基于图像识别的地铁列车故障预警系统应用分析.pdf

计算机与图像技术Computer&Multimedia Technology电子技术与软件工程Electronic Technology&Software Engineering166在城市现代轨道交通快速发展的背景之下，地铁列车的安全性保障成为了人们重点关注的话题。伴随科学技术快速发展，需要在地铁列车的运行中应用更加先进的技术手段，以保障轨道交通安全运行。基于现代地铁列车的运行需求，需要对其可能出现的故障问题进行及时的预警，确保通过完成的故障采集方式，对故障点位以及原因加以综合性的分析，并将这样的分析结果应用到地铁列车的运维工作中，全面降低故障可能，避免出现大规模安全事故。1 基于图像识别的地铁列车故障预警系统功能与结构基于图像识别的地铁列车故障预警系统是一种全新的智能故障预警系统，创建该系统主要是由于当前地铁轨道交通发展迅猛，交通规模扩大，地铁列车的数量逐步提升，仅仅是依靠简单的人力对故障进行预检难以形成良好的预防效果。因此需要积极结合更加先进的科学技术，创建智能故障预警系统。基于图像识别，创建了全新的检修工作，使用智能运维系统代替人工满足重复性且机械性的简单运维养护工作能够极大程度上提升检修效率，充分适应当前地铁列车的运行需求。1.1 故障预警系统功能基于图像识别的地铁列车故障预警系统，首先就是需要满足故障识别要求，通过图像采集技术，对地铁车辆可能会出现的故障问题进行识别检验1。因此在该故障预警系统中的主要功能要求则是针对于图像识别检测分辨率所提出的。具体包括图像监测的结构不同结构位置。在地铁列车的底部走行部利用图像识别技术进行故障监测，则要求具有 1mm/pixel 以内的高精度分辨率；地铁列车侧面走行部要求同样具有 1mm/pixel 以内的高精度图像监测识别分辨率；在地铁车辆的侧面车窗位置利用图像识别技术开展故障监测时，要求具有 1mm/pixel 以内的高精度分辨率；地铁列车顶部的图像监测与以上几个不同图像识别部位的精度要求相一致，但是基于实际而言，要求其中 10mm 的螺丝至少占据 10 像素；在地铁车辆底部设置的走行部三维图像至少拥有 5mm的图像分辨率。与此同时，要求对地铁列车的运行速度进行测试的模块能够达到 1400km/h 的测试速度范围，进而满足地铁车辆运行过程中的图像识别以及故障预警。要求在低速挡状态下能够充分适应 0.1km/h 的精度要求。为保障在图像识别之后能够将采集的图像数据应用到后续对地铁车辆的运维工作中，需要保障具有 3 个月以上的数据储存时间。满足超过 90%以上的故障检出概率，进而才能够全面检验地铁列车是否处于安全运行状态。达到超过 99.9%以上的精准车号识别功能。且要求故障预警系统具有满足 90%以上的报警准确率。检测列车在运行过程中存在的异物，车顶中最小的异物检测面积为 2020mm，车体两侧为 1515mm，车辆底部则为1010mm 的精细度异物检测效果2。且同样需要对地铁列车的油漆破损问题进行检验预警，最小的可检测面积为 400mm2，且要求满足每趟列车 5min 以内的故障数据处理时间。1.2 故障预警系统构成基于智能化的故障预警系统，则实际构成包括了轨旁检测单元、现场控制单元以及远程控制单元三个结构。其中轨旁检测单元其主要功能则是满足车号的识别以及图像识别，通过创建这样的完整模块，便于将图像识别基于图像识别的地铁列车故障预警系统应用分析李长耿袁博张一然（中车青岛四方机车车辆股份有限公司 山东省青岛市 266111）摘要：本文通过对地铁列车故障预警系统结构以及功能的研究，充分分析了这一系统在实际应用中的表现，发现其在经过有效的故障预警系统自启动、采集故障图像、对比分析以及结果应用之后，能够全面降低地铁列车的故障发生概率，保障地铁列车实时运行安全。关键词：图像识别；预警系统；故障预警计算机与图像技术Computer&Multimedia Technology电子技术与软件工程Electronic Technology&Software Engineering167后的信息向现场控制单元进行传输。随后由现场控制单元向远程控制单元进行传递，并将这样的数据储存在云端以备应用共享。1.2.1 轨旁检测单元轨旁检测单元中包含了众多不同的基础图像识别系统，其主要是负责对地铁列车的车顶、车侧以及走行部进行识别检验。而由于不同位置出现故障的频率存在着一定的差异性，因此在不同结构中所设置的图像识别检测模块数量存在差异。基于实际而言，车顶故障发生可能相对较低，因此仅需设置 1 组检测识别模块即可。而地铁车辆的侧面范围相对较大，尽管发生故障的概率相对较低，仍旧需要通过设置多组图像识别采集模块的方式完成检验工作，因此在该结构位置设定了共计 6 组数据采集模块。而车底结构相对较为复杂，为了对各种故障情况加以及时有效的预警，则需要设置 3 组三维数据采集模块，同时结合辅助系统，进而便于对地铁列车的车号进行检测识别。通过这样的完整轨旁检测单元对地铁车辆进行全方位的识别检验，则能够形成更加良好的检测效果，充分满足 360全景图像识别采集，避免出现故障采集缺失问题。1.2.2 现场控制单元现场控制单元是负责为基于图像识别的地铁列车故障预警系统提供动力且满足控制的相关系统构成。在现场控制单元中主要是通过将地铁列车故障监测的所有设备整合集中之后，确保能够为基本监测单元提供电力能源，并对图像识别系统加以控制，确保能够顺利对地铁列车完成相关数据图像的采集、分析以及处理。同时在现场控制单元的作用下，便于将所采集的图像数据信息等向远程控制单元进行传输3。与远程控制室中的运维人员形成动态通信效果，便于在地铁列车出现任何故障问题的第一时间及时的向运维人员发出警告开展相应的处理工作。在现场控制单元中含有众多结构，包括基础的配电箱以及控制箱。便于通过这样的结构对轨旁检测单元进行控制，形成更加精准的故障监测预警效果。与此同时，其中含有工况机以及通信箱设备结构，其主要是对摄像机的阵列信息加以接收，在工况机的作用下，对动态采集的图像信息进行处理，经过实时运算分析，基于图像内容对地铁列车的状态进行分析，掌握异常情况，具有报警、闸瓦缺失检验以及剩余磨耗检测等基础功能。1.2.3 远程控制单元远程控制系统作为在图像识别地铁列车故障预警系统中的中心结构，不仅肩负着重要的远程监控作用，同时也是对图像识别采集数据加以整合的管理中心。在远程监控单元中，包含了与现场控制单元的通信传输系统，以及现场监控设备，通过控制台、监控设备以及控制机等众多外围设备，形成了全方位的故障监测控制中心。该单元中的系统构架更加复杂，负责完成现场控制单元、轨旁检测单元的设备数据设置工作，通过对系统监测参数进行设定，确保在图像识别过程中与标准数据进行对比，若超出标准设定数值，则证明地铁列车出现故障问题急需解决。远程控制单元，不仅仅是最终的预警接收单元，同时也肩负着查看监控设备运行状态、检验监控设备监测过程有效性等功能。在这一单元当中，主要是满足先关运维人员的使用需求，通过接收现场控制单元所传输的地铁列车故障监测信息之后，进行自动分类储存，便于相关运维人员在这一单元当中查看地铁列车的各项监测数据与图像，通过汇总分析之后，对当前列车可能会出现的故障问题加以研判，进而保障形成更加有效的运维管理。同时也能够满足运维人员打印故障预警信息的需求，在实际运维管理的过程中对照打印数据开展工作。2 基于图像识别的地铁列车故障预警系统应用实现2.1 故障预警系统自动启动基于图像识别的地铁列车故障预警系统在实际应用中，展现出先进的智能化特征。在智能认证控制单元的作用下，与故障预警系统之间搭建相应的网络连接通道，通过故障识别系统与网络设备相互连接之后，接入认证，在地铁列车靠近故障预警系统的瞬间，促使系统自动开启4。在地铁列车的车轮与轨道接触之后，出发传感器，启动图像识别系统，对列车的顶部、侧面以及底部进行自动监测识别，自动拍摄采集图像之后，储存在系统模块中向远程控制单元进行传输。在这一过程当中，图像计算机与图像技术Computer&Multimedia Technology电子技术与软件工程Electronic Technology&Software Engineering168识别采集设备以及补偿光源系统负责完成图像识别的准备工作。确保最终形成更加完整的智能化自动化识别预警功能。2.2 地铁列车故障图像采集系统自启动完成后，在列车靠近故障预警系统化的感应区之后，促使图像识别系统开启动态采集功能，完成对地铁车辆相应结构位置的图像采集工作。在该环节当中，基于差异性的系统监测区间，故障预警系统能够对地铁列车的车号进行采集识别并自动记录储存，随后所有采集的图像数据等对应储存在该车号的模块当中。基于图像采集系统对地铁列车的各范围图像加以拍摄识别，随后在系统图像服务器中储存全部图像数据。对于地铁列车而言，其在底部结构中含有众多复杂且关键的部件结构，且由于运行时间相对较长，因此在各个部件表面存在着大量的油污将会阻碍图像识别效果。因此除了利用单一的图像采集系统之外，在三维成像系统中也能够对各个构建创建基于彩色结合黑色的3D 模型，便于对车底结构信息加以采集。通过三维建模之后向远程控制单元进行传输，促使相关运维人员通过更加直观清晰的故障识别预警信息对车辆故障位置进行判断处理。2.3 采集图像对比分析图像识别的地铁列车故障预警系统完成图像采集识别之后，随即开展分析对比处理，进而对地铁车辆的故障点位加以判断。通过系统中的模式识别技术以及图像特征分析技术，对地铁列车的车辆顶部空调故障问题进行分析，自动研判车辆的受电弓、车身表面以及牵引装置等结构是否出现严重的缺失现象。与此同时也能够对车辆的电机盖、齿轮箱等关键性结构进行检验，通过自动扫描分析表面结构是否出现破损问题，对出现异常问题的结构位置进行记录并标记预警。将车辆各个结构的变形以及缺失问题等及时向监控管理后台传递等待处理。基于图像识别的地铁列车故障预警系统开展分析对比时，采用先进的自动化研判模型加以处理。通过在系统中输入相应的故障识别程序加以学习，完成记忆之后，将其应用到实际车辆故障监测工作当中，进而对车辆故障问题加以预测，通过精准识别目标之后，对异常信息加以记录整合，并在监控中心的作用下，及时将相关信息反馈给运维单位，通过及时有效的故障预警，保障运维单位在车辆出现安全危险之前及时将隐患扼杀。2.4 故障识别算法流程通过创建完整的图片识别故障预警系统则能够对地铁列车的各项故障问题等及时且有效的开展预警处理。结合以往而言，在地铁列车的故障检测以及预警中均通过人工方式以肉眼对所采集的图片进行浏览对比，这样的方式尽管在较为充足的经验下能够精准的判断车辆故障问题并做好相应的预警工作。但是基于实际而言，将会造成人工劳动强度相对较大，因此在全新的图像识别故障预警系统中，可以通过智能化的故障识别的算法对图像中的内容进行自动处理，进而在地铁车辆的故障预警系统中能够自动引入识别功能。基于此创建完善的故障识别软件系统，需要按照几个不同的步骤完成。首先来讲，需要在服务器中采集储存的图片中取出所需分析的列车图像。根据图像自动保存的文件名以及命名规则面对其待检故障特征加以分析之后，重新进行归类。当图像基本完成分类之后，一般情况下将包括列车的对应车种、待检故障类型、零部件完整信息以及故障所在车厢等具体的内容。随后将地铁列车的每一节车厢作为等待检测的单元对其开展相应的处理，对当节车厢的待检图片输入到系统中开展自动化识别。针对于图像中所对应的故障可能，需要及时且灵活的对检测算法进行调动应用，若发现图像中的车厢确认存在着故障问题，需及时将故障信息加以保存之后及时的向预警系统加以反馈。进而在完整保留了检测故障信息之后便于后续对车厢的故障问题进行处理。等待整趟地铁列车完成故障检测之后，将预警信息系及时的向运维中心加以发送，确认完成自动化的预警检测之后，由运维管理人员在故障确认界面上人工确认，检验系统发出的故障自动检测信息是否正确，随后自动生成相应的故障预警报告，并在故障数据库中加以储存。