CN111639795B - 一种变电站机器人智能巡检任务规划方法 - Google Patents
一种变电站机器人智能巡检任务规划方法 Download PDFInfo
- Publication number
- CN111639795B CN111639795B CN202010426122.2A CN202010426122A CN111639795B CN 111639795 B CN111639795 B CN 111639795B CN 202010426122 A CN202010426122 A CN 202010426122A CN 111639795 B CN111639795 B CN 111639795B
- Authority
- CN
- China
- Prior art keywords
- inspection
- equipment
- task
- robot
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 238000003745 diagnosis Methods 0.000 claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 230000007547 defect Effects 0.000 claims description 15
- 238000010438 heat treatment Methods 0.000 claims description 10
- 239000003990 capacitor Substances 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 6
- 238000009422 external insulation Methods 0.000 claims description 4
- 210000000988 bone and bone Anatomy 0.000 claims description 3
- 238000001035 drying Methods 0.000 claims description 3
- 230000005236 sound signal Effects 0.000 claims description 2
- 239000012212 insulator Substances 0.000 abstract 1
- 238000004861 thermometry Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000003921 oil Substances 0.000 description 2
- 229910000976 Electrical steel Inorganic materials 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Manipulator (AREA)
Abstract
本发明涉及一种变电站机器人智能巡检任务规划方法，该方法包括：根据变电站内需要巡检设备的类型与数量，设定巡检任务，并根据不同的巡检任务规划巡检路线；所述巡检任务包括可见光诊断任务点、外观检查任务点、红外诊断任务点和声音诊断任务点，所述可见光诊断任务点包括对具有仪表的巡检设备进行表记识别读数和对具有隔离开关的巡检设备进行隔离开关分合闸到位检查，所述外观检查任务点包括对具有外绝缘、外壳、呼吸器的巡检设备进行外观检查，所述红外诊断任务点包括点测温检测，线测温检测，区域最高温测温检测，区域温度分布测温检测；所述巡检路线为一条以机器人充电位置为路线起点，包含巡检任务中所有巡检任务点的最优巡检路径。
Description
技术领域
本发明涉及电力设备领域，具体而言，涉及一种变电站机器人智能巡检任务规划方法。
背景技术
传统人工巡检，劳动强度大，工作效率低、检测质量严重依赖巡检素质，检测数据无法准确、及时的接入到信息系统。特别是在高压、超高压以及恶劣天气环境条件下，人工巡检还会对人身造成一定危害。智能巡检设备可以解决以上问题，智能巡检设备可以不受时间限制、执行作业准确到位等优势，借助于智能巡检设备可取代人开展特殊类型的作业，但为了保证智能巡检正常合理的实施，需要针对智能巡检进行巡检任务规划，以保证变电站的正常巡视，提升巡视效果。
发明内容
为解决上述技术问题，本发明提供一种变电站机器人智能巡检任务规划方法。
本发明采用的技术方案是：提供一种变电站机器人智能巡检任务规划方法，该方法包括：根据变电站内需要巡检设备的类型与数量，设定巡检任务，并根据不同的巡检任务规划巡检路线；所述巡检任务包括可见光诊断任务点、外观检查任务点、红外诊断任务点和声音诊断任务点，所述可见光诊断任务点包括对具有仪表的巡检设备进行表记识别读数和对具有隔离开关的巡检设备进行隔离开关分合闸到位检查，所述外观检查任务点包括对具有外绝缘、外壳、呼吸器的巡检设备进行外观检查，所述红外诊断任务点包括通过点测温对接触型电流制热缺陷的巡检设备进行温度检测，通过线测温对细长设备或部件电压制热型缺陷的巡检设备进行温度检测，通过区域最高温测温对具有较大体积的巡检设备进行温度检测，通过区域温度分布测温对温度分布不均的巡检设备进行温度检测，所述声音诊断任务点包括对缺陷或异常运行状态时发出异常声音的巡检设备进行声音检查；所述巡检路线为一条以机器人充电位置为路线起点，包含巡检任务中所有巡检任务点的最优巡检路径。
在本发明所述的变电站机器人智能巡检任务规划方法中，所述表记识别读数包括：对各个不同种类的仪表设备图像进行设备模板化处理，在模板库中建立各仪表的最小刻度和最大刻度的位置信息；拍摄巡检设备仪表图像，并调取相应设备的模板图，利用尺度不变特征变换算法，在仪表图像中匹配提取仪表表盘区域子图像，对表盘区域子图像进行二值化、仪表指针骨干化处理，利用快速霍夫变换检测指针直线去除噪音干扰，定位指针精确位置和指向角度，完成指针读数。
在本发明所述的变电站机器人智能巡检任务规划方法中，对隔离开关触头、连接板、载流的线夹采用点测温的方式进行温度检测。
在本发明所述的变电站机器人智能巡检任务规划方法中，对套管、均压电容、电容型电压互感器、避雷器采用线测温的方式进行温度检测。
在本发明所述的变电站机器人智能巡检任务规划方法中，对变压器本体及散热器、电抗器、GIS、电压互感器、电容器组采用区域最高温测温的方式进行温度测量。
在本发明所述的变电站机器人智能巡检任务规划方法中，对变压器、GIS外壳的局部温升、电容型设备的局部温升采用区域温度分布测温的方式进行温度测量。
在本发明所述的变电站机器人智能巡检任务规划方法中，采用贪婪算法对机器人的巡检路线进行规划，以实现最优巡检路径。
在本发明所述的变电站机器人智能巡检任务规划方法中，采集变电站中的路及路上的巡检任务点并以无向图形式表示，路拐点为无向图的点，路为连接各个路拐点的边，巡检点为路上的停靠点；抽象无向图形式数据为关系模型数据存储到数据库，计算路的权值和路拐点两两之间的最短路线，并存储到关系型数据汇总；根据机器人位姿状态，采用最近匹配原则计算机器人在图中的位置；根据机器人所在图中位置和巡检任务点序列，利用最优贪婪算法生成机器人的巡检路线。
实施本发明提供的变电站机器人智能巡检任务规划方法，能较好的实现对变电站中所有设备的巡检，可保证智能巡检正常合理的实施及正常巡视，提升巡视效果；根据巡检任务设置最优巡检路径，能节省巡视时间，提高巡视效率。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种变电站机器人智能巡检任务规划方法，该方法包括：根据变电站内需要巡检设备的类型与数量，设定巡检任务，并根据不同的巡检任务规划巡检路线；所述巡检任务包括可见光诊断任务点、外观检查任务点、红外诊断任务点和声音诊断任务点，所述可见光诊断任务点包括对具有仪表的巡检设备进行表记识别读数和对具有隔离开关的巡检设备进行隔离开关分合闸到位检查，所述外观检查任务点包括对具有外绝缘、外壳、呼吸器的巡检设备进行外观检查，所述红外诊断任务点包括通过点测温对接触型电流制热缺陷的巡检设备进行温度检测，通过线测温对细长设备或部件电压制热型缺陷的巡检设备进行温度检测，通过区域最高温测温对具有较大体积的巡检设备进行温度检测，通过区域温度分布测温对温度分布不均的巡检设备进行温度检测，所述声音诊断任务点包括对缺陷或异常运行状态时发出异常声音的巡检设备进行声音检查；所述巡检路线为一条以机器人充电位置为路线起点，包含巡检任务中所有巡检任务点的最优巡检路径。
具体的，对于表记识别读数而言，变电站设备的各类设备外仪表都需要识别。变电站设备密集，在机器人采集到的图像中，背景较为紊乱，不仅包含仪表区域，还同时囊括了其他设备，其中不乏近似圆形的部件。为了实现高精度的识别效果，首先需要选择恰当的拍摄位置，使得拍摄方向尽量垂直于表面，保证指针主要区间不被遮挡，指针数值读取不会存在较大偏差。其次，应设置合适的缩放比例，尽可能减少图像中的干扰图像，并保证待测表盘完整，图像清晰。在此基础上，利用仪表表盘的形状特征，通过模板匹配或椭圆拟合确定仪表表盘在图像中的基本位置及区域范围；再使用多种图像处理方法提取仪表指针的位置及指向方向，识别读数。所述表记识别读数方法包括：首先针对各个不同种类的仪表设备图像，进行设备模板化处理，并在模板库中建立各仪表的最小刻度和最大刻度的位置信息。然后在后台服务中调取相应设备的模板图，利用尺度不变特征变换算法，在输入图像中匹配提取仪表表盘区域子图像；最后，对表盘子图像进行二值化、仪表指针骨干化处理，利用快速霍夫变换检测指针直线去除噪音干扰，定位指针精确位置和指向角度，完成指针读数。除了常规的圆盘指针型表计的读取以外，表记读取还包括柱状油位计、数字型避雷器动作次数指示、二值化的断路器和隔离开关状态指示标志等，拍摄要求与常规圆盘表计基本一致，主要区别在于识别时所用模板和图像处理方式不同。对于部分不便于机器人读取的表计，可采用加长表计管道等措施，将设备表计引到方便机器人拍摄的位置，或者通过增加反光镜，使机器人能读取不方便引出的表计。
在进行隔离开关分合闸到位检查时，对于敞开式变电站的隔离开关，分合闸到位情况可以直接从隔离开关的外观形态进行判断。任务点编制时应尽量选择背景较为干净的方向，或者背景与设备本体差别明显，以免干扰模板匹配。条件允许时应当在不同的天气和光照条件下都拍摄标准模板照片，以便在巡检时根据实际条件选择最合适的模板，最大程度降低巡检时误判的可能性。对于GIS变电站，隔离开关是否到位一般只能根据其操作曲臂的位置判断，难度较敞开式变电站大。必要时可在曲臂上装设联动的指示器方便机器人拍摄和判断。隔离开关的到位检查应与相应的指示位置信息联动，以便检查是否一致。在外观检查时，主要检查包括外绝缘脏污、设备外壳锈蚀及油渍、呼吸器变色、设备破损、悬挂异物、以及设备严重歪斜等。
依据制热类型和被测设备大小，红外诊断任务点大致可分为点测温、线测温、区域最高温以及区域温度分布几类。点测温主要用于接触型电流制热缺陷的检测，隔离开关触头、各种连接板、载流的线夹等部位一般可编制此类测温任务。测温点设在触头、接头等易产生发热缺陷的位置。线测温主要用于细长设备或部件电压制热型缺陷的检测，套管、均压电容、电容型电压互感器、避雷器等设备一般可编制此类测温任务。测温线段应该与设备或部件的主方向平行，并尽量处于设备或部件的中心线。测温位置不应包含接头等可能发生电流制热的部位，线测温至少应返回沿线最高温。区域最高温主要用于具有较大体积的设备的测温，变压器本体及散热器、电抗器、GIS、电压互感器、电容器组等一般可编制此类测温任务。测温区域应尽量覆盖设备且尽量不包含背景设备，如果条件允许，建议划定多边形区域。线测温也可由细长的区域测温代替，测温区域不应超过设备或部件的边界。区域温度分布的方法主要用于检测温度分布不均的情况，例如变压器、GIS外壳的局部温升、电容型设备的局部温升等。沿测试线段的温度分布也是一种特化的区域温度分布。
变电站各类设备在出现缺陷或异常运行状态时往往会伴随发出异常的声音，通过设置声音诊断任务点对异常声音监测，能够及时掌握设备状态，采取处理措施。例如变压器在正常运行时，会发出“嗡嗡”声，是由于交流电通过变压器线圈时，由于电磁力的作用引起硅钢片及变压器本体的振动而发出的声响。如果产生不均匀或其他异常声音，属不正常现象，可推断是否有内部缺陷发生。智能巡检机器人上安装麦克，可根据用户在指定的被测设备附近实现现场声音数据采集。此外通过采集异常声音和正常声音，提取出音频信号的特征参数组成观测序列，对观测序列进行建模，建立异常声音模型库和正常声音模型库。对机器人采集到的设备运行发出声音实时无线传送到集控中心，通过声音分析软件根据建立的模型库进行状态识别，判断其中可能存在的异常声音，并发出警报。任务点编制时应尽量选择靠近被测设备的位置，并且不可在机器人移动中检测，以最大限度减少干扰，提高声音检测的信噪比。
优秀的路径规划算法可以降低机器人巡检时间，节省机器人电力消耗，增加机器人巡检效率。本实施例采用贪婪算法思想进行变电站机器人巡检路线规划，可以实现巡检路线的最优路径，具体包括：采集变电站中的路及路上的巡检任务点并以无向图形式表示，路拐点为无向图的点，路为连接各个路拐点的边，巡检点为路上的停靠点；抽象无向图形式数据为关系模型数据存储到数据库，计算路的权值和路拐点两两之间的最短路线，并存储到关系型数据汇总；根据机器人位姿状态，采用最近匹配原则计算机器人在图中的位置；根据机器人所在图中位置和巡检任务点序列，利用最优贪婪算法生成机器人的巡检路线。
本发明提供的变电站机器人智能巡检任务规划方法能较好的实现对变电站中所有设备的巡检，可保证智能巡检正常合理的实施及正常巡视，提升巡视效果；根据巡检任务设置最优巡检路径，能节省巡视时间，提高巡视效率。
本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (1)
1.一种变电站机器人智能巡检任务规划方法，其特征在于，该方法包括：根据变电站内需要巡检设备的类型与数量，设定巡检任务，并根据不同的巡检任务规划巡检路线；所述巡检任务包括可见光诊断任务点、外观检查任务点、红外诊断任务点和声音诊断任务点，所述可见光诊断任务点包括对具有仪表的巡检设备进行表记识别读数和对具有隔离开关的巡检设备进行隔离开关分合闸到位检查，所述外观检查任务点包括对具有外绝缘、外壳、呼吸器的巡检设备进行外观检查，所述红外诊断任务点包括通过点测温对接触型电流制热缺陷的巡检设备进行温度检测，通过线测温对细长设备或部件电压制热型缺陷的巡检设备进行温度检测，通过区域最高温测温对具有较大体积的巡检设备进行温度检测，通过区域温度分布测温对温度分布不均的巡检设备进行温度检测，所述声音诊断任务点包括对缺陷或异常运行状态时发出异常声音的巡检设备进行声音检查；所述巡检路线为一条以机器人充电位置为路线起点，包含巡检任务中所有巡检任务点的最优巡检路径；
其中，所述表记识别读数包括：对各个不同种类的仪表设备图像进行设备模板化处理，在模板库中建立各仪表的最小刻度和最大刻度的位置信息；拍摄巡检设备仪表图像，并调取相应设备的模板图，利用尺度不变特征变换算法，在仪表图像中匹配提取仪表表盘区域子图像，对表盘区域子图像进行二值化、仪表指针骨干化处理，利用快速霍夫变换检测指针直线去除噪音干扰，定位指针精确位置和指向角度，完成指针读数；
其中，所述拍摄巡检设备仪表图像，包括：以垂直于巡检设备仪表表面的方向拍摄巡检设备仪表图像，并在拍摄巡检设备仪表图像的过程中选取合适的缩放比例；
其中，所述表记还包括柱状油位计、数字型避雷器动作次数指示、二值化的断路器和隔离开关状态指示标志，所述表记识别读数还包括采用加长表计管道方法，将表计引出以适配机器人拍摄，所述表记识别读数还包括通过增加反光镜，以使机器人读取无法引出的表计；
其中，对隔离开关触头、连接板、载流的线夹采用点测温的方式进行温度检测；
其中，对套管、均压电容、电容型电压互感器、避雷器采用线测温的方式进行温度检测；
其中，对变压器本体及散热器、电抗器、GIS、电压互感器、电容器组采用区域最高温测温的方式进行温度测量；
其中，对变压器、GIS外壳的局部温升、电容型设备的局部温升采用区域温度分布测温的方式进行温度测量；
其中，采用贪婪算法对机器人的巡检路线进行规划，以实现最优巡检路径；
其中，采集变电站中的路及路上的巡检任务点并以无向图形式表示，路拐点为无向图的点，路为连接各个路拐点的边，巡检点为路上的停靠点；抽象无向图形式数据为关系模型数据存储到数据库，计算路的权值和路拐点两两之间的最短路线，并存储到关系型数据汇总；根据机器人位姿状态，采用最近匹配原则计算机器人在图中的位置；根据机器人所在图中位置和巡检任务点序列，利用最优贪婪算法生成机器人的巡检路线；
其中，所述声音诊断任务还包括：在机器人上安装麦克，并利用所述麦克在指定的被测设备处采集现场声音数据；
其中，所述现场声音数据包括异常声音数据和正常声音数据，所述并利用所述麦克在指定的被测设备处采集现场声音数据之后，还包括：提取音频信号的特征参数组成观测序列，根据所述观测序列建立异常声音模型库和正常声音模型库；
其中，所述并利用所述麦克在指定的被测设备处采集现场声音数据之后，还包括：将所述现场声音数据实时无线传送至集控中心，通过声音分析软件根据所述异常声音模型库和所述正常声音模型库进行状态识别，从而判断所述现场声音数据是否为异常声音。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010426122.2A CN111639795B (zh) | 2020-05-19 | 2020-05-19 | 一种变电站机器人智能巡检任务规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010426122.2A CN111639795B (zh) | 2020-05-19 | 2020-05-19 | 一种变电站机器人智能巡检任务规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111639795A CN111639795A (zh) | 2020-09-08 |
| CN111639795B true CN111639795B (zh) | 2024-01-23 |
Family
ID=72331975
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010426122.2A Active CN111639795B (zh) | 2020-05-19 | 2020-05-19 | 一种变电站机器人智能巡检任务规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111639795B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113361539B (zh) * | 2021-05-21 | 2024-07-02 | 煤炭科学技术研究院有限公司 | 一种井下巡检机器人的仪表读取方法、装置及电子设备 |
| CN113625712B (zh) * | 2021-08-04 | 2023-10-31 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于回归分析算法的巡检机器人工作调整方法 |
| CN113790827A (zh) * | 2021-10-15 | 2021-12-14 | 国网福建省电力有限公司检修分公司 | 一种变电站一次充油设备温度计指示故障判断方法及装置 |
| CN114362357A (zh) * | 2021-12-10 | 2022-04-15 | 深圳供电局有限公司 | 变电站的监控方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104597903A (zh) * | 2014-11-27 | 2015-05-06 | 无锡北斗星通信息科技有限公司 | 用于自动读表的变电站巡检机器人 |
| CN106156888A (zh) * | 2016-06-30 | 2016-11-23 | 广东电网有限责任公司电力科学研究院 | 一种巡检机器人的巡检路径规划方法及装置 |
| CN107124037A (zh) * | 2017-04-13 | 2017-09-01 | 贵州电网有限责任公司电力科学研究院 | 一种基于多数据源的变电站智能巡检系统及综合诊断方法 |
| CN111136671A (zh) * | 2020-01-19 | 2020-05-12 | 国家电网有限公司 | 一种用于变电站巡检的机器人系统 |
-
2020
- 2020-05-19 CN CN202010426122.2A patent/CN111639795B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104597903A (zh) * | 2014-11-27 | 2015-05-06 | 无锡北斗星通信息科技有限公司 | 用于自动读表的变电站巡检机器人 |
| CN106156888A (zh) * | 2016-06-30 | 2016-11-23 | 广东电网有限责任公司电力科学研究院 | 一种巡检机器人的巡检路径规划方法及装置 |
| CN107124037A (zh) * | 2017-04-13 | 2017-09-01 | 贵州电网有限责任公司电力科学研究院 | 一种基于多数据源的变电站智能巡检系统及综合诊断方法 |
| CN111136671A (zh) * | 2020-01-19 | 2020-05-12 | 国家电网有限公司 | 一种用于变电站巡检的机器人系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111639795A (zh) | 2020-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111639795B (zh) | 一种变电站机器人智能巡检任务规划方法 | |
| CN103645425B (zh) | 一种高压电缆绝缘缺陷局部放电在线监测诊断方法 | |
| CN107092863A (zh) | 一种变电站巡检机器人的指针式仪表读数识别方法 | |
| CN102609712A (zh) | 用于移动机器人的类圆形指针式仪表读数方法 | |
| CN104157095A (zh) | 一种电场感应无线近电报警装置及工作方法 | |
| KR101607078B1 (ko) | 비전을 이용한 지중관로의 곡률 측정 및 맵핑 방법 | |
| CN105136908B (zh) | 基于指征频率时空演变的桥梁结构损伤定位方法 | |
| CN115854271B (zh) | 城市地下管网损伤监测与修复系统及损伤识别修复方法 | |
| CN104165923A (zh) | 金属线材/管材无损探伤装置 | |
| CN116147632B (zh) | 新增电力设备动态巡检路径规划方法及其系统 | |
| CN110441388A (zh) | 一种导管架平台水下部分无损检测探伤方法 | |
| CN113607271A (zh) | 一种基于振动信号的gil缺陷在线监测系统及方法 | |
| CN106548211A (zh) | 基于红外图像的变电站测温点自动识别方法和装置 | |
| CN102520052A (zh) | 一种基于静电感应的金属表面接触损伤在线监测系统及监测方法 | |
| CN115272560B (zh) | 一种基于三维声场云图的变电设备隐患定位方法及系统 | |
| CN111767913A (zh) | 一种基于深度学习的动车组车辆故障动态图像检测方法 | |
| CN117761469A (zh) | 一种诊断配电网架空线路局部放电的巡检方法及系统 | |
| CN117892173A (zh) | 一种基于多模态矿石异物智能识别方法 | |
| CN115936680B (zh) | 一种设备运维的智能派单方法及系统 | |
| CN106383274B (zh) | 一种输电线路绝缘子带电检测方法 | |
| CN117313969A (zh) | 变电站机器人巡视路径优化方法及装置 | |
| CN116311775B (zh) | 一种穿戴式近电报警设备及监控系统 | |
| CN116579606A (zh) | 高压输电设施附近设备施工安全状态评估方法及系统 | |
| CN115272232A (zh) | 一种用于设备缺陷智能定位检测的声阵列成像系统及方法 | |
| KR101811494B1 (ko) | 와전류 원시 데이터에서 구조물에 해당하는 신호의 위치를 파악하는 방법 및 와전류 검사를 통해 도출된 결함부위의 위치를 파악하는 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |