(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211227737.8 (22)申请日 2022.10.09 (71)申请人 江苏新绿能科技有限公司 地址 212314 江苏省镇江市丹阳市南 三环 路丹阳高新科技创业园 (72)发明人 曾晓红　李奇　钟建　沈泽辰　 刘利鹏　阮肖平　李云武　曲衍宁　 宋超　黄海浪　郭雅婕　康世柱　 钱云峰　贾冰　马国健　徐启程　 (74)专利代理 机构 常州哲专知识产权代理事务 所(普通合伙) 32447 专利代理师 钱锁方 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/82(2022.01)G06V 20/60(2022.01) G06F 30/20(2020.01) G06Q 50/26(2012.01) G06F 119/02(2020.01) (54)发明名称 一种基于深度学习的高速铁路接触网运行 状态评估方法 (57)摘要 本发明公开了一种基于深度学习的高速铁 路接触网运行状态评估 方法， 所述接触网状态监 检测系统包括两组摄像机和辅助照明设备， 安装 在检测车辆的车顶上， 两组高分辨率摄像机分别 从两个相反的方向拍摄接触网的图像， 所述级 联 深度卷积神经网络实现接触网的多分辨率分析， 减少定位网络的参数和训练难度， 并将定位网络 所得的边界框架坐标映射到相应的原始高分辨 率图像的坐标， 所述将二元决策图引入到接触网 系统可靠性 分析中， 构建接触网故障树模型并将 待分析系统的故障树模型转化为二元决策图， 从 而快速地将故障树模型转化为不交化形式， 本发 明， 便捷高效地实现了快速评估， 保障列车安全 稳定运行功能。 权利要求书1页 说明书4页 附图2页 CN 115496981 A 2022.12.20 CN 115496981 A 1.一种基于深度学习的高速 铁路接触网运行状态评估方法， 其特 征在于， 包 含步骤： S100： 采用深度卷积神经网络对接触网零部件进行定位， 提取图像的多层特征。 其次将 二元决策图引入到接触网系统可靠性分析中， 根据接触网结构组成， 构建接触网故障树模 型并将待分析系统的故障树模型转 化为二元决策图； S200： 用共因失效理论用于接触网可靠性分析， 并利用隐式替代法完成基于二元决策 图且考虑共因失效的接触网可靠性分析； S300： 基于状态评估理论， 将证据理论与层次分析法运用到接触网运行状态评估中， 根 据高速铁路接触网弓网受流的特点， 构建高速 铁路接触网运行状态评估的评估体系； S400： 获取接触网运行状态检测数据并根据劣化度函数将其进行归一化， 从而求出对 应的三级指标 的白化权函数值， 进而利用层次分析法求出二级指标的权重值， 然后利用证 据理论结合指标权 重完成指标信息的融合得到 接触网运行状态评估结果。 2.根据权利要求1所述的一种基于深度学习的高速铁路接触网运行状态评估方法， 其 特征在于： 所述接触网状态监检测系统包括两组摄像机和辅助照明设备， 安装在检测车辆 的车顶上， 两组高分辨率摄像机分别从两个相反的方向拍摄接触网的图像， 为进一步提高 图像的分辨率， 在检测过程中， 将拍摄的图像， 公里标和其他信息存储在车辆数据库中， 然 后进行检测。 3.根据权利要求1所述的一种基于深度学习的高速铁路接触网运行状态评估方法， 其 特征在于： 所述级联深度卷积神经网络实现接触网的多分辨率分析， 减少 定位网络的参数 和训练难度， 在低分辨率图像上实现大尺度零部件的定位， 并将定位网络所得的边界框架 坐标映射到相应的原 始高分辨 率图像的坐标。 4.根据权利要求1所述的一种基于深度学习的高速铁路接触网运行状态评估方法， 其 特征在于： 所述将二元决策图引入到接触网系统可靠性分析中， 根据接触网结构组成， 构建 接触网故障树模型并将待分析系统的故障树模型转 化为二元决策图。 5.根据权利要求4所述的一种基于深度学习的高速铁路接触网运行状态评估方法， 其 特征在于： 所述用共因失效理论用于接触网可靠性分析， 并利用隐式替代法完成基于二元 决策图且考虑共因失效的接触网可靠性分析。 6.根据权利要求5所述的一种基于深度学习的高速铁路接触网运行状态评估方法， 其 特征在于： 所述基于状态评估理论， 将证据 理论与层次分析法运用到接触网运行状态评估 中。 7.根据权利要求6所述的一种基于深度学习的高速铁路接触网运行状态评估方法， 其 特征在于： 所述将高速铁 路接触网运行状态划分为3个层次等级， 其次获取接触网运行状态 检测数据并根据劣化度函数将其进行归一化， 从而求出对应的三级指标的白化权函数值， 进而利用层次分析法求出二级指标的权重值， 然后利用证据理论结合指标权重完成指标信 息的融合得到 接触网运行状态评估结果。权　利　要　求　书 1/1 页 2 CN 115496981 A 2一种基于深度学习的高 速铁路接触网运行状态 评估方法 技术领域 [0001]本发明应用于高速铁路接触网技术领域， 名称是一种基于深度学习的高速铁路接 触网运行状态评估方法。 背景技术 [0002]高速铁路受电弓 ‑接触网系统(简称 “弓网系统 ”)是动车组获取电能的唯一途径。 弓网系统服役性态直接关乎高速铁路的运营安全。 随着列车运行速度的不断提高， 受电弓 对接触网的冲击也不断加剧， 持续振动导致的接触网零部件 “松脱断裂 ”等故障， 直接影响 弓网受流 性能， 甚至引发打弓与塌网， 严重危及高铁安全运营。 [0003]如何通过有效的检测监测手段， 提前发现各类接触网故障， 杜绝事故发生， 避免供 电中断与运输瘫痪， 对于保障高速铁路运行安全意义重大。 但是， 由于接触网系统结构复 杂、 零部件众多， 实现其故障的智能化检测仍面临着诸多挑战， 主要体现在： 检测环境复杂 多变、 缺陷表征细微、 检测可靠性要求高。 [0004]故， 有必要提供一种基于深度学习的高速铁路接触网运行状态评估方法， 可以达 到快速评估， 保障列车安全稳定运行的作用。 发明内容 [0005]本发明的目的在于提供一种基于深度学习的高速铁路接触网运行状态评估方法， 以解决上述背景技 术中提出的问题。 [0006]为了解决上述技术问题， 本发明提供如下技术方案： 一种基于深度学习的高速铁 路接触网运行状态评估方法， 包 含步骤： [0007]S100： 采用深度卷积神经 网络对接触网零部件进行定位， 提取图像的多层特征。 其 次将二元决策图引入到接触网系统可靠性分析中， 根据接触网结构组成， 构建接触网故障 树模型并将待分析系统的故障树模型转 化为二元决策图； [0008]S200： 用共因失效理论用于接触网可靠性分析， 并利用隐式替代法完成基于二元 决策图且考虑共因失效的接触网可靠性分析； [0009]S300： 基于状态评估理论， 将证据理论与层次分析法运用到接触网运行状态评估 中， 根据高速 铁路接触网弓网受流的特点， 构建高速 铁路接触网运行状态评估的评估体系； [0010]S400： 获取接触网运行状态检测 数据并根据劣化度函数将其进行归一化， 从而求 出对应的三级指标的白化权函数值， 进而利用层次分析法求出二级指标的权重值， 然后利 用证据理论结合指标权 重完成指标信息的融合得到 接触网运行状态评估结果。 [0011]在一个实施例中， 所述接触网状态监检测系统包括两组摄像机和辅助照明设备， 安装在检测车辆的车顶上， 两组高分辨率摄像机分别从两个相反的方向拍摄接触网的图 像， 为进一步提高图像的分辨率， 在检测过程中， 将拍摄的图像， 公里标和其他信息存储在 车辆数据库中， 然后进行检测。 [0012]在一个实施例中， 所述级联深度卷积神经网络实现接触网的多分辨率分析， 减少说　明　书 1/4 页 3 CN 115496981 A 3