接触网系统设备零件种类繁多，运维复杂，以天津地铁6号线为例，全线约14000个悬挂点，运维工作量巨大，当前运维方式对故障预见性不足，只能采用计划性维修或事后维修模式，导致维修工作缺少针对性，效率较低；海量设备带来的大量有价值数据未被采集和有效利用，不能有效指导设备检修。 该系统首先通过多系统融合创新设计，将接触网几何参数、弓网动态匹配情况、悬挂状态等检测功能集成于一个系统中，实现了数据的共享与综合分析。通过智能化手段，对接触网设备的运行状态进行全面监控，提高了检测的精确度和全面性，减少了设备维护的人工成本。 其次，采用先进的传感定位技术，能够快速准确地采集接触网各项参数，如接触线高度、拉出值等。数据采集频率高，可实时监测及分析接触网的运行状态，能够检测外观缺陷、破损情况等，为故障诊断和预警提供丰富的数据支持。 系统基于多组过车信息提取带有杆特征的几何拉出值，定位精度达到“0”杆以内。基于卷积神经网络图通过面阵相机抓拍接触网图像实现系统深度学习，识别率高达 90%。基于深度学习智能检测算法的识别和检测，可将现场缺陷快速传输至管理平台。基于改进后的通道可靠性的多尺度背景感知相关滤波跟踪算法，拟合计算出磨耗数值，有效地处理光照、尺度、遮挡等复杂因素，取得较高跟踪精度和成功率。 最后，通过既有PSCADA 系统的接触网短路故障间接双端阻抗测距方法，无需额外增加硬件设备，根据故障发生时故障点两端牵引变电所直流馈线保护装置采集的电气量，通过网络通道与系统的交互，迅速计算故障点位置。 该系统已经在天津地铁接触网线路进行应用，可推广至其他城市，提升了检测效率及准确度，便于发现隐性缺陷，每年节省成本约655.3万元。 该系统有利于大幅增强对接触网设备的管控能力，提升应急指挥的综合水平，促进建立行业标准，实现互联互通，推动人工智能、新一代信息技术等先进技术与轨道交通的深度结合和应用，带动轨道交通行业人工智能产业链上下游企业发展。