李昌，朱婷

（安徽新華學(xué)院電子工程學(xué)院，安徽合肥，230000）

0 引言

在電力行業(yè)，人工的效率相對于機(jī)器人比較低下，且因為一些工作環(huán)境惡劣、危險，容易對人身造成傷害，急需要機(jī)器人代替人工進(jìn)行工作。尤其在用電密度較高，裝備種類和數(shù)量眾多，而電力職員數(shù)量少，工作量比較大的城市，機(jī)器人在電網(wǎng)利用的技術(shù)研究具有重大的意義，其中地下管廊巡檢需求最為火急。

地下管廊中電纜鋪設(shè)數(shù)量多、范圍廣，人工巡檢效率低，重復(fù)性高且較為繁瑣，且存在漏檢、誤檢的情況；巡檢人員必須為具有一定專業(yè)素養(yǎng)的電力人員，而電力人員數(shù)量少，運維工作量比較大。

1 地下管廊小型巡檢機(jī)器人設(shè)計

（1）采取機(jī)器學(xué)習(xí)（knn）算法對表計內(nèi)容進(jìn)行識別、深度學(xué)習(xí)檢測算法（SSD）快速對目標(biāo)進(jìn)行識別等技術(shù)。創(chuàng)造性的將深度學(xué)習(xí)的 SSD 目標(biāo)定位方法和電力機(jī)器人作業(yè)進(jìn)行結(jié)合，能夠?qū)收衔恢眠M(jìn)行精準(zhǔn)定位，擁有絕對的技術(shù)競爭優(yōu)勢。

（2）且針對局部放電，我們根據(jù)實際情況采用超聲波法、特高頻方法、暫態(tài)地點波方法三種不同的方法實現(xiàn)局放定位。

■1.1 機(jī)器學(xué)習(xí)（knn）算法，自主檢測故障

機(jī)器人運用OpenCV軟件庫來開發(fā)視頻采集程序，實現(xiàn)對地下管廊視頻信息的及時收集；為實行地下電纜巡檢機(jī)器人對地下管廊的自主巡檢作業(yè)，增加巡檢的精度和效率，我們將視覺識別運用到管廊巡檢作業(yè)上?；谝曈X識別的地下巡檢機(jī)器人可以自動搜索、定位、識別地下管廊中的電氣設(shè)備，并通過圖像處理算法實現(xiàn)對設(shè)備表計內(nèi)容的讀取。

識別過程主要包括：圖像預(yù)處理、knn數(shù)字識別、交叉驗證確定“K”值三個部分。

（1）圖像預(yù)處理

圖像預(yù)處理大致分為五個步驟：去噪，仿射變換，邊緣提取，ROI提取，腐蝕膨脹：

①圖像去噪：在攝像頭采集圖像過程中，如圖1所示，由于管廊中設(shè)備表計多存在覆灰、水霧或光線不足等情況，導(dǎo)致機(jī)器人獲取的圖像不清晰，影響后續(xù)分析，因此需先對圖像進(jìn)行降噪和增強(qiáng)處理。為了在濾除噪聲的同時，很好地保存圖像中的邊沿信息，采取雙邊濾波的方法來降噪，雙邊濾波比經(jīng)常使用的高斯濾波多了一個高斯方差sigma-d，所以在邊沿四周較遠(yuǎn)的像素不會影響到邊沿上的像素值。

圖1 機(jī)器人獲取到的圖像

圖2 圖像去噪、增強(qiáng)

② 邊緣檢測：在地下管廊中，設(shè)備表計中的數(shù)字多為紅色，周圍環(huán)境中的大部分是金屬材質(zhì)，且表計窗口易發(fā)生鏡面反射。所以我們利用邊緣特點來進(jìn)行電力表計設(shè)備的識別定位。根據(jù)線上圖像的成像特點，采用Canny邊緣檢測器來進(jìn)行邊緣檢測。

③ ROI提取：ROI（Region Of Interest）感興趣區(qū)域提取，將圖像中有效視

野分離出來，縮小識別范圍，減輕計算負(fù)擔(dān)，大大提高圖像處理的效率和精度。

圖3 ROI獲取、仿射變換

圖4 圖像腐蝕膨脹、切割

④ 圖像仿射變換：因為攝像頭采集的圖像其實不絕對水平，因此采用仿射變換對圖像進(jìn)行旋轉(zhuǎn)矯正，首先確定獲得的圖像都是圍繞圖像中心點產(chǎn)生了旋轉(zhuǎn)變換，根據(jù)仿射變換中的旋轉(zhuǎn)變換，利用旋轉(zhuǎn)變換矩陣對傾斜的圖像進(jìn)行調(diào)整。

⑤ 圖像腐蝕膨脹：由于設(shè)備表計一般采用八段數(shù)碼管顯示，所顯示的數(shù)字由LED拼接而成，在段與段之間存在縫隙，并不連貫。通過對圖像的腐蝕膨脹處理，將本來不連貫的數(shù)字連貫起來。

（2）基于knn算法的數(shù)字識別

knn算法也稱為k鄰近算法，是一種基本分類與回歸方法，也是手寫數(shù)字識別的基礎(chǔ)算法之一。knn算法運用在假定已準(zhǔn)備好一個訓(xùn)練數(shù)據(jù)集，此中每個實例的種別是預(yù)先指定的。分類時，對新的實例（測試數(shù)據(jù)集）遵照K個最近鄰的訓(xùn)練實例的類別，并且根據(jù)大多數(shù)表決等方法進(jìn)行預(yù)測。knn算法的三個基本元素是K值的選擇、距離度量及分類決策規(guī)則，在一般情況下，訓(xùn)練集圖像是已經(jīng)裁剪成統(tǒng)一規(guī)格且周圍沒有空缺空間的二值化圖像。

交叉驗證是算法中常常使用的模型精度測量方法，是用來驗證分類器性能的一種統(tǒng)計分析方式。團(tuán)隊采用了交叉和平均的思想，通過交叉驗證k近鄰算法得到評估結(jié)果，并應(yīng)用于模式識別，在提高模型穩(wěn)定可靠性的基礎(chǔ)上，提高了識別的準(zhǔn)確率。

■1.2 精確定位算法

傳統(tǒng)的方法使得定位出現(xiàn)不準(zhǔn)，為提高定位精度，提出了一種基于磁性開關(guān)的雙模式匹配定位算法。在軌道式機(jī)器人懸掛的工字軌道上每間隔 1m 打入一顆定位螺釘用于里程校正，機(jī)器人搭載的磁性開關(guān)靠近定位螺釘時發(fā)送觸發(fā)脈沖，微處理器接收脈沖信號后自動將里程計數(shù)據(jù)進(jìn)行校正以消除誤差。當(dāng)機(jī)器人獲得工作人員下達(dá)的目標(biāo)行駛位置后即對目標(biāo)里程進(jìn)行速度-位置模式匹配：將目標(biāo)里程分為速度模式下行進(jìn)與位置模式下行進(jìn)兩個區(qū)間，并依靠磁性開關(guān)的觸發(fā)信號判斷速度-位置行進(jìn)區(qū)間的切換點。圖5為精確定位算法示意圖。在重要巡檢點或者特殊地形處（轉(zhuǎn)彎、爬坡）等放置可靠性更高的RFID 標(biāo)簽進(jìn)行目標(biāo)位置識別。

圖5 精確定位算法示意圖

■1.3 海量數(shù)據(jù)分析，預(yù)測電纜壽命

傳統(tǒng)的閾值鑒定方法已經(jīng)過時，因此我們采取一種基于時間序列分析等大數(shù)據(jù)分析的異常檢測方式，從數(shù)據(jù)的演化過程、數(shù)據(jù)聯(lián)系關(guān)系的全新角度實現(xiàn)對異常的檢測。而且經(jīng)由時間序列模型和自適應(yīng)神經(jīng)網(wǎng)絡(luò)對歷史數(shù)據(jù)舉行挖掘，并且通過數(shù)據(jù)對實踐的動態(tài)變化規(guī)律用轉(zhuǎn)移概率序列進(jìn)行表示。提出不正常的部分檢測系統(tǒng)，并使之適用于電氣設(shè)備狀況檢測數(shù)據(jù)流，實現(xiàn)數(shù)據(jù)流中不正常的部分快速檢出。從而，基于機(jī)器人數(shù)據(jù)庫的海量數(shù)據(jù)數(shù)據(jù)，建立巡檢機(jī)器人對管廊故障進(jìn)行及時預(yù)警。

（1）大數(shù)據(jù)采集

該系統(tǒng)中機(jī)器人所采集的地下電纜設(shè)備運行數(shù)據(jù)包括電氣參數(shù)和非電氣參數(shù)兩類。此中電氣參數(shù)主要有電流、電壓、功率、頻率等模擬量，斷路器狀況、隔離開關(guān)位置、繼電保護(hù)動作信號等開關(guān)量以及表示電度的脈沖量等。而非電氣參數(shù)種類較多，各種設(shè)備局部溫度、局放等其它信號。

此外，系統(tǒng)的大數(shù)據(jù)來源除了管廊設(shè)備，還來源于相應(yīng)地下電纜設(shè)備生產(chǎn)廠家、各地電力科學(xué)院的多年試驗數(shù)據(jù)，形成一個雙向通訊和數(shù)據(jù)共享網(wǎng)絡(luò)，進(jìn)一步擴(kuò)大數(shù)據(jù)收集類別和范圍，利于接下來的數(shù)據(jù)分析以及數(shù)據(jù)挖掘。

（2）大數(shù)據(jù)預(yù)處理

為了從這些海量數(shù)據(jù)中挖掘出對地下電纜設(shè)備檢測起決定性作用的信息，也一樣需對這些海量數(shù)據(jù)進(jìn)行層層篩選，但這類操作需耗費大量時間，故選擇對這些海量數(shù)據(jù)進(jìn)行預(yù)處理，例如數(shù)據(jù)清洗，從而提高數(shù)據(jù)質(zhì)量和價值。

大數(shù)據(jù)統(tǒng)計分析：

① 單狀態(tài)量數(shù)據(jù)流特征量的提取

我們對于多維參量融合的問題，采取基于密度的聚類算法對多維的在線監(jiān)測數(shù)據(jù)進(jìn)行聚類。

② 大數(shù)據(jù)挖掘預(yù)測

機(jī)器人系統(tǒng)采用的云計算采取MapReduce分布式設(shè)計方法來實現(xiàn)高性能計算， MapReduce分布式處理技術(shù)非常適合用于處理大數(shù)據(jù)。它是將快要處理的數(shù)據(jù)拆解成Map（映射）和Reduce（化簡）兩種方式：首先是運用映射程序?qū)⒋髷?shù)據(jù)切割成互不相關(guān)的部分，其次為了達(dá)到高性能的效果我們是將其分配給大量的計算機(jī)處理；最后將得出的結(jié)果通過化簡程序?qū)⒔Y(jié)果集合，輸出給用戶需要的結(jié)果。

通過聚類融合，將數(shù)據(jù)進(jìn)行歸一化，得出各個狀態(tài)量標(biāo)準(zhǔn)值，從而設(shè)立一套完整的評估體系，通過大量數(shù)據(jù)的深度學(xué)習(xí)訓(xùn)練，使得評估體系越來越堅強(qiáng)和完善。之后只需將每個地下電纜巡檢機(jī)器人收集到的數(shù)據(jù)經(jīng)過預(yù)處理后輸送如評估系統(tǒng)中進(jìn)行評分，檢測出設(shè)備異常狀態(tài)，工程師及時作出方案對管廊電氣設(shè)備進(jìn)行實時控制。

■1.4 局放定位檢測傳感器

由于局部放電對地下管廊設(shè)備的影響力巨大，必須對局部放電進(jìn)行監(jiān)測和評價。在局部放電過程中，能量主要以電磁、聲波和氣體形式釋放，因此我們可以根據(jù)實際情況采用，超聲波法、特高頻方法、暫態(tài)地點波方法三種不同的方法實現(xiàn)局放定位，如圖6所示。

圖6 多功能局放檢測儀

該局放定位檢測傳感器的主要技術(shù)參數(shù)如表1所示，傳感器檢測到的電纜局部放電圖譜如圖7所示。

表1 傳感器主要技術(shù)參數(shù)表

2 結(jié)語

地下巡檢機(jī)器人必定是未來眾多行業(yè)領(lǐng)域中代替人工作業(yè)的一種重要工具，在應(yīng)用的范圍上將更加廣泛，對于全面代替人工也是具有非常重要的意義。采用地下管廊巡檢機(jī)器人協(xié)助甚至代替人類進(jìn)行地下巡檢作業(yè)， 減輕了人力的勞動和在惡劣環(huán)境下工作的風(fēng)險，同時又使城市的運行更安全。

圖7 電纜局部放電圖譜