劉佳雪 何金澤 曹爍 王凱濤 羅智忠

【摘? 要】隨著天然氣站場(chǎng)不斷發(fā)展，工業(yè)生產(chǎn)運(yùn)行水平逐步提升，對(duì)自動(dòng)化管理和控制的需求也更加迫切，越來越多的氣井，戰(zhàn)場(chǎng)需采用無人值守的方式。天然氣無人值守戰(zhàn)建設(shè)是管道行業(yè)落實(shí)中央關(guān)于“轉(zhuǎn)方式、調(diào)結(jié)構(gòu)、促發(fā)展”要求的重要舉措，加快無人值守戰(zhàn)的推廣建設(shè)勢(shì)在必行，降低事故發(fā)生概率是關(guān)鍵。天然氣站場(chǎng)運(yùn)行壓力高、變化不均勻，由于壓力波動(dòng)引起的管線腐蝕和各種偶然性導(dǎo)致的管道裂縫，都存在引發(fā)事故的可能。由于天然氣易燃、易爆的特性，一旦管道泄露，極易造成重大事故，不僅會(huì)導(dǎo)致巨大的經(jīng)濟(jì)損失和嚴(yán)重的環(huán)境破壞，甚至?xí)a(chǎn)生人員傷亡。為保障站場(chǎng)安全運(yùn)行，必須定期對(duì)管道進(jìn)行檢查，因此研發(fā)機(jī)器人進(jìn)行管道巡查，趁早發(fā)現(xiàn)微弱故障，實(shí)現(xiàn)自動(dòng)檢測(cè)和識(shí)別具有良好的現(xiàn)實(shí)意義和實(shí)際的推廣價(jià)值。

【關(guān)鍵詞】管道檢測(cè);機(jī)器人;聚類;主動(dòng)學(xué)習(xí);分類

1.機(jī)器人智能檢測(cè)及識(shí)別系統(tǒng)

本文設(shè)計(jì)主要分為三個(gè)部分，依次是管道檢測(cè)機(jī)器人結(jié)構(gòu)設(shè)計(jì)模塊、機(jī)器人硬件控制模塊、管道缺陷圖像識(shí)別算法模塊。

1.1整體設(shè)計(jì)方案

本論文的硬件方案：機(jī)器人具備基本的運(yùn)動(dòng)和攜帶功能，可攜帶各種檢測(cè)元件用于管道檢測(cè)。機(jī)器人配備減震模塊，保證機(jī)器人平穩(wěn)運(yùn)行。

機(jī)器人采用環(huán)抱式結(jié)構(gòu)，選擇麥克納姆輪保證機(jī)器人在管道上順利行進(jìn)并實(shí)現(xiàn) 360 度旋轉(zhuǎn)，獲取管道完整的圖像。

論文的軟件方案：以智能機(jī)器人采集的圖像為起點(diǎn)，進(jìn)行數(shù)字圖像處理，經(jīng)過無監(jiān)督的初步聚類，針對(duì)代表數(shù)據(jù)的主動(dòng)學(xué)習(xí)，最后以有監(jiān)督的分類模型訓(xùn)練為終點(diǎn)。整個(gè)路線展示了從無監(jiān)督到半監(jiān)督，最后形成有監(jiān)督的高質(zhì)量分類模型的發(fā)展流程。

數(shù)字圖像處理過程：首先對(duì)圖像進(jìn)行預(yù)處理，灰度變換的目的是使圖像變得更加清晰、細(xì)膩，緊接著圖像去噪是為了去除噪聲或者偽目標(biāo)，去噪后需要進(jìn)行圖像增強(qiáng)。圖像分割就是把圖像分成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域并提取感興趣目標(biāo)的技術(shù)和過程。對(duì)分割后的若干個(gè)子圖進(jìn)行特征值提取，最后獲得數(shù)據(jù)集，輸入機(jī)器學(xué)習(xí)算法進(jìn)行分類。

1.2整體研究內(nèi)容

本文的主要內(nèi)容及創(chuàng)新點(diǎn)在于智能識(shí)別方面，通過機(jī)器學(xué)習(xí)的方法結(jié)合時(shí)代潮流，響應(yīng)數(shù)字油田的口號(hào)，以下從問題、模型、方法、數(shù)據(jù)四個(gè)層次分別描述本文軟件部分的研究內(nèi)容。

在問題層次，本文將原始管道圖像的智能識(shí)別問題分解成三個(gè)子問題，依次是管道類型聚類，管道類型主動(dòng)學(xué)習(xí)以及管道類型分類.

在模型層次，本文針對(duì)問題層的三個(gè)子問題分別實(shí)現(xiàn)了三種機(jī)器學(xué)習(xí)模型，依次是聚類模型、主動(dòng)學(xué)習(xí)框架以及分類模型。

在方法層次，本文針對(duì)模型層次的三種模型分別實(shí)現(xiàn)了三種算法。首先，對(duì)于聚類模型而言，CFDP算法認(rèn)為每個(gè)簇的簇中心擁有最大密度。其次，對(duì)于主動(dòng)學(xué)習(xí)框架而言，MSAL算法是一種多標(biāo)準(zhǔn)優(yōu)化的主動(dòng)學(xué)習(xí)算法。最后，對(duì)分類模型而言，最近鄰算法 kNN是十分成熟可靠的分類算法。

在數(shù)據(jù)層次，本文通過 Matlab 對(duì)機(jī)器人采集到的圖像進(jìn)行數(shù)字圖像處理。

2.機(jī)器人機(jī)械結(jié)構(gòu)設(shè)計(jì)

本章主要介紹作品的機(jī)械結(jié)構(gòu)設(shè)計(jì)理念，并給出機(jī)器人整體結(jié)構(gòu)圖、各部分機(jī)械結(jié)構(gòu)細(xì)節(jié)圖、作品整體效果圖。環(huán)抱式爬管機(jī)器人總體上主要由驅(qū)動(dòng)模塊、減震模塊、控制模塊以及算法模塊等組成。

2.1機(jī)器人結(jié)構(gòu)及組裝細(xì)節(jié)

機(jī)器人機(jī)構(gòu)主要由麥克納姆輪、聯(lián)軸器、電機(jī)連接件、偏軸電機(jī)、型材、型材連接件、彈簧減震器、墊片、支撐輪、主控板、電源、合頁、攝像頭組成。

機(jī)器人由兩個(gè)行走單元組成，兩個(gè)行走單元由型材主架連接而成，型材主架中間安裝了一根型材作為型材支架，用于安放主控板和電源。

2.2電機(jī)連接結(jié)構(gòu)

麥克納姆輪、聯(lián)軸器、電機(jī)偏軸電機(jī)、電機(jī)連接件依次連接， 電機(jī)連接件與型材相連，驅(qū)動(dòng)電機(jī)采用偏軸電機(jī)，偏軸電機(jī)可以調(diào)整麥克納姆輪中軸線和電機(jī)主體中軸線，使麥克納姆輪中軸線和電機(jī)主體中軸線不在同一直線上，進(jìn)而調(diào)整電機(jī)和離麥克納姆輪底部的距離，使電機(jī)和麥克納姆輪底面的距離升高，增大底部空間，這對(duì)于在存在圓弧外表面的管道上行走的機(jī)器人十分重要。

3.機(jī)器人控制系統(tǒng)設(shè)計(jì)

控制模塊主要由為機(jī)械設(shè)備提供動(dòng)力，控制機(jī)器人的前進(jìn)、后退以及旋轉(zhuǎn)。

3.1電機(jī)驅(qū)動(dòng)控制

（1）STM32f103 微控制器。STM32f103 增強(qiáng)型系列使用高性能的 ARM Cortex-M3 的 RISC 內(nèi)核，這保證了它能工作在惡劣的環(huán)境下，并且一系列省電模式保證了低功耗的要求。STM32f103 包含的部件有：32 位CPU，20KB 的SRAM，128KB 的Flsh ROM，兩個(gè) 12 位的 ADC，3 個(gè)通用的 16 位定時(shí)器和一個(gè) PWM 定時(shí)器，標(biāo)準(zhǔn)和先進(jìn)的通信接口（2 個(gè) I2C 和 SPI、3 個(gè) USART、一個(gè) USB 和一個(gè) CAN）。

在本設(shè)計(jì)中，STM32f103 應(yīng)用于電機(jī)的驅(qū)動(dòng)控制。

（2）控制程序。本工程采用多文件編寫，不同的硬件或算法采用不同文件編寫。控制程序主要包括主程序、麥克納姆輪的基本運(yùn)動(dòng)（前后左右平移及旋轉(zhuǎn)）程序、電機(jī)速度環(huán)程序、PS2 手柄控制程序、藍(lán)牙控制（兼任其他串口設(shè)備）程序、OLED 顯示程序、電池低壓檢測(cè)程序、超聲波測(cè)距程序、MPU9250 讀取程序。

3.2運(yùn)動(dòng)跟蹤裝置

在本設(shè)計(jì)中，陀螺儀用于遙控機(jī)器人的運(yùn)動(dòng)。陀螺儀測(cè)量旋轉(zhuǎn)的角速度，通過積分可得到對(duì)應(yīng)的角度，由無線模塊發(fā)送給控制器，控制器再做出處理來驅(qū)動(dòng)電機(jī)。加速度計(jì)對(duì)四軸或小車的加速度比較敏感，取瞬時(shí)值計(jì)算傾角誤差比較大; 而陀螺儀積分得到的角度不受小車加速的的影響，但是隨著時(shí)間的增加積分漂移和溫度漂移帶來的誤差比較大，所以這兩個(gè)傳感器正好可以彌補(bǔ)相互的缺點(diǎn)。

3.3無線傳輸

HC-02 藍(lán)牙串口模塊是基于藍(lán)牙 2.0 版本研發(fā)，高穩(wěn)定性，超低功耗，工業(yè)級(jí)的藍(lán)牙數(shù)傳模塊。用戶無需關(guān)心復(fù)雜的無線通信配置以及傳輸算法，只需要通過 TTL 串口連接到設(shè)備。HC-02 從機(jī)模塊上電，可跟手機(jī)配對(duì)后連接進(jìn)行數(shù)傳。

另外，可以和 HC-05 或 HC-06 主機(jī)進(jìn)行連接，即可取代一條傳統(tǒng)的串口線，省去布線工作，使用非常靈活，在無線控制機(jī)器人中非常實(shí)用。在本設(shè)計(jì)中，通過串口連接的方式，實(shí)現(xiàn)機(jī)器人的自動(dòng)報(bào)警功能。

4.管道缺陷識(shí)別系統(tǒng)設(shè)計(jì)

4.1數(shù)字圖像處理

（1）圖像預(yù)處理?；叶茸儞Q是指根據(jù)某種目標(biāo)條件按一定變換關(guān)系逐點(diǎn)改變?cè)磮D像中每一個(gè)像素灰度值的方法。目的是為了改善畫質(zhì)，使圖像的顯示效果更加清晰。由于機(jī)器人攝像頭拍攝時(shí)可能存在曝光度不足或過度等問題，這時(shí)在顯示器上看到的將是一個(gè)模糊不清、沒有灰度層次的圖像。用一個(gè)線性單值函數(shù)，對(duì)圖像內(nèi)的每一個(gè)像素做線性擴(kuò)展，將有效地改善圖像視覺效果。使用了 Matlab 自帶的 stretchlim 函數(shù)自動(dòng)進(jìn)行灰度變換。

小波去噪的基本方法如下： ①對(duì)原始信號(hào)進(jìn)行小波分解; ②設(shè)置每一層小波系數(shù)的閡值;③按設(shè)定的閡值對(duì)小波系數(shù)進(jìn)行置零處理; ④信號(hào)重構(gòu)。

（2）獲取數(shù)據(jù)集。圖像經(jīng)過預(yù)處理后，我們使用基于閾值的圖像分割方法，將原始圖像分割成若干個(gè)子圖，經(jīng)過多次嘗試后，本文將閾值確定在 32*32 像素。分割后的圖像可以由640*512 像素縮小至 20*16 像素，大大降低了圖像的存儲(chǔ)量。整個(gè)數(shù)字圖像處理部分結(jié)束，將處理得到的所有圖像的數(shù)據(jù)整理為數(shù)據(jù)集， 輸入軟件分析系統(tǒng)中進(jìn)行分類識(shí)別。

4.2圖像識(shí)別算法

（1）CFDP 聚類算法。CFDP是基于密度的新聚類算法，2014 年發(fā)表于頂級(jí)期刊《Science》?？删垲惙乔蛐螖?shù)據(jù)集，具有聚類速度快、實(shí)現(xiàn)簡單等優(yōu)點(diǎn)。

方法對(duì)象：需要聚類的數(shù)據(jù)集。

方法目的：以數(shù)據(jù)集中的每一個(gè)實(shí)例的密度為模型基礎(chǔ)，將待聚類的實(shí)例進(jìn)行聚類。

（2）MSAL 主動(dòng)學(xué)習(xí)算法。 表示信息性，使用信息熵來選擇;表示代表，使用非參數(shù)概率密度估計(jì)來選擇; 表示選擇的新代表點(diǎn) 與上一輪選到的代表點(diǎn) s 之間的差異性，設(shè)定一個(gè)相似度閾值?，使選到的樣本盡量多樣化，避免重復(fù)選擇。

（3）kNN 分類算法。在訓(xùn)練集中數(shù)據(jù)和標(biāo)簽已知的情況下，輸入測(cè)試數(shù)據(jù)，將測(cè)試數(shù)據(jù)的特征與訓(xùn)練集中對(duì)應(yīng)的特征進(jìn)行相互比較，找到訓(xùn)練集中與之最為相似的前 k 個(gè)數(shù)據(jù)，則該測(cè)試數(shù)據(jù)對(duì)應(yīng)的類別就是 k 個(gè)數(shù)據(jù)中出現(xiàn)次數(shù)最多的那個(gè)分類。

5.系統(tǒng)整體測(cè)試

5.1機(jī)器人運(yùn)行測(cè)試

安裝機(jī)器人：機(jī)器人兩邊連接麥克納姆輪的型材結(jié)構(gòu)可以通過機(jī)器人頂部的彈簧避震器達(dá)到張開和收縮的效果，完成安裝和取下的動(dòng)作。通過外力將機(jī)器人兩邊連接麥克納姆輪的型材結(jié)構(gòu)張開就可以將機(jī)器人安放在管道上。撤銷外力后，機(jī)器人兩邊連接麥克納姆輪的型材結(jié)構(gòu)在機(jī)器人頂部的彈簧避震器的彈力下收縮，與管道接觸，與支撐輪形成對(duì)管道的三點(diǎn)環(huán)繞接觸，完成安裝。取下機(jī)器人的動(dòng)作與安裝動(dòng)作相反。

運(yùn)動(dòng)過程：啟動(dòng)機(jī)器人頭部的攝像頭，進(jìn)行全程錄像。運(yùn)用手柄或是藍(lán)牙進(jìn)行驅(qū)動(dòng)，控制機(jī)器人完成前進(jìn)、后退和旋轉(zhuǎn)的動(dòng)作。

5.2圖像識(shí)別精度測(cè)試

軟件主界面：“站場(chǎng)管道線上檢測(cè)系統(tǒng)”軟件是根據(jù)本文軟件部分開發(fā)的一款基于 Matlab 的運(yùn)用軟件。軟件界面包含四大部分，分別是輸入、數(shù)字圖像處理、算法參數(shù)設(shè)置和輸出。

數(shù)字圖像處理：進(jìn)行圖像批次處理時(shí)，點(diǎn)擊“加載圖像”按鈕，用戶可直接選擇待檢測(cè)圖像所在的文件夾，軟件會(huì)自動(dòng)讀取所有的圖像。此時(shí)數(shù)字圖像處理模塊不顯示圖像。如若查看某一圖片的處理過程，點(diǎn)擊“加載圖像”按鈕，選擇某張待檢測(cè)圖像，便可看到整個(gè)處理過程，數(shù)字圖像處理模塊依次顯示原始圖像-灰度圖像- 處理完畢的圖像。

在聚類算法 CFDP 中，需要人工設(shè)置參數(shù)dc的值，dc ∈ （0，1）。

在主動(dòng)學(xué)習(xí)算法 MSAL 中，需要設(shè)置的參數(shù)包括訓(xùn)練集個(gè)數(shù)與相似度閾值。一般選擇 3%～5%的樣本作為訓(xùn)練集，相似度閾值? ∈ （0，1）。

在分類算法 kNN 中，我們避開了參數(shù)的設(shè)置，k 值選擇通用的 k=3。輸出：加載圖像并設(shè)置好合適的算法參數(shù)后，點(diǎn)擊“開始”按鈕，軟件將會(huì)輸出分類精度，破損管道圖片的數(shù)量，完好管道圖片的數(shù)量，以及分類后的圖片，點(diǎn)擊“下載”按鈕即可下載。

系統(tǒng)測(cè)試完畢，所有模塊均能正常運(yùn)行。

6.結(jié)束語

本文將機(jī)器人自動(dòng)巡線與人工智能相結(jié)合，設(shè)計(jì)出一種基于視頻采集的管道智能檢測(cè)機(jī)器人，并開發(fā)出配套的軟件，能對(duì)管道圖像進(jìn)行快速準(zhǔn)確的識(shí)別。機(jī)器人通過攝像頭進(jìn)行視頻采集，傳輸?shù)綑C(jī)器人攜帶的工控電腦中進(jìn)行處理，若判斷出管道存在故障，仍然基于該平臺(tái)調(diào)用機(jī)器人攜帶的PC 中的虛擬端口，發(fā)送信號(hào)至短信模塊，即向工作人員發(fā)出預(yù)警短信。目前，基本是由專業(yè)工作人員依據(jù)經(jīng)驗(yàn)利用視覺和計(jì)算參數(shù)來判定管道異常的情況。但長時(shí)間的視覺檢測(cè)非常耗時(shí)，效率又低，而且過度的體力消耗會(huì)影響分析者的判斷力和結(jié)果的正確性，從而導(dǎo)致誤判率的上升。同時(shí)，易受主觀因素的干擾，不同的分析者可能對(duì)于相同的管道異常得出不同的判定結(jié)果。所以，憑借計(jì)算機(jī)自動(dòng)識(shí)別異常成為一種極有價(jià)值的輔助檢測(cè)手段。和傳統(tǒng)方法相比，本文提出的檢測(cè)識(shí)別系統(tǒng)效率高、成本低，能有效對(duì)油氣管道進(jìn)行檢測(cè)，提高發(fā)現(xiàn)隱患的及時(shí)性。

指導(dǎo)老師：汪敏

參考文獻(xiàn)

[1]王文杰.淺談燃?xì)夤艿赖陌踩芾韀J].黑龍江科技信息.2008（35）.

[2]何昕宇，崔艷坤，李豪，et al.PDA 智能巡檢系統(tǒng)在輸油站場(chǎng)生產(chǎn)管理中的應(yīng)用[J].科技展望，2016（4）.

[3]李國海，董秀娟.天然氣長輸管道無人值守站建設(shè)運(yùn)行實(shí)踐[J].《管道保護(hù)》，2016（3）.

[4]鄒韋華.無人機(jī)視頻信號(hào)處理芯片的研究與設(shè)計(jì)[D]. 湖南大學(xué).

[5]楊蕾.無人機(jī)配送不是普遍的物流需求[J].中國儲(chǔ)運(yùn)， 2016（4）：60-60.

[6]高津漢.天然氣管道無人化站場(chǎng)的理念及設(shè)計(jì)要點(diǎn)[J].石化技術(shù)，2019（1）.