ALS - Magazine 4 - Janvier 2013

ALS Mag / 11 J Ceux dont la position d’installation est aléatoire (ponts, arbres, griffes de jonction) Pour les premiers, le traitement algorithmique développé s’appuie sur une méthode de gradient pondéré localisé : J Une fenêtre d’analyse est définie pour détecter ligne à ligne de l’image les ruptures verticales de niveaux de gris. J Cette fenêtre est translatée de gauche à droite de l’image, ce qui permet de calculer des écarts moyens. J Le signal mono-dimensionnel ainsi obtenu résume les variations de l’image dans le sens horizontal. J La même formule est ensuite appliquée dans le sens vertical afin d’encadrer l’objet. Là où l’intensité d’énergie est forte se trouve très sûrement un objet dont il reste à identifier la nature. Cela sera possible car chaque type d’objet génère un signal propre à lui qui peut être carac- térisé par une largeur, une forme et par l’énergie maximale produite (figure 6). La recherche des objets aléatoires que sont les griffes de jonction se base sur une méthode différente, du fait de leur très petite taille (15 cm x 3 cm) et de leur forme. Les griffes étant des pièces métalliques raboutant 2 morceaux de fil de contact en cas de rupture caténaire, le fil de contact va être localisé puis suivi image par image. A chaque surépaisseur du fil sont associées 7 primitives discriminantes (i.e. indicateurs géométriques caractérisant la surépaisseur). Chaque ensemble de 7 primitives est ensuite analysé par un réseau de neurones (perceptron multi-couches) qui Une démarche difficile Vouloir détecter des défauts de l’ordre du millimètre à 300 km/h (et ce, par tous temps) n’est-il pas présomptueux ? Pour éviter des images trop foncées, il y a lieu d’éclairer les installations à surveiller, ce qui n’est pas du tout aisé quand celles-ci se confondent avec le ciel. La maîtrise de l’ambiance lumineuse est bien la principale difficulté technique rencontrée par les chercheurs. Sans parler du fait que l’utilisation de diodes laser induit des risques quand les faisceaux sont dirigés vers la caténaire. Ils peuvent en effet rencontrer des hommes quand la rame de mesure aborde un pont franchissant la voie ferrée. Autre difficulté, dans le domaine caténaire : ladispositiondes composantsmécaniques n’est jamais identique au millimètre près, que ce soit au niveau d’un poteau ou entre 2 poteaux, d’où l’impossibilité de disposer d’une référence. Perfectionner les systèmes décrits et surtout en développer d’autres restera donc une démarche compliquée et le recours à l’analyse d’image sans doute rare, du moins sur lignes à grande vitesse. Figure 7 - Modélisation d’un pantographe Figure 6 - Méthode du gradient horizontal localisé classe l’objet dans le groupe des griffes de jonction ou celui des inconnus. A l’issue de la détection et de la reconnaissance des objets, il reste une étape importante, à savoir déceler les défauts qui les affectent. La possibilité en a été démontrée pour les pendules cassés et les anomalies sur griffes de jonction. Les résultats sont corroborés à ceux de l’autre approche fondée sur la reconnaissance de défauts de la caténaire par l’exploitation des paramètres dynamiques de captage, paramètres caractérisant le couple pantographe/caténaire, relevés par des capteurs de force, d’accélération et de débattement montés sur une voiture de mesure. Mentionnons que la rame Iris 320 contrôle aussi le désaxement du fil de contact (dans les portions en alignement, en vue de répartir l’usure des bandes de frottement en place sur le dessus du panto- graphe, le fil de contact est en effet désaxé à chaque support, alternativement de +/-200 mm par rapport à l’axe de la voie) sur l’archet du panto- graphe par traitement d’images acquises via une caméra filmant le contact caténaire/pantographe. Le traitement passe par une modélisation du pantographe par un T droit. La figure 7 (une copie de l’IHM du système) montre l’image du panto- graphe acquise par la caméra et sa modélisation.