巡檢機器人在井場上的應用

盧光旭

摘? 要：傳統井場巡檢采用人工巡檢方式，工作量大、巡檢效率低。井場智能巡檢機器人實現了自主巡檢，并把巡檢結果上傳至SCADA系統。井場智能巡檢機器人采用激光雷達無軌導航方式，具有儀表識別、抽油機狀態檢測、紅外測溫、可燃氣體檢測、異常聲音檢測等功能。

關鍵詞：井場巡檢;自主導航;機器人

中圖分類號：TP242? ? ? ? ? ? ? 文獻標志碼：A

1 井場巡檢的特點和內容

井場巡檢采用人工巡檢方式，工作量大、巡檢效率低，且存在無法及時發現少量氣體泄漏、溫度異常、聲音異常、儀表讀數異常等故障信息，以及惡劣天氣下巡檢存在安全隱患等問題。而巡檢機器人具有安防監控功能，能及時發現可疑人員進入，并通過揚聲器喊話警告。巡檢機器人內置GPS定位跟蹤裝置，當檢測到自身位置移動到安全區域以外時，會及時向監控中心上傳報警信息。

2 機器人的系統組成和工作原理

2.1 系統組成

井場智能巡檢機器人是集多傳感器融合技術、電磁兼容技術、導航及行為規劃技術、機器人視覺、安防技術、海量信息的無線傳輸于一體的復雜系統。其主要由機器人本體、充電房、遠程集控后臺組成。

2.2 工作原理

井場智能巡檢機器人通過激光雷達和IMU組合導航，利用車載紅外、可見光及聲音傳感器檢測異常狀況。機器人將采集到的所有圖像和數據，通過無線傳輸系統實時發送到監控后臺，監控后臺負責數據顯示、記錄和路徑規劃。

對于初次巡檢的場景，機器人需要制作巡檢路徑地圖，并存入導航計算機。機器人制作完地圖后，可以通過后臺下發巡檢任務。在巡檢期間，機器人控制云臺對巡檢場景進行拍照和攝像。

3 機器人自動巡檢的功能及實現方式

井場智能巡檢機器人具備以下13項基本功能。

3.1 配備高清攝像機進行可見光表計及滲漏檢測

巡檢機器人的云臺配備高清攝像機，可以進行可見光拍照，并對所拍的照片進行儀表檢測，得到當前壓力表的指針讀數。

3.2 聲音采集及分析功能

巡檢機器人可以采集并分析拾音器采集到的音頻數據，通過頻域分析可以檢測出是否有漏油、漏氣等異常聲音。

3.3 雙向語音通信功能

巡檢機器人集成有揚聲器、拾音器和音頻服務器。通過后臺對音頻服務器的遠程訪問，可以實現雙向語音對講功能。

3.4 抽油機狀態監測功能

巡檢機器人檢測的抽油機數據包括壓力表指針數值、光桿溫度（高溫、低溫）、光桿形變、電機溫度、聲音分析（漏氣、漏油）以及甲烷濃度。

3.5 手動控制功能

手動控制功能包括云臺控制和機器人運動控制。云臺控制用來控制機器人上的云臺上下左右移動。機器人運動控制包括一鍵返航、取消巡檢、修井、巡檢、暫停、繼續等。

3.6 數據查詢、篩選及導出功能

儀表、溫度、聲音分析等結果數據通過ModbusTCP協議傳送給IOServer，管理員可從IOServer數據庫根據時間戳、變量名等對數據進行查詢和篩選并導出。

3.7 報表功能

巡檢機器人的巡檢數據可以通過生成報表導出。

3.8 視頻對接功能

巡檢機器人采用海康威視的網絡攝像機，可接入安防監控平臺，也可用視頻控件在SCADA系統中顯示。

3.9 遠距離網絡傳輸功能

巡檢機器人通過無線網橋實現遠距離網絡傳輸功能。

3.10 一鍵返航功能

巡檢機器人具有一鍵返航功能，通過單擊“一鍵返航”按鈕暫停當前巡檢任務或結束修井監控狀態，之后讓機器人返回充電房。

3.11 自主充電功能

巡檢機器人具有自主充電功能。機器人完成一次巡檢任務，或在巡檢過程中檢測到電量低于閾值時，會自動返回充電房，進入充電位置，自動充電。

3.12 GPS定位功能

巡檢機器人具有GPS定位功能，巡檢機器人將自身位置發送給后臺軟件，當后臺軟件檢測到巡檢機器人位置異常時會報警。

3.13 自檢及告警功能

巡檢機器人的后臺軟件顯示將當前工作狀態、工作電壓、故障信息和越界檢測信息。

4 巡檢機器人的性能

經過實際測試巡檢機器人的性能指標見表1。

5 關鍵技術

5.1 激光雷達特征匹配技術

文獻[1]提出了基于SEF算法的激光雷達數據特征分割法，該算法通過計算激光雷達相鄰兩幀原始數據的差值得到直線，進一步得到分割圖像的特征。該方法無法完成相交直線的提取。文獻[2]采用LEPF算法對激光雷達圖像進行特征提取。該方法容易產生欠提取現象。該文提出了基于點特征提取和線性特征提取的方法。

5.1.1 點狀特征提取

點狀特征指樹木、設備支撐桿等在點云圖上表述為孤立、半徑較小的點集，采用聚類算法對點狀特征進行提取。以數據集在空間分布上的稀疏程度進行聚類，不需要在聚類之前預先設定類的數量。

5.1.2 線性特征提取

線性特征指圍墻、建筑物等在點云圖上表述為長度足夠大的線段，采用霍夫變換對點狀特征進行提取。通過判斷線段的間距、斜率等信息，對提取的線段進行合并，提高準確率。

5.2 SIFT算法光桿識別技術

利用SIFT算法對光桿、電機和抽油機運動進行檢測，如圖2所示。

首先，利用分辨率384×288，6 mm焦距的非制冷紅外熱像儀，檢測直徑約10 mm的光桿的溫度和形變。光桿在紅外圖像上的成像寬度僅占5個像素左右，且背景復雜。SIFT算法通過關鍵位置檢測、特征提取、特征匹配等步驟定位光桿的位置，進而檢測光桿的溫差和細微形變，其能及時檢測抽油機的抽油狀態，并對故障進行報警。

其次，SIFT算法通過關鍵位置檢測、特征提取、特征匹配等步驟定位電機的位置，進而測量電機的溫度。

最后，SIFT算法通過關鍵位置檢測、特征提取、特征匹配等步驟，通過輸出的運動跟蹤點的運動路徑和方向，即可判斷抽油機是否在工作。

6 結論

目前長慶油田已有8 000多座井場進行了視頻系統建設，電線桿上裝有攝像頭、喇叭、天線。井場周圍裝有圍墻。但是這些井場并沒有實現無人值守。用機器人來代替人工進行日常巡檢，可以提高井場的智能化水平，實現無人值守是油田的發展趨勢，在未來得到推廣的可能性較大，具有巨大的社會效益和經濟效益。

參考文獻

[1]陳麗敏，戚天蘭，杜殷飛，等.一種快速有效的卷煙激光打碼防偽識別算法[J].信息工程期刊：中英文版，2014，4（3）：78-82.

[2]龔衛國，劉潤瑤，張睿.光照突變下融合多類特征的場景分割方法（英文）[J].紅外與激光工程，2014，43（12）：4164-4169.