基于卷積神經(jīng)網(wǎng)絡(luò)的機(jī)載絕緣子水沖洗 設(shè)備的設(shè)計(jì)研究

鄔 韜，曾 能，周 龍，潘士春

（深圳供電局有限公司，廣東 深圳 518000）

1 引言

隨著電網(wǎng)規(guī)模的不斷提升，電網(wǎng)的穩(wěn)定性問題也越發(fā)引起人們的重視，在各類電網(wǎng)事故中，高壓輸電線路上絕緣子的閃絡(luò)現(xiàn)象所引發(fā)的事故占據(jù)了很大的比例，成為了亟需解決的問題。因此，采取設(shè)備定期對(duì)絕緣子進(jìn)行清洗，預(yù)防污閃現(xiàn)象的發(fā)生，確保電力的平穩(wěn)供應(yīng)是十分必要的。

高架輸電線路上的絕緣子需要在各種惡劣條件下穩(wěn)定工作很長(zhǎng)一段時(shí)間，但污染物的沉積將會(huì)造成空氣中物質(zhì)的電離，從而降低絕緣子的可靠性，長(zhǎng)期不清理有可能造成區(qū)域電力系統(tǒng)崩潰。

為了預(yù)防高壓線路閃絡(luò)現(xiàn)象帶來的危害，國(guó)內(nèi)外開展了一系列有關(guān)絕緣子清洗方法的研究。國(guó)外在該領(lǐng)域研究較早，已經(jīng)具備了成熟的機(jī)載清洗裝備技術(shù)。近些年國(guó)內(nèi)也開展了大量該方面的研究，實(shí)現(xiàn)了諸如無人機(jī)搭載高壓噴水裝置等技術(shù)手段。本文設(shè)計(jì)了一套適用于輸電線路絕緣子帶電水沖洗的直升機(jī)水沖洗系統(tǒng)，根據(jù)Faster R-CNN卷積神經(jīng)網(wǎng)絡(luò)算法對(duì)大量絕緣子圖像進(jìn)行訓(xùn)練識(shí)別，使得控制云臺(tái)有較準(zhǔn)確的絕緣子串識(shí)別能力，并通過水沖洗設(shè)備的合理設(shè)計(jì)布局實(shí)現(xiàn)了對(duì)絕緣子串的帶電清洗作業(yè)，有效避免原有作業(yè)方法的缺陷，提高作業(yè)效率，有效減少污閃的發(fā)生，維護(hù)輸電線路的正常運(yùn)行。

2 基于Faster R-CNN的絕緣子圖像識(shí)別

2.1 Faster R-CNN的工作原理

Faster R-CNN使用深度卷積網(wǎng)絡(luò)可以有效地對(duì)目標(biāo)圖像進(jìn)行分類。與其他算法相比，F(xiàn)aster R-CNN增加了網(wǎng)絡(luò)深度，減少了訓(xùn)練階數(shù)，時(shí)空間利用率更高，同時(shí)訓(xùn)練速度更快，區(qū)域劃分讓整個(gè)訓(xùn)練的層次感更強(qiáng)，可以有效針對(duì)絕緣子識(shí)別問題進(jìn)行檢測(cè)。

Faster R-CNN網(wǎng)絡(luò)的輸入包括目標(biāo)圖層和特征圖層。通過對(duì)整個(gè)圖像進(jìn)行多次卷積運(yùn)算和池化處理，最終生成要素圖層。之后特征區(qū)域池層使用最大池將特征區(qū)域內(nèi)的所有圖像轉(zhuǎn)換為尺寸為H×M的小特征圖，通俗理解為將特征圖像壓縮為同等像素的小特征圖。Faster R-CNN整體結(jié)構(gòu)圖如圖1所示。

圖1 Faster R-CNN整體結(jié)構(gòu)圖

Faster R-CNN網(wǎng)絡(luò)的輸出也有兩個(gè)。第一層輸出的是K+1個(gè)離散概率集合， 。通過對(duì)概率集合進(jìn)行Softmax計(jì)算，可得相應(yīng)個(gè)數(shù)的概率分?jǐn)?shù)。第二層輸出區(qū)域邊界回歸函數(shù)， ，用于K個(gè)變量的邊界劃分。

經(jīng)過訓(xùn)練后的元素層由兩個(gè)參數(shù)標(biāo)記，分別是相似度概率分?jǐn)?shù)u和邊界限定目標(biāo)v。在每個(gè)訓(xùn)練完的元素層上使用L標(biāo)記經(jīng)過聯(lián)合訓(xùn)練圖層類別劃分和邊界回歸后的損失為

式中，i表示錨定索引；x表示預(yù)測(cè)的邊界框坐標(biāo)向量與真實(shí)的邊界框坐標(biāo)向量的差向量。

由于RPN網(wǎng)絡(luò)相比較VGGNet的快速性更好，這對(duì)直升機(jī)清洗設(shè)備是很有必要的，可以保證水量能夠最大化的清洗到絕緣子。因此，本文在Faster R-CNN算法下利用RPN網(wǎng)絡(luò)結(jié)構(gòu)對(duì)絕緣子圖像進(jìn)行訓(xùn)練。

區(qū)域目標(biāo)元素通過多次訓(xùn)練方法生成，使得Faster R-CNN能夠?qū)崿F(xiàn)邊界內(nèi)目標(biāo)檢測(cè)。與原來的步進(jìn)搜索算法和窗口插值算法相比，大大提高了檢測(cè)特征元素的生成速度。RPN網(wǎng)絡(luò)是一個(gè)完全卷積網(wǎng)絡(luò)，它通過隨機(jī)選取窗口對(duì)特征圖層進(jìn)行卷積操作。在將特征圖傳遞到RPN后，用一個(gè)n維向量來標(biāo)定該特征圖像。任何一個(gè)n維向量都對(duì)應(yīng)多個(gè)隨機(jī)特征窗口，這些窗口有三個(gè)區(qū)域相互混疊在一起，每個(gè)區(qū)域大小也按一定的比例出現(xiàn)，這些目標(biāo)窗口被稱為固定點(diǎn)。之后用一個(gè)固定尺寸的滑動(dòng)窗口來生成一個(gè)n維長(zhǎng)度的特征向量，然后分別在分類層和回歸層對(duì)該向量進(jìn)行識(shí)別。在分類層中，使用Softmax分類模塊來判斷固定點(diǎn)的前后輸出，然后接著輸出每個(gè)位置上的9個(gè)固定點(diǎn)的概率。在回歸層中，通過不斷調(diào)整固定點(diǎn)邊界的長(zhǎng)度和寬度，輸出每個(gè)位置上9個(gè)固定點(diǎn)對(duì)應(yīng)的窗口參數(shù)，這些參數(shù)應(yīng)進(jìn)行平移和放大。然后，我們擬合目標(biāo)窗口的位置。在RPN網(wǎng)絡(luò)訓(xùn)練過程中產(chǎn)生的損失函數(shù)由分類層損失函數(shù)L和回歸層損失函數(shù)L組成。

在絕緣子特征檢測(cè)過程中，F(xiàn)aster R-CNN網(wǎng)絡(luò)需要選擇一個(gè)網(wǎng)絡(luò)模型來增加網(wǎng)絡(luò)訓(xùn)練的深度，提取更本質(zhì)的圖像特征。同時(shí)為解決絕緣子角度和遮擋所造成的損失增加、梯度消失問題，基于深度學(xué)習(xí)引入了一個(gè)殘差網(wǎng)絡(luò)，這使得網(wǎng)絡(luò)中的冗余層獲得了身份映射，增加了識(shí)別的概率。殘余網(wǎng)絡(luò)結(jié)構(gòu)單元如圖2所示。

圖2 殘余網(wǎng)絡(luò)結(jié)構(gòu)單元

殘差單元可以表述為

式中，X為網(wǎng)絡(luò)損失的綜合表示指數(shù)。

為了獲得更好的訓(xùn)練效果，對(duì)特征圖層在上一次Faster R-CNN訓(xùn)練中去除背景損失所獲得的訓(xùn)練分?jǐn)?shù)進(jìn)行了排序。通過限制條件獲得了邊界框的函數(shù)并對(duì)其進(jìn)行求解，獲得了改進(jìn)Faster R-CNN算法下邊界框的相應(yīng)得分，得分最高的邊界框M位于第一位，依次排列。

式中，b是得分系數(shù)， ； 為對(duì)應(yīng)邊界框的取值區(qū)間， 。

最終將絕緣子圖像數(shù)據(jù)變量進(jìn)行Faster R-CNN訓(xùn)練，去掉在訓(xùn)練過程中由于不確定因素?fù)p失的數(shù)據(jù)，最終得到網(wǎng)絡(luò)識(shí)別的精確度。

2.2 絕緣子圖像網(wǎng)絡(luò)訓(xùn)練結(jié)果

本研究中通過無人機(jī)航拍獲得了2 000張高空輸電線路絕緣子照片，將圖片像素和大小調(diào)整一致。為了準(zhǔn)確評(píng)估Faster R-CNN算法的性能，本文用精確度P、召回率R和平均精度A來衡量算法的有效性，P和R在數(shù)據(jù)樣本下均可繪制為一條曲線，A則是兩條曲線所包圍的面積，三個(gè)參數(shù)可表示為

式中，TP為模型預(yù)測(cè)到的樣本，即陽(yáng)性樣本；FP為預(yù)測(cè)有誤的樣本，即假樣本；FN為未預(yù)測(cè)到的樣本，即陰性樣本。

此外，為了讓預(yù)測(cè)結(jié)果有個(gè)綜合性的效果展示，設(shè)置一個(gè)綜合性指標(biāo)F1來進(jìn)行評(píng)估：

將2 000張絕緣子圖像進(jìn)行Faster R-CNN訓(xùn)練，最終將訓(xùn)練結(jié)果匯總，見表1。

表1 絕緣子圖像訓(xùn)練結(jié)果

可以看到，經(jīng)過Faster R-CNN訓(xùn)練后的絕緣子圖像有效識(shí)別率達(dá)到了86.2%，平均精度達(dá)到了97.6%，在該精確度下電網(wǎng)發(fā)生閃絡(luò)的可能性大大降低，通過機(jī)載操作人員的人工干預(yù)下，絕緣子的識(shí)別率會(huì)有所提高，可以有效達(dá)成絕緣子污穢清除的目的。

3 機(jī)載絕緣子水沖洗設(shè)備設(shè)計(jì)

3.1 水箱設(shè)計(jì)

本文中水沖洗設(shè)備搭載直升機(jī)機(jī)型選擇了MD902，該機(jī)型可以實(shí)現(xiàn)低空作業(yè)，安全性能高。同時(shí)，通過研究分析流體力學(xué)的原理結(jié)合直升機(jī)的艙內(nèi)尺寸圖，對(duì)水箱進(jìn)行了圖樣設(shè)計(jì)。水箱采用高強(qiáng)度復(fù)合材料，重量輕，硬度高，便于依據(jù)客艙空間設(shè)計(jì)，預(yù)計(jì)容量為500L。通過對(duì)直升機(jī)艙體尺寸分析，將水箱安裝在直升機(jī)客艙底板，并通過多次測(cè)試對(duì)直升機(jī)的穩(wěn)定性進(jìn)行矯正。其中，客艙尺寸為1.8m×1.45m×1.245m，水箱尺寸為140cm×60cm×70cm，水箱在艙內(nèi)布置如圖3所示，水箱結(jié)構(gòu)如圖4所示。

圖3 水箱艙內(nèi)放置圖

圖4 水箱結(jié)構(gòu)圖（單位：mm）

3.2 洗滌噴槍控制系統(tǒng)設(shè)計(jì)

洗滌噴槍控制系統(tǒng)由旋轉(zhuǎn)云臺(tái)和仰俯云臺(tái)組成，兩個(gè)云臺(tái)均由400W伺服電機(jī)驅(qū)動(dòng)，每臺(tái)的最大載重為100kg，伺服電機(jī)的主要用途是控制洗滌噴槍完成旋轉(zhuǎn)和仰俯的角度調(diào)整，其中水平角度設(shè)計(jì)為0~100°，在該范圍內(nèi)，操作人員方便觀察，保證直升機(jī)與絕緣子的安全距離；仰俯角度為±15°，在該角度范圍內(nèi)可有效洗滌絕緣子，并且不會(huì)對(duì)機(jī)身造成腐蝕，如圖5所示。

圖5 噴槍水平俯仰角度

直升機(jī)槳翼構(gòu)造如圖6所示。經(jīng)查詢直升機(jī)飛行手冊(cè)，該型號(hào)直升機(jī)旋翼直徑為10.34m，機(jī)艙寬度為1.62m，為保證設(shè)備清洗作業(yè)時(shí)的安全距離，確保安全作業(yè)，噴桿長(zhǎng)度設(shè)計(jì)時(shí)保留1.25倍裕度，具體計(jì)算公式為（10.34m×1.25）÷2-1.62m÷2=5.65m，即噴桿長(zhǎng)度至少為5.65m，本方案擬設(shè)計(jì)長(zhǎng)度為6m的噴桿。噴桿前半段采用絕緣的玻璃纖維管，后半段用碳纖維管組合而成。

圖6 直升機(jī)槳翼構(gòu)造

3.3 發(fā)動(dòng)機(jī)及水泵選型

發(fā)動(dòng)機(jī)和水泵選型綜合了水箱水容量和洗滌噴槍的壓力，所選水泵工作壓力為30MPa，流量為25L/min，射程可達(dá)6~7m，有效直線水柱長(zhǎng)度可達(dá)5~6m，發(fā)動(dòng)機(jī)選型與水泵適配。

經(jīng)試驗(yàn)測(cè)試，該套水泵泵頭和發(fā)動(dòng)機(jī)滿足絕緣子水沖洗壓力和流量的要求，水泵試驗(yàn)數(shù)據(jù)見表2。

表2 水泵試驗(yàn)數(shù)據(jù)

4 機(jī)載絕緣子水沖洗設(shè)備模擬線路實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)測(cè)試環(huán)境和設(shè)備運(yùn)行條件見表3。實(shí)驗(yàn)測(cè)試內(nèi)容包括準(zhǔn)備階段和測(cè)試結(jié)果顯示。

表3 模擬線路實(shí)驗(yàn)結(jié)果

（1）準(zhǔn)備階段

直升機(jī)通過云臺(tái)控制系統(tǒng)檢測(cè)絕緣子位置，抵達(dá)作業(yè)地點(diǎn)，通過水平云臺(tái)調(diào)整，將洗滌噴槍調(diào)整至合適的位置和角度，噴嘴離絕緣子串3.5m，打開水沖洗系統(tǒng)，準(zhǔn)備作業(yè)，隨機(jī)開展三項(xiàng)測(cè)試。

測(cè)試一：用水平噴嘴噴頭沖洗耐張絕緣子串；

測(cè)試二：用水平噴嘴噴頭沖洗懸垂絕緣子串；

測(cè)試三：用30°噴嘴噴頭沖洗懸垂絕緣子串。

（2）測(cè)試結(jié)果顯示

測(cè)試一絕緣子串表面和底部光潔明亮，無污染物，洗滌效果優(yōu)良，水平噴頭適合洗滌耐張絕緣子；測(cè)試二的絕緣子串底部存在污染物，角度不夠精確，沒能形成有效回旋，沖洗效果一般，水平噴頭洗滌懸垂絕緣子效果較差；測(cè)試三絕緣子串表面光潔，無殘余污染物，角度設(shè)置合適，可有效清洗。由以上測(cè)試可知，本文所述機(jī)載絕緣子清洗設(shè)備設(shè)計(jì)合理，可實(shí)現(xiàn)區(qū)域絕緣子的清洗。

5 結(jié)束語(yǔ)

針對(duì)高壓線路絕緣子的清洗問題，本文首先介紹了Faster R-CNN卷積神經(jīng)網(wǎng)絡(luò)，通過對(duì)絕緣子圖像數(shù)據(jù)集進(jìn)行訓(xùn)練，可以實(shí)現(xiàn)區(qū)域絕緣子的精準(zhǔn)識(shí)別，并利用獲得的大量絕緣子圖像驗(yàn)證了Faster R-CNN算法的有效性。之后本文介紹了機(jī)載絕緣子水沖洗設(shè)備的設(shè)計(jì)思路，合理的對(duì)水箱和洗滌噴槍控制系統(tǒng)進(jìn)行了設(shè)計(jì)。最后，本文得到了機(jī)載絕緣子水沖洗設(shè)備在模擬線路上的測(cè)試結(jié)果，證實(shí)了所設(shè)計(jì)的沖洗設(shè)備的可行性。