基于數(shù)字成像技術(shù)的自動(dòng)壓接設(shè)備故障可視化在線檢測(cè)方法

秦綬坤，蔣經(jīng)魁，萬(wàn) 俊，楊易斐，張德欽，徐 漢

(1.廣西電網(wǎng)有限責(zé)任公司北海供電局，廣西 北海536000；2.廣西電網(wǎng)有限責(zé)任公司基建部，廣西 南寧 530000；3.河南四達(dá)電力設(shè)備股份有限公司，河南 長(zhǎng)葛 461503)

0 引言

在導(dǎo)地線壓接施工中，需要采用操作工移動(dòng)導(dǎo)線和接續(xù)管壓接的方法實(shí)現(xiàn)接續(xù)管壓接設(shè)計(jì)，但受到壓接前期測(cè)量切割定位不精確、剝線力度不精確等因素的影響，導(dǎo)致自動(dòng)壓接設(shè)備故障發(fā)生率較高，可靠性不好。因此，需要構(gòu)架優(yōu)化的自動(dòng)壓接設(shè)備故障可視化在線檢測(cè)模型，根據(jù)對(duì)自動(dòng)壓接設(shè)備故障可視化特征分析，通過(guò)智能的故障定位和特征分析技術(shù)[1]，采用可視化的X射線檢測(cè)方法，實(shí)現(xiàn)自動(dòng)壓接設(shè)備故障可視化在線檢測(cè)，提高自動(dòng)壓接設(shè)備故障定位和可視化分析能力。通過(guò)故障可視化檢測(cè)，避免了將內(nèi)部結(jié)構(gòu)存在質(zhì)量問(wèn)題的接續(xù)管投入到線路運(yùn)行中，從而避免導(dǎo)地線脫落事件的發(fā)生[2]。

針對(duì)導(dǎo)地線脫落和自動(dòng)壓接設(shè)備故障的問(wèn)題，為了解決壓接后無(wú)法檢測(cè)內(nèi)部缺陷的問(wèn)題，當(dāng)前，結(jié)合自動(dòng)壓接設(shè)備故障的狀態(tài)特征分析，研制了耐張線夾和接續(xù)管壓接質(zhì)量的在線檢測(cè)裝置，但傳統(tǒng)裝置在進(jìn)行自動(dòng)壓接設(shè)備故障檢測(cè)和缺陷定位過(guò)程中，受到人工操作的制約性影響較大，壓接控制和故障檢測(cè)定位的精度不高[3-5]。

針對(duì)上述問(wèn)題，本文通過(guò)智能化控制參數(shù)設(shè)置，進(jìn)行自動(dòng)壓接設(shè)備故障可視化監(jiān)測(cè)，采用圖像視覺(jué)特征檢測(cè)技術(shù)，收集測(cè)量、壓接、檢測(cè)所需要的基礎(chǔ)數(shù)據(jù)，構(gòu)建自動(dòng)壓接設(shè)備故障可視化檢測(cè)的視覺(jué)信息分析模型，通過(guò)對(duì)數(shù)據(jù)進(jìn)行智能化算法分析，構(gòu)建自動(dòng)壓接設(shè)備故障可視化檢測(cè)的仿真模型，提高自動(dòng)壓接設(shè)備故障可視化檢測(cè)和定位分析能力。本文提出基于數(shù)字成像技術(shù)的自動(dòng)壓接設(shè)備故障可視化在線檢測(cè)方法。通過(guò)圖像視覺(jué)特征點(diǎn)標(biāo)定技術(shù)，進(jìn)行耐張線夾及接續(xù)管壓接失效點(diǎn)定位，根據(jù)脈沖X射線數(shù)字成像的特征檢測(cè)，實(shí)現(xiàn)對(duì)架空導(dǎo)線及自動(dòng)壓接設(shè)備的可視化檢測(cè)和定位。最后進(jìn)行仿真模型分析，展示了本文方法在提高自動(dòng)壓接設(shè)備故障可視化在線檢測(cè)能力方面的優(yōu)越性能。

1 自動(dòng)壓接設(shè)備故障可視化X射線數(shù)字圖像預(yù)處理

1.1 故障可視化X射線數(shù)字成像特征模型

為了實(shí)現(xiàn)基于數(shù)字成像技術(shù)的自動(dòng)壓接設(shè)備故障可視化在線檢測(cè)，結(jié)合X射線成像處理方法，構(gòu)建自動(dòng)壓接設(shè)備故障可視化特征分析模型，通過(guò)無(wú)損在線視覺(jué)特征分析方法，構(gòu)建自動(dòng)壓接設(shè)備故障可視化監(jiān)測(cè)系統(tǒng)結(jié)構(gòu)模型[6]。自動(dòng)壓接設(shè)備故障可視化監(jiān)測(cè)技術(shù)包括：支撐支架、X光射線機(jī)、圖像處理系統(tǒng)、無(wú)線連接系統(tǒng)以及自動(dòng)移步系統(tǒng)等。根據(jù)圖像分析和數(shù)據(jù)采集結(jié)果，將提取的自動(dòng)壓接設(shè)備故障可視化X射線數(shù)字圖像輸入到故障診斷設(shè)備中，通過(guò)對(duì)無(wú)明顯缺陷的接續(xù)管圖像分類(lèi)儲(chǔ)存，結(jié)合巡檢數(shù)據(jù)分析，實(shí)現(xiàn)對(duì)自動(dòng)壓設(shè)備的故障可視化檢測(cè)，檢測(cè)的總體結(jié)構(gòu)如圖1所示。

圖1 自動(dòng)壓接設(shè)備故障可視化檢測(cè)的總體結(jié)構(gòu)

根據(jù)圖1所示的自動(dòng)壓接設(shè)備故障可視化監(jiān)測(cè)及故障診斷總體結(jié)構(gòu)[7]，采用圖像像素融合分析方法，建立自動(dòng)壓接設(shè)備故障可視化檢測(cè)的視覺(jué)傳遞函數(shù)為

N(x,y)=σ[Gxi+Gyj]

(1)

i、j為脈沖X射線數(shù)字成像在方向矢量上的視覺(jué)標(biāo)量信息；(x,y)為脈沖X射線數(shù)字成像坐標(biāo)；Gx和Gy為自動(dòng)壓接設(shè)備故障可視化X射線數(shù)字成像的噪點(diǎn)信息；σ為圖像像素融合參數(shù)。采用參考模板特征匹配的方法，對(duì)自動(dòng)壓接設(shè)備故障可視化X射線數(shù)字成像的邊緣像素特征分解方程為

(2)

(3)

Δz為自動(dòng)壓接設(shè)備故障可視化X射線增益；B為圖像的幅值；c為自動(dòng)壓接設(shè)備故障可視化X射線檢測(cè)的邊緣閾值。采用散射波形組合控制，得到自動(dòng)壓接設(shè)備故障可視化X射線視覺(jué)重構(gòu)的聯(lián)合特征模型為

(4)

Fn為n次傳遞迭代后的自動(dòng)壓接設(shè)備故障可視化X射線融合的尺度信息。由此構(gòu)建了自動(dòng)壓接設(shè)備故障可視化X射線成像模型[9]，根據(jù)三維成像特征分析，進(jìn)行可視化檢測(cè)。

1.2 數(shù)字圖像預(yù)處理

根據(jù)自動(dòng)壓接設(shè)備故障可視化X射線成像特征興趣點(diǎn)，讀取自動(dòng)壓接設(shè)備故障可視化X射線圖像的關(guān)聯(lián)特征點(diǎn)，分別為E1和E2。根據(jù)自動(dòng)壓接設(shè)備故障可視化X射線圖像的特征值分布[10]，構(gòu)建關(guān)聯(lián)穩(wěn)定裕度和諧波振蕩模型為

(5)

(6)

根據(jù)對(duì)不同型號(hào)的接續(xù)導(dǎo)地線的數(shù)據(jù)特征分析，構(gòu)建自動(dòng)壓接設(shè)備故障可視化X射線圖像增強(qiáng)模型，得到圖像增強(qiáng)矩陣為

U=I×R

(7)

I為自動(dòng)壓接裝置單元的圖像增益像素值。通過(guò)差分進(jìn)化和特征增強(qiáng)技術(shù)，得到自動(dòng)壓接設(shè)備故障可視化X射線圖像的濾波輸出為

(8)

J為旋自動(dòng)壓接設(shè)備故障可視化X射線圖像的旋轉(zhuǎn)不變性矢量；α為灰度值。由此構(gòu)建自動(dòng)壓接設(shè)備故障可視化X射線圖像濾波增強(qiáng)模型[11]，實(shí)現(xiàn)數(shù)字圖像預(yù)處理，提高故障可視化檢測(cè)識(shí)別能力。

2 自動(dòng)壓接設(shè)備故障在線檢測(cè)優(yōu)化

2.1 故障特征提取

構(gòu)建自動(dòng)壓接設(shè)備故障可視化在線檢測(cè)的視覺(jué)特征分析模型，根據(jù)視覺(jué)特征的差異性分析結(jié)果，采用多幀長(zhǎng)時(shí)曝光與影像合成技術(shù)，得到自動(dòng)壓接設(shè)備故障可視化X射線圖像在7×7像素塊內(nèi)的邊緣像素點(diǎn)。采用歸一化的特征檢測(cè)技術(shù)[12]，得到自動(dòng)壓接設(shè)備故障可視化X射線圖像的故障特征信息增強(qiáng)結(jié)果為

(9)

σ為圖像灰度值；R(x,y)為自動(dòng)壓接設(shè)備故障可視化X射線圖像像素融合矩陣；ki為確定特征點(diǎn)所在位置的子區(qū)域。

結(jié)合智能化控制技術(shù)，進(jìn)行自動(dòng)壓接設(shè)備故障可視化X射線圖像的特征點(diǎn)檢測(cè)，得到檢測(cè)分量為

S=Br(x,y)

(10)

通過(guò)接續(xù)管壓接后的無(wú)損特征監(jiān)測(cè)，制定耐張線夾及接續(xù)管壓接后無(wú)損檢測(cè)的判別依據(jù)，判別式為

(11)

V為三相電纜的Harris提取的判別函數(shù)；L(x,y,σD)為自動(dòng)壓接設(shè)備故障可視化X射線圖像的特征分解尺度；χ為自動(dòng)壓接設(shè)備故障可視化X射線圖像的動(dòng)態(tài)特征量。得到自動(dòng)壓接設(shè)備故障可視化像素信息為

(12)

在像素值采集點(diǎn)g(i,j)，得到自動(dòng)壓接設(shè)備故障可視化在線檢測(cè)描述，并得到自動(dòng)壓接設(shè)備故障可視化在線檢測(cè)的特征模態(tài)提取函數(shù)表述為

(13)

gv(i,j)為自動(dòng)壓接設(shè)備故障可視化X射線圖像的v階匹配像素級(jí)。求得在每個(gè)尺度下自動(dòng)壓接設(shè)備故障可視化在線檢測(cè)圖像的RGB分量后，根據(jù)圖像的特征提取結(jié)果，采用圖像視覺(jué)特征點(diǎn)標(biāo)定技術(shù)[13]，進(jìn)行耐張線夾及接續(xù)管壓接失效點(diǎn)定位，實(shí)現(xiàn)脈沖X射線數(shù)字成像的特征檢測(cè)。

2.2 故障檢測(cè)定位

通過(guò)圖像視覺(jué)特征點(diǎn)標(biāo)定技術(shù)，進(jìn)行耐張線夾及接續(xù)管壓接失效點(diǎn)定位和故障特征分析，在5×5網(wǎng)格圖范圍內(nèi)，構(gòu)建圖譜分析模型，耐張線夾及接續(xù)管壓接可視化X射線拖二維特征，計(jì)算式為

Z=Y(θ)+∑S×w

(14)

θ為自動(dòng)壓接設(shè)備故障可視化X射線圖像的角點(diǎn)參數(shù)；w為壓接備故障可視化X射線度量。通過(guò)圖像增強(qiáng)，以壓接備故障可視化X射線參數(shù)為約束量，得到聯(lián)合加權(quán)特征量為

(15)

ω為自動(dòng)壓接設(shè)備故障可視化X射線圖像2個(gè)像素點(diǎn)之間聯(lián)合分布函數(shù)。假設(shè)自動(dòng)壓接設(shè)備故障可視化分割過(guò)程描述為

(16)

根據(jù)式(16)的計(jì)算結(jié)果，得到(i，j)點(diǎn)處故障定位的分塊特征匹配輸出η(i,j)為

η(i,j)=X[h(i,j)-S×u]

(17)

u為自動(dòng)壓接設(shè)備故障可視化X射線圖的灰度強(qiáng)度；h(i,j)為自動(dòng)壓接設(shè)備故障可視化X射線圖譜分布的故障點(diǎn)。綜上分析，實(shí)現(xiàn)自動(dòng)壓接設(shè)備故障可視化檢測(cè)的算法設(shè)計(jì)。實(shí)現(xiàn)流程如圖2所示。

圖2 實(shí)現(xiàn)流程

3 仿真分析

通過(guò)實(shí)驗(yàn)測(cè)試本文方法在實(shí)現(xiàn)電纜自動(dòng)壓接設(shè)備脈沖X射線故障可視化檢測(cè)的性能，運(yùn)行智能化控制程序，并提供標(biāo)準(zhǔn)的USB、RS232、顯示等接口。連續(xù)射線源開(kāi)展導(dǎo)線檢測(cè)參數(shù)為管電壓120～160 kV，電流0～1 mA，曝光時(shí)間1～2 s(CR和DR)；常規(guī)電纜檢測(cè)的參數(shù)為管電壓60～200 kV(不同電纜材質(zhì)、不同部位)，電流0～1 mA，曝光時(shí)間1～2 s(CR和DR)，對(duì)應(yīng)的脈沖X射線數(shù)字成像檢測(cè)系統(tǒng)開(kāi)展導(dǎo)線檢測(cè)的系統(tǒng)參數(shù)為功率U×I≥60 W(CR和DR)；開(kāi)展電纜脈沖X射線數(shù)字成像檢測(cè)的系統(tǒng)參數(shù)為管電壓60～200 kV，電流1 mA，功率U×I≥65 W(CR和DR)，曝光時(shí)間取決于脈沖數(shù)和脈沖周期?？紤]重量、充電等因素后，最終確定脈沖源數(shù)字成像檢測(cè)系統(tǒng)的管電壓270 kV，管電流0.25 mA。根據(jù)上述參設(shè)定，采用單幀拍攝，99脈沖即可成像顯示內(nèi)部結(jié)構(gòu)，將采集的4張圖像進(jìn)行合成得到1張三相電纜透視圖，得到自動(dòng)壓接設(shè)備故障脈沖X射線數(shù)字成像如圖3所示。

圖3 自動(dòng)壓接設(shè)備故障脈沖X射線數(shù)字成像

在圖3的基礎(chǔ)上，利用270 kV脈沖射線檢測(cè)系統(tǒng)(最大焦距12 m)開(kāi)展架空導(dǎo)線檢測(cè)。如果現(xiàn)場(chǎng)條件不利于布置設(shè)備可拉大焦距拍攝，并將脈沖射線源布置在地面或遠(yuǎn)離導(dǎo)線的某個(gè)位置，可得到故障檢測(cè)結(jié)果。同時(shí)，利用文獻(xiàn)[10]基于三維全景快速建模的變電站可視化方法，以及文獻(xiàn)[11]基于VR技術(shù)的變電站遠(yuǎn)程可視化巡檢系統(tǒng)進(jìn)行故障檢測(cè)。

測(cè)試不同方法進(jìn)行故障檢測(cè)的精度，得到對(duì)比結(jié)果如圖4所示。分析圖4得知，本文方法的故障檢測(cè)精度較高,平均為96.7%。而其他方法的故障檢測(cè)平均精度均在85%以下，難以滿足現(xiàn)實(shí)需求。

圖4 故障檢測(cè)精度測(cè)試對(duì)比

4 結(jié)束語(yǔ)

針對(duì)自動(dòng)壓接設(shè)備故障檢測(cè)準(zhǔn)確性難以滿足現(xiàn)實(shí)需求的問(wèn)題，本文利用數(shù)字成像技術(shù)，研究了一種自動(dòng)壓接設(shè)備故障檢測(cè)可視化方法。通過(guò)X射線數(shù)字成像技術(shù)，實(shí)現(xiàn)了設(shè)備故障視覺(jué)特征的提取，結(jié)合接續(xù)管壓接改善了特征檢測(cè)的效果，實(shí)現(xiàn)了無(wú)損的圖像視覺(jué)特征分析，進(jìn)而提高了故障可視化檢測(cè)的準(zhǔn)確性。并與其他方法進(jìn)行了對(duì)比，驗(yàn)證了本文方法的檢測(cè)準(zhǔn)確率平均為96.7%，具有較為優(yōu)越的故障檢測(cè)性能，為自動(dòng)壓接設(shè)備的穩(wěn)定運(yùn)行提供一定的參考依據(jù)。