劉 洋

(中國(guó)鐵路武漢局集團(tuán)有限公司車輛部 湖北 武漢 430071)

為了保障動(dòng)車組運(yùn)行安全，在高鐵營(yíng)業(yè)線、動(dòng)車所出入庫(kù)線安裝了動(dòng)車組運(yùn)行故障圖像檢測(cè)系統(tǒng)(以下簡(jiǎn)稱TEDS)，通過(guò)對(duì)運(yùn)行動(dòng)車組進(jìn)行動(dòng)態(tài)圖像檢測(cè)，以人機(jī)結(jié)合的方式，及時(shí)發(fā)現(xiàn)動(dòng)車組關(guān)鍵部位故障并按要求處理。TEDS是動(dòng)車組安全運(yùn)行的重要監(jiān)測(cè)設(shè)備，保障鐵路運(yùn)輸安全的重要設(shè)施，通過(guò)在鋼軌兩邊設(shè)置高速攝像頭，拍攝動(dòng)車組車底和車側(cè)的圖像，并與前一天的通過(guò)車圖像進(jìn)行對(duì)比，如發(fā)現(xiàn)同一部位照片有差異，及時(shí)進(jìn)行預(yù)警[1]。作業(yè)人員根據(jù)預(yù)警信息，進(jìn)行復(fù)核判斷，發(fā)現(xiàn)故障及時(shí)上報(bào)并組織檢修人員進(jìn)行處理，充分發(fā)揮安全防范作用。但現(xiàn)實(shí)使用過(guò)程中動(dòng)車組故障預(yù)警的準(zhǔn)確率并不高，不能滿足運(yùn)用要求[2]。

1 TEDS使用情況

1.1 TEDS預(yù)警故障統(tǒng)計(jì)

2018年1月份至10月份，某動(dòng)車段監(jiān)控中心TEDS預(yù)警故障共計(jì)3 925 285件，經(jīng)過(guò)復(fù)核真實(shí)故障僅有87件，預(yù)警準(zhǔn)確率只有0.002 22%，遠(yuǎn)不能滿足日常運(yùn)用要求。具體統(tǒng)計(jì)表如表1所示。

鑒于TEDS自動(dòng)報(bào)警的準(zhǔn)確率低，目前采用人工查看的方法，對(duì)所有經(jīng)過(guò)TEDS的動(dòng)車組過(guò)車圖像全部進(jìn)行人工檢查，增加了作業(yè)量，導(dǎo)致TEDS故障預(yù)警的作用尚未充分發(fā)揮。

1.2 原因分析

目前來(lái)講，TEDS對(duì)動(dòng)車組故障預(yù)警準(zhǔn)確率不高，主要有以下幾個(gè)原因：一是動(dòng)車組運(yùn)行通過(guò)TEDS時(shí)，不能保證每次均以時(shí)速70 km的速度勻速通過(guò)，高清攝像圖每次拍攝的照片均存在差異，通過(guò)圖像對(duì)比后，誤報(bào)故障高居不下；二是圖像對(duì)比技術(shù)不能保障故障識(shí)別的準(zhǔn)確性，有待進(jìn)一步改進(jìn)和提升。

表1 TEDS故障預(yù)警準(zhǔn)確率情況統(tǒng)計(jì)

要解決以上兩個(gè)問題，均有一定的難度。對(duì)于動(dòng)車組運(yùn)行不能勻速通過(guò)的問題，可以采用圖像矩陣校正的方法拉伸圖像，減少誤報(bào)率，但是不能從根本上解決問題。對(duì)于圖像對(duì)比技術(shù)本身的缺陷，改進(jìn)的空間也不大。

故通過(guò)對(duì)圖像識(shí)別的研究，提出了以下幾點(diǎn)解決方法。

2 圖像識(shí)別

2.1 利用深度學(xué)習(xí)技術(shù)對(duì)圖像的識(shí)別

深度學(xué)習(xí)在眾多領(lǐng)域特別是圖像領(lǐng)域取得了成功應(yīng)用，如目標(biāo)檢測(cè)、語(yǔ)義分割、姿態(tài)估計(jì)、視頻理解等，也為動(dòng)車組故障檢測(cè)這種具有海量圖像數(shù)據(jù)的問題提供了新的思路。所以在前期研究過(guò)程中，利用常用的深度學(xué)習(xí)技術(shù)對(duì)圖像進(jìn)行識(shí)別，將現(xiàn)有的故障照片進(jìn)行標(biāo)定，通過(guò)提取故障照片的特征值，建立模型，對(duì)故障圖片進(jìn)行識(shí)別。常見的故障識(shí)別率已經(jīng)達(dá)到了100%，但是對(duì)于動(dòng)車組部件螺栓松動(dòng)等故障的識(shí)別，存在較大的難度，識(shí)別率并不理想。

2.2 多特征識(shí)別

由于螺栓松動(dòng)等故障其缺乏具有一定規(guī)律的輪廓，因此一種有效的解決思路是在神經(jīng)網(wǎng)絡(luò)中加入一些人工設(shè)計(jì)特征，從另一種角度講這些人工特征可以認(rèn)為是訓(xùn)練好的淺層網(wǎng)絡(luò)，通過(guò)與學(xué)習(xí)的deep特征相結(jié)合，從而可以提高檢測(cè)效果。文中所提出的多特征網(wǎng)絡(luò)也主要采用了特征融合的思想，針對(duì)螺栓松動(dòng)的特點(diǎn)，在網(wǎng)絡(luò)前期和后期添加不同的特征，且添加的特征主要為low-level特征和紋理性特征，形成特征互補(bǔ)，從而提高網(wǎng)絡(luò)的檢測(cè)效果。

基于以上設(shè)想，提出新的方法的總體框架如圖1所示，對(duì)于輸入圖像I，首先使用傅里葉變換(FT)得到I的頻域圖If，利用LBP算法得到相應(yīng)的特征圖Il, 將這三者初步融合得到第三階段卷積神經(jīng)網(wǎng)絡(luò)的輸入I={I,If,Il。} ,最后得到high-level特征Fc, 同時(shí)，在第二階段分別計(jì)算輸入圖像I的灰度共生矩陣GLCM以及灰度直方圖Hist，然后從中提取若干low-level的統(tǒng)計(jì)特征Fg和Fh，并與特征Fc進(jìn)行融合，得到特征，F(xiàn)=[Fc,Fg,Fh]最終利用MLP模型利用融合特征F對(duì)輸入圖像進(jìn)行分類預(yù)測(cè)。在框架中，low-level特征編碼圖像的外部的整體分布特性，high-level特征編碼了內(nèi)在的語(yǔ)義信息，兩者相結(jié)合完成預(yù)測(cè)。

圖1 多特征識(shí)別總體框架圖

在以上方法的基礎(chǔ)上，建立模型，通過(guò)對(duì)動(dòng)車組部件螺栓松動(dòng)故障圖片的測(cè)試，能夠識(shí)別出故障存在的位置，解決識(shí)別不準(zhǔn)確的問題。

2.3 綜合識(shí)別

考慮到動(dòng)車組故障數(shù)據(jù)較少，不能涵蓋所有的故障。即便通過(guò)深度學(xué)習(xí)技術(shù)能夠完全識(shí)別已經(jīng)發(fā)生過(guò)的故障，但是對(duì)于未曾發(fā)生過(guò)的故障，也無(wú)法識(shí)別，存在缺陷。因此要進(jìn)一步準(zhǔn)確識(shí)別故障，同時(shí)避免漏報(bào)故障，需要采用多種技術(shù)綜合識(shí)別，所以即便圖像對(duì)比技術(shù)存在一定的缺陷，仍舊不能完全拋棄該技術(shù)，只有綜合利用各項(xiàng)技術(shù)，才能將圖像識(shí)別做到完美。

對(duì)此，采取將每個(gè)圖片進(jìn)行重新標(biāo)定、劃分區(qū)塊，再進(jìn)行對(duì)比，重點(diǎn)對(duì)比動(dòng)車組關(guān)鍵部件圖像。同一輛動(dòng)車組不同位置同一部件、不同動(dòng)車組相同位置，同一動(dòng)車組不同日期相應(yīng)的位置等都可以作為對(duì)比，是否存在差異，提升對(duì)比的準(zhǔn)確性。同時(shí)融合深度學(xué)習(xí)技術(shù)，對(duì)重點(diǎn)部件圖片和曾經(jīng)發(fā)生過(guò)的故障圖片不斷進(jìn)行學(xué)習(xí)對(duì)比，使TEDS功能不斷趨于完美。

3 后期的改進(jìn)措施

(1)利用綜合識(shí)別技術(shù)，改進(jìn)圖像識(shí)別準(zhǔn)確率，提升TEDS故障報(bào)警的準(zhǔn)確率。該技術(shù)在高校實(shí)驗(yàn)室已經(jīng)驗(yàn)證通過(guò)，目前正在逐步轉(zhuǎn)化成產(chǎn)品。

(2)進(jìn)一步優(yōu)化算法，還原因動(dòng)車組運(yùn)行速度不同造成的圖像伸縮，減少TEDS的誤報(bào)警。該技術(shù)高校正在研究中，已經(jīng)有了突破性進(jìn)展。

(3)采取在鋼軌上設(shè)置多個(gè)磁鋼，達(dá)到精準(zhǔn)測(cè)速的目的，通過(guò)提取動(dòng)車組速度特征值，減少因速度變化而導(dǎo)致的圖像變化。

目前上述措施已經(jīng)在部分鐵路局進(jìn)行了應(yīng)用，效果良好。