在检测接触网补偿器张力异常状态方面具有时效性和高准确率。然而，由于接触网补偿器数量庞大，导致检测硬件设备需求较大且后期维护困难。因此，非接触式的自动检测手段成为日后接触网张力异常状态检测的发展趋势。其中，基于深度学习的目标检测和双目AI摄像机测距结合的检测方法在检测精度和速度方面表现优异。此外，相对于接触式自动检测，非接触式自动检测在前期成本和后期维护成本都明显降低。

参考文献

• 郭栋鸿.基于机器视觉的铁路轨道异物入侵检测算法研究[D].兰州：兰州交通大学，2020.
• 白思宁.基于Cox模型的接触网缺陷致因分析与风险评估[D].成都：西南交通大学，2022.
• 李晓旭.重载铁路接触网补偿装置b值在线检测装置研究[J].电气化铁道，2022，33（S1）：121-124，128.
• 陈志涛.高寒铁路电气化接触网补偿器b值研究[J].哈尔滨铁道科技，2018（3）：7-11，22.
• 王文聪，赵国栋，张彩霞，等.青藏铁路高铁接触网检测车[J].机车电传动，2019（2）：133-138.
• 刘光栋.基于NB-IoT的接触网补偿装置在线监测系统开发及数据分析[D].北京：北京交通大学，2021.
• 谭平，李裕智，刘志健，等.接触网张力检测系统研究与设计[J].电气化铁道，2020，31（1）：1-4.
• 李耀云，高英杰，张文雍.高速铁路供电安全检测监测系统（6C系统）分析方法探讨[J].电气化铁道，2019，30（S1）：205-208.
• 刘建仁，刘卫，陈滔.高速铁路弓网动态图像检测技术研究综述[J].装备制造技术，2019（2）：186-190.
• 郭庆梅，刘宁波，王中训，等.基于深度学习的目标检测算法综述[J].探测与控制学报，2023，45（6）：10-20，26.