受电弓是电力机车从接触网上汲取电流的重要设备,其滑板与接触网导线直接接触,受电弓与接触导线配合共同担负着把从牵引网获得的电能输送给电力机车使用的重要任务,受电弓状态的好坏直接影响着电气化铁路的运输安全,其故障可能会引起恶劣的弓网故障,阻碍电气化铁路的发展。目前,我国高速铁路发展迅速,对受电弓的安全可靠运行也提出了更高的要求。因此,实现对受电弓的实时在线监测具有重要意义。目前已有的受电弓故障检测技术主要有人工检测方式、定点在线检测方式和基于图像处理的检测识别方式等,通过传感器、红外线设备、摄像机等辅助装置实现对受电弓状态的检测。但是,现有对受电弓故障的研究集中于对滑板磨耗超限的检测,对滑板表面不良状态检测(如裂纹检测)的研究较少,而滑板裂纹故障极易造成更加严重的弓网事故。本文以受电弓滑板图像为检测对象,采用图像处理的手段,提出了一种基于曲波变换的提取滑板裂纹故障特征的方法,实现受电弓的滑板裂纹故障检测。首先对采集到的受电弓图片进行图像去噪、图像增强、边缘检测、图像分割等一系列预处理,从原始的受电弓图像中截取滑板部分；然后对滑板图像进行曲波变换,通过对曲波分解系数的特征分析,将裂纹图像特征与其它滑板图像固有特征加以区分,并对曲波系数矩阵进行阂值处理,最后提取出裂纹特征,实现对受电弓滑板裂纹故障的检测。针对现场图片与实验图片不同的特点,运用图像融合和图像增强等手段,弥补现场图片清晰度不足的缺陷。实验在MATLAB环境下,通过编程实现受电弓滑板提取和裂纹识别算法。并用该算法对不同清晰度、曝光度的图片进行分析、验证,实验结果证明,该算法能有效提取受电弓滑板的裂纹故障。论文的最后设计了受电弓滑板裂纹检测系统软件,软件按照本文的算法流程实现了受电弓裂纹故障的提取检测。