东莞地铁车辆智慧在线监测系统应用与实践
（来源：现代城市轨道交通）
1.1 系统简介
弓网关系对于列车运行安全有重大影响，其运营监控的重点是日常弓网跟随、接触网硬点分布、接触网拉出值、导高值、跨距内接触线高低差及导线坡度、弓头姿态、碳滑板厚度。弓网动态监测系统是一种对受电弓状态、弓网配合、高温异常点进行实时、自动化、动态综合监测的车载系统，在业内已有较为成熟广泛的应用。
东莞地铁全线网均采用120 km/h 运营速度的车辆，目前试用的弓网动态监测系统，其硬件使用3 组高清视频工业摄像机，辅以紫外传感器、热红外成像、高亮频闪LED 灯，通过数据采集层、分析层、呈现层3 层软件控制，以图像视频的视觉分析处理技术为核心，实现以下4 大弓网监测与维护功能。弓网动态监测系统如图 1 所示。
（1）实现运动过程中在隧道内和隧道外各种光线条件下的单个受电弓运动姿态、弓网配合位置与细节的捕捉和辨别。
（2）当检测到拉弧发生时，将拉弧时长、发生位置、发生时间进行自动报警，并将燃弧前后共6 s 视频自动上传服务器，为检修人员定位、解决问题提供有效资料。
（3）实时监测受电弓与接触网温度，将温度异常自动上传服务器以待处理。
（4）自动故障统计和数据分析，数据实时上传，实时报警，有详实的位置、时间、速度信息，便于后台技术人员进行实时监控或阶段性分析。
（5）系统配置了电流传感器，实时监控受电弓电流曲线，在异常报警的同时辅以电流参数作为参考。
1.2 应用情况
弓网监测系统于2018 年底安装在东莞地铁2 号线1 台受电弓处，开始科研试用，并选择最核心大拉弧、温度监测模块进行试用。系统试用至今效果良好，可以替代接触网专业季度常规热滑作业，实现跨专业数据共享。
弓网监测系统根据燃弧时长和温度设定3 个报警级别，其中一级报警级别设定燃弧时长阈值为大于800 ms，温度阈值大于150 ℃。截至2020 年5 月6 日，累计一级报警数量9 354 条，月均623 条，其中，超温报警占一级报警总数97.5%，燃弧报警仅占2.5%，一级报警区间集中在下行的4 个区间和上行的1 个区间，如图2、图3 所示。
根据监测分析的报警数据和位置数据，每季度实施正线复核巡查，拉弧报警基本覆盖了正线多处膨胀元件、分段绝缘器位置，准确率达到90% 以上。
2.1 系统简介
轮对在线安全监测主要满足2 方面需求：轮对几何尺寸测量（轮缘厚度、轮缘高度、轮径、Qr 值、内侧距、不圆度）和轮对踏面监测报警（踏面擦伤、剥离）。技术上有接触式、非接触式，非接触式由于其天然的安全性而成为首选，其又可细分为超声波、光截图、激光等各种技术实现方式。激光位移传感器使用三角测量法对检测物位移、平整度、厚度、振动、距离、直径等几何量进行高精度测量。
为适应中高速监测需求，轮对在线安全监测系统在图像激光捕捉和算法上进行全面改进（称为多线激光技术），在原激光位移传感器配合高速相机只进行1次轮对踏面3D形状捕捉的基础上，对全车轮踏面进行连续的3D形状提取，产生25 组可供分析对比的数据并进行算法整合与数据修正，从而实现中高速工况下对于轮对尺寸的较精确测量。此高速相机还配合光源，对轮对踏面进行高清摄影，通过辨别踏面图像上强光照射下的异常光影，自动识别出踏面是否存在擦伤、剥离，实现轮对踏面监测报警功能。所测得的25组轮对踏面3D形状图像如图4 所示。
在满足上述2方面需求的同时，系统还增加了轴温监测和预警功能。
2.2 应用情况
传统轮对在线安全监测系统为提高测量精度，要求列车通过速度不得高于20 km/h，且系统通常安装于出入段线或者折返线处。东莞地铁2号线为提高监测的列车覆盖率、也为提前验证1 号线120km/h 无人驾驶的高速监测功能需求，将系统安装于区间内（车站进站前50m处布置），以验证40～ 50km/h 中高速监测工况下的监测效果。轮对在线安全监测系统自2019年5月初投入使用至今，一直在不间断进行设备优化与算法升级，以获得更稳定更精确的输出数据。安装于正线的轮对在线安全监测系统如图5所示。
为验证数据的精确度，将轮对尺寸的系统测量值与不落轮镟床实测值进行一一比对，如图6 所示，由图6可见，轮径数据相关性良好，虽然不可避免有±0.6 mm以内的误差，不能直接作为镟轮基准和依据，但对于统计轮对磨耗数据及研判磨耗趋势具有高效、快捷的优势，有利于专业技术人员根据实时数据做出技术决策，对全自动驾驶列车维护具有很强实用价值。
3.1 系统简介
车体360°全车监测系统是业内新一代在线检测设备，该系统在检修库轨道垂直面4个方向上安装基于机器视觉、红外线、激光等传感技术的监测装置，利用模式识别、特征匹配等数字图像处理技术，在车辆通过时高速拍下列车车顶、车侧、车底的全部照片并进行照片拼接，自动监测车辆的外表故障，识别车底车顶异物及紧固件状态情况，实现不停车列检。车体360°全车监测系统如图7所示。
车体360°全车监测系统利用高清高速相机配合红外、激光传感器瞬间捕捉过往列车的360°全车身高清图片后，与标准状态下的全车图像进行比对，分析判别列车外部异物、部件缺失、变形、位移、松动等情况，并将监测异常图像与结论实时上传与预警。车轮侧面全景监测示意图如图8所示。
为克服激光补光摄像带来的图像阴影，反射光以及雨天设备表面水渍对图像辨别带来的误判影响，系统开发了3D图像和2D图像同步匹配采集的功能，3D图像经过3D视觉软件进行三维轮廓计算，对传统2D图像无法辨别的水渍、光照进行复核，提高辨别准确度。同时，2D和3D传感器集成于同一模组，同步摄取图像并匹配，避免因位置、时间差异导致视点、视场角差异和图像畸变而使3D图像和2D图像横向匹配失败的情况发生。3D图像与2D图像对比如图9所示。
3.2应用情况
车体360°全车检测系统于2019年底在东莞地铁2号线车辆段带地沟的检修股道安装，2019年4月开始试用及持续进行现场机器深度学习。每天安排至少1列列车通过该系统进行全车外形图像采集，并且在车辆段配置本地服务器用于存储及调取每日拍摄的图像，图像的所有深度学习与异常判定工作均在本地服务器完成。
该系统正式投入使用后解决了运营中的3方面问题：①简化车顶部件外观状态检查的流程并降低时间人力成本；②降低夜间日检由于光线、人员精神状态等原因对于重复性目视检查效果的影响；③减少自动驾驶列车回库后人员进入无人区的次数和时间，提升库区运作效率，降低检修人员安全风险。
地铁智能运维是大数据、信息化、智能终端有机合的综合概念，车辆智慧在线监测系统等智能终端是所有维保基础数据信息的来源，其准确性直接影响智能运维的实现效果，也是所有地铁运营单位衡量其监测效果的唯一标准。所以在系统调试与优化的过程中，不应只追求系统的功能扩展，而应关注其中几个必要功能的输出效果，比如轮径测量的精确度和跟随性、弓网燃弧位置的精确性和报警的准确性、车顶异常状态判定的准确性。
李建旭，张黎璋.东莞地铁车辆智慧在线监测系统应用与实践[J].现代城市轨道交通，2020（8）：53-57.
李建旭，男，（1983—），高级工程师，东莞市轨道交通有限公司，车辆部综合技术室主任。
张黎璋，男，（1975—），高级工程师，东莞市轨道交通有限公司，安监部部长。