發(fā)電廠智能巡檢機(jī)器人關(guān)鍵技術(shù)及應(yīng)用發(fā)展趨勢(shì)

彭道剛,周威儀,葛 明,陳 晨,潘俊臻

(上海電力大學(xué)自動(dòng)化工程學(xué)院,上海 200090)

0 引言

在電力行業(yè)大力推進(jìn)自動(dòng)化、信息化、智能化的背景下,智能電網(wǎng)和智慧電廠迎來(lái)了前所未有的發(fā)展機(jī)遇。作為實(shí)現(xiàn)智能電網(wǎng)和智慧電廠的重要組成部分,智能巡檢機(jī)器人扮演著關(guān)鍵角色。利用智能巡檢機(jī)器人進(jìn)行巡檢,能夠降低運(yùn)維成本、提高巡檢效率。在電網(wǎng)、發(fā)電廠等危險(xiǎn)場(chǎng)景中,巡檢機(jī)器人的應(yīng)用越來(lái)越普及。電力行業(yè)的智能化轉(zhuǎn)型是大勢(shì)所趨。以國(guó)家電網(wǎng)、南方電網(wǎng)為代表的電網(wǎng)企業(yè)已經(jīng)開(kāi)展了基于智能巡檢機(jī)器人的無(wú)人巡檢,并取得了較好的效果。

目前,發(fā)電廠的日常巡檢工作仍主要依靠人工實(shí)施。發(fā)電廠生產(chǎn)現(xiàn)場(chǎng)內(nèi)一些指針式儀表、數(shù)字式儀表等在巡檢過(guò)程中需要通過(guò)人眼讀取并手工抄寫(xiě)。這種方式無(wú)法滿足智慧電廠海量數(shù)據(jù)采集、分析的需求。由于發(fā)電廠生產(chǎn)現(xiàn)場(chǎng)復(fù)雜,巡檢任務(wù)十分繁重,每次巡檢都需要耗費(fèi)大量時(shí)間。因此,發(fā)電廠亟需引入電力巡檢機(jī)器人等智能化設(shè)備來(lái)提高巡檢效率,以實(shí)現(xiàn)自動(dòng)化、智能化的數(shù)據(jù)采集和處理,從而進(jìn)一步推進(jìn)發(fā)電行業(yè)的數(shù)字化轉(zhuǎn)型。

傳統(tǒng)火力發(fā)電廠生產(chǎn)環(huán)境復(fù)雜,具有高溫、高壓、高噪聲等特點(diǎn)。發(fā)電廠內(nèi)的一些關(guān)鍵設(shè)施常常受到腐蝕、結(jié)構(gòu)缺陷等因素的影響,“跑冒滴漏”現(xiàn)象時(shí)有發(fā)生。此外,巡檢過(guò)程中還可能存在氣體泄漏等安全隱患,既影響巡檢效率,又會(huì)威脅工作人員的安全。相比傳統(tǒng)巡檢方式,智能巡檢機(jī)器人具有諸多優(yōu)勢(shì)。這些優(yōu)勢(shì)主要表現(xiàn)在以下方面。

①提高巡檢效率。智能巡檢機(jī)器人可以實(shí)現(xiàn)自主巡檢、實(shí)時(shí)監(jiān)測(cè)和自動(dòng)報(bào)警,避免了人工巡檢中的疏漏和錯(cuò)誤,并且可以全天候進(jìn)行巡檢。這種自動(dòng)化巡檢方式大大提高了巡檢效率。

②減少人力成本。傳統(tǒng)的人工巡檢需要耗費(fèi)大量的人力。智能巡檢機(jī)器人可以替代人工巡檢,降低了人力成本。

③提高安全性。傳統(tǒng)巡檢方式往往需要工人進(jìn)入危險(xiǎn)的環(huán)境。工人容易受到高溫、高壓、高噪聲等因素的影響,并且面臨著電氣安全隱患、有毒氣體泄漏等風(fēng)險(xiǎn)。智能巡檢機(jī)器人可以在危險(xiǎn)環(huán)境下執(zhí)行巡檢任務(wù),降低了工作環(huán)境對(duì)工人的安全威脅。

④提高準(zhǔn)確性和可靠性。智能巡檢機(jī)器人可以采用多種傳感器和算法進(jìn)行檢測(cè)和分析。相比于傳統(tǒng)的人工巡檢,智能巡檢機(jī)器人具有更高的準(zhǔn)確性和可靠性。

⑤實(shí)現(xiàn)數(shù)據(jù)化管理。智能巡檢機(jī)器人可以實(shí)時(shí)采集數(shù)據(jù)并進(jìn)行分析,并能提供詳細(xì)的巡檢報(bào)告和分析結(jié)果,從而幫助管理者更好地管理和維護(hù)設(shè)備。

近年來(lái),隨著智能機(jī)器人的應(yīng)用發(fā)展,智能巡檢機(jī)器人在電力領(lǐng)域的應(yīng)用受到了越來(lái)越多的關(guān)注。然而,由于電力巡檢機(jī)器人的起步較晚,目前關(guān)于電力領(lǐng)域應(yīng)用的巡檢機(jī)器人研究還很有限。

本文旨在對(duì)智能巡檢機(jī)器人的發(fā)展進(jìn)行全面的綜述。首先,本文重點(diǎn)介紹電力巡檢機(jī)器人的關(guān)鍵技術(shù)。這些技術(shù)包括定位和建圖導(dǎo)航、儀表識(shí)別、管道缺陷識(shí)別以及泄漏檢測(cè)識(shí)別等。這些關(guān)鍵技術(shù)的梳理有助于了解智能巡檢機(jī)器人在電力巡檢中的工作原理和技術(shù)基礎(chǔ)。其次,本文總結(jié)電力巡檢機(jī)器人在發(fā)電廠典型巡檢應(yīng)用場(chǎng)景的應(yīng)用。這些應(yīng)用場(chǎng)景包括發(fā)電廠信號(hào)指示燈識(shí)別、發(fā)電廠輸煤皮帶跑偏檢測(cè)以及發(fā)電廠雨排口污染物檢測(cè)等。這些典型應(yīng)用場(chǎng)景的總結(jié)有助于深入了解智能巡檢機(jī)器人在電力行業(yè)中的具體應(yīng)用效果。最后,本文對(duì)國(guó)內(nèi)電力巡檢機(jī)器人的發(fā)展前景進(jìn)行展望,并探討可能的發(fā)展方向,包括提高巡檢機(jī)器人的自主導(dǎo)航能力、進(jìn)一步優(yōu)化巡檢算法以及提升巡檢機(jī)器人的智能化水平等。

1 定位和建圖

1.1 定位和建圖導(dǎo)航

即時(shí)定位和地圖構(gòu)建(simultaneous localization and mapping,SLAM)是機(jī)器人和自動(dòng)駕駛汽車用于建立環(huán)境地圖并確定自身位置的技術(shù)。SLAM主要分兩類,分別為基于視覺(jué)的SLAM方法(簡(jiǎn)稱“視覺(jué)SLAM”)和基于激光雷達(dá)的SLAM方法(簡(jiǎn)稱“激光雷達(dá)SLAM”)。視覺(jué)SLAM是通過(guò)相機(jī)采集相鄰兩幀或多幀的圖像信息,利用多視圖幾何原理和圖像的像素點(diǎn)建立相應(yīng)的地圖。早期的SLAM研究大多采用概率濾波的方法。Davison A等[1]提出的單目同時(shí)定位和地圖構(gòu)建(monocular simultaneous localization and mapping,MonoSLAM)是創(chuàng)新性地成功應(yīng)用于移動(dòng)機(jī)器人的純視覺(jué)SLAM系統(tǒng)。MonoSLAM采用單目相機(jī)獲取環(huán)境信息,由前端提取稀疏的特征點(diǎn)、后端在基于擴(kuò)展卡爾曼濾波(extended Kalman filter,EKF)框架下進(jìn)行優(yōu)化和建圖,實(shí)現(xiàn)了實(shí)時(shí)定位和建圖。但是,MonoSLAM提取特征點(diǎn)的過(guò)程非常耗時(shí),而且稀疏的特征點(diǎn)也容易導(dǎo)致后端丟失跟蹤軌跡。為此,Campos C等[2]提出了多狀態(tài)約束下的卡爾曼濾波器(multi-state constraint Kalman filter,MSCKF)方法。MSCKF方法緩解了EKF計(jì)算復(fù)雜度高的問(wèn)題,提升了基于濾波方法的計(jì)算速度。相較于視覺(jué)SLAM,激光雷達(dá)SLAM采用激光雷達(dá)作為獲取信息的傳感器,以實(shí)現(xiàn)定位和建圖。激光雷達(dá)分為二維和三維兩種類型。類似于視覺(jué)SLAM,早期的激光雷達(dá)SLAM研究者也常常采用EKF方法。Smith R等[3]提出通過(guò)激光雷達(dá)獲取周圍物體之間相對(duì)位置的估計(jì),并建立隨機(jī)地圖的方法。該方法是激光雷達(dá)SLAM的雛形,為后續(xù)的工作奠定了基礎(chǔ)。為了減少計(jì)算復(fù)雜度,Albrecht S等[4]將Rao-Blackwellized粒子濾波(Rao-Blackwellized particle filters,RBPF)算法引入了SLAM領(lǐng)域,并通過(guò)數(shù)據(jù)降維的方法保留足夠的信息。RBPF 可以解決 SLAM的同時(shí)定位與建圖問(wèn)題,也可以用于其他的狀態(tài)估計(jì)問(wèn)題。這種方法的優(yōu)點(diǎn)是可以在降低計(jì)算復(fù)雜度的同時(shí)保存足夠的信息。視覺(jué)與激光雷達(dá)融合的SALM方法既可以有效解決視覺(jué)傳感器對(duì)光照要求高等問(wèn)題,又可以彌補(bǔ)激光雷達(dá)探測(cè)范圍有限、獲取信息少等不足。熊晨曦等[5]對(duì)多傳感器融合的變電站巡檢機(jī)器人進(jìn)行研究,改進(jìn)了傳統(tǒng)的RBPF-SLAM,并引入了基于快速定向旋轉(zhuǎn)特征點(diǎn)的閉環(huán)檢測(cè)。

實(shí)際環(huán)境測(cè)試結(jié)果如圖1所示。

圖1 實(shí)際環(huán)境測(cè)試結(jié)果

晏小彬等[6]提出了視覺(jué)輔助激光雷達(dá)SLAM算法,以更加高效地融合視覺(jué)和激光雷達(dá)的信息。該算法流程為:首先,從激光點(diǎn)云中分割出地面點(diǎn)云,并通過(guò)單應(yīng)性變換中的交比不變性校驗(yàn)特征匹配;然后,將得到的相機(jī)運(yùn)動(dòng)估計(jì)以三維位姿形式進(jìn)行插值;最后,將單目相機(jī)的運(yùn)動(dòng)估計(jì)作為初值用于激光里程計(jì)的位姿優(yōu)化。在卡爾斯魯厄理工學(xué)院和豐田技術(shù)研究院公共數(shù)據(jù)集上的測(cè)試結(jié)果表明,視覺(jué)輔助激光雷達(dá)SLAM算法可以有效利用相機(jī)運(yùn)動(dòng)估計(jì)對(duì)激光點(diǎn)云畸變進(jìn)行校正,并能夠?qū)崟r(shí)、準(zhǔn)確地實(shí)現(xiàn)建圖。在實(shí)際環(huán)境測(cè)試中,視覺(jué)輔助激光雷達(dá)SLAM算法估計(jì)的軌跡也更接近真實(shí)軌跡。

1.2 儀表識(shí)別

發(fā)電廠的儀表設(shè)備數(shù)量眾多,且分布范圍廣。這使得人工巡檢需要耗費(fèi)大量時(shí)間。如果識(shí)別算法能夠準(zhǔn)確地識(shí)別各種儀表,就可以大大縮短巡檢時(shí)間。在20世紀(jì)末,Drew D等[7]和Taylor R等[8]針對(duì)指針式儀表進(jìn)行了相關(guān)的識(shí)別研究。該研究首先對(duì)儀表圖像進(jìn)行分割處理,然后結(jié)合模板匹配法獲取儀表數(shù)值。在模板匹配法的基礎(chǔ)上,沈云青等[9]提出了一種基于模板匹配與霍夫圓檢測(cè)的儀表識(shí)別方法。該方法首先使用兩次模板匹配法獲取儀表位置,并利用霍夫圓檢測(cè)獲取表盤(pán)位置及表盤(pán)圓心坐標(biāo);然后基于K-means方法將圖像二值化,并通過(guò)旋轉(zhuǎn)虛擬直線法對(duì)指針進(jìn)行擬合識(shí)別;最后根據(jù)角度與刻度的對(duì)應(yīng)關(guān)系計(jì)算讀數(shù)。由于模板匹配需要耗費(fèi)大量的計(jì)算資源,且霍夫圓檢測(cè)參數(shù)比較難調(diào)整,可以采用深度學(xué)習(xí)與傳統(tǒng)圖像算法相結(jié)合的方法。該方法首先利用深度學(xué)習(xí)算法識(shí)別圓形表盤(pán)與指針;接著在表盤(pán)區(qū)域內(nèi)對(duì)指針實(shí)行二值化、濾波等圖像處理方法,以提取指針;最后進(jìn)行指針儀表盤(pán)讀數(shù)。該方法可以在發(fā)電廠實(shí)際檢測(cè)中精確地識(shí)別表盤(pán),并得到準(zhǔn)確的儀表讀數(shù)。

指針儀表識(shí)別流程和效果如圖2所示。

圖2 指針儀表識(shí)別流程和效果圖

早期的數(shù)字儀表識(shí)別基本依據(jù)數(shù)字符進(jìn)行識(shí)別。近年來(lái),圖像處理、機(jī)器視覺(jué)等技術(shù)發(fā)展迅速。在此基礎(chǔ)上,國(guó)內(nèi)外對(duì)數(shù)字符的識(shí)別取得了新進(jìn)展。Haosong Z等[10]采用模板匹配法對(duì)數(shù)顯表中的數(shù)字符進(jìn)行識(shí)別。該方法將模板圖像在原圖像中移動(dòng),根據(jù)字符相似度找出數(shù)字特征差異最小的字符作為識(shí)別結(jié)果。模板匹配法在數(shù)字識(shí)別上同樣需要消耗巨大的計(jì)算資源。為了在減小計(jì)算量的同時(shí)提高識(shí)別精度,任勇等[11]提出了一種基于目標(biāo)檢測(cè)和反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)的交通數(shù)字信號(hào)燈識(shí)別方法。該方法首先通過(guò)圖像處理方法分割出交通信號(hào)燈中的數(shù)字,然后使用BP神經(jīng)網(wǎng)絡(luò)識(shí)別出數(shù)字值。深度學(xué)習(xí)模型需要大量的訓(xùn)練數(shù)據(jù)才能展現(xiàn)出很好的效果,故機(jī)器學(xué)習(xí)方法在遇到小樣本問(wèn)題時(shí)具有一定的優(yōu)勢(shì)。王曉東等[12]提出了一種基于支持向量機(jī)(support vector machine,SVM)的變電站保護(hù)室數(shù)顯儀表數(shù)字識(shí)別方法。該方法能夠準(zhǔn)確識(shí)別數(shù)顯儀表上的數(shù)字,且具有較高的識(shí)別率和魯棒性。林劍萍等[13]提出了一種基于開(kāi)放源代碼計(jì)算機(jī)視覺(jué)(open source computer vision,OpenCV)庫(kù)和最小二乘支持向量機(jī)(least squares support vector machines,LSSVM)的數(shù)字儀表讀數(shù)自動(dòng)識(shí)別方法。該方法首先對(duì)數(shù)字儀表進(jìn)行圖像預(yù)處理和數(shù)字分割,然后利用OpenCV庫(kù)提取數(shù)字特征,并使用LSSVM分類器進(jìn)行數(shù)字識(shí)別。試驗(yàn)結(jié)果表明,該方法在發(fā)電廠小型巡檢機(jī)器人上可以達(dá)到96.3%的識(shí)別正確率。

1.3 管道缺陷識(shí)別

在發(fā)電廠中,管道長(zhǎng)時(shí)間運(yùn)行會(huì)產(chǎn)生老化,甚至出現(xiàn)缺陷。因此,及時(shí)發(fā)現(xiàn)管道缺陷并提醒維護(hù)人員進(jìn)行維護(hù),對(duì)于發(fā)電廠的正常、穩(wěn)定運(yùn)行至關(guān)重要。為了解決管道復(fù)雜性帶來(lái)的問(wèn)題,李平等[14]開(kāi)展了基于管道機(jī)器人的管道內(nèi)視頻缺陷檢測(cè)研究,但由于管道的復(fù)雜性等原因,試驗(yàn)檢測(cè)效果不佳。為了解決這些問(wèn)題,蘇展等[15]設(shè)計(jì)、研發(fā)了一種具有較強(qiáng)環(huán)境適應(yīng)能力的球型管道機(jī)器人。該機(jī)器人搭載高分辨率立體相機(jī),能夠采集管道內(nèi)360°連續(xù)視頻圖像,并通過(guò)離線專用軟件檢測(cè)和識(shí)別管道內(nèi)表面缺陷。為了準(zhǔn)確分割檢測(cè)到的缺陷區(qū)域,彭道剛等[16]提出了基于大津閾值法(又稱“OTSU”)和區(qū)域生長(zhǎng)的缺陷檢測(cè)算法。該算法首先將巡檢機(jī)器人實(shí)時(shí)獲取的管道紅外圖像灰度化;然后通過(guò)改進(jìn)的二維OTSU進(jìn)行預(yù)分割,以提取出管道區(qū)域;最后采用基于生長(zhǎng)區(qū)域灰度均值和標(biāo)準(zhǔn)差的自適應(yīng)閾值,以及基于Prewitt算子的梯度幅值改進(jìn)的生長(zhǎng)準(zhǔn)則來(lái)完成缺陷區(qū)域的分割。發(fā)電廠實(shí)際測(cè)試結(jié)果表明,基于OTSU和區(qū)域生長(zhǎng)的缺陷檢測(cè)算法不僅能實(shí)現(xiàn)發(fā)電廠管道缺陷的自動(dòng)檢測(cè)與定位,而且能精確地提取出缺陷區(qū)域。

道缺陷檢測(cè)與分割測(cè)試結(jié)果如圖3所示。

圖3 管道缺陷檢測(cè)與分割測(cè)試結(jié)果

1.4 泄漏檢測(cè)識(shí)別

泄漏檢測(cè)識(shí)別指通過(guò)檢測(cè)、識(shí)別和定位可能存在的液體、氣體或其他物質(zhì)泄漏,以及監(jiān)測(cè)泄漏物質(zhì)的擴(kuò)散范圍和濃度變化,實(shí)現(xiàn)對(duì)泄漏事件的及時(shí)響應(yīng)和控制。近年來(lái),于宏偉等[17]提出了一種基于紅外熱像的氣體泄漏檢測(cè)方法。該方法首先利用雙目進(jìn)行背景建模,然后通過(guò)雙目配準(zhǔn)校正提取差異性區(qū)域,并對(duì)疑似區(qū)域進(jìn)行氣體多特征分析。大量的試驗(yàn)驗(yàn)證結(jié)果表明,該方法能夠準(zhǔn)確定位氣體泄漏位置,并且能夠在不同場(chǎng)景下實(shí)時(shí)檢測(cè)。當(dāng)管道發(fā)生蒸汽泄漏時(shí),會(huì)伴隨著刺耳的聲音。因此,楊麗麗等[18]根據(jù)管道泄漏的聲音信號(hào),提出采用單一非頻散模態(tài)法定位氣體泄漏位置的方法。試驗(yàn)結(jié)果表明,該方法可以提高管道泄漏檢測(cè)的準(zhǔn)確度。

為了進(jìn)一步提升管道泄漏的檢測(cè)識(shí)別有效性和泛化能力,彭道剛等[19]提出了基于卷積塊注意力模型殘差U型網(wǎng)絡(luò)(convolcutional block attention module residual U-shaped network,CBAM-ResUNet)的發(fā)電廠高壓蒸汽泄漏檢測(cè)算法。該算法在U型網(wǎng)絡(luò)(U-shapd network,UNet)結(jié)構(gòu)中加入殘差網(wǎng)絡(luò)(residual network,ResNet)的殘差塊,以獲取泄漏圖像更多的語(yǔ)義信息,并且通過(guò)在網(wǎng)絡(luò)中添加卷積塊注意力機(jī)制(convolutional block attention module,CBAM)來(lái)加強(qiáng)高壓蒸汽泄漏圖像區(qū)域特征的學(xué)習(xí)。經(jīng)過(guò)試驗(yàn)測(cè)試與算法對(duì)比,該算法可以完整地分割出蒸汽泄漏區(qū)域,并且檢測(cè)錯(cuò)誤的像素?cái)?shù)量也相對(duì)較少。

不同網(wǎng)絡(luò)模型泄漏檢測(cè)結(jié)果如圖4所示。

圖4 不同網(wǎng)絡(luò)模型泄漏檢測(cè)結(jié)果

2 發(fā)電廠典型巡檢應(yīng)用場(chǎng)景

2.1 發(fā)電廠信號(hào)指示燈識(shí)別

在發(fā)電廠生產(chǎn)環(huán)境中存在著大量信號(hào)指示燈,人工巡檢很難及時(shí)發(fā)現(xiàn)信號(hào)指示燈的變化。而巡檢機(jī)器人可以在巡檢過(guò)程中快速識(shí)別設(shè)備的信號(hào)。信號(hào)指示燈狀態(tài)識(shí)別主要基于信號(hào)指示燈的顏色或形狀等外觀特征檢測(cè)出信號(hào)指示燈所在位置,并確認(rèn)信號(hào)指示燈狀態(tài)。胡燦林等[20]研究出一種通過(guò)判斷顏色屬性檢測(cè)信號(hào)指示燈的指示燈檢測(cè)算法。該算法通過(guò)概率潛在語(yǔ)義分析(probabilistic latent semantic analysis,PLSA)算法進(jìn)行顏色屬性訓(xùn)練,以提取出顏色特征,再通過(guò)圖像處理獲取指示燈狀態(tài)。黃戰(zhàn)華等[21]通過(guò)對(duì)視頻中信號(hào)指示燈的閃爍狀態(tài)或顏色的變化進(jìn)行分析,并根據(jù)色差信息判斷信號(hào)指示燈的亮或滅。具體而言,這種方法主要通過(guò)把RGB顏色圖像轉(zhuǎn)化為YUV模式來(lái)計(jì)算色差,再根據(jù)預(yù)先設(shè)定的閾值判斷信號(hào)指示燈的具體顏色。此外,巡檢系統(tǒng)能夠及時(shí)彈出預(yù)警窗口,以提醒工作人員處理設(shè)備異常狀況。

信號(hào)指示燈狀態(tài)識(shí)別算法在巡檢機(jī)器人系統(tǒng)中起著重要的作用。通過(guò)快速而準(zhǔn)確地檢測(cè)信號(hào)指示燈的狀態(tài),巡檢機(jī)器人能夠及時(shí)發(fā)現(xiàn)設(shè)備異常情況,并將預(yù)警信息及時(shí)彈出以提醒工作人員。工作人員可以及時(shí)采取措施處理設(shè)備的異常狀況,以避免可能的事故發(fā)生,從而保障生產(chǎn)安全。巡檢機(jī)器人系統(tǒng)的優(yōu)勢(shì)不僅在于其快速的信號(hào)指示燈識(shí)別能力,還在于其高效的數(shù)據(jù)處理和分析能力。通過(guò)對(duì)巡檢過(guò)程中獲取的大量數(shù)據(jù)進(jìn)行實(shí)時(shí)處理和分析,系統(tǒng)能夠快速、準(zhǔn)確地識(shí)別設(shè)備狀態(tài)、發(fā)現(xiàn)異常情況,并提供相應(yīng)的預(yù)警提示。這種智能化的巡檢系統(tǒng)極大地提高了工作效率以及生產(chǎn)質(zhì)量。

2.2 發(fā)電廠輸煤皮帶跑偏監(jiān)測(cè)

燃煤火電廠作為重要的能源供應(yīng)單位,在煤炭輸送過(guò)程中經(jīng)常面臨煤炭掉落和輸煤皮帶偏離的問(wèn)題。這些問(wèn)題不僅會(huì)導(dǎo)致能源損失和生產(chǎn)成本增加,還可能對(duì)設(shè)備和人員安全造成潛在風(fēng)險(xiǎn)。因此,如何有效解決輸煤皮帶跑偏的問(wèn)題已成為燃煤火電廠的難點(diǎn)和重點(diǎn)。

針對(duì)這一問(wèn)題,張飛等[22]提出了一種基于圖像處理的跑偏監(jiān)測(cè)技術(shù),以幫助燃煤火電廠實(shí)時(shí)監(jiān)測(cè)和控制輸煤皮帶的運(yùn)行狀態(tài)。該技術(shù)的核心思想是利用機(jī)器人搭載的網(wǎng)絡(luò)監(jiān)測(cè)相機(jī)對(duì)輸煤皮帶進(jìn)行實(shí)時(shí)圖像采集,通過(guò)圖像處理方法提取輸煤皮帶的輪廓信息,并計(jì)算輸煤皮帶邊沿與托輥?zhàn)罡唿c(diǎn)的距離偏差,以此來(lái)分析輸送皮帶的運(yùn)行狀態(tài)。

在具體實(shí)施過(guò)程中,首先,研究人員搭建了一個(gè)機(jī)器人系統(tǒng),將網(wǎng)絡(luò)監(jiān)測(cè)相機(jī)裝載在機(jī)器人上以獲取輸煤皮帶的運(yùn)行圖像。通過(guò)這種實(shí)時(shí)圖像采集的方式,研究人員能夠準(zhǔn)確地捕捉到輸煤皮帶在運(yùn)行過(guò)程中的各種狀態(tài)和異常情況。接著,研究人員利用改進(jìn)的典型區(qū)域顯著性檢測(cè)模型對(duì)輸煤皮帶的圖像進(jìn)行處理。該模型能夠準(zhǔn)確地提取出輸煤皮帶的輪廓信息,從而為后續(xù)的跑偏監(jiān)測(cè)奠定可靠的數(shù)據(jù)基礎(chǔ)。最后,基于圖像處理得到的輸煤皮帶輪廓信息,研究人員通過(guò)計(jì)算輸煤皮帶邊沿與托輥?zhàn)罡唿c(diǎn)的距離偏差來(lái)評(píng)估輸煤皮帶的運(yùn)行狀態(tài)。當(dāng)距離偏差超過(guò)一定閾值時(shí),系統(tǒng)將發(fā)出警報(bào)信號(hào),提示操作人員及時(shí)采取措施進(jìn)行調(diào)整和修復(fù),從而避免輸煤皮帶的進(jìn)一步跑偏。

2.3 發(fā)電廠雨排口污染物檢測(cè)

3 國(guó)內(nèi)巡檢機(jī)器人發(fā)展前景

目前,國(guó)內(nèi)主要的巡檢機(jī)器人廠家有國(guó)網(wǎng)智能、億嘉和、朗馳、國(guó)自、申昊、大華、天創(chuàng)等。這些企業(yè)在電力巡檢機(jī)器人行業(yè)布局較為完善。其中:國(guó)網(wǎng)智能是國(guó)家電網(wǎng)旗下的智能研究平臺(tái),也是較早研發(fā)智能巡檢機(jī)器人的企業(yè);朗馳則是較早從事巡檢機(jī)器人研發(fā)的民營(yíng)企業(yè)。其他企業(yè)智能巡檢機(jī)器人研發(fā)雖然起步較晚,但是通過(guò)技術(shù)的不斷積累與革新,目前大多具備了實(shí)時(shí)監(jiān)控、異常識(shí)別預(yù)警等功能。

各企業(yè)巡檢機(jī)器人的關(guān)鍵技術(shù)如表1所示。

表1 各企業(yè)巡檢機(jī)器人的關(guān)鍵技術(shù)

這些企業(yè)的巡檢機(jī)器人產(chǎn)品包括輪式巡檢機(jī)器人、飛行器巡檢機(jī)器人、蛇形巡檢機(jī)器人等。這些產(chǎn)品在各應(yīng)用領(lǐng)域都取得了較好的發(fā)展。室外巡檢機(jī)器人目前采用3D激光雷達(dá)進(jìn)行地圖的構(gòu)建,能夠在構(gòu)建好的地圖上精準(zhǔn)定位、準(zhǔn)確到達(dá)設(shè)定點(diǎn)位,并在設(shè)定點(diǎn)位上自主移動(dòng)云臺(tái)進(jìn)行各類儀表的精確讀數(shù)、管道缺陷檢測(cè)等。

巡檢機(jī)器人解決了傳統(tǒng)人工巡檢不到位、巡檢結(jié)果無(wú)法數(shù)字化等問(wèn)題,有效降低了巡檢工人的勞動(dòng)強(qiáng)度和管理成本。在國(guó)家政策和電力市場(chǎng)的影響下,智能巡檢機(jī)器人已經(jīng)進(jìn)入了發(fā)展的快車道。電網(wǎng)和發(fā)電廠使用機(jī)器人的數(shù)量將進(jìn)一步增加。人工智能與傳統(tǒng)產(chǎn)業(yè)的結(jié)合將為企業(yè)帶來(lái)巨大的經(jīng)濟(jì)效益,也將帶動(dòng)相關(guān)產(chǎn)業(yè)的轉(zhuǎn)型升級(jí)。中國(guó)產(chǎn)業(yè)結(jié)構(gòu)的變化將加快巡檢機(jī)器人的發(fā)展。未來(lái),巡檢機(jī)器人的研究重點(diǎn)有以下幾個(gè)方面。

①感知與導(dǎo)航技術(shù)。感知與導(dǎo)航技術(shù)研究如何使智能巡檢機(jī)器人能夠準(zhǔn)確地感知環(huán)境、識(shí)別目標(biāo)、規(guī)劃路徑并進(jìn)行自主導(dǎo)航。該技術(shù)對(duì)視覺(jué)、聲學(xué)、激光雷達(dá)等多種傳感器進(jìn)行整合,以實(shí)現(xiàn)全方位感知。

②機(jī)器學(xué)習(xí)與決策算法。機(jī)器學(xué)習(xí)與決策算法研究如何利用計(jì)算機(jī)視覺(jué)算法對(duì)巡檢過(guò)程中所采集的大量數(shù)據(jù)進(jìn)行處理和分析,從而實(shí)現(xiàn)目標(biāo)檢測(cè)、缺陷識(shí)別、故障預(yù)警等功能,以及巡檢數(shù)據(jù)的智能化處理。

③多模態(tài)數(shù)據(jù)融合技術(shù)。多模態(tài)數(shù)據(jù)融合技術(shù)研究如何對(duì)巡檢機(jī)器人所采集到的不同類型、不同來(lái)源的數(shù)據(jù)進(jìn)行整合,從而形成更加完整和準(zhǔn)確的巡檢報(bào)告和決策結(jié)果。

④能源與供電技術(shù)。能源與供電技術(shù)研究如何使巡檢機(jī)器人具備長(zhǎng)時(shí)間的工作能力,并研究如何提供高效的供電方式,如太陽(yáng)能供電、無(wú)線充電等。

⑤環(huán)境適應(yīng)性技術(shù)。環(huán)境適應(yīng)性技術(shù)研究如何使巡檢機(jī)器人能夠適應(yīng)不同的環(huán)境條件,包括水下、高溫、高壓等特殊環(huán)境;同時(shí),考慮機(jī)器人的可維護(hù)性和可靠性問(wèn)題,研究如何使機(jī)器人具備一定的自我修復(fù)和維護(hù)能力。

⑥巡檢任務(wù)規(guī)劃和協(xié)同技術(shù)。巡檢任務(wù)規(guī)劃和協(xié)同技術(shù)研究如何使多個(gè)巡檢機(jī)器人之間協(xié)同工作,以實(shí)現(xiàn)對(duì)復(fù)雜設(shè)備和系統(tǒng)的全面巡檢;同時(shí),考慮如何制定合理的巡檢任務(wù)規(guī)劃,以實(shí)現(xiàn)對(duì)設(shè)備和系統(tǒng)的高效巡檢。

4 結(jié)論

發(fā)電廠智能巡檢機(jī)器人是一種應(yīng)用于發(fā)電廠關(guān)鍵設(shè)施巡檢和維護(hù)的新型智能設(shè)備,其主要特點(diǎn)是具備自主感知、自主規(guī)劃、自主執(zhí)行和自主學(xué)習(xí)等能力。智能巡檢機(jī)器人的自主巡檢過(guò)程能夠取代人工巡檢,從而降低人力成本和安全風(fēng)險(xiǎn)、提高巡檢效率和準(zhǔn)確性。

相比人工巡檢,發(fā)電廠巡檢機(jī)器人有諸多優(yōu)勢(shì)。首先,巡檢機(jī)器人具備長(zhǎng)時(shí)間連續(xù)工作的能力,不受環(huán)境限制,可以在較短時(shí)間內(nèi)完成大量巡檢任務(wù)。其次,巡檢機(jī)器人可攜帶各種傳感器(例如紅外相機(jī)、激光雷達(dá)等),從而快速、準(zhǔn)確地獲取和識(shí)別巡檢設(shè)施信息。此外,巡檢機(jī)器人的自主學(xué)習(xí)和智能化能力不斷提升,可以根據(jù)實(shí)際情況作出相應(yīng)的判斷和處理。

隨著機(jī)器人導(dǎo)航定位、泄漏檢測(cè)技術(shù)的不斷發(fā)展,機(jī)器人將會(huì)更加智能化、自主化、靈活化,能夠更好地適應(yīng)電力設(shè)施的不同形態(tài)和復(fù)雜環(huán)境。未來(lái),機(jī)器人將逐漸實(shí)現(xiàn)多機(jī)器人協(xié)同作業(yè),實(shí)現(xiàn)大范圍、全方位的電力設(shè)施巡檢。此外,機(jī)器人技術(shù)的普及和應(yīng)用,將有效推動(dòng)電力設(shè)施的智能化和自動(dòng)化升級(jí),促進(jìn)電力行業(yè)的可持續(xù)發(fā)展。