變電站智能巡檢機器人關鍵技術開發(fā)

汪 洋

(國網(wǎng)浙江省電力有限公司杭州供電公司，浙江 杭州 310000)

0 引言

變電站是電網(wǎng)中轉(zhuǎn)換和分配電能的重要節(jié)點，隨著技術的發(fā)展，其自動化和智能化水平不斷提升。傳統(tǒng)的變電站人工巡檢需值班人員使用手持儀器對設備逐一檢查，這種方式在面對規(guī)模越來越龐大和繁雜的現(xiàn)代變電站時顯得力不從心，且人工巡檢易受到人員工作經(jīng)驗、責任心、精神狀態(tài)等諸多因素的影響。當前的變電站也配置了一定數(shù)量的攝像頭，但由于受視覺盲區(qū)、光照等客觀條件限制而無法實現(xiàn)全方位監(jiān)控。得益于無線傳感器網(wǎng)絡(wireless sensor networks，WSN)技術的發(fā)展，電力系統(tǒng)開始引入相關傳感器監(jiān)測設備運行參數(shù)，但由于傳感器通信帶寬小，應用范圍受到很大的局限。隨著人工智能和嵌入式技術的發(fā)展，具備多種功能的巡檢機器人在電力系統(tǒng)中相繼投入應用，與人工巡檢相比，其檢測效率和精度都更具優(yōu)勢，同時也能避免人工巡檢過程存在的安全風險。

目前，電力系統(tǒng)巡檢機器人大多針對500 kV及以上的大型變電站，而在眾多的小型變電站中涉及較少且尚未形成統(tǒng)一的標準，同時已投入使用的巡檢機器人大多采用遙控巡檢方式，不僅沒有真正形成智能化，還存在導航精度差、通信速度慢和圖像匹配精度低等問題。因此，開發(fā)和應用一款變電站智能巡檢機器人顯得尤為急迫。

1 智能巡檢機器人運動及導航模塊設計

1.1 關鍵技術

1.1.1 加權平均算法

巡檢機器人的底盤下安裝有8個磁傳感器，編號1～8并賦予不同的權重值。由于傳感器的接受范圍有限，至多同時有3個磁傳感器可檢測到磁軌，檢測到磁軌的傳感器會把自己的權重值信號輸出給主控芯片，主控芯片的輸入輸出接口讀取磁傳感器信號并根據(jù)信號的加權平均值來判斷機器人當前的位置。若最后的加權平均值為0，則機器人位于磁軌正中央，速度調(diào)節(jié)系統(tǒng)輸入的速度參考值保持不變；若根據(jù)相應的加權平均值判斷出機器人相對于磁軌左偏或右偏，則相應的左側(cè)或右側(cè)直流無刷電機加速，即對應電機的速度調(diào)節(jié)系統(tǒng)的輸入速度參考值增大[1]。表1給出當不同組的磁傳感器檢測到磁軌時，速度調(diào)節(jié)系統(tǒng)的輸入值。

表1 速度調(diào)節(jié)系統(tǒng)的輸入值

1.1.2 PID控制技術

對于計算機可以處理的離散數(shù)字式PID主要有位置式PID控制算法和增量式PID控制算法兩種。位置式PID是一種非遞推的算法，因PID控制輸出的u(k)值直接對應電機的實際轉(zhuǎn)速，所以基于簡化電機控制系統(tǒng)的考慮，控制設計采用位置式PID算法。

PID算法最重要的是參數(shù)整定，比例參數(shù)、積分參數(shù)和微分參數(shù)的選取直接決定了系統(tǒng)的控制效果。這3個參數(shù)可通過理論計算求得，也可通過工程試驗得出。理論計算需提前推導被控對象的傳遞函數(shù)，且還要考慮工作時變化的阻尼和可能的外界干擾，很難建立系統(tǒng)實際數(shù)學模型，因此采用簡單易行的工程試驗來整定PID參數(shù)。

1.2 控制方案驗證

1.2.1 譯碼器模塊

在Simulink工具內(nèi)搭建基于微處理器(STM32)的霍爾信號譯碼過程抽象電路以及譯碼規(guī)則，由于電路母線上可直接設置接收霍爾信號的模塊，可將該信號傳給為實現(xiàn)控制邏輯專門搭建的譯碼器[2]。

1.2.2 速度調(diào)節(jié)器模塊

速度調(diào)節(jié)器的主體是PI控制器，利用Simulink把芯片通過軟件將霍爾信號轉(zhuǎn)換成速度信號的過程抽象化，由于在Simulink中與電機連接的母線上可直接獲取到電機的轉(zhuǎn)速值，所以可直接將此值作為PI控制器的一個輸入，并將速度參考值作為PI控制器的另一個輸入。PI控制器可以直接選擇Simulink中的預制模塊。

1.2.3 整體仿真

在Simulink中構(gòu)建系統(tǒng)的整體仿真模型，在輸出位置加入電壓表和數(shù)據(jù)顯示模塊用以探測逆變器的輸入變化、電機的轉(zhuǎn)速變化、PI控制器的輸出以及譯碼器的譯碼結(jié)果。

系統(tǒng)仿真時間設定為1 s，速度參考值為3 000 rad/s，并且預設在0.5 s時給系統(tǒng)一個外加干擾，通過電機的轉(zhuǎn)速變化確定系統(tǒng)是否可實現(xiàn)調(diào)速。由轉(zhuǎn)速變化趨勢(見圖1)可知，PI控制器的超調(diào)不大，也沒有發(fā)生振蕩，整體響應時間很短，0.5 s時系統(tǒng)受到外部干擾后，轉(zhuǎn)速發(fā)生下降但很快恢復正常。

圖1 轉(zhuǎn)速變化趨勢

通過觀測3個霍爾傳感器輸出的120°相位差霍爾信號，這3組信號經(jīng)過譯碼就可以產(chǎn)生換相序列。

由逆變器輸入電壓的變化可知，隨著電機轉(zhuǎn)速的升高，逆變器的輸入電壓也同時升高，并且在電機轉(zhuǎn)速穩(wěn)定后逆變器的輸入電壓保持不變，當額外加入一個力矩給電機，系統(tǒng)為維持速度就會增大逆變器的輸入電壓，基本確定所提轉(zhuǎn)速控制方案是可行的。

1.3 硬件設計

通過在Simulink中對直流無刷電機控制系統(tǒng)的仿真，驗證了利用3組霍爾信號控制三相橋式逆變電路的開關來實現(xiàn)電機的換相，同時利用速度調(diào)節(jié)器產(chǎn)生的電壓信號調(diào)整電機上的磁場強度來控制電機的速度是可行性。實際上的控制系統(tǒng)就基于該原理連接不同的硬件實現(xiàn)的，再輔以軟件控制讓系統(tǒng)成為一個有機的整體。

根據(jù)上述需求，對硬件(電路架構(gòu))進行設計與分析。如果需要直流無刷電機動作，那么需要的基本模塊有直流電源、逆變系統(tǒng)、功率驅(qū)動電路等，但這些模塊組成的是一個開環(huán)系統(tǒng)。為實現(xiàn)對電機的控制，機器人必須加入霍爾信號獲取系統(tǒng)和速度轉(zhuǎn)換系統(tǒng)，使其構(gòu)成一個完整的閉環(huán)系統(tǒng)。通過STM32可實現(xiàn)PID控制、霍爾邏輯脈沖寬度調(diào)制(PWM)控制、電流及電壓保護等諸多功能。

導航系統(tǒng)架構(gòu)如圖2所示，工作站的導航部分是依托于集成芯片STM32F103V8T6建立，主要的被控對象是直流無刷電機，輔以電源電壓監(jiān)控，同時霍爾信號作為芯片的高級定時器的輸入。整個系統(tǒng)的基本工作過程為電源電路根據(jù)速度調(diào)節(jié)器的不同值提供不同的電壓，系統(tǒng)初始化并進行電壓檢測，啟動電機，霍爾信號被芯片的高級定時器接收后經(jīng)過功率驅(qū)動電路作用于逆變器的3個橋臂控制電機換相，同時霍爾信號接入一個普通定時器進行速度轉(zhuǎn)換。當需要調(diào)速時，轉(zhuǎn)換后的速度值和新的參考值一起通過比較寄存器產(chǎn)生用于控制直流電源電壓輸出的信號，用以控制逆變電路的直流輸入[3]。

圖2 導航系統(tǒng)架構(gòu)

1.4 軟件設計

軟件開發(fā)平臺使用的是Keil公司開發(fā)的MDK-ARM套件，該軟件為基于Cortex-M、Cortex-R4、ARM、ARM9處理器設備提供了一個完整的開發(fā)環(huán)境，可滿足絕大多數(shù)的嵌入式應用。設計使用的具體版本為Keil MDK5，包含了uVision5 IDE集成開發(fā)環(huán)境和ARM Compiler5編譯器。

該設計中的程序分為主程序和中斷子程序兩部分，采用這樣的設計是為了優(yōu)化代碼的運行效率，同時增強其可讀性，且也有利于后期的調(diào)試和優(yōu)化。主程序負責系統(tǒng)的初始化、和其相連的各個外設的初始化及提供子程序接口。為了確保電機的速度被精確控制，需要一系列的中斷子程序來實現(xiàn)相應的功能，包括PI控制程序、霍爾信號的譯碼、霍爾信號的速度轉(zhuǎn)換、換相信號的產(chǎn)生等。

2 圖像匹配度檢測模塊設計

圖像匹配度檢測是指巡檢機器人在變電站的標定位置停車并調(diào)用攝像機拍攝標定位置的圖像，利用通信模塊將圖像回傳給后臺，后臺軟件在Python-OpenCV環(huán)境下識別回傳圖像與模板庫內(nèi)標準圖像的差異度，如果差異度超過閾值就證明有異物懸掛或產(chǎn)生了較大的形變。為保證識別的準確度，背景濾除和畸形矯正技術被廣泛應用。

圖像處理算法主要依賴于OpenCV視覺庫。OpenCV被大量應用在人機交互、圖像識別、人臉識別、動作跟蹤、機器視覺等領域。

2.1 攝像機調(diào)用

OpenCV中提供了攝像機調(diào)用的接口，可以通過其拍攝一段視頻并且灰度化。為了獲取視頻，系統(tǒng)需要創(chuàng)建一個VideoCapture對象，這個對象的參數(shù)通常是一個設備的序列號或者是一段視頻文件，如果是調(diào)用自身的攝像機則該參數(shù)為0。

2.2 差異度檢測

2.2.1 關鍵技術

OpenCV中使用函數(shù)cv2.cornerHarris進行角點檢測，該函數(shù)有輸入圖像的類型、角點檢測中要考慮的鄰域大小、窗口的大小、自由參數(shù)四個參數(shù)，通過其應用可獲得較好的角點檢測結(jié)果。

如果對檢測有更高的要求，OpenCV函數(shù)庫還可以提供亞像素級的角點檢測函數(shù)cv2.cornerSubPix和適合在目標跟蹤算法中使用的cv2.goodFeatureToTrack函數(shù)。

2.2.2 差異度檢測的實現(xiàn)

二值化和角點檢測是形狀匹配的基礎，角點作為描述圖像特征的因子被當作形狀匹配函數(shù)的輸入。因角點算法具有旋轉(zhuǎn)不變性，但當圖像的尺寸發(fā)生變化時(如圖像縮放)，角點的描述就不再準確，即被判定為角點的像素點事實上可能不再是角點。為解決這個問題，系統(tǒng)使用根據(jù)Hu矩(一種圖像特征描述方法，用于描述圖像形狀和幾何特征的不變特性，具有平移、旋轉(zhuǎn)和尺度不變性)計算的cv2.matchShape函數(shù)來進行形狀匹配，具有縮放不變性。

2.3 背景減除算法

差異度檢測算法中，不論是角點檢測函數(shù)還是形狀匹配函數(shù)，都要對圖片中所有像素點進行遍歷，嘈雜背景中的元素都會加入檢測和匹配的過程。在實際的變電站應用中，天氣等客觀因素造成的背景變化是不可避免的，所以該算法投入應用，則必須配置一個高精度的背景減除算法。

2.3.1 背景建模

在視頻中的任何一個像素點都是由K(一般取3～5)個高斯分布混合建模的，那么任意一個時間節(jié)點N的像素值為XN的概率為p(XN)=(XN，θj)，式中：wj是第j個高斯分量的權重，η(XN，θj)是第k個分量的正態(tài)分布。在這個算法中使用適應值ωk/σk對K分布進行排序，其中，σk是第k個分量的協(xié)方差，wk為第k個高斯分布的權重。算法使用這個適應值對像素進行K分布排序，并且取其中的前B個像素作為背景的模型，其中B=argmin(＞T)，其中，閾值T是背景模型的最小部分，即背景在場景中的最小先驗概率。背景減法通過將前景像素標記為遠離任何背景像素大于2.5標準差的任何像素來執(zhí)行，匹配測試值的第一個高斯分量將由一組更新方程進行更新。

此外，高斯混合分布模型可以將背景分量與前景分量進行比較，如果前景分量中的某個部分的色度和亮度都在設定的區(qū)間內(nèi)則會被認定為陰影部分。基于背景亮度的考慮，Z.Zivkovic改進了該算法，為每一個像素都單獨設定了一個K值，改進過后的算法對背景亮度的變化更加敏感。

2.3.2 測試

將上述算法打包成函數(shù)cv2.createBackgroundSubtractorMOG2，其包含了幾個可調(diào)參數(shù)：進行建模場景的時間長度、高斯混合成分的數(shù)量、閾值等，在實際應用中全部設為默認值，測試結(jié)果如下。

1) 不同亮度的背景的減除。選用一段背景中含有不同亮度部分的視頻，經(jīng)算法優(yōu)化，不同的亮度區(qū)域都被認定成了背景區(qū)域，說明高斯混合模型算法對于顏色和亮度都是敏感的。

2) 含有前景的圖像的背景減除。采用視頻中含有前景的一幀畫面和經(jīng)過背景減除之后含有前景的一幀畫面進行對比，在這組實驗中背景發(fā)生過一次變化(從白色變成藍色)，測試結(jié)果可知，當背景起初發(fā)生變化時會被當成前景不被減除，但由于算法中使用的函數(shù)具有自適應能力，藍色部分很快被認定為背景并減除。

2.4 基于OpenCV的攝像機標定

由于機器人只搭載了一臺單孔攝像機，導致拍攝的圖片存在畸變，這就需要對攝像機進行標定。圖像畸變是由四個內(nèi)參數(shù)(fx，fy，cx，cy)和五個外參數(shù)(即三個徑向畸變參數(shù)(k1，k2，k3)和兩個切向畸變參數(shù)(p1，p2))造成的，想要消除畸變就必須求解出這些參數(shù)。求解參數(shù)的大致思路為，利用計算機中預存的包含明顯圖案模式的樣本圖片(如棋盤)，圖片上的一些特殊點(如棋盤的四個角點)的坐標是已知的，將這張預存的圖片下載并打印，利用移動攝像機對標準圖片拍攝若干張照片(拍攝的照片存在畸變)，在畸變照片上的角點與標準圖像中的角點之間建立方程組，求解這些方程組即可求出上文中的畸變參數(shù)[4]，具體實現(xiàn)過程如下。

1) 設定好迭代過程停止的條件，cv2.TERM_CRITERIA_EPS表示精確度(誤差)滿足epsilon (誤差設定值)時停止，cv2.TERM_CRITERIA_MAX_ITER表示迭代次數(shù)超過max_iter (最大允許迭代次數(shù))時停止。cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER表示滿足任意條件即可。

2) 獲取標定板角點的位置并將坐標系建立在標定板上，建立2個數(shù)組用于存儲角點的2D和3D坐標；使用cv2.findChessboardCorners函數(shù)找到棋盤格的角點。由于該函數(shù)找到的角點坐標并不是一個精確的坐標，如果有更高的精度需求，則需要使用cv2.cornerSubPix這個函數(shù)來找到亞像素級的角點位置。

3) 使用cv2.drawChessboardCorners函數(shù)把已經(jīng)找到的角點在棋盤格的相應位置標記下來；再使用cv2.calibrateCamera函數(shù)來標定造成圖像畸變的參數(shù)，返回攝像機矩陣、畸變系數(shù)、旋轉(zhuǎn)和變換向量等。

4) 通過cv2.getOptimalNewCameraMatrix函數(shù)得到自由縮放系數(shù)，利用該系數(shù)對攝像機矩陣進行優(yōu)化，同時返回一個包含感興趣區(qū)域(ROI)的圖像，后續(xù)程序可以用這個圖像對結(jié)果進行裁剪。

3 視頻實時回傳設計

機器人不僅需要將在標定位置拍攝的圖像與標準圖像進行對比，同時也需要把巡檢過程中的全部情況以視頻形式傳送給后臺，以便后臺人員對變電站有更及時和全面的了解。機器人的視頻回傳系統(tǒng)是一個基于樹莓派的無線視頻監(jiān)控系統(tǒng)，樹莓派插入無線網(wǎng)卡使機器人和后臺PC保持在同一個局域網(wǎng)內(nèi)，同時樹莓派上的USB接口可連接搭載的攝像頭。系統(tǒng)工作流程為基于Wi-Fi技術使機器人和后臺保持在一個局域網(wǎng)內(nèi)，通過V4L2接口技術完成視頻的采集，在利用H.264編碼技術完成視頻編碼，并在TCP/IP通信協(xié)議下搭建套接字(Socket)[5-7]，最終將視頻傳送至后臺。

3.1 關鍵技術分析

3.1.1 開發(fā)板介紹

Raspberry pi開發(fā)板是一款基于ARM架構(gòu)、Linux操作系統(tǒng)的微型電腦，其尺寸小、售價低，擁有相較于單片機更大的內(nèi)存，也可選用SD卡作為外存，并可拓展連接鼠標、鍵盤、無線網(wǎng)卡、攝像機及顯示器等。

Raspberry pi擁有完善的Raspbian OS系統(tǒng)（基于Linux的樹莓派板卡操作系統(tǒng)），相較于沒有操作系統(tǒng)的芯片而言，在Raspbian OS下編寫的通信程序?qū)⒈粯O大地簡化，且和PC端Linux系統(tǒng)下編寫的程序差異并不大。

3.1.2 V4L2接口技術

Linux視頻設備驅(qū)動(video for linux 2，V4L2)是一種在Linux系統(tǒng)下用于捕獲影音硬件設備的接口，可為硬件設備提供驅(qū)動，也可通過一系列接口函數(shù)完成開發(fā)板和攝像機之間的指令傳遞和數(shù)據(jù)讀取，其采集視頻的流程如圖3所示。

圖3 V4L2采集視頻流程

3.1.3 TCP/IP通信協(xié)議

國際標準化組織制定了實現(xiàn)開放系統(tǒng)互連的基礎模型—OSI模型，具體可分為物理層、鏈路層、網(wǎng)絡層、傳輸層、會話層、表示層和應用層，具體到TCP/IP協(xié)議下的模型可按圖4劃分，其中TCP屬于傳輸層、V4L2和H.264屬于第一、二層。

圖4 TCP/IP協(xié)議下的模型示意

TCP/IP是面向連接的，在收發(fā)數(shù)據(jù)前必須和接收方建立三次可靠的連接(三次握手)，結(jié)束后第四次握手斷開連接。TCP網(wǎng)絡編程是通過Socket套接字來實現(xiàn)，Socket可以理解為插座，其本質(zhì)上是一種文件描述符，通過調(diào)用這個函數(shù)就可以返回一個包含了通信五元組(源端口、目的端口、源IP、目的IP、協(xié)議類型)的整形Socket描述符。

3.2 無線視頻監(jiān)控系統(tǒng)調(diào)試

在Socket通信前先設定機器人為客戶端，后臺PC為服務器端。編寫TCP/IP協(xié)議下的Socket通信程序先要建立一個Socket套接字，設定協(xié)議的類型、套接字的類型、端口號等；接下來使用bind函數(shù)將套接字與主機間的IP、端口等信息關聯(lián)，使用listen函數(shù)監(jiān)聽可能的訪問，使用accept函數(shù)來相應接入請求，重新創(chuàng)建一個socket描述符用于與客戶端交換信息，使用connect函數(shù)是用來完成客戶端與服務器端的連接，使用send和recv函數(shù)用于傳輸和接收具體的數(shù)據(jù)，最后由close關閉，如圖5所示。

圖5 socket通信流程

4 結(jié)束語

針對變電站的智能巡檢機器人的設計要求，把機器人的設計分成運動及導航、圖像匹配檢測、視頻回傳三部分。首先通過對磁傳感器位置判斷、PID控制技術、軟硬件設計等實現(xiàn)了機器人的運動與導航；其次基于Python-OpenCV實現(xiàn)攝像機調(diào)用、差異度檢測、攝像機標定等功能，并通過圖像匹配的算法、攝像機畸形矯正和視頻動態(tài)背景濾除提升識別準確率；最后利用Raspberry pi開發(fā)板、V4L2接口、TCP/IP通信協(xié)議以及Socket通信程序等技術構(gòu)建了機器人視頻回傳系統(tǒng)。與其他巡檢機器人最大差異在于，該設計加入了機器人在標定位置拍照并與模板庫內(nèi)標準照片自動對比差異度的功能，可在變電站存在異物懸掛或者較大形變時，自動發(fā)出報警，提高對變電站的巡檢效率。