接触网检测

接触网检测（精选7篇）

接触网检测 篇1

接触网巡检车是测量接触网动态技术参数的专用工具。设计要求其在不大于限定车速条件下运行时, 能连续、可靠、准确地带电或不带电进行拉出值、导线高度、锚段关节、硬点、定位器坡度、杆号 (隧道内定位点) 、网压以及辅助检测项目——速度、里程等进行实时动态测量和处理。通过5月14～20日对贵阳供电段管内黔桂线、沪昆线、川黔线、内六线进行接触网动态参数的检测中观察、分析和实测数据判断, 我们发现归属该段应用的EX3997596检测车存在以下主要问题, 同时针对存在问题我们进行认真分析做出了对应的临时措施和改进建议报局 (请见表1) 。

5月30日, 我们以“关于接触网检测车EX3997596存在问题的报告”报局后, 积极协调处理自身可能克服的检测车问题。

6月4日请贵阳机务段受电弓检修工区工长一行到贵阳车辆段检测车停放现场进行了受电弓中心位置测量确认, 确定受电弓中心位置没有问题, 但对出现状况不良的受电弓滑板进行了更换。6月5日会同贵阳车辆段技术人员对检测车进行了旁程和车体倾斜度测量, 发现受电弓端两侧旁程差25mm, 车体倾斜48mm, 确认了我们判断的受电弓中心偏差大的结论。造成受电弓中心偏差大的原因是检测车车体本身倾斜, 而造成车体倾斜的原因是车内设备布局设计不合理 (偏重) 。检测车车体权属车辆段, 车辆系统检修时按客车车体标准进行检修, 其标准是车体倾斜<50mm为合格。但车体倾斜48mm将造成拉出值检测误差100mm～120mm, 这显然是不被允许的。在我们极力要求和局机务处和车辆处协调下, 6月12日贵阳车辆段组织对检测车进行了弹簧下端加垫临时处理, 将车体倾斜调整到了12mm, 加上我们采取的受电弓整体底座上移动和自身的软件修正已较好解决受电弓中心偏移问题。

硬点检测不灵敏和串信号问题, 6月23日检测到成都时, 请启迪公司技术人员进行了临时处理, 初步克服了串信号问题。

导高检测受制于气候问题, 我们建议加装角度传感器;高压室频繁烧坏芯片问题我们建议实施高低压设备电气隔离。经过上下努力, 局机务处已专题报告争取改造费用, 此二问题有望于近期得到解决。

通过对配属该段运用管理的检测车进行认真观察、分析、实测、比较、判断、咨询和协调问题克服, 充分感受到实现接触网参数可靠、准确动态测量的难度。我们必须全力以赴, 不断探索, 积极应用先进科技成果, 努力克服检测原理、检测设备可靠性、设备维护和设备多专业管理局限, 才可能最大限度发挥动态检测对行车安全的指导作用, 才可能最大限度为接触网运行管理服务, 才可能最大限度保障行车安全。

摘要：接触网动态检测是声、光、电、计算机和多媒体等现代科技在接触网专业的综合应用, 是强化运行管理行之有效的方法, 是保障设备安全运行的重要手段, 检测信息管理优劣直接关系铁路行车安全, 体现接触网运行管理工作水平。为充分发挥动态检测对设备运行安全的指导作用, 不断发现、改进和克服作为衡器的检测工具自身问题十分必要。

关键词：接触网,检测,改进

接触网检测 篇2

长期以来, 在我国的地铁运营中, 供电设备的可靠程度、机车运行的安全系数以及对于突发事故的及时处理都是保证地铁能够正常运行的重要条件。接触网和引导变电所是地铁供电设备中不可缺失的两大重要部分, 而接触网又是地铁运行的重要动力源泉。因此这就要求地铁经营者们要对地铁接触网进行严格的检测和维修, 从而保证地铁运行能够具有更高的水平和质量。

目前, 各个地铁运营商所采用的地铁接触网的检测技术都各有不同, 这就造成了地铁接触网的检测技术无法形成科学系统的理论, 使得一些新兴的地铁企业对这方面技术的使用增加了认知上的难度。因此为了将地铁接触网的检测技术完全统一起来, 形成系统的知识与技术共存的理论, 另外再结合一些先进的检测和维修技术以及存在的一些缺陷等, 对地铁接触网的检测提出了一些新的展望, 从而研究出了地铁接触网的检测仪与地铁机车联合作用的一体化平台, 并将检测结果与日常的运行状况结合起来, 探索出了符合现代化地铁接触网的检测技术的新思路, 为引导国内的地铁接触网的检测理论发展提供了合理的客观依据。

2 目前地铁接触网的检测的方法

目前国内地铁接触网使用的检测方法有专业技术人员手动检测和检测车自动化检测两种, 通过这两种方法从而测量出接触网的标准参数, 几何参数以及弓网参数, 弓网参数是一组动态参数, 具有不稳定性。这两组数据组成了地铁交通的接触网的维修和检验的参考数据。

在专业技术人员的手动检测中, 使用的检测仪有两种, DDJ-8和TDJ-6两种类型, 这两种检测仪都是比较简单轻便的手持式。这种人员测量的模式一般只用于地铁接触网的复核上, 并且需要消耗的人力物力比较大, 但获得的效率又比较低, 因此不能得到较为全面的发展。下文将对目前使用最为广泛的刚性的地铁接触网中所采用的方法进行简要的分析和阐述, 从而为地铁接触网的检测发展趋势提供良好的依据。目前使用的地铁接触网的接触式检测仪 (见图1) 。

2.1 几何参数

在地铁接触网的参数测量中, 几何参数一般测量的基础数据有导线与地面的距离, 导线的长度以及锚段的间距等。国内目前大部分的地铁运营公司的地铁接触网的检测仪器都是采用非接触式的, 这种仪器主要运用的是激光雷达的发射与接收信号的或光束的原理, 从而检测出几何参数。在这种测量方法中还运用到了立体成像中的二维平面技术, 但是由于受到这种仪器的测量精度的的影响, 因此在实际情况中的使用次数也渐渐变少。由于地铁机车在运行的过程中会产生强烈的振动, 因此专家们又发明了一种车振补偿检测仪, 这种检测仪目前已经取得了大量的应用, 并且还将成为未来地铁接触网的主流检测仪。

2.2 弓网参数

弓网系统一般是地铁接触网中的服役设备, 弓网参数主要指弓网在服役的过程中产生的动态参数。通过弓网参数就可以准确的分析接触网的在工作时受到的压力值以及方差, 从而测定公网的服役性能。首先要在弓网中压力接收滑板的两头端点处设置四个感应器, 这四个感应器主要是用来传递压力, 并在末端显示出压力的大小, 在电弓运行的过程中, 就可以可以通过牛顿定律来计算电弓重量以及接触网所受到的压力值。由于弓网参数是动态的, 因此会受到很多因素的影响, 因此必须选择质地优良的传感器来进行测量。目前常使用的传感器为接触式五轮仪传感器, 具体及构成如图2所示。

3 地铁接触网的发展趋势

根据目前国内已有的检测技术和方法来看, 大部分的检测数据都是通过检测车进行检测的, 这很容易影响弓网参数值的真确性, 所以在未来的检测技术的发展技术中, 要将这一因素考虑进去, 从而是检测的结果更加精确合理。从地铁接触网的检测技术的发展趋势来看, 首先应该考虑机车运行过程中的信号数据以及检测车所测得数据相结合, 从个体到整体, 从略检到精简, 从而设计出一个检测车与机车一体化的综合性检测系统, 并将几何参数以及弓网参数联系在一起, 从而建立起一个科学系统的检测和维修体系。基于这个基础, 首先就要在机车上安装一个燃弧测量器, 从而测量所有线路的相关信息数据, 同时又达到实时监控的目的;其次要针对机车在运行过程中的振动特性安装一个车振补偿设备, 并在计算记得控制下, 运用检测车, 对所有的区域进行全方位的检测和复核, 从而测量出精准的导线的高度和拉伸的长度, 并在参数处理结果出来后, 反复检验曲线的异常情况和重叠性。最后还要根据两组参数的的值是否复核标准予以鉴定, 对于不符合标准的就要及时进行复查和维修, 从而保证机车运行的安全性和可靠性。

4 总结

总之, 针对地铁接触网的检测和维修, 必须要做到由点到面的全方位检测, 要从各个组成以及小环节入手发现问题并解决问题, 从而为提高接触网的检测效率提供更有效地依据和客观理论, 为国内的地铁接触网的检测注入新的活力。

参考文献

接触网检测 篇3

地铁车辆段库内接触网电压检测系统架构如图1所示。

1) 每条存车线安装一台接触网网压采集设备, 完成对应存车线接触网电压采集, 电压数据进行本地显示和远方传输。

2) 各存车线接触网的网压信息通过信息通道向终端汇集, 信息通道使用WIFI网络, 同时铺设工业485总线网络线缆。

3) 计算机终端设备将获取的网压等信息进行存储, 为车辆段车辆控制中心 (DCC) 调度人员提供监测数据。

二、系统功能

1) 接触网网压实时安全采集功能。采用瑞士LEM公司高精度、高隔离直流1500V专用型电压监测模块, 作为采集设备的接触网电压采集接口;采用高压采集专用型保险, 串联接入采集设备监测模块初级和接触网电压之间, 保证在采集设备接口初级出现短路故障时, 断开采集设备与接触网电压的连接。

2) 信息传输功能。采集设备可主动或根据上位机请求将接触网电压值、设备自检状态向计算机终端传送。使用双绞线作为连接通道 (RS485) , 根据终端查询请求上报数据;或直接接入库内WIFI无线网络, 秒报数据。

3) 状态指示功能。指示接触网网压状态, 采用红色表示灯, 灯亮表示接触网网压正常;灯闪表示网压异常。指示采集设备工作状态, 采用绿色表示灯, 灯秒闪, 表示采集设备工作正常;灯灭或常亮, 表示采集设备工作异常或无供电电源。

4) 电压值本地显示功能。使用LED网压显示终端进行接触网电压值本地显示。通过库外指示灯显示, 网压有无。

5) 计算机终端显示、报警、查询和记录功能。通过终端显示可在站场图上实时显示检修库各存车线接触网电压功能;接触网电压超限报警;可查询接触网电压历史数据;保存不少于7天的接触网电压数据。

三、系统特点

1) 采集设备采用模块化、标准化设计方案。

2) 按照电气隔离、通信隔离和故障导向安全原则设计, 采用符合安全标准的电压防护型RS485光电隔离接口模块, 并具有接口短路 (过流) 安全防护措施, 电压数据和状态可以本地显示。

3) 计算机终端人机交互友好, 可在站场图上实时显示检修库各存车线接触网电压, 并在网压异常时报警, 并具有网压历史数据记录和查询功能。

四、项目实施方案

4.1网压监测设备安装设计方案。由于接触网电压采集设备需接入高电压, 采集设备使用阻燃、高绝缘壁挂式机箱, 就近安装于接触网电压隔离开关附件的墙壁上。LED网压显示终端和状态显示灯在采集设备附近合适位置安装。

4.2关键技术及解决方案。接触网网压不应受到外界接入设备的影响, 因此, 如何安全采集接触网网压技术为系统的关键技术。接触网网压采集设备的实现架构如图3所示。

接触网网压采集设备使用瑞士LEM公司的DC1500V电压专用监测模块 (LEM-1500系列霍尔传感器, 精度±1%) 进行电压隔离转换, 该模块的初/次级隔离电压达到8.5KV (50Hz, 1min) , 该LEM传感器的高压侧能够承受浪涌波形为1.2/50us, 电压高达12KV的雷击浪涌电压的冲击;和接触网直接相连的电压传感器的安全性能非常高。

接触网网压采集设备具备库外接触网供电状态本地显示功能和库内接触网电压值本地显示功能。

4.3接触网网压采集设备技术指标

4.3.1环境指标:设备供电电源:AC 220V±20%;功率小于25W。环境温度:-40至70℃。相对湿度:温度25℃时, 相对湿度不超过95%。大气压力:海拔2500M以下86至106k Pa。绝缘电阻:相对湿度95%时, 不小于20MΩ。

4.3.2信息响应时间:485总线信息访问周期:小于200ms。

4.3.3电压采集范围和精度:网压监测范围:-2250V~+2250V;网压最大允许误差:±1.5%

4.3.4信息传输延时:WIFI不超过3秒, RS485不超过1秒

4.3.5终端设备时间性能:终端界面响应时间:不超过1秒。

五、结束语

关于地面车辆段单单对耦合开关状态进行显示而不显示接触网电压状态和网压提出了系统解决方案, 为地铁车辆段电客车入库提供指导, 防止耦合开关处于闭合状态下, 而无接触网电压或接触网电压较低时, 车辆进入无电区, 提高了调度和检修的效率防止安全发生。同时也为存在如此问题的地铁车辆段提供解决方案。

摘要：结合地铁车辆段存车线网压情况, 研究并设计一套存车线电压的实时检测系统, 对存车线电压进行检测和管控, 提高了调度和检修的效率, 减少事故发生。

关键词：地铁,车辆段,接触网,电压检测

参考文献

[1]谢珺耀, 于海波.LEM电流传感器的应用探讨[J].电子工业专用设备, 2010 (01) :50-54.

[2]姜一真, 杨德伟, 张芳杰.用于测量工频高电压的直波导电压传感器[J].激光与光电子学进展, 2014 (02) .

接触网检测 篇4

1 接触网检测数据的预处理的内容

1.1 数据的清洗

这部分的工作首先要做的就是去除原有数据当中的没用的数据以及噪声的数据, 并且要做好遗漏数据的处理工作以及脏数据清洗的工作, 之后要把空白的数据都清除掉, 把背景的噪声也要处理掉, 并且要考虑时间的顺序以及数据的变化所带来的影响。检测车检测到的接触网参数, 可以通过自带的专家系统对单项数据进行判断。对于远远大于或小于正常数值的检测数据, 表明这段接触网可能存在故障。因此在进行聚类分析的时候, 出现了故障的数据我们是坚决不能用的, 要不然所处理的结果的偏差会很大, 结果会是错误的, 这就是必须清洗故障数据的原因。

1.2 数据的规约

对大量的接触网检测数据进行复杂的数据分析需要比较长的时间, 所以这种分析的方式并不可行。而数据归约的技术不需要太长的时间, 可以得到数据集的归约表示, 但是需要把握保持数据完整性的原则。在归约后的数据集上来进行挖掘的工作可以取得事半功倍的效果, 而且所分析的结果偏差不大。例如, 在接触网检测数据中, 对应每个杆号的高度值, 这些数值都可以对对方产生很大的影响。在进行计算的时候合理使用高度差, 使得我们能够更容易去理解模式, 还能够减少计算的时间。除此之外, 杆距以及杆号等无关的数据, 也需要进行维归约的工作的。

1.3 数据标准化处理

数据的中心化处理是相平移变换, 即

其中i=1, 2……n j=1, 2……p

该处理能够让新的坐标的原点与样本的重心这两个点重合, 这样不好改变变量之间的关联性。数据处理当中经常使用的方法有无量刚化处理这种方式。对于不同的变量进行压缩处理, 让每个变量的方差成为1, 也就是

对数据同时进行中心化压缩处理也叫做数据的标准化处理, 即

其中=1, 2……n=1, 2……p

新数据可表示为

2 接触网检测数据挖掘算法的选择

接触网检测数据是一组大未分类的数据, 可以采用数据挖掘中的聚类技术来完成, 把检测数据合理的分为几类。在进行分析的时候需要输入未分类记录的数据, 这些数据的分类也不知道。聚类分析的方式有分类的规则, 在处理数据的时候要合理划分, 保证分类的正确性。

K-means的算法属于分层聚类的方法, 一定要假设类的数量, 之后再一层层找出所有的点。层次聚类的方法是把数据看成一个类别, 之后再向上进行合并, 最后成为一个点。这两种算法的过程是完全相反的。为了能够取得很好的结果, 可以先用向上聚类算法, 找到初始的原形, 之后使用K-means进行处理, 得到聚类的结果。

3 接触网检测数据挖掘算法的描述

3.1 层次聚类, 得到类的个数

假设有n组数据, 可以把各组的数据当做一个类别, 这样就有n个类别。先找到距离最近的两组数据, 然后合并成为一个组, 成为新组。之后再像这样一个个继续合并, 直到数据间的距离大于阈值T, 就把之前的数据作为一类;重复上面的做法, 归类所有的数据。由上可知, 在层次聚类的算法当中, 阈值T很重要。如果所找到的T值很合适, 就成功了。T值要根据实际的情况来进行调整, 类的数量少了, 加大T值, 类的数量多了, 减少T值。

3.2 使用K-means算法来得到最终结果

由于在聚类前, 无法确定类数的, 可先假设聚类的个数, 然后再进行运算, 通过聚类的效果来判定假设是否正确。K-means算法便采用的是这种方法。K-means算法以k为参数, 把n个对象分为k个簇, 以使类内具有较高的相似度, 而类间的相似度最低。相似度的计算根据一个簇中对象的平均值 (被看作簇的重心) 来进行。

(1) 处理后的数据可以看成是一个样本空间, 记为X。初始化k个原形{w1, w2, ……, wk}, 其中wj=il, j∈{l, 2, ……, k}, l∈{1, 2, ……, n}

(2) 使每一个聚类Cj与原形wj相对应, 构成新的样本空间

(3) 每一个输入向量il, 其中l{1, 2, ……, n}, 求出il到每个原形的距离。并将il分配给最近的原形wj所属的聚类Cj。即

其中j∈{l, 2, ……, k}

(4) 每一个聚类Cj, 其中j∈{l, 2, ……, k}, 将原形更新为当前的Cj中所有样本的中心点。

(5) Until聚类的成员不再变化。

流程如下图所示:

3.3 检查聚类结果的好坏

聚类, 直接的意思就是聚成一类, 也就是把相同属性的点聚集成为一类, k-means算法的衡量标准就是距离。所以说, 我们可以做一下拓展, 把类内的点距离和类外的点距离之间接近的程度来衡量聚类的效果。设类内两个点之间的距离是x, 其中一个点到另一个类的任意一点的距离为y。如果取得了很好的聚类效果, 那么一个类当中的点到类内别的点的距离肯定会小于这个点到类外点的距离, 也就是x<y。如果聚类所取得的效果不好, 则x y。

X轴表示评估的范围, 区间为[-1, 1]。其中, +1表示点到邻近类的距离非常远, 0表示点该属于那一类并不明了, -1则表示聚类结果可能是错误的。其计算公式如下:

式中a (i) 表示一个类的第个点到同一类中的其它点间的平均距离;b (i, k) 表示一个类的第个点到另一个类 (第个类) 的所有点的平均距离。

4 线性回归分析

在回归分析中, 将检测检测数据中硬点作为因变量用y表示, 其它检测数据如高度差、网压差和车速等作为自变量, 用x1, x2……xp表示, 线性模型一般形式为

其中Y为n×1维的因变量值向量, X为n×p维自变量回归矩阵。

聚类处理后的接触网检测数据, 已被分为几类, 再经过线性回归的分析, 找到车速以及硬点的关系, 最后建立数学模型。

5 结论

接触网很容易发生问题, 但是它也是很重要的供电设备之一。对于接触网检测车检测结果必须进行分析、验证, 通过数据挖掘算法及回归分析找到接触网动态参数间的关系。要通过具体的工作实践找到设备运行的规律, 从而发现隐患, 解决问题, 保持良好的工作状态。

参考文献

[1]于万聚.高速电气化铁路接触网[M].西南交通大学出版社, 2002.

[2]召峰晶, 于忠清.数据挖掘原理与算法[M].中国水利水电出版社.2003.

[3]朱琳.数据挖掘的基本过程及方法[M].西昌学院学报.2005年03期.

[4]徐可佳, 吴积钦.基于局域网的接触网实时检测系统设计与实现[J].电气化铁道, 2003年05期.

[5]董建军, 莫易敏.基于DSP和线阵CCD的接触网检测系统[J].机车电传动, 2006年03期.

正己烷接触者神经电生理检测研究 篇5

1 资料与方法

1. 1 一般资料

正己烷接触者26 例, 男1 例, 女25 例, 年龄19 ~49 岁, 平均37. 6 岁, 均在鞋厂从事刷胶作业; 模拟现场空气检测正己烷浓度为215. 6 ~436. 5 mg·m- 3; 正己烷接触时间为1 ~4 年; 主要自述症状为头晕、头痛、乏力、恶心, 血常规、生化、肝肾功能等常规检查均未见明显异常, 尚未确诊为正己烷中毒, 就诊行神经电生理检测以协助诊断。正常对照组26 例, 均为女性, 年龄18 ~ 45, 平均36. 3 岁。

1. 2 检测方法

神经传导及针电极肌电图 ( EMG) 均使用丹麦Keypoint肌电图/ 诱发电位仪, 受检者皮温保持在30 ~35 ℃ , 每位受检者均常规检测四肢周围神经, 包括感觉神经传导 ( SNAP) 和运动神经传导 ( CMAP) 。双上肢SNAP使用环指电极逆向记录法, 正中神经置于第2 指, 尺神经于第5 指记录; 双下肢SNAP使用表面电极逆向记录法, 四肢CMAP使用表面电极记录。EMG检测包括拇短展肌、第一骨间肌、肱二头肌、胫前肌、股内侧肌。

1. 3 统计学处理

采用SPSS 11. 0 统计软件对样本进行t检验。

2 结果

2. 1 CMAP

所有受检者均检测双侧正中神经、尺神经、腓总神经、胫神经, 测量数据包括远端潜伏期、波幅、传导速度。其中远端潜伏期、传导速度与正常对照组相比差异无统计学意义 ( P > 0. 05) ; 左尺神经波幅较正常组降低, 差异有统计学意义 ( P <0. 05) 。见表1。

2. 2 SNAP

所有受检者均检测双侧正中神经、尺神经、腓浅神经、腓肠神经, 测量数据包括波幅、传导速度。传导速度: 正己烷接触者右正中神经、双侧尺神经、双侧腓肠神经与正常对照组相比均减慢, 其差异有统计学意义 ( P <0. 05 或P < 0. 01) ; 波幅: 正己烷接触者左尺神经较正常对照组下降, 差异有统计学意义 ( P <0.05) 。见表2。

2. 3 电流刺激

记录刺激右侧正中神经CMAP及SNAP时能引起最高稳定波幅电位再增加20% 的电流值, 即超强刺激电流。正己烷接触者CMAP平均电流量为24. 59 ±6. 50, 较正常对照组 ( 34. 8 ± 7. 21) 低 ( P < 0. 01) ; SNAP平均电流量为16. 92 ±3. 96, 亦较正常对照组 ( 21. 2 ±4. 13) 低 ( P < 0. 01) 。

2. 4 EMG检测

正己烷接触者肢体远端肌均可见高波幅运动单位, 近端肌运动单位形态基本正常。

3 讨论

正己烷长期职业性接触低浓度可致慢性中毒, 引起多发性周围神经病[1]。目前尚无明确的正己烷中毒诊断标准, 怀疑慢性正己烷中毒者, 须根据长期正己烷的职业接触史, 以及以多发性周围神经损害为主的临床症状、体征、以及神经肌-电图改变, 结合现场卫生学调查及空气中正己烷浓度测定等资料, 排除其他病因引起的周围神经病方可诊断。有报道, 工人在正己烷340 ~2 200 mg·m- 3空气浓度下最短2 个月、最长6 个月即可发生周围神经病, 我们检测26 例正己烷接触者均为鞋厂刷胶作业者, 未配戴手套及防毒面罩, 因此易通过呼吸道及皮肤吸收入体。正己烷引起的中毒性周围神经病主要侵犯周围神经的轴索, 肝微粒体中氧化为2, 5-己二酮等代谢产物, 此为原发性亲神经毒剂, 能与神经纤维内线粒体的供能糖酵解酶结合, 使其失去活性, 影响轴突内轴微运输失能性障碍乃至停滞, 引起局限性轴突肿胀、纤维变性及神经元性肌萎缩等病理变化; 另外还能直接与神经细胞内的微丝相结合而影响神经纤维的正常传导功能[2]。本组共26 例正己烷接触者, 神经电生理检测结果显示右正中神经、双侧尺神经、腓肠神经SNAP传导速度均较正常对照组减慢, 左尺神经CMAP、SNAP波幅均较正常对照组降低; 据此提示正己烷接触者神经损害主要存在以下几个方面: ( 1) 主要累及周围神经感觉纤维, 以脱髓鞘为主。 ( 2) 周围神经运动纤维轴索受累为主, 虽然正己烷接触者在运动神经传导检测里仅发现左尺神经波幅下降, 但EMG可见肢体远端所检肌高波幅运动单位, 提示周围神经运动纤维轴索均有轻度受累。CMAP检测的波幅主要反映神经干功能, 而EMG可以反映支配至肌肉的神经分支, 后者可以在更细微平面衡量运动神经功能是否有损害, 这与有关报道称暴露正己烷可引起以轴索变性为主的多发性神经病[3]相符。 ( 3) 本研究所检正己烷接触者EMG异常主要表现为轻收缩见高波幅运动单位, 嘱放松时所有病例均未见自发电位, 与有关文献[4]不同。 ( 4) 主要累及肢体远端神经。另外检测中发现以右侧正中神经为例, CMAP及SNAP所需电流量与正常组相比明显减少; 电刺激在神经传导的检测中是必不可少的, 常规使用皮肤电极电刺激作用于神经干上, 引起一个去极化和超极化, 逐渐加大电流可获得一个超强刺激下全部神经纤维兴奋起来的动作电位, 一般来说, 如有神经病变, 超强刺激需要更高的电流量; 而我们研究发现正己烷接触者超强刺激电流量较正常人小, 这可能与正己烷接触者神经应激阈值降低有关, 有待进一步研究。目前神经电生理检测所需表面电极受材料及信噪比等所限, 主要反映神经干功能, 期待有更多的技术如纳米铂黑修饰微电极阵列[5]等应用于硬件更新, 使神经电生理检测更敏感、更准确。

摘要：目的:探讨神经电生理检查对早期发现正己烷接触亚临床患者神经系统损害的作用。方法:对26例正己烷接触者及26例正常对照者进行神经传导及针电极肌电图检测, 每位受检者均常规检测四肢周围神经, 包括运动神经传导 (CMAP) 、感觉神经传导 (SNAP) 、针电极肌电图 (EMG) 。结果:神经传导检测中正己烷接触者左尺神经CMAP、SNAP波幅均较正常对照组降低;右正中神经、双侧尺神经、腓肠神经SNAP速度均减慢, 差异均有统计学意义;EMG中正己烷接触者组肢体远端肌均可见高波幅运动单位, 近端所检肌运动单位形态基本正常。结论:神经电生理检查可以早期发现正己烷对神经系统的损害, 对临床及时应用药物干预及治疗以提高患者生活质量有重要指导作用及意义。

关键词：正己烷,神经,电生理

参考文献

[1]林飞, 罗飞亚.正己烷的毒理学研究现状及风险评估[J].中国药事, 2013, 5 (27) :525-529.

[2]潘洁, 唐焕文.正己烷慢性神经毒作用机制研究进展[J].中国职业医学, 2009, 5 (36) :412-414.

[3]黄凤珍, 马红薇.正已烷致多发性周围神经病1例报告[J].中国工业医学杂志, 2004, 17 (3) :203.

[4]冯达仁, 潘侃达, 王森达.慢性正己烷中毒神经损害的肌电图评价[J].中国临床康复, 2002, 6 (17) :2544-2545.

接触角的图像处理与检测 篇6

在电子器件的研究和生产中,经常需要对器件、部件表面的洁净度进行评价。目前表面洁净度的测量方法主要有:重量法、吸光光度法、残留离子浓度法、接触角法、水膜法等,接触角法是其中比较常用的一种方法。

接触角法是将定量的液滴置于受检的物体表面, 通过测量液滴与物体表面接触角的大小来测量此物体表面的清洁度[1]。

当液滴位于器件表面时,随着体系性质的不同,液滴或铺展而覆盖器件表面,或形成一个液滴停于其上,如图1所示。

接触角即是在固、液、气三相交界点(如图中o点)处,自固液界面经液体内部到气体界面的夹角,通常以θ来表示。

当液滴在器件表面达到平衡时,形成的接触角与各界面张力之间符合下面的关系:

$\gamma {}_{\text{S}}=\gamma {}_{\text{L}}\cdot \cos \theta +\gamma {}_{\text{S}\text{L}}(1)$

此式最早是T.Young在1805年提出的,常称为杨氏方程。其中,γS是固体的表面张力值;γL是液体的表面张力值;γSL是固体与液体的界面张力值。

由(1)式可知:

1)当θ=90°时, 系统处于润湿与否的分界线;

2)当θ>90°时, 此时称为不润湿;

3)当θ<90°时, 此时称为润湿;

4)当θ趋近于0°,这时液滴几乎完平铺在器件表面上,即发生铺展,称为完全润湿[2]。

由于大多数有机污染物是憎水的, 对于同一种材料表面, 通过比较其接触角大小可以了解相应的洁净程度。在表面展开的液滴直径越大, 且形状越规则(圆形),接触角越小, 则表面洁净度越高。

1 接触角的图像处理检测

用显微镜和CCD摄像机获得液滴铺展在玻璃表面的彩色图像后,所设计的图像处理流程如图2所示。首先将采集得到的液滴图像进行灰度转换,然后利用中值滤波算法预处理图像,再经过边缘检测、边缘提取和曲线拟合,最后得到接触角。

1.1 图像预处理

1.1.1 灰度转换

由于采集到的液滴图像是彩色图像,对彩色图像的处理比灰度图像复杂许多,所以通常将彩色图像转成256色灰度图像。

1.1.2 图像平滑处理

图像在形成、传输、接受和处理的过程中,不可避免地存在着噪声干扰。这些干扰恶化了图像质量,使图像模糊,不能得到清晰的图像的边缘,给分析接触角带来困难,因此需要对图像进行平滑处理来消除噪声。

图像平滑去除噪声常用的方法主要有掩膜平滑法、领域平均法、中值滤波法等[3],如图3所示。

可见,掩膜平滑法和领域平均法不只是把干扰去除,还使图像的边缘模糊;而中值滤波法在去除脉冲噪声、椒盐噪声的同时,能保留图像边缘细节。因此在应用中采取中值滤波法。

中值滤波是一种非线性平滑技术,一般采用一个含有奇数个点的滑动窗口,将窗口中各点的灰度值的中值来代替指定点(一般是窗口的中心点)的灰度值。

1.2 图像分割

1.2.1 边缘检测

接触角的计算主要利用液滴的边界信息,边缘检测不但可以保留边界的有用信息,同时可以极大地降低处理的数据量从而简化图像分析过程[4]。

常用的边缘检测算子包括Hough算子、Sobel算子、Laplace算子和Roberts算子,如图4所示。

从图中边缘检测算子的实验效果可以看出:Hough算子对边缘的端点处检测不够准确,会影响接触点的判断;Laplace算子和Roberts算子受噪声影响较大,检测准确率低;Sobel算子检测的边缘比较完整,效果比较好。

1.2.2 二值化

二值化处理是利用一定的规则将所需要的液滴边缘和背景完全区分开,其最常用的方法就是阈值化。简单地说,阈值化就是将图像中每个点的灰度值和阈值相比较,比它小的就是黑,比它大的就是白[5]。

例如,假设f(i,j)为液滴灰度图象的像素点, G(i,j)为液滴二值图象的像素点,用阈值T 对图像进行分割,结果为:

$G(i,j)=\{\begin{array}{l}0\\ 255\end{array}(2)$

则标记为255的像素对应于液滴,而标记为0的像素对应于背景。

阈值化最关键的就是阈值的选取,不同阈值化方法的效果如图5所示。动态选取最佳阈值的方法主要有迭代法和矩量保持法,分别如图5中(b)(c)所示。可见,迭代阈值分割法,受噪声影响较大,使曲线图像边缘上出现许多毛刺,会影响曲线的提取和拟合。而矩量保持法,使图像的端点处丢失较多的信息,会影响接触点的判断;因此,采用给定阈值的方法。由于要进行处理的图像底色大部分是黑色,所以将阈值固定为80,结果如图5中(d)所示。

1.3 轮廓提取

1.3.1 细化

细化就是从原来的图像中删除一些点,将图像的骨架提取出来并保持图形细小部分的连通性。要判断一个点P是否能被删除,要满足如下依据:

(a)内部点不能删;

(b)孤立点不能删;

(c)直线端点不能删;

(d)假设点P是边界点,去掉后,如果连通分量不增加,则P可以删除。

按照以上依据,逐行对整幅图像扫描,若有像素点满足以上依据,则删掉,不满足则保留,那么扫描结束后,剩下的点就是骨架点,如图6所示,图中下部曲线为液滴轮廓线,上部是滴液管的轮廓线。

1.3.2 轮廓跟踪

细化处理后,液滴的轮廓就基本被检测出来,但是还存在一些干扰曲线,例如滴液管的轮廓曲线,以及液滴表面对外界光的反射在图像上形成“假边界”等。因此,需要进行轮廓跟踪,对所有曲线进行标识,从而去除干扰曲线,更精确地提取液滴的轮廓曲线。

首先进行多区域跟踪[6],扫描整个跟踪区域,对图像中的所有曲线跟踪,并做不同的标记,如图7所示。然后进行单区域跟踪,采用八邻域轮廓跟踪算法对所需要的液滴轮廓曲线进行跟踪,记录轮廓曲线最左点和最右点,并分别作为液滴与表面接触的左、右接触点,如图8(a)所示。

由于光照等原因,液滴在器件表面上会有倒影,在轮廓图像上就会产生多余倒影的轮廓的边界,即边缘曲线最左点和最右点以下的部分。为防止倒影轮廓的干扰,将曲线最左端点和最右端点连线下方的边界点置为背景灰度,仅保留其上方的真实边界,如图8(b)所示。

1.4 接触角计算方法

液滴的接触角即是在接触点附近液滴轮廓曲线的切线斜率。因此,计算接触角的关键是精确地对液滴和被测表面接触点附近的液滴轮廓进行曲线拟合[7],然后在接触点处对曲线求导,即可得到接触角。

本文选用较为常用的多项式为拟合函数,其表达式为:

$f(x)={\displaystyle \sum _{i=0}^{{\rm N}}a}{}_{i}x{}^i(3)$

其中,(x,f(x))为液滴轮廓像素点坐标;αi为拟合系数,由最小二乘法确定。由于液滴的接触角是左、右接触点附近的曲线的切线斜率,若对整条曲线进行拟合,曲线上边界中心处的点将影响端点处的拟合效果, 加大拟合的均方误差,劣化拟合质量[8],因此分别在左右接触点附近选取若干点进行拟合。

2 实验数据分析

2.1 液滴轮廓的曲线拟合分析

由于选取拟合采样点数不同,即选取液滴轮廓的范围不同,拟合出曲线的切线斜率就不同;拟合多项式的阶次不同,拟合出曲线的切线斜率也不相同。因此对曲线进行不同点数、不同阶次的拟合,结果如图9和图10所示。

分析发现:当选取的拟合采样点在20~60个范围内时,接触角波动较大;而拟合采样点在60~200个范围内,接触角变化较小。

同时,接触角测量值曲线随拟合多项式的阶次不同,其波动程度也不同;接触角测量值的稳定区间也有差别。比较发现,一、二、三阶多项式随拟合点数增大呈发散状态;四、五阶多项式拟合的品质较好,存在重叠的稳定区间,其中五阶多项式拟合稳定区间最宽;而六阶多项式波动区间较宽,稳定区间较窄。所以,通常选用五阶多项式为拟合函数,拟合采样点选取在60~200个的范围内进行拟合计算比较合适。

轮廓跟踪法是根据边界点的连通性,从追踪起点(即液滴轮廓曲线最上方的点)沿逆时针方向逐点追踪到左端点,然后按顺时针方向追踪到右端点,再从右端点逆时针到追踪终点(此处为追踪起点)。由于轮廓跟踪过程中追踪到的点数有限,因此采集到的采样点数也有限,如图9和图10所示,最多只能采集到240个拟合采样点。

可以通过选取液滴轮廓曲线上不同的点作为追踪终点,增加采样点数,从而得到采样点数大于240时的拟合情况。

当取140个拟合采样点进行五阶多项式拟合时,结果如图11所示。其中虚线表示的为拟合曲线,实线表示的是水滴轮廓曲线,可见,拟合曲线与边缘曲线在左右接触点处基本重合,而且测得拟合偏差的平方和小于0.2,拟合效果比较理想。

2.2 接触角测量的准确性分析

将采集到的轮廓曲线放大4倍后,在曲线端点处画切线,并连接曲线的两个端点画直线,用MB-ruler角度测量软件人工测量切线和直线的夹角,即为接触角,该软件的测量精度是0.01。将这种方法测量的接触角的结果作为标准。

分别利用本文介绍的图像处理检测接触角的方法和上述手动测量接触角的方法对德国KRUSS光学接触角测量仪DSA100测量过的五个不同液滴的照片(如图12所示)进行处理,结果如表1和表2所示。

由表1、表2可见:采用文中所述的图像处理技术测量接触角的准确度高于德国KRUSS光学接触角测量仪DSA100的测量准确度,且与人工测量接触角的结果相比较,误差值均小于2°。

3 结 论

利用图像处理技术测量物体表面接触角。将接触角测量仪采集到的表面液滴照片经过灰度转换、中值滤波、Sobel边缘检测、阈值分割、边缘提取、轮廓跟踪等算法提取液滴边缘曲线,然后利用最小二乘法拟合。结果表明,当选用四阶或五阶多项式为拟合函数,拟合采样点选取在60~200个范围内时,得到的拟合曲线与实际边缘曲线之间的误差均小于0.2,重复性也比较好;该软件测量接触角的准确高于德国KRUSS光学接触角测量仪DSA100的测量准确度,且与手动测量接触角的结果相比较,误差值均小于2°。由于轮廓跟踪中追踪到的像素点数有限,所以最多只能选取240个拟合采样点,可以通过选取液滴轮廓曲线上不同的点作为追踪终点,增加采样点,从而使软件功能更加完善。

摘要：介绍了接触角法测定表面洁净度的基本原理,并针对表面液滴图像的特点,采用图像处理技术测量表面接触角。首先利用中值滤波算法对图像进行预处理;然后利用边缘检测和轮廓跟踪等算法提取液滴的边界曲线;最后采用以多项式作为基函数的最小二乘拟合算法拟合液滴边界曲线,继而求导得到接触角。结果表明,当选用四阶或五阶多项式为拟合函数,拟合采样点选取在60200个范围内时,该软件测量接触角的精度高于德国KRU SS光学接触角测量仪DSA 100的测量精度,且与手动测量接触角的结果相比较,误差值均小于2°。

关键词：接触角测量,洁净度,图像处理

参考文献

[1]冯泳兰.1-吡啶-3-[4-(苯基偶氮)苯基]-三氮烯-溴化十六烷基三甲铵-阴离子表面活性剂显色反应的研究及应用[J].衡阳师范学院学报,2001,22(3):9-13.

[2]樊月琴,王君玲,郭永,等.新显色剂2-羟基-3-磺酸基-5-硝基苯基重氮氨基偶氮苯的合成及与镉的显色反应研究[J].分析实验室,2004,23(2):11-13.

[3]杨淑莹.VC++图像处理程序设计[M].2版,北京:清华大学出版社,2005:8.

[4]王占全,徐慧.精通Visual C++数字图像处理技术与工程案例[M].北京:人民邮电出版社,2009:54.

[5]张宏林.精通Visual C++数字图像处理典型算法及实现[M].2版.北京:人民邮电出版社,2008:89.

[6]陆宗骐.C/C++图像处理编程[M].北京:清华大学出版社,2005:292-293.

[7]王先培,张爱菊,李少雄.基于非均匀B样条曲线的红外数据的精确及校正[J].光谱学与光谱分析,2006,26(10):1850-1853.

接触网检测 篇7

心率 (heart rate) 是用来描述心动周期的医学指标, 是指心脏每分钟所跳动的次数, 表征心脏跳动的快慢。 正常人的心率一般为60~100 次/min。 低于该范围称为心率过缓, 最常见的是窦性心动过缓, 分为生理和病理2 种, 前者是正常现象, 常见于运动、体力活动多以及正常睡眠状态的正常人; 后者需要治疗, 严重者需要安装起搏器。 高于该范围则为心率过速, 同样分为生理及病理2 种情况, 后者由感染、发热、贫血、低氧血症等引起。有报道显示[1,2], 人体心率区间的中低频段 (0.015~0.15 Hz) 与交感神经流出量有关, 而高频段 (0.15~0.4 Hz) 与副交感神经流出量密切联系, 二者的比值表征了流出量的平衡状况。 所以, 心率的获取对于临床具有重要的意义。 过去几年, 有关心率的检测手段及相关分析得到了广泛研究。 传统的采集方式有接触式电子和机械传感器, 例如心电图 (electrocardiogram, ECG) 等, 需要在人体接触式地放置电极, 且要求患者安静地平卧。 现在, 科研人员将目光转向心率的非接触检测技术上, 例如超声波以及电磁传感器, 这种非接触检测技术尤其适用于例如重度烧伤等特殊情况下的心率监护。 本文介绍了一种非接触式毫米波生物雷达利用I-Q正交技术, 采用基于非线性LM (levenberg-marquardt) 算法从中提取心率。

1 生物雷达的描述

生物雷达[3] (bioradar) 技术是运用雷达原理检测生命信号, 通过相关信号的处理方法, 提取生命体征信息的前沿技术手段。 其融合雷达技术、生物医学工程技术于一体, 可不需要任何电极或传感器实现间隔一定距离、穿透非金属介质 (砖墙、废墟等) 、探测生命信号 (呼吸、心率、血流、肠蠕动等) 。 I-Q正交雷达框图如图1 所示。

其中, 反射的毫米波直接被I-Q混频器零差转换。输出信号 (SI, SQ) 与相位 θ (t) 可以用以下公式展开:

式中, AI (t) 、AQ (t) 分别为I、Q通道的幅值, Sn I、Sn Q为噪声成分 (包含背景噪声和电子噪声) 。 对于正交混频器来说, AI (t) =AQ (t) , 故有:

我们可以把 θ (t) 表示成心动函数H (t) 以及含有呼吸和体动的联合噪声信号 ξ (t) ,

式中, ai是每个心跳时间 τi的中心点的幅值, N是心跳次数。 对联合噪声信号进行泰勒展开:

式中, ck为泰勒系数, M为展开阶数。

将公式 (4) (5) 代入 (1) (2) 中, 得出:

2 非线性LM (levenberg-marquardt) 算法

简单地说, LM算法[4,5]就是通过不断更新设定参数, 反复修正剩余误差, 主要目的就是找到最佳参数, 例如ai、Ii以及ck。 公式如下:

式中, j表示迭代次数;λ 表示控制参数, 其在每次迭代运算中不断矫正;J为 (SI, SQ) 一阶导数组成的矩阵;和为I-Q通道实测数据以及修正数据之间的向量差。LM算法的流程如图2 所示。

(1) 初始数据设置和λ=0.01、a0=1, c0=c1=0。

(2) 根据公式 (8) 计算参量, 并保存值。

(3) 计算χ2误差值, 并检验该值是否最小。

(4) 如果 χj2< χ2j-1, 则更新参数, 并设置λj=λj-1/10;否则, 维持原来的值, 并设置 λj=10λj -1。

(5) 重复步骤 (2) ~ (4) , 直到 χ2值小于阈值。

该方法完全适用于任意连续时间段的心动信号, 但对于实时监护系统来说, 只需截取一小段仅包含一个心动周期的信号作为标准参照值。 对单一心动周期实时分析心率的过程为: (1) 从数据中选取一小段噪声较小、 信号较理想的心动信号作为参考信号H (t) ; (2) 得到该截取信号的时间 τi; (3) 运行非线性LM判别算法, 流程如图2 所示, 计算出每次迭代的剩余误差 χi2; (4) 设置i=i+1, 并且重复步骤 (2) ~ (4) 获得所有的数值, 最后得到 χi2的最小值。

3 实验数据及结果

被测目标在2 m远的距离处, 分2 种测试状态: (1) 只伴有呼吸影响的心动信号采集; (2) 呼吸及体动影响下的心动信号采集。 对于每种数据, 都分别与对应的离散傅里叶变换 (discrete fourier transform, DFT) 进行对比, 其中采样频率是1 k Hz。

3.1 静止坐立正常呼吸状态

图3 所示的波形是被测目标静坐且自由呼吸状态下采集到的信号。 与此相关的展开后的相位图如图4 所示, 图中已经将LM最优化法的最小剩余误差点标出, 如图中的箭头所示。

剩余误差 χ2以及心动幅度ai见表1。

图5 所示为图4 片段6 号位置的LM算法的拟合结果, HR由每个心动周期的中心点时刻计算而来, 计算后的结果如图6 所示。 平均心率值HR=1.45 Hz, 平均误差a = 0.746 6, 标准差 σ = 0.224 1, , 其表征了正常心脏的跳动活动值, 较低的心率表明了稳定的心脏活动。 同时, 对信号进行了功率谱分析, 如图7 所示, 获得的峰值是HR=1.5 Hz, 其值与LM算法所得基本相近。

3.2 伴有体动的正常呼吸状态

实验对象未做静止要求, 其在坐立时伴有身体小幅度晃动, 并正常呼吸, 其波形如图8 所示。

采集时间大约6 s, 参考心动波段H (t) 与前面一样, 优化后的结果如图9 所示。 计算心率均值为HR=1.386 2 Hz (如图10 所示) , 平均误差= 0.953 5, 标准差 σ=0.404 8, 。 剩余误差 χ2以及心动幅度ai见表2。

相对应的, 离散傅里叶变化后得到的功率谱显示的结果中 (如图11 所示) , 无法获取频谱峰值。 可见在这种情况下, 简单的功率谱分析无法实现。

4 讨论

本文讨论了有关参数优化法在非接触生物检测领域中的应用, 通过对毫米波生物雷达I-Q通道上的数据进行LM算法矫正, 获得比较理想的信号, 可以去除呼吸造成的信号影响, 甚至在体动情况下也有较好的表现, 同时获得心率以及心跳幅度。 经过对比DFT分析获得的心率, LM算法更加抗噪, 尤其是在呼吸及体动的影响下, DFT功率谱无法获得心率, 而LM优化算法则表现优异。 可见, 相比传统的离散傅里叶频率变换法, LM算法具有的特点是: (1) 无需相位展开, 直接从I及Q通道来获得信号, 这对于信噪比较低的信号来说非常有利。 (2) 可以同时获得心动周期以及中心搏动幅值, 故对临床监护以及诊断有非常重要的意义, 尤其是在心血管疾病、 呼吸检测、烧伤患者体征获取、婴幼儿监护等。 例如在睡眠呼吸暂停监护时, 传统的方法可能无法判别患者正常的翻身动作, 从而误判呼吸状态, 导致监护失败。其次, 该方法也可以应用于多传感器随机运动抵消的研究当中, 即通过安装在上下或者前后的传感器同步采集信号并作LM处理, 以此来提高系统的可靠性。

5 结论

本文讨论了基于LM算法的参数最优化法来提取心率, 其输入信号来自生物雷达的I-Q输出端, 其中被测对象伴有呼吸以及体动的干扰, 证明了该方法对于一般噪声具有较强的抑制。 对静止呼吸以及伴有体动正常呼吸这2 种情况下采集到的数据进行了分析, 得到了理想的实验结果。 此方法基于I-Q双通道雷达系统, 无需相位展开操作, 故对于信噪比非常小的生物信号较为有利。 此外, 该方法不但可以提供心率, 还可以估算出心跳幅度, 这对于临床诊断非常有用。

参考文献

[1]Postolache G, Carvalho L S, Postolache O, et al.HRV and BPV neural network model with wavelet based algorithm calibration[J].Measurement, 2009, 42:805-814.

[2]McSharry P E, Clifford G D, Tarassenko L, et al.A dynamical model for generating synthetic electrocardiogram signals[J].IEEE Transactions On Biomedical Engineering, 2003, 50:3-7.

[3]张杨, 焦腾, 荆西京, 等.生物雷达技术的研究现状与新进展[J].信息化研究, 2010, 36 (10) :6-10, 13.

[4]Levenberg K.A method for the solution of certain problems in least squares[J].Quart, 1944, 2:164-168.