無人機機載檢測技術在工業(yè)鍋爐檢測領域的應用

朱 偉

(西安明德理工學院,陜西 西安 710124)

隨著我國科技的迅速發(fā)展,無人機憑借自身靈活性高、成本低等優(yōu)勢,被廣泛應用于多個領域,即使是人們無法抵達的區(qū)域,無人機也可以精準地完成巡檢任務,滿足了多個領域的探測與巡檢需求。但無人機應用于鍋爐等密閉空間時,使無人機的飛行、圖像處理等功能仍存在問題,如何提高無人機的精準性成為亟待解決的問題。為此,本研究將無人機機載檢測技術作為基礎,研發(fā)出適用于工業(yè)鍋爐檢測領域的無人機,為工業(yè)鍋爐的后續(xù)維護奠定基礎。

1 基于無人機機載檢測技術的工業(yè)鍋爐檢測系統(tǒng)總體設計

本研究為實現(xiàn)工業(yè)鍋爐運行狀態(tài)的實時檢測,對工業(yè)鍋爐的特性進行分析,并設計出工業(yè)鍋爐冷壁巡視專用無人機。無人機研制方案為：充分結合超聲波三維定位、多傳感器圖像采集等技術,提高無人機的檢測精度,將600 MW鍋爐作為主要研究對象,在該鍋爐上試驗無人機的有效性。工業(yè)鍋爐無人機檢測系統(tǒng)整體方案如圖1所示。

圖1 工業(yè)鍋爐無人機檢測系統(tǒng)整體方案

1.1 無人機照明與攝像機角度控制

大部分鍋爐內部光照強度較低,甚至存在缺乏光源的現(xiàn)象,此時采用無人機對鍋爐內部進行巡視時,無人機自身攜帶的探照燈具有強光直射的效果,可在鍋爐內部形成光斑,強刺激性光反射至攝像設備中,可直接影響操作人員的觀察效果。在對鍋爐無人機進行設計時,應最大限度地避免探照燈發(fā)出的光直接照射被觀察的對象,并不斷對探照燈的光源角度進行調節(jié),找出最佳探照光源。為避免強反射光進入攝像頭,應在攝像機的鏡頭與光源的直射方向之間形成一定夾角。本研究為實現(xiàn)鍋爐不同角度的觀察,并提高觀察的清晰性,設計了可調節(jié)角度的攝像頭以及照明設備的控制裝置,有利于提高無人機的檢測精度[1]。

1.2 無人機的三維定位和防撞技術

本研究在研發(fā)無人機時,將超寬帶技術(ultra wide band,簡稱UWB)作為無人機的核心技術,該技術是一項全新的無線通信技術,可通過發(fā)送和接收具有納秒或納秒級以下的極窄脈沖完成數(shù)據(jù)的傳輸,在傳輸數(shù)據(jù)過程中,可獲取具有3.1～10.6 GHz量級的帶寬。該項技術憑借自身優(yōu)異的性能,被廣泛應用于無線室內定位領域以及煤礦等復雜領域,具有良好的發(fā)展前景。將超寬帶系統(tǒng)與傳統(tǒng)的窄帶系統(tǒng)進行對比分析可知,超寬帶技術具有穿透能力強、功耗低以及安全性高等優(yōu)勢,將該系統(tǒng)應用于工業(yè)鍋爐檢測領域中,可為無人機定位提供更加精準的位置信息。

1.3 視頻圖像處理

為有效解決無人機拍攝圖像效果不佳的問題,本研究設計了圖像實時預處理模塊,通過對圖像進行預處理,結合系統(tǒng)的圖像去噪功能對無人機傳輸?shù)膶崟r圖像進行去噪。去噪算法可充分利用圖像的特征信息,實現(xiàn)重構圖像質量的整體提高,使圖像擁有更加真實的視覺效果,經(jīng)過處理后的圖像應用于不同的場景時,具有更強的魯棒性。視頻圖像的處理過程為：首先,利用預處理模塊和去噪算法解決視頻圖像效果不佳的問題;其次,鍋爐的受熱面存在積灰、結渣等現(xiàn)象,該現(xiàn)象可直接影響無人機的拍攝效果,易使視頻圖像存在污點,利用多尺度的圖像去霧算法對圖像進行優(yōu)化,使其恢復至正常效果,便于操作人員對鍋爐內部情況進行觀察;最后,結合無人機的運行模糊圖像恢復算法對圖像進行處理,將清晰完整的圖像保留在系統(tǒng)中,由于智能識別模塊對圖像進行智能識別與處理,對比處理前后的圖像效果,整理反饋結果。工業(yè)鍋爐無人機視頻圖像處理方法如圖2所示[2]。

圖2 工業(yè)鍋爐無人機視頻圖像處理方法

2 工業(yè)鍋爐智能無人機巡檢研發(fā)的關鍵技術

2.1 無人機定位技術

工業(yè)鍋爐內部環(huán)境的光照條件極差,傳統(tǒng)視覺傳感器的語義構圖技術在該環(huán)境下無法保證定位的精準度。為此,本研究采用激光雷達作為無人機定位技術的感知手段,激光雷達是一種自主式感知傳感器,不受外界因素的影響,具有較高的測距精度。通過激光雷達實時構圖技術對工業(yè)鍋爐內部環(huán)境進行檢測,可構建出精確的三維地圖。該技術的研究內容包括柵格地圖概率和地圖模型構建[3]。

2.2 障礙物感知與標識技術

為實時獲取無人機周圍障礙物的位置信息,將激光測距原理作為激光雷達的基礎,對障礙物的位置信息進行實時采集,采集的信息可用于無人機導航定位以及鍋爐環(huán)境的智能感知等方面。本研究在對無人機的自主避障功能進行設計時,采用障礙感知與標識技術對鍋爐周圍的障礙物進行識別。該技術的基礎為激光雷達點云模型,將該技術應用于鍋爐檢測領域,有利于提高無人機的避障精準度,同時便于操作人員實時觀察鍋爐的運行狀態(tài)。

2.3 異步異構傳感器多源信息融合技術

鍋爐內部環(huán)境較為復雜,為保證無人機的平穩(wěn)安全飛行,需要多種傳感器共同配合。傳統(tǒng)無人機主要采用單一傳感器維持運行,無人機在實際運行過程中,需要高頻高精度的位姿解算,從定位的角度對單一傳感器進行分析可知,單一傳感器無法滿足無人機的控制需求;從安全飛行的角度對單一傳感器分析,單一傳感器內部信息有限,無法滿足無人機對障礙物的全方位檢測。本研究為提高無人機對周邊環(huán)境的全方位感知效果,對多種異步異構傳感器信息融合算法進行深入研究,通過該方式滿足無人機的高精度位姿解算需求[4]。

2.4 雷達點云數(shù)據(jù)與鍋爐模型匹配技術

無人機在運行過程中,可通過三維激光雷達對工業(yè)鍋爐爐膛的距離信息進行感知,最終將數(shù)據(jù)信息形成點云數(shù)據(jù)。采用相關性匹配算法完成點云數(shù)據(jù)與鍋爐爐膛模型的匹配,即可得到無人機在工業(yè)鍋爐中的相對位置,從而獲取攝像機與鍋爐爐膛的距離、角度等信息,便于精準推斷圖像在鍋爐的位置,為工業(yè)鍋爐檢測提供參考依據(jù)。

3 基于無人機機載檢測技術的工業(yè)鍋爐檢測系統(tǒng)優(yōu)化設計

為驗證無人機的有效性,將無人機應用于600 MW的鍋爐爐膛內進行飛行試驗,在試驗過程中可獲取鍋爐受熱面的視頻圖像數(shù)據(jù),將視頻圖像數(shù)據(jù)作為主要研究對象,對其進行分析與處理,即可得到更加清晰的視頻圖像,操作人員可通過該圖像清楚觀察到水冷壁的細節(jié)特征,為工業(yè)鍋爐后期故障檢修與事故分析奠定基礎。

3.1 水冷壁圖像光學校正

無人機可拍攝動態(tài)的視頻圖像,動態(tài)的視頻對光源的亮度具有較高需求。鍋爐受熱面長期處于惡劣的環(huán)境中,可直接影響視頻圖像的亮度,使視頻圖像的亮度信息不足,該現(xiàn)象對鍋爐的檢測結果影響較大。本研究為保持視頻圖像的亮度細節(jié)信息,利用伽馬校正函數(shù)對圖像的亮度進行調整。當鍋爐受環(huán)境因素的限制時,同樣可以通過伽馬校正算法對視頻進行補光處理,有針對性地調整視頻亮度信息,防止視頻在亮度處理過程中出現(xiàn)亮度信息丟失的情況。伽馬校正算法在一定程度上可改善航拍圖像亮度不均以及對比度下降的問題,同時可有效提高鍋爐受熱面視頻質量不佳的問題[5]。

3.2 水冷壁圖像去噪處理

無人機獲取視頻圖像的功能存在一定缺陷,并且鍋爐受熱面易受灰塵的影響,使采集的視頻圖像數(shù)據(jù)存在噪聲問題,該現(xiàn)象使鍋爐受熱面無法直接用于對目標的跟蹤。本研究為實現(xiàn)圖像噪聲的去除,采用維納濾波器作為核心設備。該設備是一種自適應濾波器,可充分利用圖像的局部方差,以此實現(xiàn)濾波器輸出的精準調整。為使用信號噪聲未知和隨時間變換的特性,利用潛意識獲取濾波器參數(shù),自動對當前時刻的濾波器參數(shù)進行調整。將維納濾波器應用于工業(yè)鍋爐檢測領域,具有良好的去噪效果[6]。

3.3 運動模糊圖像的復原

前向運動模糊可直接決定無人機的飛行狀態(tài),無人機在飛行過程中產(chǎn)生的姿態(tài)變化對模糊尺度的影響與前向運動模糊尺度之間相差了一個數(shù)量級,該現(xiàn)象對圖像質量的影響不大,可忽略不計。本研究在對無人機的飛行方向進行考慮時,需要采用機械式、光學式以及電子式等補償辦法對前向運動模糊進行處理,該方式可有效消除大部分運動對圖像質量的影響,可滿足運動模糊圖像恢復的要求。無人機在運行過程中易受大氣湍流效應以及隨機轉動的影響,從而使圖像存在模糊現(xiàn)象。為有效解決該問題,可采用運動補償算法對圖像復原算法進行改進與開發(fā),該算法的實時性和魯棒性較強,有利于提高圖像復原的質量[7]。

3.4 燃燒器結焦智能識別

本研究對圖像進行智能識別時,將YOLOv3作為核心算法,該算法主要采用相互級聯(lián)的殘差網(wǎng)絡實現(xiàn)網(wǎng)絡結構層數(shù)的加深。為最大限度地避免網(wǎng)絡結構層數(shù)過多時產(chǎn)生退化現(xiàn)象,向其中引入跳躍式結構,并選用卷積層代替池化層進行樣本采集,卷積層的步長為2,采樣過程中可產(chǎn)生特征提取網(wǎng)絡Darknet-53,該網(wǎng)絡具有一系列1×1和3×3的卷積層。為提高網(wǎng)絡的收斂效果,在每個卷積層后添加批歸一化層。YOLOv3算法在對小目標物體進行檢測時,可采用多尺度特征融合方法在8、16、32倍下完成樣本采集,并輸出3種不同尺寸的特征圖,以此實現(xiàn)物體位置和類別的預測。將YOLOv3算法應用于鍋爐燃燒器的智能檢測時,可精準捕捉類似燃燒器結焦等故障現(xiàn)象[8]。

4 無人機機載檢測技術在工業(yè)鍋爐檢測領域的應用

4.1 無人機的選擇

鍋爐內部環(huán)境較為復雜與惡劣,對無人機的使用壽命與自主避障等功能的影響較大。大部分工業(yè)無人機采用衛(wèi)星或者視覺導航完成故障位置的精準定位,但鍋爐爐膛與尾部受熱面等部分的光線較弱,易受電磁的干擾,并且內部信號質量較差,無法保證衛(wèi)星或視覺導航系統(tǒng)的精準性。本研究選用四旋翼飛行器作為鍋爐檢測的無人機,結合性能較好的無人機技術控制飛行,并利用不同方向的紅外傳感器完成距離測量,通過該方式保證鍋爐相對位置的精準定位。為最大限度地避免無人機在飛行過程中出現(xiàn)碰撞,在無人機外部增加圓形防護罩,具有較高的性價比。工業(yè)鍋爐無人機系統(tǒng)如圖3所示。

圖3 工業(yè)鍋爐無人機系統(tǒng)

4.2 無人機飛行方案制定

為滿足鍋爐的技術規(guī)范要求,在無人機各項指標正常的情況下,充分結合無人機飛行的特點,制定出無人機檢驗作業(yè)文件,并驗證無人機的可靠性。將經(jīng)過技術審核后的無人機應用于現(xiàn)場檢驗,最大限度地避免無人機存在質量問題。

4.2.1 檢測區(qū)域劃分與位置確認

無人機主要用于鍋爐外部鋼結構以及內部部件受火側的檢驗,由于鍋爐介質側的空間有限,增大了無人機的進入難度。本研究在對無人機的檢測區(qū)域進行劃分時,需要嚴格遵循兩方面原則：①將鍋爐受熱面的特性作為主要依據(jù),結合無人機的飛行特點,確定鍋爐內部各個檢驗區(qū)域的形狀與大小;②為最大限度地避免檢驗區(qū)域遺漏的問題,應將檢驗區(qū)域重疊。

由于鍋爐內部空間有限,使無人機在鍋爐中的視野存在一定限制,后期無法精準辨別無人機的所處位置。為提高無人機的辨別精度,需要結合高度、距離等傳感器,并與視頻圖像中受檢設備典型特征相互配合,共同輔助無人機完成檢驗區(qū)域和缺陷位置的定位,該過程需要注意各個檢驗區(qū)域名稱的實時記錄[9]。

4.2.2 無人機的飛行與檢驗方式

通過對無人機系統(tǒng)進行分析可知,本研究選擇的無人機具備降落觀察、制定高度懸停等飛行方式,無人機的攝像頭主要采用水平垂直、仰視、俯視以及側視等掃查方式完成視頻圖像的掃描。攝像頭的可視范圍存在一定局限性,拍攝圖像的邊緣處畸變量較大,為保證掃查結果的精準性與可靠性,需要充分結合無人機的拍攝特性,以此確認掃查的有效區(qū)域。

4.2.3 無人機檢驗順序

通常情況下,無人機在進入檢驗空間時,首選位于爐膛或尾部受熱面?zhèn)让娴臓t門,進入檢測空間后,操作人員可將鍋爐內部特征作為主要依據(jù),以此實現(xiàn)無人機所處位置的精準判斷,并選擇最佳檢測起點。在實際檢測過程中,需要按照整體快速掃查與局部重點掃查相結合的方式完成工業(yè)鍋爐的檢測。無人機的續(xù)航能力有限,采用整體快速掃查的方式檢測鍋爐,可使操作人員在短時間了解鍋爐尾部受熱面的情況,在檢查故障高發(fā)區(qū)域時,可采取懸停飛行模式對該區(qū)域進行重點掃查,有利于提高檢驗的效率。無人機的整體掃查方式呈“S”形,飛行過程中注意掃查的有效區(qū)域,相鄰路線的兩個區(qū)域應有一定重疊,該方式可有效防止漏檢現(xiàn)象[10]。

5 結 語

本研究為實現(xiàn)工業(yè)鍋爐運行狀態(tài)的實時檢測,分析了工業(yè)鍋爐的特性,并設計出工業(yè)鍋爐冷壁巡視專用無人機。為提高無人機的檢測精度,在攝像機的鏡頭與光源的直射方向之間形成一定夾角,最大限度地避免強反射光進入攝像頭,并設計了可調節(jié)角度的攝像頭以及照明設備的控制裝置,實現(xiàn)鍋爐不同角度的觀察。通過對無人機的檢測效果進行分析可知,該無人機可滿足鍋爐的巡視要求。