基于车载phm的受电弓故障报警方法、装置及轨道车辆
技术领域
1.本发明涉及轨道车辆技术领域，尤其涉及一种基于车载phm的受电弓故障报警方法、装置及轨道车辆。


背景技术：

2.目前，高速动车组的pis系统仅实现受电弓视频的实时监控功能，当受电弓发生火花、异常降弓、异物撞击(例如撞鸟)等故障时，pis显示屏会弹出故障报警信息，司乘人员看到报警信息后通过故障发生时间在旅客信息服务系统(以下简称pis)的硬盘录像机检索该视频，方能获取并处置故障，由于需要司乘人员手动检索，无法第一时间获取故障关键时刻视频信息，导致司乘及检修维护人员获取及处置受电弓故障的效率极低。


技术实现要素：

3.本发明提供一种基于车载phm的受电弓故障报警方法，用以解决现有技术中需要司乘人员手动检索，无法第一时间获取故障关键时刻视频信息，导致司乘及检修维护人员获取及处置受电弓故障效率极低的缺陷，通过车载预测与健康管理(prognostics and health management，以下简称phm)主机搭载的软件模型，对轨道车辆受电弓出现的故障进行报警，具备视频播放功能的车载显示装置接收到该报警信息并存储故障时刻及故障发生前后一定时间段内的视频信息，司乘人员可通过调取故障视频，可以提高司乘及检修维护人员处置受电弓故障的工作效率。
4.本发明还提供一种基于车载phm的受电弓故障报警装置。
5.本发明又提供一种轨道车辆。
6.根据本发明第一方面提供的一种基于车载phm的受电弓故障报警方法，应用于服务器，所述服务器与图像采集设备连接，所述图像采集设备采集受电弓的图像信息，所述方法包括：
7.获取所述图像采集设备在连续时间节点内采集所述受电弓的第一视频数据流；
8.响应于所述第一视频数据流中的所述受电弓的故障报警信息，提取所述故障报警信息的第一特征向量和第二特征向量，其中，所述第一特征向量指向所述故障报警信息对应的预设起始时间节点，所述第二特征向量指向所述故障报警信息对应的预设结束时间节点；
9.根据所述第一特征向量和所述第二特征向量在所述第一视频数据流中提取第二视频数据流，并根据所述故障报警信息和所述第二视频数据流生成报警决策。
10.需要说明的是，第二视频数据流包含了受电弓发生故障报警的时间段信息，以及相应的受电弓图像相信，以便于通过第二视频数据流准确获取受电弓的相关状况。
11.在可能的实施方式中，预设起始时间节点为故障报警信息的发生时刻，预设结束时间节点为故障报警信息的结束时刻。
12.在可能的实施方式中，预设起始时间节点为故障报警信息前的1分钟，预设结束时
间节点为故障报警信息结束后的1分钟。
13.根据本发明的一种实施方式，所述响应于所述第一视频数据流中的所述受电弓故障报警信息的步骤中，具体包括：
14.获取所述图像采集设备采集的所述受电弓的即时形貌信息，并根据所述即时形貌信息与所述受电弓的预设形貌信息进行比对；
15.确定所述即时形貌信息不满足所述预设形貌信息，获取所述受电弓的故障报警类型；
16.根据所述故障报警类型生成所述故障报警信息。
17.具体来说，本实施例提供了一种响应于所述第一视频数据流中的所述受电弓故障报警信息的实施方式，通过对受电弓即时形貌信息的获取，能够实现对受电弓出现火花、异常降弓、异物撞击(例如撞鸟)等故障时进行报警，并通过即时形貌信息与预设形貌信息进行比对，确定受电弓是否处于故障报警，以及处于何种故障报警类型，并进而生成相应的故障报警信息。
18.在可能的实施方式中，即时形貌信息至少包括了受电弓的外部形态结构的相关参数。
19.在可能的实施方式中，即时形貌信息至少包括了受电弓的图像亮度的相关参数。
20.在可能的实施方式中，即时形貌信息至少包括了受电弓的图像灰度的相关参数。
21.在可能的实施方式中，即时形貌信息至少包括了受电弓的图像清晰度的相关参数。
22.在可能的实施方式中，即时形貌信息至少包括了受电弓的各部分构造，以及相应的连接关系，并将上述内容预存为预设形貌信息。
23.在可能的实施方式中，确定所述即时形貌信息不满足所述预设形貌信息为确定受电弓处于故障报警的条件。
24.根据本发明的一种实施方式，所述确定所述即时形貌信息不满足所述预设形貌信息，获取所述受电弓的故障报警类型的步骤中，具体包括：
25.提取所述即时形貌信息中的受电弓即时轮廓参数，以及所述预设形貌信息中的受电弓预设轮廓参数；
26.将所述受电弓即时轮廓参数和所述受电弓预设轮廓参数进行拟合，并提取所述受电弓即时轮廓参数和所述受电弓预设轮廓参数的偏移量；
27.确定所述偏移量大于预设偏移阈值，则在第一预设时间段内连续获取对应所述偏移量大于所述预设偏移阈值的第一图像帧数；
28.确定在所述第一预设时间段内的所述第一图像帧数大于第一预设帧数阈值，则判定所述受电弓处于第一类故障报警事件；
29.将所述第一类故障报警事件的类型作为所述故障报警类型。
30.具体来说，本实施例提供了一种判定受电弓处于第一类故障报警事件的实施方式，根据对受电弓即时轮廓参数与受电弓预设轮廓参数之间的偏移量进行确认，当偏移量大于预设偏移阈值时，在第一预设时间段内持续对偏移量进行监测，当在第一预设时间段内对应偏移量出现的第一图像帧数大于第一预设帧数阈值时，判定此时的受电弓为第一类故障报警事件。
31.在可能的实施方式中，受电弓即时轮廓参数主要包括受电弓的外轮廓形态特征，相应的，受电弓预设轮廓参数则主要包括了预存的受电弓的外轮廓形态特征。
32.在可能的实施方式中，受电弓即时轮廓参数和受电弓预设轮廓参数进行的拟合主要通过深度神经网络学习算法记忆运行正常状态下的受电弓轮廓特征曲线并作为模板值，然后在运行过程中实时提取受电弓特征曲与模板值匹配。
33.在可能的实施方式中，受电弓即时轮廓参数和受电弓预设轮廓参数进行的拟合后，当匹配值小于预设匹配阈值或者偏移量大于预设偏移阈值时，视为异常就触发受电弓结构异常报警。
34.在可能的实施方式中，通过对受电弓即时轮廓参数和受电弓预设轮廓参数的确认，触发受电弓结构异常报警的同时，记录报警图片与视频文件，并上传至车载显示装置。
35.在可能的实施方式中，第一预设时间段为5秒，第一预设帧数阈值为20帧。
36.在可能的实施方式中，发现第一帧异常画面后，在其后连续的5秒内发现超过20帧的异常画面时，进行报警。
37.在可能的实施方式中，时间和帧数阈值均可根据运用情况进行再优化配置。
38.在可能的实施方式中，第一类故障报警事件至少包括受电弓碳滑板结构异常、弓角结构异常等。
39.根据本发明的一种实施方式，所述确定在所述第一预设时间段内的所述第一图像帧数大于第一预设帧数阈值，则判定所述受电弓处于第一类故障报警事件的步骤之后，具体还包括：
40.获取所述受电弓即时轮廓参数中对所述受电弓进行结构划分的受电弓即时偏移区域；
41.获取所述受电弓即时轮廓参数中对所述受电弓进行结构划分的受电弓预设结构区域；
42.将所述受电弓即时偏移区域和所述受电弓预设结构区域进行拟合，并提取所述受电弓即时偏移区域和所述受电弓预设结构区域的受电弓即时偏移区域；
43.确定所述受电弓即时偏移区域的面积大于对应的所述受电弓预设结构区域的面积，则在第二预设时间段内连续获取对应所述受电弓即时偏移区域面积大于所述受电弓预设结构区域面积的第二图像帧数；
44.确定在所述第二预设时间段内的所述第二图像帧数大于第二预设帧数阈值，则判定所述受电弓处于第二类故障报警事件；
45.将所述第二类故障报警事件的类型作为所述故障报警类型。
46.具体来说，本实施例提供了一种判定受电弓处于第二类故障报警事件的实施方式，根据受电弓预设结构区域和受电弓即时偏移区域进行拟合和判断，根据受电弓即时偏移区域的面积，确定受电弓的故障报警类型，当受电弓即时偏移区域的面积大于受电弓预设结构区域的面积时，在第二预设时间段内持续对受电弓即时偏移区域面积进行监测，当在第二预设时间段内对应受电弓即时偏移区域面积大于受电弓预设结构区域面积出现的第二图像帧数大于第二预设帧数阈值时，判定此时的受电弓为第二类故障报警事件。
47.在可能的实施方式中，受电弓预设结构区域主要包括受电弓的外轮廓形态特征，相应的，受电弓即时偏移区域则主要包括了预存的受电弓的外轮廓形态特征。
48.在可能的实施方式中，受电弓预设结构区域和受电弓即时偏移区域进行的拟合主要通过深度神经网络学习算法记忆运行正常状态下的受电弓结构特征曲线并作为模板值，然后在运行过程中实时提取受电弓特征曲与模板值匹配。
49.在可能的实施方式中，通过对受电弓预设结构区域和受电弓即时偏移区域的确认，触发受电弓结构异常报警的同时，记录报警图片与视频文件，并上传至车载显示装置。
50.在可能的实施方式中，第二预设时间段为5秒，第二预设帧数阈值为200帧，
51.在可能的实施方式中，发现第一帧异常画面后，在连续5秒内，出现200帧异常画面时，发出异常状态报警。
52.在可能的实施方式中，时间和帧数阈值均可根据运用情况进行再优化配置。
53.在可能的实施方式中，第二类故障报警事件至少包括受电弓悬挂塑料袋、气球、风筝等8cmx8cm较大异物等。
54.根据本发明的一种实施方式，所述确定所述即时形貌信息不满足所述预设形貌信息，获取所述受电弓的故障报警类型的步骤中，具体包括：
55.提取所述即时形貌信息中的受电弓即时坐标参数，并根据所述受电弓即时坐标参数提取受电弓即时倾斜角度；
56.提取所述预设形貌信息中的受电弓预设坐标参数，并根据所述受电弓预设坐标参数提取受电弓预设倾斜角度；
57.根据所述受电弓即时坐标参数和所述受电弓预设坐标参数进行拟合；
58.确定所述受电弓即时倾斜角度大于所述受电弓预设倾斜角度，则在第三预设时间段内连续获取对应所述受电弓即时倾斜角度大于所述受电弓预设倾斜角度的第三图像帧数；
59.确定在所述第三预设时间段内的所述第三图像帧数大于第三预设帧数阈值，则判定所述受电弓处于第三类故障报警事件；
60.将所述第三类故障报警事件的类型作为所述故障报警类型。
61.具体来说，本实施例提供了一种判定受电弓处于第三类故障报警事件的实施方式，根据对受电弓即时倾斜角度和受电弓预设倾斜角度进行比对，当受电弓即时倾斜角度大于受电弓预设倾斜角度时，则在第三预设时间段内持续对受电弓即时倾斜角度进行监测，当在第三预设时间段内对应受电弓即时倾斜角度大于受电弓预设倾斜角度出现的第三图像帧数大于第三预设帧数阈值时，判定此时的受电弓为第三类故障报警事件。
62.在可能的实施方式中，受电弓即时坐标参数主要包括受电弓的外轮廓形态特征，相应的，受电弓预设坐标参数则主要包括了预存的受电弓的外轮廓形态特征。
63.在可能的实施方式中，受电弓即时坐标参数和受电弓预设坐标参数进行的拟合主要通过深度神经网络学习算法记忆运行正常状态下的受电弓坐标特征曲线并作为模板值，然后在运行过程中实时提取受电弓特征曲与模板值匹配。
64.在可能的实施方式中，通过受电弓坐标特征曲线对受电弓即时倾斜角度和受电弓预设倾斜角度之间的差值进行确认，当受电弓即时倾斜角度大于受电弓预设倾斜角度时，视为异常就触发受电弓结构异常报警。
65.在可能的实施方式中，通过对受电弓即时倾斜角度和受电弓预设倾斜角度的确认，触发受电弓结构异常报警的同时，记录报警图片与视频文件，并上传至车载显示装置。
66.在可能的实施方式中，第一预设时间段为5秒，第一预设帧数阈值为60帧。
67.在可能的实施方式中，发现第一帧异常画面后，在5秒内累计出现60帧画面出现受电弓的倾斜角度大于10
°
倾斜时。
68.在可能的实施方式中，时间和帧数阈值均可根据运用情况进行再优化配置。
69.在可能的实施方式中，12度时到达弓角末端极限，可能出现钻网。
70.在可能的实施方式中，横风、交汇车、隧道等引起受电弓晃动的情况，预留2度余量。
71.根据本发明的一种实施方式，所述确定所述即时形貌信息不满足所述预设形貌信息，获取所述受电弓的故障报警类型的步骤中，具体包括：
72.提取所述即时形貌信息中的受电弓即时图像参数；
73.确定所述受电弓即时图像参数中的火花异常信息，则在第四预设时间段内连续获取对应所述火花异常信息的第四图像帧数；
74.确定在所述第四预设时间段内的所述第四图像帧数大于第四预设帧数阈值，则判定所述受电弓处于第四类故障报警事件；
75.将所述第四类故障报警事件的类型作为所述故障报警类型。
76.具体来说，本实施例提供了一种判定受电弓处于第四类故障报警事件的实施方式，根据对受电弓即时图像参数的火花异常信息进行确认，当识别到火花异常信息时，在第四预设时间段内持续对火花异常信息进行监测，当在第四预设时间段内对应火花异常信息出现的第四图像帧数大于第四预设帧数阈值时，判定此时的受电弓为第四类故障报警事件。
77.在可能的实施方式中，当连续8秒内出现超过20帧大于1/300整幅画面而小于1/20整幅画面的火花时，判断此时火花异常信息为连续小火花异常。
78.在可能的实施方式中，1/20占据弓头区域70％，1/200占据5.8％比照弓头区面积。
79.在可能的实施方式中，时间和帧数阈值均可根据运用情况进行再优化配置。
80.在可能的实施方式中，当连续2秒内连续超过6帧火花面积大于1/20整幅画面区域时，判断此时火花异常信息为大火花异常。
81.根据本发明的一种实施方式，所述确定所述即时形貌信息不满足所述预设形貌信息，获取所述受电弓的故障报警类型的步骤中，具体包括：
82.提取所述即时形貌信息中的即时画面清晰度，以及所述预设形貌信息中的预设画面清晰度；
83.确定所述即时画面清晰度低于所述预设画面清晰度，则在第五预设时间段内连续获取对应所述即时画面清晰度低于所述预设画面清晰度的第五图像帧数；
84.确定在所述第五预设时间段内的所述第五图像帧数大于第五预设帧数阈值，则判定所述受电弓处于第五类故障报警事件；
85.将所述第五类故障报警事件的类型作为所述故障报警类型。
86.具体来说，本实施例提供了一种判定受电弓处于第五类故障报警事件的实施方式，根据对即时画面清晰度与预设画面清晰度进行确认，当即时画面清晰度低于预设画面清晰度时，在第五预设时间段内持续对即时形貌信息进行监测，当在第五预设时间段内的对应即时画面清晰度低于预设画面清晰度的第五图像帧数大于第五预设帧数阈值时，判定
此时的受电弓为第一类故障报警事件。
87.在可能的实施方式中，即时画面清晰度低于预设画面清晰度可能因为雨雪、镜头脏污、摄像机损坏等因素导致监控画面不清晰，phm主机无法准确分析受电弓燃弧、结构异常、悬挂异物等故障，进行画面模糊检测。
88.在可能的实施方式中，当出现连续30帧图像灰度值低于40的画面时phm主机识别为模糊，无法有效识别弓头区域时，phm主机识别为画面模糊，此时，phm主机关闭火花、结构异常、悬挂异物检测功能，当画面清晰后，继续开启火花、结构异常、悬挂异物检测功能。
89.根据本发明的一种实施方式，所述获取所述图像采集设备在连续时间节点内采集的所述受电弓的第一视频数据流的步骤中，具体包括：
90.获取轨道车辆的即时位置坐标参数和预设噪音坐标参数；
91.确定所述即时位置坐标参数处于所述预设噪音坐标参数的范围内，则所述图像采集设备停止采集所述受电弓的图像信息；
92.确定所述即时位置坐标参数处于所述预设噪音坐标参数的范围外，则所述图像采集设备在连续时间节点内采集所述受电弓的所述第一视频数据流。
93.具体来说，本实施例提供了一种根据轨道车辆的即时位置坐标参数和预设噪音坐标参数进行第一视频数据流采集的实施方式，通过对轨道车辆的即时位置坐标参数和预设噪音坐标参数进行获取，实现了根据轨道车辆所在位置进行相应第一视频流数据的采集，当轨道车辆处于预设噪音坐标参数显示的范围内时，此时通过图像采集设备采集受电弓的图像信息受到的干扰较大，因此需在预设噪音坐标参数显示的范围外进行受电弓图像信息的采集，系统应进行故障报警干扰过滤，用于以降低误报率。
94.在可能的实施方式中，预设噪音坐标参数显示的范围包括轨道车辆在桥梁、隧道、进出车站、建筑物遮挡等复杂背景工况的运行。
95.在可能的实施方式中，画面灰度平均值瞬间低于最低值或瞬间高于最高值时滤除。
96.在可能的实施方式中，隧道内检测到画面模糊或者因隧道壁反光导致无法检测时，可暂时关闭智能分析功能。
97.在可能的实施方式中，画面识别的结果模糊，可暂时关闭智能分析功能。
98.在可能的实施方式中，隧道模式下智能分析功能短时关闭时，车载显示装置不提示。
99.根据本发明第二方面提供的一种基于车载phm的受电弓故障报警装置，包括：获取模块、提取模块和生成模块；
100.所述获取模块用于获取所述图像采集设备在连续时间节点内采集的所述受电弓的第一视频数据流；
101.所述提取模块用于响应于所述第一视频数据流中的所述受电弓故障报警信息，提取所述故障报警信息的第一特征向量和第二特征向量，其中，所述第一特征向量指向所述故障报警信息对应的预设起始时间节点，所述第二特征向量指向所述故障报警信息对应的预设结束时间节点；
102.所述生成模块用于根据所述第一特征向量和所述第二特征向量在所述第一视频数据流中提取第二视频数据流，并根据所述故障报警信息和所述第二视频数据流生成报警
决策。
103.根据本发明第三方面提供的一种轨道车辆，具有上述的一种基于车载phm的受电弓故障报警方法，或者上述的一种基于车载phm的受电弓故障报警装置。
104.本发明中的上述一个或多个技术方案，至少具有如下技术效果之一：本发明提供的一种基于车载phm的受电弓故障报警方法、装置及轨道车辆，通过phm主机搭载的软件模型，对轨道车辆受电弓出现的故障进行报警，具备视频播放功能的车载显示装置接收到该报警信息并存储故障时刻及故障发生前后一定时间段内的视频信息，司乘人员可通过调取故障视频，可以提高司乘及检修维护人员处置受电弓故障的工作效率。
105.本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
106.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
107.图1是本发明提供的基于车载phm的受电弓故障报警方法的流程示意图；
108.图2是本发明提供的基于车载phm的受电弓故障报警方法的流程示意图；
109.图3是本发明提供的基于车载phm的受电弓故障报警装置的结构示意图。
110.附图标记：
111.10、获取模块；20、提取模块；30、生成模块。
具体实施方式
112.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
113.在本发明实施例的描述中，需要说明的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明实施例的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
114.图1是本发明提供的基于车载phm的受电弓故障报警方法的流程示意图；图2是本发明提供的基于车载phm的受电弓故障报警方法的流程示意图。本发明通过车载预测与健康管理(prognostics and health management，以下简称phm)主机搭载的软件模型，对列车受电弓出现的火花、异常降弓、异物撞击(例如撞鸟)等故障进行报警，具备视频播放功能的车载显示装置接收到该报警信息并存储故障时刻及故障发生前后一定时间段内的视频信息，司乘人员可通过调取故障视频，并使用快慢播放功能对受电弓故障进行仔细观察，帮
助其完成故障排查及处置。
115.在可能的实施方式中，收取车载phm主机的受电弓故障报警信息，并进行实时报警。
116.在可能的实施方式中，当故障时刻及前后的受电弓视频进行记录、存储及显示，保存故障现场第一手资料，实现司乘及检修维护人员快速、准确、高效的获取故障信息并处置。
117.在可能的实施方式中，包括车载phm主机、pis及车载显示装置三部分，pis安装于高速列车顶端的摄像头实时监控受电弓工作状态，将拍摄的视频流存储于硬盘刻录机并将受电弓监控视频实时发送给车载phm主机及车载显示装置。当发生受电弓结构异常、异物撞击、连续小火花和大火花、受电弓倾斜、脏污模式等故障时，车载phm主机通过软件算法模型对收到的受电弓实时视频流进行故障信息提取，提取故障时刻图片，并将提取出的报警信息发送车载显示装置。
118.在可能的实施方式中，车载显示装置收到phm主机故障报警信息时，对收到的实时视频流在内存中进行实时记录，记录时长保持为2分钟，记录满2分钟后，收到最新1分钟的视频流，同步删除最早1分钟的视频流，保证第2分钟永远为最新收到的视频流，收到故障报警信息时，截取报警时刻往前1分钟视频流，并继续再收取1分钟视频流进行视频存储，存储于硬盘，从而实现受电弓故障发生时刻及发生前后总计2分钟的视频记录、存储，硬盘总计开辟4g空间用于视频存储，存储满后，从时间最早的视频开始逐条替换，确保不会将硬盘占满。
119.在可能的实施方式中，除了记录视频，车载显示装置通过rtsp协议指令从phm主机调取故障时刻图片进行显示。
120.在可能的实施方式中，通过车载显示装置的人机交互界面，即受电弓视频报警界面进行报警时刻图片和视频显示。
121.图3是本发明提供的基于车载phm的受电弓故障报警装置的结构示意图。
122.在本发明实施例的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明实施例中的具体含义。
123.在本发明实施例中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
124.在本发明的一些具体实施方案中，如图1和图2所示，本方案提供一种基于车载phm的受电弓故障报警方法，应用于服务器，服务器与图像采集设备连接，图像采集设备采集受电弓的图像信息，方法包括：
125.获取图像采集设备在连续时间节点内采集受电弓的第一视频数据流；
126.响应于第一视频数据流中的受电弓的故障报警信息，提取故障报警信息的第一特
征向量和第二特征向量，其中，第一特征向量指向故障报警信息对应的预设起始时间节点，第二特征向量指向故障报警信息对应的预设结束时间节点；
127.根据第一特征向量和第二特征向量在第一视频数据流中提取第二视频数据流，并根据故障报警信息和第二视频数据流生成报警决策。
128.详细来说，本发明提供一种基于车载phm的受电弓故障报警方法，用以解决现有技术中需要司乘人员手动检索，无法第一时间获取故障关键时刻视频信息，导致司乘及检修维护人员获取及处置受电弓故障效率极低的缺陷，通过车载预测与健康管理(prognostics and health management，以下简称phm)主机搭载的软件模型，对轨道车辆受电弓出现的故障进行报警，具备视频播放功能的车载显示装置接收到该报警信息并存储故障时刻及故障发生前后一定时间段内的视频信息，司乘人员可通过调取故障视频，可以提高司乘及检修维护人员处置受电弓故障的工作效率。
129.需要说明的是，第二视频数据流包含了受电弓发生故障报警的时间段信息，以及相应的受电弓图像相信，以便于通过第二视频数据流准确获取受电弓的相关状况。
130.在可能的实施方式中，预设起始时间节点为故障报警信息的发生时刻，预设结束时间节点为故障报警信息的结束时刻。
131.在可能的实施方式中，预设起始时间节点为故障报警信息前的1分钟，预设结束时间节点为故障报警信息结束后的1分钟。
132.在本发明一些可能的实施例中，响应于第一视频数据流中的受电弓故障报警信息的步骤中，具体包括：
133.获取图像采集设备采集的受电弓的即时形貌信息，并根据即时形貌信息与受电弓的预设形貌信息进行比对；
134.确定即时形貌信息不满足预设形貌信息，获取受电弓的故障报警类型；
135.根据故障报警类型生成故障报警信息。
136.具体来说，本实施例提供了一种响应于第一视频数据流中的受电弓故障报警信息的实施方式，通过对受电弓即时形貌信息的获取，能够实现对受电弓出现火花、异常降弓、异物撞击(例如撞鸟)等故障时进行报警，并通过即时形貌信息与预设形貌信息进行比对，确定受电弓是否处于故障报警，以及处于何种故障报警类型，并进而生成相应的故障报警信息。
137.在可能的实施方式中，即时形貌信息至少包括了受电弓的外部形态结构的相关参数。
138.在可能的实施方式中，即时形貌信息至少包括了受电弓的图像亮度的相关参数。
139.在可能的实施方式中，即时形貌信息至少包括了受电弓的图像灰度的相关参数。
140.在可能的实施方式中，即时形貌信息至少包括了受电弓的图像清晰度的相关参数。
141.在可能的实施方式中，即时形貌信息至少包括了受电弓的各部分构造，以及相应的连接关系，并将上述内容预存为预设形貌信息。
142.在可能的实施方式中，确定即时形貌信息不满足预设形貌信息为确定受电弓处于故障报警的条件。
143.在本发明一些可能的实施例中，确定即时形貌信息不满足预设形貌信息，获取受
电弓的故障报警类型的步骤中，具体包括：
144.提取即时形貌信息中的受电弓即时轮廓参数，以及预设形貌信息中的受电弓预设轮廓参数；
145.将受电弓即时轮廓参数和受电弓预设轮廓参数进行拟合，并提取受电弓即时轮廓参数和受电弓预设轮廓参数的偏移量；
146.确定偏移量大于预设偏移阈值，则在第一预设时间段内连续获取对应偏移量大于预设偏移阈值的第一图像帧数；
147.确定在第一预设时间段内的第一图像帧数大于第一预设帧数阈值，则判定受电弓处于第一类故障报警事件；
148.将第一类故障报警事件的类型作为故障报警类型。
149.具体来说，本实施例提供了一种判定受电弓处于第一类故障报警事件的实施方式，根据对受电弓即时轮廓参数与受电弓预设轮廓参数之间的偏移量进行确认，当偏移量大于预设偏移阈值时，在第一预设时间段内持续对偏移量进行监测，当在第一预设时间段内的偏移量出现的第一图像帧数大于第一预设帧数阈值时，判定此时的受电弓为第一类故障报警事件。
150.在可能的实施方式中，受电弓即时轮廓参数主要包括受电弓的外轮廓形态特征，相应的，受电弓预设轮廓参数则主要包括了预存的受电弓的外轮廓形态特征。
151.在可能的实施方式中，受电弓即时轮廓参数和受电弓预设轮廓参数进行的拟合主要通过深度神经网络学习算法记忆运行正常状态下的受电弓轮廓特征曲线并作为模板值，然后在运行过程中实时提取受电弓特征曲与模板值匹配。
152.在可能的实施方式中，受电弓即时轮廓参数和受电弓预设轮廓参数进行的拟合后，当匹配值小于预设匹配阈值或者偏移量大于预设偏移阈值时，视为异常就触发受电弓结构异常报警。
153.在可能的实施方式中，通过对受电弓即时轮廓参数和受电弓预设轮廓参数的确认，触发受电弓结构异常报警的同时，记录报警图片与视频文件，并上传至车载显示装置。
154.在可能的实施方式中，第一预设时间段为5秒，第一预设帧数阈值为20帧。
155.在可能的实施方式中，发现第一帧异常画面后，在其后连续的5秒内发现超过20帧的异常画面时，进行报警。
156.在可能的实施方式中，时间和帧数阈值均可根据运用情况进行再优化配置。
157.在可能的实施方式中，第一类故障报警事件至少包括受电弓碳滑板结构异常、弓角结构异常等。
158.在本发明一些可能的实施例中，确定在第一预设时间段内的第一图像帧数大于第一预设帧数阈值，则判定受电弓处于第一类故障报警事件的步骤之后，具体还包括：
159.获取受电弓即时轮廓参数中对受电弓进行结构划分的受电弓即时偏移区域；
160.获取受电弓即时轮廓参数中对受电弓进行结构划分的受电弓预设结构区域；
161.将受电弓即时偏移区域和受电弓预设结构区域进行拟合，并提取受电弓即时偏移区域和受电弓预设结构区域的受电弓即时偏移区域；
162.确定受电弓即时偏移区域的面积大于对应的受电弓预设结构区域的面积，则在第二预设时间段内连续获取对应受电弓即时偏移区域面积大于受电弓预设结构区域面积的
第二图像帧数；
163.确定在第二预设时间段内的第二图像帧数大于第二预设帧数阈值，则判定受电弓处于第二类故障报警事件；
164.将第二类故障报警事件的类型作为故障报警类型。
165.具体来说，本实施例提供了一种判定受电弓处于第二类故障报警事件的实施方式，根据受电弓预设结构区域和受电弓即时偏移区域进行拟合和判断，根据受电弓即时偏移区域的面积，确定受电弓的故障报警类型，当受电弓即时偏移区域的面积大于受电弓预设结构区域的面积时，在第二预设时间段内持续对受电弓即时偏移区域面积进行监测，当在第二预设时间段内受电弓即时偏移区域面积大于受电弓预设结构区域面积出现的第二图像帧数大于第二预设帧数阈值时，判定此时的受电弓为第二类故障报警事件。
166.在可能的实施方式中，受电弓预设结构区域主要包括受电弓的外轮廓形态特征，相应的，受电弓即时偏移区域则主要包括了预存的受电弓的外轮廓形态特征。
167.在可能的实施方式中，受电弓预设结构区域和受电弓即时偏移区域进行的拟合主要通过深度神经网络学习算法记忆运行正常状态下的受电弓结构特征曲线并作为模板值，然后在运行过程中实时提取受电弓特征曲与模板值匹配。
168.在可能的实施方式中，通过对受电弓预设结构区域和受电弓即时偏移区域的确认，触发受电弓结构异常报警的同时，记录报警图片与视频文件，并上传至车载显示装置。
169.在可能的实施方式中，第二预设时间段为5秒，第二预设帧数阈值为200帧，
170.在可能的实施方式中，发现第一帧异常画面后，在连续5秒内，出现200帧异常画面时，发出异常状态报警。
171.在可能的实施方式中，时间和帧数阈值均可根据运用情况进行再优化配置。
172.在可能的实施方式中，第二类故障报警事件至少包括受电弓悬挂塑料袋、气球、风筝等8cmx8cm较大异物等。
173.在本发明一些可能的实施例中，确定即时形貌信息不满足预设形貌信息，获取受电弓的故障报警类型的步骤中，具体包括：
174.提取即时形貌信息中的受电弓即时坐标参数，并根据受电弓即时坐标参数提取受电弓即时倾斜角度；
175.提取预设形貌信息中的受电弓预设坐标参数，并根据受电弓预设坐标参数提取受电弓预设倾斜角度；
176.根据受电弓即时坐标参数和受电弓预设坐标参数进行拟合；
177.确定受电弓即时倾斜角度大于受电弓预设倾斜角度，则在第三预设时间段内连续获取对应受电弓即时倾斜角度大于受电弓预设倾斜角度的第三图像帧数；
178.确定在第三预设时间段内的第三图像帧数大于第三预设帧数阈值，则判定受电弓处于第三类故障报警事件；
179.将第三类故障报警事件的类型作为故障报警类型。
180.具体来说，本实施例提供了一种判定受电弓处于第三类故障报警事件的实施方式，根据对受电弓即时倾斜角度和受电弓预设倾斜角度进行比对，当受电弓即时倾斜角度大于受电弓预设倾斜角度时，则在第三预设时间段内持续对受电弓即时倾斜角度进行监测，当在第三预设时间段内的受电弓即时倾斜角度大于受电弓预设倾斜角度出现的第三图
像帧数大于第三预设帧数阈值时，判定此时的受电弓为第三类故障报警事件。
181.在可能的实施方式中，受电弓即时坐标参数主要包括受电弓的外轮廓形态特征，相应的，受电弓预设坐标参数则主要包括了预存的受电弓的外轮廓形态特征。
182.在可能的实施方式中，受电弓即时坐标参数和受电弓预设坐标参数进行的拟合主要通过深度神经网络学习算法记忆运行正常状态下的受电弓坐标特征曲线并作为模板值，然后在运行过程中实时提取受电弓特征曲与模板值匹配。
183.在可能的实施方式中，通过受电弓坐标特征曲线对受电弓即时倾斜角度和受电弓预设倾斜角度之间的差值进行确认，当受电弓即时倾斜角度大于受电弓预设倾斜角度时，视为异常就触发受电弓结构异常报警。
184.在可能的实施方式中，通过对受电弓即时倾斜角度和受电弓预设倾斜角度的确认，触发受电弓结构异常报警的同时，记录报警图片与视频文件，并上传至车载显示装置。
185.在可能的实施方式中，第一预设时间段为5秒，第一预设帧数阈值为60帧。
186.在可能的实施方式中，发现第一帧异常画面后，在5秒内累计出现60帧画面出现受电弓的倾斜角度大于10
°
倾斜时。
187.在可能的实施方式中，时间和帧数阈值均可根据运用情况进行再优化配置。
188.在可能的实施方式中，12度时到达弓角末端极限，可能出现钻网。
189.在可能的实施方式中，横风、交汇车、隧道等引起受电弓晃动的情况，预留2度余量。
190.在本发明一些可能的实施例中，确定即时形貌信息不满足预设形貌信息，获取受电弓的故障报警类型的步骤中，具体包括：
191.提取即时形貌信息中的受电弓即时图像参数；
192.确定受电弓即时图像参数中的火花异常信息，则在第四预设时间段内连续获取对应火花异常信息的第四图像帧数；
193.确定在第四预设时间段内的第四图像帧数大于第四预设帧数阈值，则判定受电弓处于第四类故障报警事件；
194.将第四类故障报警事件的类型作为故障报警类型。
195.具体来说，本实施例提供了一种判定受电弓处于第四类故障报警事件的实施方式，根据对受电弓即时图像参数的火花异常信息进行确认，当识别到火花异常信息时，在第四预设时间段内持续对火花异常信息进行监测，当在第四预设时间段内对应火花异常信息出现的第四图像帧数大于第四预设帧数阈值时，判定此时的受电弓为第四类故障报警事件。
196.在可能的实施方式中，当连续8秒内出现超过20帧大于1/300整幅画面而小于1/20整幅画面的火花时，判断此时火花异常信息为连续小火花异常。
197.在可能的实施方式中，1/20占据弓头区域70％，1/200占据5.8％比照弓头区面积。
198.在可能的实施方式中，时间和帧数阈值均可根据运用情况进行再优化配置。
199.在可能的实施方式中，当连续2秒内连续超过6帧火花面积大于1/20整幅画面区域时，判断此时火花异常信息为大火花异常。
200.在本发明一些可能的实施例中，确定即时形貌信息不满足预设形貌信息，获取受电弓的故障报警类型的步骤中，具体包括：
201.提取即时形貌信息中的即时画面清晰度，以及预设形貌信息中的预设画面清晰度；
202.确定即时画面清晰度低于预设画面清晰度，则在第五预设时间段内连续获取对应即时画面清晰度低于预设画面清晰度的第五图像帧数；
203.确定在第五预设时间段内的第五图像帧数大于第五预设帧数阈值，则判定受电弓处于第五类故障报警事件；
204.将第五类故障报警事件的类型作为故障报警类型。
205.具体来说，本实施例提供了一种判定受电弓处于第五类故障报警事件的实施方式，根据对即时画面清晰度与预设画面清晰度进行确认，当即时画面清晰度低于预设画面清晰度时，在第五预设时间段内持续对即时形貌信息进行监测，当在第五预设时间段内的对应即时画面清晰度低于预设画面清晰度的第五图像帧数大于第五预设帧数阈值时，判定此时的受电弓为第一类故障报警事件。
206.在可能的实施方式中，即时画面清晰度低于预设画面清晰度可能因为雨雪、镜头脏污、摄像机损坏等因素导致监控画面不清晰，phm主机无法准确分析受电弓燃弧、结构异常、悬挂异物等故障，进行画面模糊检测。
207.在可能的实施方式中，当出现连续30帧图像灰度值低于40的画面时phm主机识别为模糊，无法有效识别弓头区域时，phm主机识别为画面模糊，此时，phm主机关闭火花、结构异常、悬挂异物检测功能，当画面清晰后，继续开启火花、结构异常、悬挂异物检测功能。
208.在本发明一些可能的实施例中，获取图像采集设备在连续时间节点内采集的受电弓的第一视频数据流的步骤中，具体包括：
209.获取轨道车辆的即时位置坐标参数和预设噪音坐标参数；
210.确定即时位置坐标参数处于预设噪音坐标参数的范围内，则图像采集设备停止采集受电弓的图像信息；
211.确定即时位置坐标参数处于预设噪音坐标参数的范围外，则图像采集设备在连续时间节点内采集受电弓的第一视频数据流。
212.具体来说，本实施例提供了一种根据轨道车辆的即时位置坐标参数和预设噪音坐标参数进行第一视频数据流采集的实施方式，通过对轨道车辆的即时位置坐标参数和预设噪音坐标参数进行获取，实现了根据轨道车辆所在位置进行相应第一视频流数据的采集，当轨道车辆处于预设噪音坐标参数显示的范围内时，此时通过图像采集设备采集受电弓的图像信息受到的干扰较大，因此需在预设噪音坐标参数显示的范围外进行受电弓图像信息的采集，系统应进行故障报警干扰过滤，用于以降低误报率。
213.在可能的实施方式中，预设噪音坐标参数显示的范围包括轨道车辆在桥梁、隧道、进出车站、建筑物遮挡等复杂背景工况的运行。
214.在可能的实施方式中，画面灰度平均值瞬间低于最低值或瞬间高于最高值时滤除。
215.在可能的实施方式中，隧道内检测到画面模糊或者因隧道壁反光导致无法检测时，可暂时关闭智能分析功能。
216.在可能的实施方式中，画面识别的结果模糊，可暂时关闭智能分析功能。
217.在可能的实施方式中，隧道模式下智能分析功能短时关闭时，车载显示装置不提
示。
218.以上所描述的装置实施例仅仅是示意性的，通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
219.其中，服务器可以是单个服务器，也可以是一个服务器组。服务器组可以是集中式的，也可以是分布式的(例如，服务器可以是分布式系统)。在一些实施例中，服务器相对于终端，可以是本地的、也可以是远程的。例如，服务器可以经由网络访问存储在用户终端、数据库或其任意组合中的信息。作为另一示例，服务器可以直接连接到用户终端和数据库中的至少一个，以访问其中存储的信息和/或数据。在一些实施例中，服务器可以在云平台上实现；仅作为示例，云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter
‑
cloud)、多云(multi
‑
cloud)等，或者它们的任意组合。在一些实施例中，服务器和用户终端可以在具有本技术实施例中的一个或多个组件的电子设备上实现。
220.在本发明的一些具体实施方案中，如图3所示，本方案提供一种基于车载phm的受电弓故障报警装置，包括：获取模块10、提取模块20和生成模块30；
221.获取模块10用于获取图像采集设备在连续时间节点内采集的受电弓的第一视频数据流；
222.提取模块20用于响应于第一视频数据流中的受电弓故障报警信息，提取故障报警信息的第一特征向量和第二特征向量，其中，第一特征向量指向故障报警信息对应的预设起始时间节点，第二特征向量指向故障报警信息对应的预设结束时间节点；
223.生成模块30用于根据第一特征向量和第二特征向量在第一视频数据流中提取第二视频数据流，并根据故障报警信息和第二视频数据流生成报警决策。
224.在本发明的一些具体实施方案中，本方案提供一种轨道车辆，具有上述的一种基于车载phm的受电弓故障报警方法，或者上述的一种基于车载phm的受电弓故障报警装置。
225.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
226.最后应说明的是：以上实施方式仅用于说明本发明，而非对本发明的限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行各种组合、修改或者等同替换，都不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围中。