张学武
(中铁第一勘察设计院集团有限公司,西安 7 10043)
电气化铁路的接触网沿轨道上空“之”字形架设,其主要功能是控制接触线的高度,保证弓网系统获得良好的受流质量[1].吊弦支撑着整个接触网,在承力索和接触线之间进行力的传递,是接触网系统最为重要的部件[2].高速铁路接触网长期暴露于自然环境中,由于恶劣的天气和受电弓在列车行驶过程中的冲击作用,吊弦可能出现断裂和松弛等故障,危及行车安全.目前,吊弦故障检测通过人工现场检查的方式进行,这种方式不仅工作量大,而且容易受到主观因素影响,很难保证检查质量.因此,吊弦自动检测技术已成为铁路部门关注的研究热点.Li等[3]从时频分析角度提取统计特征,再利用分类算法对接触网吊弦进行故障检测.卞建鹏等[4]提出了一种基于改进胶囊网络与CV模型结合的吊弦故障识别算法.西南交通大学工程研究院以接触网系统图像为研究对象,提出了一种将深度可分卷积与目标检测网络相结合的吊弦故障检测方法[5].这种方法首先采用定位网络(DPLN)获取位置,然后利用故障识别网络(DFRN)对吊弦故障类型进行识别.基于图像的深度学习技术进行吊弦故障检测,容易受光源、视角和复查背景等环境因素影响,检测精度有限.本文基于吊弦的加速度信号数据,利用深度学习技术对接触网吊弦进行故障检测,可弥补通过图像进行吊弦故障检测的一些不足.在……