王正光，杭利平，韋陽

（1.國家能源集團(tuán)新朔鐵路有限責(zé)任公司，呼和浩特 010000；2.武漢利德測控技術(shù)有限公司，武漢 430000）

引言

在大準(zhǔn)鐵路復(fù)線建成之后，各個車站的接發(fā)和發(fā)車的工作量越來越大，助理值班員要處理好上下兩個方向的列車，這就產(chǎn)生了各種各樣的安全隱患。因此，保障鐵路運輸安全，是當(dāng)前需要重點研究的目標(biāo)。目前，大準(zhǔn)鐵路的接發(fā)工作以人為主，以簡單的人-機(jī)組合為主，主要靠值班助理“三面六看”，及時發(fā)現(xiàn)并消除始發(fā)和運行過程中可能出現(xiàn)的安全隱患。最近幾年，特別是在大準(zhǔn)鐵路二線改造之后，交通量出現(xiàn)了跨越式的增加，車流量也變得很大，但是，在接待人員的時候，他們只能夠看見列車的一面，不能及時地發(fā)現(xiàn)另一面的安全隱患。為了防止這種情況的發(fā)生，大準(zhǔn)鐵路迫切需要一種可以準(zhǔn)確可靠地檢測出鐵路列車變流器超溫故障檢測方法，它可以實現(xiàn)對數(shù)據(jù)的實時反饋、緩放回放以及搜索，從而保證大準(zhǔn)鐵路的列車安全運行。

現(xiàn)有的故障檢測方法主要分為基于模型算法和基于信號算法，其中文獻(xiàn)[1]提出的基于模型檢測算法，根據(jù)實際輸出與模型預(yù)測輸出結(jié)果是否一致進(jìn)行故障檢測。通過模塊化多頻電壓觀測器提供的參考電壓建立檢測模型，如果理想與實際電壓之差超過一定臨界值，就可以判定為發(fā)生了故障，反之，就可以判定為不發(fā)生故障。以模型為基礎(chǔ)的檢測精度對觀測器觀測精度有太大的依賴性，因為觀測器是一種受多種變量影響的非線性系統(tǒng)，所以很難獲得精確檢測結(jié)果；文獻(xiàn)[2]提出的基于信號檢測算法，該方法對傳感器采集到的電流和電壓信號，設(shè)置了一個故障門限，并根據(jù)門限的大小來判定逆變器的故障。因為在確定故障閾值時，需要考慮到噪聲因素，所以給應(yīng)用信號檢測算法帶來一定困難。為此，提出了基于線陣相機(jī)的鐵路列車變流器超溫故障檢測方法。該方法采用改進(jìn)區(qū)域生長-消除法分割變流器紅外熱圖像，通過溫度定標(biāo)算法計算變流器溫度，校正線陣相機(jī)畸變，確定變流器超溫故障位置。

1 改進(jìn)區(qū)域生長-消除法線陣相機(jī)圖像分割

鐵路列車變流器電路面板的紅外熱像可劃分為發(fā)熱區(qū)、輻射區(qū)以及背景區(qū)，而對象分割與提取方法主要針對發(fā)熱區(qū)進(jìn)行研究。傳統(tǒng)的紅外熱像分辨率低、對比度低，容易受到外界環(huán)境影響，加之現(xiàn)代電子產(chǎn)品高度小型化和集成化，以及換流器之間的密集布置，使得精確的紅外圖像分割和提取變得更加困難。然而，目前已有多種圖像分割方法，均受其自身特性及局限性影響，無法直接用于線陣相機(jī)圖像分割[3]。

考慮到區(qū)域生長方法原理簡單，相對容易實現(xiàn)，并且還擁有良好的分割效果，在改進(jìn)區(qū)域生長-消除方法基礎(chǔ)上，研究一種適用于車載熱源變流器的分割方法，如圖1 所示。

圖1 改進(jìn)區(qū)域生長-消除法線陣相機(jī)圖像分割流程

由于在場景中分割大區(qū)域圖像，導(dǎo)致圖像分割結(jié)果往往存在多個小區(qū)域。在這種情況下，小區(qū)域需要依據(jù)相似性進(jìn)行合并，使小區(qū)域圖像塊分布更加密集。常規(guī)區(qū)域生長方法只能獲取單一對象，而在實際應(yīng)用中，一個電路板上往往存在多個熱源，而且每個熱源的溫度都不一樣[4,5]。為了求取多個電路板發(fā)熱區(qū)，提出一種面積增長方法，從原圖像中求取一發(fā)熱區(qū)，并在原圖像中消去此區(qū)（將此區(qū)稱為背景灰），再求取另一發(fā)熱區(qū)，并在原圖像中消去此區(qū)，直至原圖像中各像素的灰階接近于背景灰階為止。

線陣相機(jī)圖像分割結(jié)果，如圖2 所示。

圖2 線陣相機(jī)圖像分割結(jié)果

由圖2 可知，圖像發(fā)熱區(qū)域灰度值較小，不發(fā)熱區(qū)域灰度值較大，通過該分割結(jié)果能夠有效區(qū)分發(fā)熱區(qū)域和不發(fā)熱區(qū)域。

2 基于線陣相機(jī)的變流器超溫故障檢測

根據(jù)改進(jìn)區(qū)域生長-消除法線陣相機(jī)圖像分割結(jié)果，獲取發(fā)熱區(qū)域和不發(fā)熱區(qū)域。采用溫度定標(biāo)算法結(jié)合最小二乘法多項式曲線擬合方法，計算變流器溫度。在確定發(fā)生超溫故障后，對線陣相機(jī)進(jìn)行畸變校正，結(jié)合積分波形修復(fù)算法，精確定位變流器超溫故障位置。

2.1 基于溫度定標(biāo)算法的變流器溫度計算

由于線陣相機(jī)最終目標(biāo)是在ARM-Linux系統(tǒng)下實現(xiàn)，電路板上發(fā)熱變流器大多數(shù)為有源變流器，所以采用了溫度標(biāo)定紅外測溫方法[6]。在室溫（23±5）℃條件下，通過紅外熱成像技術(shù)獲取不同溫度下的黑體樣品的灰度值，利用最小二乘多項曲線擬合，得到溫度與灰度之間的函數(shù)關(guān)系，可用如下公式表示：

公中：

I—圖像灰度值；

E—多項式系數(shù)矩陣。

將變流器內(nèi)結(jié)溫度控制在125 ℃以內(nèi)，以保證曲線的穩(wěn)定性和可靠性。因此，在變流器超溫故障判定算法中，以125 ℃為閾值，通過溫度校準(zhǔn)算法，計算出變流器表面溫度和周圍溫度，由此對變流器故障狀況進(jìn)行判斷[7,8]。

對于變流器耗散功率，計算公式為：

式中：

Tc、Ta—變流器表面溫度和環(huán)境溫度；

Rc、Ra—變流器內(nèi)部至變流器表面熱阻和變流器內(nèi)部至環(huán)境的熱阻[9]。變流器功耗是由溫度差和熱阻差決定的，基于此計算環(huán)境溫度下的變流器溫度，公式為：

通過公式（3）計算結(jié)果可知，如果該計算結(jié)果超過閾值125 ℃，那么即可判定變流器發(fā)生超溫故障。

2.2 基于線陣相機(jī)畸變校正的變流器超溫故障位置確定

鐵路列車變流器在出現(xiàn)超溫故障時，絕緣柵雙極型晶體管定子電流處于非平穩(wěn)狀態(tài)，速度越快定子電流頻率也就越高，線陣相機(jī)拍攝的圖像會存在一定程度畸變[10]。為了獲取精確的變流器超溫故障位置，需要對捕獲超溫故障變流器圖像的線陣相機(jī)進(jìn)行畸變校正，示意圖如圖3 所示。

圖3 線陣相機(jī)畸變校正示意圖

圖3 中，x2o2y2為被測變流器表面；o1x1為線陣相機(jī)的線性傳感方向；o1x1a為平行于變流器表面輔助方向；a為o1x1a與o1x1的夾角[11]。充分考慮線陣相機(jī)鏡頭本身的非線性畸變，構(gòu)建數(shù)學(xué)模型，公式為：

式中：

λ0、λ1、λ2…λn—畸變系數(shù)；

R—目標(biāo)在線陣相機(jī)的線性傳感器方向?qū)嶋H歸一化視覺現(xiàn)場大小[12]。

在畸變校正情況下，精確定位變流器超溫故障位置，詳細(xì)步驟為：

步驟1：在信號角度域中同步采樣，獲取初始采樣點，將該點當(dāng)作電流信號初始點，計算下一個采樣所耗費的時間：

式中：

tc—當(dāng)前時間；

vc—當(dāng)前速度；

n—采樣點數(shù)量[13]。

步驟2：如果當(dāng)前采樣點數(shù)量能夠滿足檢測要求的樣本，則計算下一個采樣滑動窗口大小，公式為：

式中：

ts—設(shè)定的滑動窗口[14]。

步驟3：在劃分的滑動窗口內(nèi)，采用積分波形修復(fù)算法，劃分變流器定子電流波形的前半周期和后半周期，其中電流修復(fù)表達(dá)式為：

式中：

μ p、μn—正、負(fù)半周期幅值；

x—采樣點。

步驟4：根據(jù)電流修復(fù)表達(dá)式，將前后半周期波形與電流等于0 時圍成的面積用如下公式表示：

式中：

sump、-sumn—所選樣本點大于0 和小于0 值的和[15]。

步驟5：為了方便分析，構(gòu)建了如圖4 所示的三相六階段輸出變流器電路圖。

圖4 三相六階段輸出變流器電路圖

根據(jù)前半周期和后半周期電流波形，將數(shù)據(jù)規(guī)范化處理，當(dāng)相鄰橋臂兩個同側(cè)絕緣柵雙極型晶體管發(fā)生超溫故障時，例如D1、D3 處出現(xiàn)超高溫，如果A 相電流無法通過D1，那么A 相產(chǎn)生的電流就是非正電流；如果B 相電流無法通過D3，那么B 相產(chǎn)生的電流就是非正電流。根據(jù)三相電流之和為0 的原則，當(dāng)A 相、B 相電流均為負(fù)時，C 相電流也為負(fù)，這表明相鄰橋臂兩測出現(xiàn)了超溫故障。

3 實驗

3.1 實驗布置

系統(tǒng)部署在神華新朔鐵路大準(zhǔn)分公司龍王渠站，分為控制中心和檢測前端，室外設(shè)備如圖5 所示。

圖5 室外設(shè)備

控制中心主要部署數(shù)據(jù)服務(wù)器、分析服務(wù)器、數(shù)據(jù)存儲磁盤陣列、監(jiān)控終端等設(shè)備，檢測前端主要包含安裝有檢測設(shè)備的龍門架和機(jī)柜。用于數(shù)據(jù)采集的線陣相機(jī)、面陣相機(jī)、激光雷達(dá)安裝在龍門架上，拾音器、磁鋼置于鋼軌上，機(jī)柜位于龍門架上兩側(cè)。本實驗部署的數(shù)據(jù)包含結(jié)構(gòu)化的文本和數(shù)字量數(shù)據(jù)也包含非結(jié)構(gòu)化的視頻和圖像數(shù)據(jù)。

3.2 實驗平臺設(shè)計

在大準(zhǔn)鐵路龍王渠車站D17 信號機(jī)外方（對應(yīng)正線里程K250+590 m-615 m）和龍王渠至老牛灣下行線K250+630-700 m 處安裝鐵路接發(fā)列車狀態(tài)檢測實驗平臺。

數(shù)據(jù)采集端主要設(shè)備包含：基礎(chǔ)塔架、磁鋼、線陣圖像采集設(shè)備、面陣視頻采集設(shè)備、車號識別系統(tǒng)、LED 燈、高保真聲音采集器、車輪溫度采集器、系統(tǒng)控制器、信號傳輸?shù)仍O(shè)備。

機(jī)房服務(wù)端主要實現(xiàn)車輛故障智能識別，過車數(shù)據(jù)存儲，主要設(shè)備包含：數(shù)據(jù)存儲服務(wù)器、算法服務(wù)器、網(wǎng)絡(luò)交換機(jī)等。

車站監(jiān)控端主要為值班員提供可視化交互終端，實現(xiàn)信息化作業(yè)。主要設(shè)備包含：應(yīng)用終端、高清顯示器、音箱、操作臺等設(shè)備組成。實驗平臺結(jié)構(gòu)，如圖6 所示。

圖6 實驗平臺結(jié)構(gòu)

當(dāng)列車接近塔架時，軌道內(nèi)設(shè)置的車輪傳感器觸發(fā)系統(tǒng)啟動，高清圖像采集模塊、高清視頻采集模塊、高保真聲音采集模塊、激光雷達(dá)測距模塊、溫度檢測模塊和車號采集系統(tǒng)會同時采集車輛數(shù)據(jù)，過車完畢后，數(shù)據(jù)采集系統(tǒng)自動關(guān)閉，并將圖像、視頻、聲音，溫度等數(shù)據(jù)上傳至算法服務(wù)器，算法服務(wù)器搭載圖像智能檢測識別模塊，會根據(jù)接收到的數(shù)據(jù)信息進(jìn)行實驗驗證分析。

3.3 實驗數(shù)據(jù)分析

通過實驗平臺獲取了熱成像圖，如圖7 所示。

圖7 熱成像圖

由圖7 可知，正常情況下變流器溫度范圍為（40.0～52.0）℃，該處的溫度超過了正常溫度范圍，說明此處發(fā)生了故障。該故障位置對應(yīng)的電流、電壓波形，如圖8 所示。

圖8 故障電流、電壓波形

由圖8 可知，故障電流、電壓波動范圍分別為[（-1.5～1.5）A]、[（-2～2）V]，且波動曲線存在毛刺，諧波影響了電流、電壓變化。

3.4 實驗結(jié)果與分析

根據(jù)實驗數(shù)據(jù)，分別使用基于模型檢測算法、基于信號檢測算法和基于線陣相機(jī)檢測方法對比分析故障電流、電壓波形檢測結(jié)果是否與實驗數(shù)據(jù)一致，如圖9所示。

圖9 不同方法故障電流、電壓波形檢測結(jié)果對比分析

由圖9（a）可知，使用基于模型檢測算法故障電流、電壓波動范圍分別為[（-0.7～0.7）A]、[（-1.5～1.5）V]，且波動曲線存在毛刺，使用該方法沒有解決諧波問題。

由圖9（b）可知，使用基于信號檢測算法故障電流、電壓波動范圍分別為[（-0.8～1.7）A]、[（-1.5～3）V]，且波動曲線存在毛刺，使用該方法沒有解決諧波問題；

由圖9（c）可知，使用基于線陣相機(jī)檢測方法故障電流、電壓波動范圍分別為[（-1.5～1.5）A]、[（-2～2）V]，波動曲線平滑，使用該方法有效解決了諧波問題。

4 結(jié)束語

現(xiàn)有檢測方法雖然有效，但受到諧波影響無法獲取標(biāo)準(zhǔn)的故障檢測結(jié)果，為此，提出了基于線陣相機(jī)的鐵路列車變流器超溫故障檢測方法，并得到如下研究結(jié)論：

1）通過最小二乘法多項式曲線擬合方法，擬合發(fā)熱區(qū)域變流器內(nèi)部結(jié)溫數(shù)據(jù)；

2）采用溫度定標(biāo)算法，計算變流器溫度；

3）構(gòu)建線陣相機(jī)畸變校正數(shù)學(xué)模型，校正線陣相機(jī)畸變，結(jié)合積分波形修復(fù)方法修復(fù)電流波形，并消除諧波。

4）通過設(shè)計三相六階段輸出變流器電路圖，精確定位變流器超溫故障位置。