极寒环境的输电线路机器人巡检关键技术研究

发布时间：2021-07-31 14:44

　　国内高压输电线路机器人巡检存在运行环境复杂、传感器信息量大且多样和越障效率低等问题。本文以极寒条件下500 kV输电线路典型障碍物为研究对象,提出一种利用图像处理技术预处理提取目标特征,机器学习SVM分类决策算法分类,再与结构约束结合从而可以高效准确地识别高压输电线路障碍物,并通过准确性和有效性验证。结果表明,该算法可以准确地识别定位防震锤等障碍物,对我国高压输电线路智能机器人巡检技术的发展提供了参考和借鉴。 

【文章来源】：山东农业大学学报(自然科学版). 2020,51(03)北大核心

【文章页数】：4 页

【部分图文】：

输电线路机器人巡检示意图

通常输电线路上机器人巡检作业受光照、恶劣环境条件的影响，其采集的图像会有一定的噪声等干扰，给障碍目标图像的特征提取带来一定的影响。为降低噪声干扰的影响，需要对图像进行预处理，另外由于图像边缘提取方法的Canny算子在图像边缘检测方面具有较强抗干扰性，为在恶劣外界环境如极寒条件下得到清晰的边缘图，本文采用数学形态学方法与Canny算子结合，去除灰度图像中的毛刺，只留障碍目标的大体形状。以高压输电线路上的防震锤为例，对改进前后算法进行目标识别对比，如下图2所示。从图2中可以看出改进的Canny算子（c）图提取的目标受噪声对特征的影响更小。2.2 识别算法

可以通过结构约束来解决，结构约束利用分类器识别的区域分割，提取边缘轮廓去除干扰因素后，然后拟合轮廓离散点的中心线。悬垂线夹由轮廓中心线和高压线之间的横坐标距离通过约束条件来识别。通过对障碍物类型的检测和识别，可以得到障碍物的具体位置，帮助巡查机器人提前做出控制策略越障，以下给出该方法检测实物图例如图3所示。通过简单的目标结构特点、位置识别定位与以上SVM特征分类方法结合，可以更快速、准确的识别极寒条件下的输电线上的障碍目标，以下给出整个算法的流程图如图4所示。

【参考文献】：
期刊论文
[1]基于配网功率预估的输配网全局潮流计算[J]. 史帅彬,汪清,俞龙飞,丘国斌,曾江.  电测与仪表. 2018(18)
[2]大型无人直升机电力线路全自动巡检技术及应用[J]. 彭向阳,钱金菊,麦晓明,王柯,王锐,易琳.  南方电网技术. 2016(02)
[3]输电线路导线覆冰图像处理与识别技术[J]. 罗朝祥,万华舰,罗文博,姜岚.  中国电力. 2014(09)



本文编号：3313656