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(duì)于機(jī)器人比較低下，且因?yàn)橐恍┕ぷ鳝h(huán)境惡劣、危險(xiǎn)，容易對(duì)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(yùn)維工作量比較大。

1 地下管廊小型巡檢機(jī)器人設(shè)計(jì)

（1）采取機(jī)器學(xué)習(xí)（knn）算法對(duì)表計(jì)內(nèi)容進(jìn)行識(shí)別、深度學(xué)習(xí)檢測(cè)算法（SSD）快速對(duì)目標(biāo)進(jìn)行識(shí)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(duì)的技術(shù)競(jìng)爭(zhēng)優(yōu)勢(shì)。

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

■1.1 機(jī)器學(xué)習(xí)（knn）算法，自主檢測(cè)故障

機(jī)器人運(yùn)用OpenCV軟件庫(kù)來(lái)開(kāi)發(fā)視頻采集程序，實(shí)現(xiàn)對(duì)地下管廊視頻信息的及時(shí)收集；為實(shí)行地下電纜巡檢機(jī)器人對(duì)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(jué)識(shí)別運(yùn)用到管廊巡檢作業(yè)上。基于視覺(jué)識(shí)別的地下巡檢機(jī)器人可以自動(dòng)搜索、定位、識(shí)別地下管廊中的電氣設(shè)備，并通過(guò)圖像處理算法實(shí)現(xiàn)對(duì)設(shè)備表計(jì)內(nèi)容的讀取。

識(shí)別過(guò)程主要包括：圖像預(yù)處理、knn數(shù)字識(shí)別、交叉驗(yàn)證確定“K”值三個(gè)部分。

（1）圖像預(yù)處理

圖像預(yù)處理大致分為五個(gè)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(guò)程中，如圖1所示，由于管廊中設(shè)備表計(jì)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(duì)圖像進(jìn)行降噪和增強(qiáng)處理。為了在濾除噪聲的同時(shí)，很好地保存圖像中的邊沿信息，采取雙邊濾波的方法來(lái)降噪，雙邊濾波比經(jīng)常使用的高斯濾波多了一個(gè)高斯方差sigma-d，所以在邊沿四周較遠(yuǎn)的像素不會(huì)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(cè)：在地下管廊中，設(shè)備表計(jì)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(jì)窗口易發(fā)生鏡面反射。所以我們利用邊緣特點(diǎn)來(lái)進(jìn)行電力表計(jì)設(shè)備的識(shí)別定位。根據(jù)線上圖像的成像特點(diǎn)，采用Canny邊緣檢測(cè)器來(lái)進(jìn)行邊緣檢測(cè)。

③ ROI提?。篟OI（Region Of Interest）感興趣區(qū)域提取，將圖像中有效視

野分離出來(lái)，縮小識(shí)別范圍，減輕計(jì)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?yàn)閿z像頭采集的圖像其實(shí)不絕對(duì)水平，因此采用仿射變換對(duì)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(diǎn)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(duì)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(jì)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(guò)對(duì)圖像的腐蝕膨脹處理，將本來(lái)不連貫的數(shù)字連貫起來(lái)。

（2）基于knn算法的數(shù)字識(shí)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(xiě)數(shù)字識(shí)別的基礎(chǔ)算法之一。knn算法運(yùn)用在假定已準(zhǔn)備好一個(gè)訓(xùn)練數(shù)據(jù)集，此中每個(gè)實(shí)例的種別是預(yù)先指定的。分類時(shí)，對(duì)新的實(shí)例（測(cè)試數(shù)據(jù)集）遵照K個(gè)最近鄰的訓(xùn)練實(shí)例的類別，并且根據(jù)大多數(shù)表決等方法進(jìn)行預(yù)測(cè)。knn算法的三個(gè)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(méi)有空缺空間的二值化圖像。

交叉驗(yàn)證是算法中常常使用的模型精度測(cè)量方法，是用來(lái)驗(yàn)證分類器性能的一種統(tǒng)計(jì)分析方式。團(tuán)隊(duì)采用了交叉和平均的思想，通過(guò)交叉驗(yàn)證k近鄰算法得到評(píng)估結(jié)果，并應(yīng)用于模式識(shí)別，在提高模型穩(wěn)定可靠性的基礎(chǔ)上，提高了識(shí)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(kāi)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(kāi)關(guān)靠近定位螺釘時(shí)發(fā)送觸發(fā)脈沖，微處理器接收脈沖信號(hào)后自動(dòng)將里程計(jì)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(duì)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(gè)區(qū)間，并依靠磁性開(kāi)關(guān)的觸發(fā)信號(hào)判斷速度-位置行進(jìn)區(qū)間的切換點(diǎn)。圖5為精確定位算法示意圖。在重要巡檢點(diǎn)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(shí)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(cè)電纜壽命

傳統(tǒng)的閾值鑒定方法已經(jīng)過(guò)時(shí)，因此我們采取一種基于時(shí)間序列分析等大數(shù)據(jù)分析的異常檢測(cè)方式，從數(shù)據(jù)的演化過(guò)程、數(shù)據(jù)聯(lián)系關(guān)系的全新角度實(shí)現(xiàn)對(duì)異常的檢測(cè)。而且經(jīng)由時(shí)間序列模型和自適應(yīng)神經(jīng)網(wǎng)絡(luò)對(duì)歷史數(shù)據(jù)舉行挖掘，并且通過(guò)數(shù)據(jù)對(duì)實(shí)踐的動(dòng)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(cè)系統(tǒng)，并使之適用于電氣設(shè)備狀況檢測(cè)數(shù)據(jù)流，實(shí)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(kù)的海量數(shù)據(jù)數(shù)據(jù)，建立巡檢機(jī)器人對(duì)管廊故障進(jìn)行及時(shí)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(yùn)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(kāi)關(guān)位置、繼電保護(hù)動(dòng)作信號(hào)等開(kāi)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(hào)。

此外，系統(tǒng)的大數(shù)據(jù)來(lái)源除了管廊設(shè)備，還來(lái)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(yàn)數(shù)據(jù)，形成一個(gè)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(lái)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(duì)地下電纜設(shè)備檢測(cè)起決定性作用的信息，也一樣需對(duì)這些海量數(shù)據(jù)進(jìn)行層層篩選，但這類操作需耗費(fèi)大量時(shí)間，故選擇對(duì)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(jià)值。

大數(shù)據(jù)統(tǒng)計(jì)分析：

① 單狀態(tài)量數(shù)據(jù)流特征量的提取

我們對(duì)于多維參量融合的問(wèn)題，采取基于密度的聚類算法對(duì)多維的在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行聚類。

② 大數(shù)據(jù)挖掘預(yù)測(cè)

機(jī)器人系統(tǒng)采用的云計(jì)算采取MapReduce分布式設(shè)計(jì)方法來(lái)實(shí)現(xiàn)高性能計(jì)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(jiǎn)）兩種方式：首先是運(yùn)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(jì)算機(jī)處理；最后將得出的結(jié)果通過(guò)化簡(jiǎn)程序?qū)⒔Y(jié)果集合，輸出給用戶需要的結(jié)果。

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

■1.4 局放定位檢測(cè)傳感器

由于局部放電對(duì)地下管廊設(shè)備的影響力巨大，必須對(duì)局部放電進(jìn)行監(jiān)測(cè)和評(píng)價(jià)。在局部放電過(guò)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(shí)際情況采用，超聲波法、特高頻方法、暫態(tài)地點(diǎn)波方法三種不同的方法實(shí)現(xiàn)局放定位，如圖6所示。

圖6 多功能局放檢測(cè)儀

該局放定位檢測(cè)傳感器的主要技術(shù)參數(shù)如表1所示，傳感器檢測(cè)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(yǔ)

地下巡檢機(jī)器人必定是未來(lái)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(duì)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(dòng)和在惡劣環(huán)境下工作的風(fēng)險(xiǎn)，同時(shí)又使城市的運(yùn)行更安全。

圖7 電纜局部放電圖譜