基于多源数据融合的列车受电弓滑板磨损监测.docxVIP

PAGE2

基于多源数据融合的列车受电弓滑板磨损监测

摘要

轨道交通快速发展对牵引供电系统可靠性提出更高要求。受电弓碳滑板磨损是常见故障源，传统人工巡检效率低且易漏检，导致接触网拉弧甚至断电事故。本设计针对滑板剩余厚度与异常磨损的实时监测需求，提出融合高清视频图像与激光轮廓数据的在线预警系统。核心方案采用深度学习模型处理多源数据，实现亚毫米级厚度测量与磨损模式识别。

系统设计遵循工程化流程：首先分析现场痛点与精度指标需求；其次设计分层架构，整合数据采集、特征融合与预警模块；接着详细实现YOLOv5改进模型与点云配准算法；最后通过实车测试验证性能。创新点在于构建视频-激光时空对齐机制，解决动态场景下数据异步问题，并引入轻量化网络提升边缘计算效率。

各章内容递进：绪论阐明背景与目标；第二章论证技术选型；第三章细化功能与性能指标；第四章完成总体架构；第五章详述核心算法；第六章展示实现细节；第七章通过200组测试用例验证；第八章总结成果与不足。系统实测厚度误差≤0.3mm，预警响应时间2s，显著优于现有方案。

第一章绪论

1.1研究背景

轨道交通电气化率已超70%，受电弓作为关键取流部件，其碳滑板磨损直接影响供电安全。据统计，滑板异常磨损引发的接触网故障占牵引供电系统总故障的32.6%，单次事故平均导致列车延误47分钟。传统监测依赖人工目视检查，不仅效率低下（每列检查需15-20