城市轨道交通随着国内经济快速增长而在各大城市广泛普及,城市轨道交通的运营规模不断增长,对安全稳定运行的要求也越来越高。弓网关系是列车运行中重要的一环,弓网电弧的产生会加速弓网损耗,影响列车供电,产生电磁干扰,因此,弓网电弧的监测对列车安全运行具有重要意义。本文分析了国内外现有的弓网电弧检测技术,普遍存在检测设备复杂,成本高昂,检测效率低下等问题。本文依托随列车拍摄的弓网监控视频为样本材料,提出基于相关滤波和神经网络的弓网电弧检测模型,论文主要研究内容如下:首先对跟随列车采集到的弓网监控视频进行样本分析和图像预处理,通过图像预处理分析了弓网电弧图像的突出特征,并结合弓网电弧图像在视频时间序列上的特征进行初步的检测。在检测弓网电弧之前,为了排除干扰,降低计算量,首先应使用追踪算法截取产生电弧的弓网接触点部分,本文设计了基于相关滤波的弓网电弧的追踪检测模型,采用了双滤波器架构,通过不同特征对相关滤波器进行训练,得到可以稳定追踪弓网接触点的梯度特征滤波器和对弓网电弧敏感的颜色特征滤波器,同时设计了两个滤波器的跟踪和检测策略。经过实验测试表明,基于相关滤波的弓网电弧的追踪检测模型可以稳定追踪弓网接触点,准确检测弓网电弧。为提高弓网电弧的识别准确率,实现弓网电弧的分类识别,本文设计了基于神经网络的弓网电弧检测分类模型。由于电弧发生事件具有不确定性和小概率性,难以收集同一线路上大量的弓网电弧图片作为神经网络的训练集,通过引入生成对抗网络来扩充数据集,并使用相关滤波器对生成图片进行约束,保证了生成图片的可用性。在残差神经网络的结构基础上搭建了弓网电弧识别的神经网络模型,对网络中输入数据处理部分和残差部分进行改进,加速了神经网络损失函数的收敛速度。在实验中对比了相关滤波和神经网络两个模型的准确度,检测速度,结果表明两个模型均拥有较好的检测性能,并在各个方面对两个模型的优势进行分析。实际应用中,可以根据需求场景和应用环境进行灵活选择。