CN113601536A - 一种配网车载智能巡检机器人系统及方法 - Google Patents
一种配网车载智能巡检机器人系统及方法 Download PDFInfo
- Publication number
- CN113601536A CN113601536A CN202111180539.6A CN202111180539A CN113601536A CN 113601536 A CN113601536 A CN 113601536A CN 202111180539 A CN202111180539 A CN 202111180539A CN 113601536 A CN113601536 A CN 113601536A
- Authority
- CN
- China
- Prior art keywords
- tower
- inspection
- vehicle
- pole
- distribution
- 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.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
- B60R11/04—Mounting of cameras operative during drive; Arrangement of controls thereof relative to the vehicle
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
- H02B3/00—Apparatus specially adapted for the manufacture, assembly, or maintenance of boards or switchgear
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
- B60R2011/0001—Arrangements for holding or mounting articles, not otherwise provided for characterised by position
- B60R2011/004—Arrangements for holding or mounting articles, not otherwise provided for characterised by position outside the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
- B60R2011/0042—Arrangements for holding or mounting articles, not otherwise provided for characterised by mounting means
- B60R2011/008—Adjustable or movable supports
- B60R2011/0092—Adjustable or movable supports with motorization
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Manufacturing & Machinery (AREA)
- Power Engineering (AREA)
- Traffic Control Systems (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种配网车载智能巡检机器人系统及方法,属于配电巡检技术领域,所述系统包括:设置在车辆上的机器人本体以及搭载在机器人本体上的检测装置;所述检测装置至少包括固定在旋转云台上的超声探测机构、红外探测机构和可见光拍摄机构,超声探测机构与可见光拍摄机构同轴反向设置,或者超声探测机构与可见光拍摄机构的夹角为预设值;旋转云台、超声探测机构与可见光拍摄机构均与机器人本体的控制终端通信,机器人本体的控制终端能够根据检测装置传送的数据进行配电线路、配电杆塔和配电设备巡检;本发明能够实现配电线路的不停车巡检,实现了配电线路、配电设备和配电杆塔的全面巡检,避免了配电线路巡检中的遗漏。
Description
技术领域
本发明涉及配电巡检技术领域,特别涉及一种配网车载智能巡检机器人系统及方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术,并不必然构成现有技术。
输配电线路承担着电力输送作用,其线路长,设备多,地域范围广,给电网运行维护及快速故障抢修带来了极大的困难。
目前输配电线路的巡检较多的采用配网车载巡检的方式,通过安装在巡检车辆上的多种巡检设备实现输配电线路的自动巡检,有效的避免了人工巡检的低效问题和无人机巡检的高成本问题。
但是,发明人发现,现有的配网车载巡检的方式还存在如下问题:
(1)巡检车辆正常状态行驶时,直接利用超声设备进行放电点位巡检,无法直观的可视化显示放电点位的超声信号来源,若简单添加一个可见光相机,由于机械干涉,其所处轴线必然无法同时与超声设备轴线共线的情况下采集到超声接收信号来源处的图片。
(2)巡检车辆搭载红外探测设备,通过红外图像进行异常分析,但是红外图像灰度的整体分布较低且较集中,并且由于周围环境给红外成像过程带来的随机干扰和热成像系统本身的不完善,使得红外图像的信噪比和对比度比较低;传统的基于阈值和边缘的图像分割算法对于噪声比较敏感,容易产生连续性差的分割结果,降低了图像分割的精度,从而影响了故障识别的结果。
(3)由于配电线路的分布十分复杂,各片区杆塔分布交错较多,利用巡检车辆进行塔杆巡检时往往需要多次停车检测,巡检效率较低;同时需要大量的人力判别来区分巡检区域、线路、杆塔等信息,因此片区巡检人员在巡检过程中极容易出现漏杆、漏线、误巡等问题。
(4)现有的配电线路巡检策略是每天巡检人员在巡检之前需要先规划本次要巡检哪些线路和杆塔,并将要巡检的线路和杆塔配置成为多个巡检任务,巡检时必须从指定任务的1号杆塔开始巡检,中间不能更换任务线路,这种巡检策略需要事先设置众多的巡检任务,任务配置工作量交大,且巡检需要按照任务规划的线路和杆塔来进行巡检,灵活性较低。
(5)现有的配网车载巡检策略中,利用巡检车辆与杆塔的实时位置进行追踪角度的计算,这种计算方式在车辆静止状态下是准确的,但是无法适用于车辆运行状态下的检测;因为在车辆行驶状态下,根据当前时间节点车辆与杆塔位置计算得出云台需要追踪旋转的角度,并将旋转指令发送给云台,云台接受指令后旋转到指定角度的这个过程中,巡检车辆依旧处于行驶状态,车辆的位置已经发生了变化,此时用之前计算得出的角度进行追踪已经不再准确。
发明内容
为了解决现有技术的不足,本发明提供了一种配网车载智能巡检机器人系统及方法,能够实现配电线路的不停车巡检,实现了配电线路、配电设备和配电杆塔的全面连续自动化巡检,避免了配电线路巡检中的遗漏,提高了配电线路巡检结果的准确性。
为了实现上述目的,本发明采用如下技术方案:
本发明第一方面提供了一种配网车载智能巡检机器人系统。
一种配网车载智能巡检机器人系统,包括:设置在车辆上的机器人本体以及搭载在机器人本体上的检测装置;
所述检测装置至少包括固定在旋转云台上的超声探测机构、红外探测机构和可见光拍摄机构,超声探测机构与可见光拍摄机构同轴反向设置,或者超声探测机构与可见光拍摄机构的夹角为预设值;
旋转云台、超声探测机构与可见光拍摄机构均与机器人本体的控制终端通信,机器人本体的控制终端能够根据检测装置传送的数据进行配电线路、配电杆塔和配电设备巡检。
本发明第二方面提供了一种配电设备定位方法,包括以下过程:
控制终端控制旋转云台的旋转;
旋转云台带动超声探测机构旋转,控制终端控制超声探测机构进行探测;
当超声探测机构探测到异常信号时,旋转云台自异常信号位置旋转180°或者预设角度使得可见光拍摄机构正对异常信号位置;
控制终端控制可见光拍摄机构进行异常信号位置的拍摄。
本发明第三方面提供了一种配电设备故障识别方法,包括以下过程:
获取配电网场景下的配电设备红外图像;
根据配电设备红外图像的设备故障形式与预设的其他电力场景设备故障形式的相似度,选取其他电力场景的设备故障历史图像作为扩充样本;
对配电设备红外图像与扩充样本中的缺陷位置进行标注,并基于缺陷位置将其裁剪为包含缺陷位置的缺陷图像块和不包含缺陷位置的背景图像块,对任一背景图像块和任一缺陷图像块进行拼接后,得到图像训练集;
基于图像训练集对预先构建的分割模块采用多次上采样融合方法进行训练,对待识别的配电设备红外图像采用训练后的分割模型得到故障识别结果。
本发明第四方面提供了一种杆塔巡检方法,包括以下过程:
根据巡检线路-巡检杆塔-杆塔巡检点位的三级星系拓扑结构,基于同一巡检负责人原则及巡检线路相近合并原则,确定最优巡检任务策略;
基于所述最优巡检任务策略及车杆三维空间坐标系,根据巡检车辆位置所处的象限及预设间隔时间内车辆的行驶距离,计算预置补偿点位置的坐标数据;
基于所述预置补偿点位置的坐标数据,计算车载云台追踪杆塔的最佳追踪角度数据并转换为控制指令,以控制车载云台始终保持对杆塔的最佳定位追踪;
根据定位追踪杆塔时所获取的杆塔运行数据与预设检测阈值比较结果,确定是否发出报警提示,以向巡检人员发送继续巡检命令或就地研判命令;
基于所有巡检数据及就地研判结果,得到巡检结果。
本发明第五方面提供了一种杆塔巡检方法,包括以下过程:
获取设定区域内配电线路杆塔的地理坐标信息;
根据配电线路杆塔的坐标信息,考虑巡检路径限制因素,每两级杆塔作为一个最小单元进行相互关联,相邻两个最小单元之间包含同一个杆塔;遍历所有杆塔,所有的最小单元形成杆-杆最小单元巡检模型;
基于所述巡检模型,自动确定与当前杆塔相关联的下一级巡检的杆塔,进行配电线路无任务巡检。
本发明第六方面提供了一种杆塔动态追踪方法,包括以下过程:
按照设定的数据获取频率,获取车辆当前位置信息和车辆的行驶速度;
计算两次数据计算间隔时间内车辆的行驶距离,基于车辆当前位置信息计算预置补偿点位置的坐标数据;
基于所述预置补偿点位置的坐标数据,计算云台对杆塔的最佳追踪水平旋转角度和俯仰角度;
控制云台基于所述最佳追踪水平角度和俯仰角度,实现对杆塔的检测。
与现有技术相比,本发明的有益效果是:
(1)本发明开创性的研制出一种配网车载智能巡检机器人巡检方法,研制出配网车载智能巡检机器人系统,提出了配网场景巡检杆塔动态追踪策略,构建了轻量化的可见光外观识别模型以及红外杆塔检测模型,设计了配电设备放电点可视化定位技术,实现了配电线路对杆塔缺陷的不停车巡检,提升了配电线路缺陷检测的实时性和准确性。
(2)本发明提出了一种配电设备放电点可视化定位方法,构建了云台共轴翻转模型及旋转扫描模型,解决了多轴检测精度较差的问题,实现了配电设备放电点的高精度定位,提高了配网车载巡检机器人的巡检效率和巡检质量。
(3)本发明提出了一种配电设备红外图像故障识别方法,构建了MobileNetv1-FCN红外图像设备分割模型。通过将配电网场景下的背景图像与其他电力场景的缺陷图像进行拼接,从而对少样本数据进行扩充;通过基于全卷积神经网络的语义分割模型对红外图像中的电力设备进行像素级识别;解决了少样本情况下缺陷识别准确度较低的问题,实现了红外图像中电力设备前景与背景的有效分割以及设备轮廓信息的准确提取,提升了设备温度信息提取的准确性。
(4)本发明提出了一种配网车载智能巡检机器人巡检任务规划方法,构建了配电线路杆塔的星系拓扑结构模型,设计了最优的巡检任务策略。根据配电线路杆塔的地理坐标信息库,建立配电线路杆塔的星系拓扑结构模型,通过建立的拓扑模型来规划配电线路的巡检任务,解决了因配电线路、杆塔分布复杂、各工区、班组所属线路互相交错引起的巡检过程中漏杆、漏线、误巡、漏巡等问题;通过构建拓扑模型,可以清晰的看到各个线路的分布情况,使巡检人员根据线路分布情况更加合理的规划巡检任务,提高了巡检效率。
(5)本发明创新性的提出了一种配网车载智能巡检机器人无任务巡检方法,设计了配电线路杆塔的最小单元确定原则,构建了杆-杆最小单元巡检模型。通过遍历所有杆塔,能够建立区域内各个杆塔坐标之间的关联关系,为无任务巡检提供巡检路径的数据支撑;解决了配电线路巡检工作量大、灵活性低的问题,实现了对配电线路网状拓扑结构的分解,将模型简单化,去除了复杂的任务配置工作,极大地提高了配电线路巡检的灵活性。
(6)本发明创新性的提出了一种配网车载智能巡检机器人杆塔动态追踪方法,设计了车辆行驶方向上的预置补偿点位置坐标的计算算法,构建了云台与杆塔空间位置关系空间坐标系。通过巡检车辆的实时车速,动态计算预置补偿点位置,基于预置补偿点位置坐标确定云台的最佳检测角度,通过云台与杆塔空间位置关系的云台检测角度计算方法来计算车载云台的追踪角度;解决了当前车载巡检模式下需要停车对杆塔进行检测的问题,且云台旋转不需要人为操作,减轻巡检人员负担,大大提高了巡检效率。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例1提供的配网车载智能巡检机器人系统的结构示意图。
图2为本发明实施例2提供的配电设备放电点定位方法的流程示意图。
图3为本发明实施例3提供的配电设备故障识别方法的流程示意图。
图4为本发明实施例4提供的杆塔巡检方法的流程示意图。
图5为本发明实施例4提供的杆塔位于第一象限、车辆行驶方向为北偏西时,计算云台追踪水平角度的示意图。
图6为本发明实施例4提供的杆塔俯仰追踪角度计算方法示意图。
图7为本发明实施例5提供的杆塔巡检方法的流程示意图。
图8为本发明实施例5提供的杆-杆最小单元巡检模型示意图。
图9为本发明实施例6提供的基于行驶车辆的杆塔动态追踪方法流程图。
图10为本发明实施例6提供的车辆行驶过程中预置补偿距离计算示意图。
其中,1-车辆;2-超声探测机构;3-可见光探测机构;4-红外探测机构。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例1:
如图1所示,本发明实施例1提供了一种配网车载智能巡检机器人系统,包括:设置在车辆1上的机器人本体以及搭载在机器人本体上的检测装置;
所述检测装置至少包括固定在旋转云台上的超声探测机构2、红外探测机构4和可见光拍摄机构3,超声探测机构与可见光拍摄机构同轴反向设置,或者超声探测机构与可见光拍摄机构的夹角为预设值。
可以理解的,在其他一些实施方式中,检测装置还可以包括其他的多种传感器,如温湿度传感器、气压传感器等等,本领域技术人员可以根据具体工况进行选择,这里不再赘述。
旋转云台、超声探测机构与可见光拍摄机构均与机器人本体的控制终端通信,机器人本体的控制终端能够根据检测装置传送的数据进行配电线路、配电杆塔和配电设备巡检。
旋转云台的水平旋转角度范围为0-360°,旋转云台的竖直旋转角度范围为-90°-90°,本实施例中,优选的俯仰角度为0-90°,本领域技术人员可以根据具体工况进行选择,这里不再赘述。
本实施例中,旋转云台与固定用云台底座连接,固定用底座用于与车辆连接。
实施例2:
本发明实施例2提供了一种配电设备放电点定位方法,如图2所示,利用本发明实施例1所述的配网车载智能巡检机器人系统,包括以下过程:
S201:旋转云台的电机接收控制终端的控制指令;
S202:旋转云台带动超声探测机构旋转,超声探测机构根据接收到的控制终端的控制指令进行探测;
S203:当超声探测机构探测到异常信号时,旋转云台自异常信号位置旋转180°使得可见光拍摄机构正对异常信号位置;
S204:可见光拍摄机构根据控制终端的控制指令进行异常信号位置的拍摄。
S203中,当超声探测机构探测到异常信号时,旋转云台以当前方位为中心进行扫描,每到达一个预定点位,自动记录当前超声数值并绘图,以超声数值最大值所对相应的点位为局部放电点位。
实施例3:
本发明实施例3提供了一种配电设备故障识别方法,如图3所示,利用本发明实施例1所述的配网车载智能巡检机器人系统,包括以下过程:
S301:获取配电网场景和预设的其他电力场景下的配电设备历史红外图像,根据配电设备红外图像的设备故障形式与其他电力场景设备故障形式的相似度,选取其他电力场景的设备故障历史图像作为扩充样本;
优选地,采用如结构相似度算法选择缺陷形式相似的样本进行扩充;例如输电场景鸟巢非常多,而配电场景鸟巢非常少,所以可将输电场景的鸟巢和配电背景图片拼接后得到新图像,扩充样本数量并降低误检率。
优选地,其他电力场景下可包括输电场景、变电场景等。
S302:对配电设备红外图像与扩充样本中的缺陷位置进行标注,并基于缺陷位置将其裁剪为包含缺陷位置的缺陷图像块和不包含缺陷位置的背景图像块,对任一背景图像块和任一缺陷图像块进行拼接后,得到新图像集;
优选地,将配电网场景下的少样本缺陷数据和其他电力场景的缺陷图像数据根据缺陷坐标位置,将其裁剪出来并统一存储,将背景图像块单独存储。
优选地,根据缺陷坐标位置采用专有的图像处理库中的函数将所有的缺陷图像裁剪成图像块。
在本实施例中,将缺陷图像块进行几何变换和像素变换随机的图像变换操作,以对缺陷图像块进一步扩充,增加缺陷图像块的数量;
优选地,所述几何变换包括翻转、平移、剪切、旋转和缩放。
优选地,所述像素变换包括亮度、对比度、饱和度、通道变换和添加噪声。
在本实施例中,将缺陷图像块和背景图像块通过图像拼接方法进行合成,以此构建图像训练集;
图像拼接方法包括:在背景图像块中随机选择方形区域,方形区域的坐标位置作为缺陷图像块在背景图像块中的插入位置,将变换后的缺陷图像块和背景图像块通过图像拼接方式进行合成,将其作为新的训练数据以训练分割模型。
S303:基于图像训练集对预先构建的分割模块采用多次上采样融合方法进行训练,对待识别的配电设备红外图像采用训练后的分割模型得到故障识别结果。
优选地,标定图像训练集中的巡检目标区域,并标记配电设备在图像中的位置与标签。
优选地,为适应不同网络模型的输入要求,可进行图像尺寸的调整。
在本实施例中,所述分割模型的构建过程为:构建基于全卷积神经网络的MobileNetv1-FCN语义分割模型,以轻量化的卷积神经网络结构MobileNetv1作为分割模型的骨干网络,基于图像训练集对该分割模型进行训练。
优选地,所述训练过程包括:对图像训练集先经5次卷积操作后,采用多次上采样融合方法,得到特征图;
具体地,由于图像在经5次卷积操作后,大小变为最初的1/32,若直接使用32倍上采样,会大大降低分割精度;所以,本实施例先将最后的conv_dw5层所得到的特征图进行2倍上采样,并且与conv_dw4相对应的特征图进行融合处理,从而得到一个1/16的特征图;同理,将此特征图进行2倍上采样,并且与conv_dw3相对应的特征图进行融合,得到1/8的特征图;最终,将所得的特征图完成8倍上采样计算;完成对红外图像进行像素级分割,提取巡检设备的轮廓信息,提高轮廓分割的精度。
MobileNetv1的核心思想是使用深度可分离卷积(DepthWise separableConvolution)构建轻量级的深层卷积神经网络,将标准卷积操作分解成一个DepthwiseConvolution和一个Pointwise Convolution的卷积操作,确保分割精度的同时,降低模型的计算复杂度,保证算法运行的实时性,从而实现实时的配电设备红外轮廓分割。
优选地,分割模型的具体结构包含5个conv_dw(深度可分离卷积)以及3个上采样操作,其中2个二倍上采样操作、一个8倍上采样操作。
实施例4:
本发明实施例4提供了一种杆塔巡检方法,如图4所示,利用本发明实施例1所述的配网车载智能巡检机器人系统,包括以下过程:
S401:根据巡检线路-巡检杆塔-杆塔巡检点位的三级星系拓扑结构,基于同一巡检负责人原则及巡检线路相近合并原则,确定最优巡检任务策略。
在具体实施中,使用地理信息定位设备采集配电线路杆塔的经纬度坐标信息,得到配电线路杆塔的地理信息坐标。
其中,地理信息定位设备为厘米级精度。在本实施例中,获取配电线路杆塔的厘米级精度的地理信息坐标。
所述巡检线路-巡检杆塔-杆塔巡检点位的三级星系拓扑结构依据配电线路杆塔的地理信息坐标构建而成。
其中,每条巡检线路包含配电线路的多级杆塔,每级杆塔包含多个巡检点位。
在本实施例中,同一巡检负责人原则为:将所属于同一巡检负责人的巡检线路进行优先组合巡检。
在具体实施中,巡检线路相近合并原则为:
选择巡检杆塔之间的距离最短的两条巡检线路,作为相近巡检线路,并优先组合巡检。
本实施例构建了配电线路杆塔星系拓扑模型,解决了因配电线路、杆塔分布复杂、各工区、班组所属线路互相交错引起的巡检过程中漏杆、漏线、误巡、漏巡等问题,获取配电线路杆塔地理信息坐标,建立配电线路的地理信息坐标库,根据地理信息坐标库,建立了配电线路的星系拓扑模型结构,依据拓扑模型,策划了最优的巡检任务策略,通过构建拓扑模型,可以清晰的看到各个线路的分布情况,使巡检人员根据线路分布情况更加合理的规划巡检任务,提高了巡检效率。
S402:基于所述最优巡检任务策略及车杆三维空间坐标系,根据巡检车辆位置所处的象限及预设间隔时间内车辆的行驶距离,计算预置补偿点位置的坐标数据。
作为一种优选实施方式,车辆以及配电线路杆塔的经纬度坐标信息精度为厘米级。厘米级定位能够提高角度计算及杆塔追踪的准确性。
使用精度为厘米级的地理信息定位设备采集配电线路杆塔经纬度坐标数据,将采集到的杆塔经纬度坐标、所属线路、杆塔编号等信息存入系统数据库,构建配电线路杆塔的坐标库。同时,在巡检过程中,巡检控制系统(比如:车顶搭载的定位设备)以设定频率(比如:5次/秒)对巡检车辆的实时经纬度坐标数据进行采集。
此处需要说明的是,本领域技术人员也可根据实际情况来选择其他采集频率,但采集频率不低于2次/秒。
在具体实施中,以配电线路杆塔坐标为原点,以经度、纬度和高度作为x轴、y轴和z轴,巡检车辆位置点作为坐标系中的点,构建车杆三维空间坐标系。
S403:基于所述预置补偿点位置的坐标数据,计算车载云台追踪杆塔的最佳追踪角度数据并转换为控制指令,以控制车载云台始终保持对杆塔的最佳定位追踪。
其中,所述车载云台追踪杆塔的最佳追踪角度数据包括最佳追踪水平旋转角度和最佳追踪俯仰角度。
具体地,所述杆塔的最佳追踪水平旋转角度的计算过程包括:
将预置补偿点位置作为车辆实时位置,基于预置补偿点位置和杆塔位置,构建车杆三维空间坐标系;
计算车辆与杆塔之间的距离和车辆实时位置与x轴的垂直距离,基于所述距离计算车辆与杆塔的连线与y轴的夹角;
计算车辆行驶方向与y轴的夹角;
依据车辆所处的象限,计算云台追踪的水平旋转角度。
根据杆塔经纬度坐标(Lng1,Lat1)与车辆的经纬度坐标(Lng2,Lat2)计算车、杆之间直线距离L,计算公式如下:
(1)radLat1 = Lat1 * Math.PI / 180.0
(2)radLat2 = Lat2 * Math.PI / 180.0
(3)Lng =(Lng1 - Lng2)* Math.PI / 180.0
(4)Lat =(Lat1 - Lat2)* Math.PI / 180.0
(5)L =(2 * Math.Asin(Math.Sqrt(Math.Pow(Math.Sin(Lng/2),2)
+Math.Cos(radLat1)*Math.Cos(radLat2)*Math.Pow(Math.Sin(Lng/2),2)))) *地球半径
其中,Math. PI指的是数学函数,圆周率π;Math.Asin数学三角函数,反正弦函数;Math.Sqrt数学函数,开方;Math.Pow数学函数,幂函数;Math.Sin数学函数,正弦函数;Math.Lng为(3)式的计算结果;Math.Cos数学函数,余弦函数;Math.radLat2为(2)式的计算结果。
根据杆塔与车辆的经纬度坐标计算车辆位置与x轴垂直距离Y_D;
根据L、Y_D计算车、杆连线与y轴正北方向夹角∠β,计算公式如下:
∠β = Math.ASin (Y_D/ L ) * (180 / Math.PI )
根据车载双定位设备数据,计算车辆行驶方向与y轴正北方向夹角∠α:
依据车辆位于的象限,采用不同公式计算云台追踪的旋转角度,例如:详细计算规则如图5所示,X_D表示车辆位置与杆塔之间的垂直距离。
具体地,所述最佳追踪俯仰角度的计算过程包括:
将预置补偿点位置作为车辆实时位置,基于预置补偿点位置和杆塔位置,构建车杆三维空间坐标系;
计算车辆与杆塔之间的距离,以及杆塔塔头高度与车载巡检设备组件高度之差;
基于所述距离和高度差,在车杆三维空间坐标系内计算云台的俯仰角度。
计算杆塔追踪的俯仰角度数据,计算方法如图6所示:
根据杆塔与车辆的经纬度坐标计算车、杆之间直线距离L;
根据杆塔塔头高度H1与车载巡检设备组件高度H2,得出两者之间的高度差h,计算公式如下:
h = H1 – H2
根据高度差h与车、杆之间的直线距离L,计算云台的俯仰角度∠γ,计算公式如下:
∠γ = Math.Atan( h / L ) * (180 / Math.PI )。
步骤S404:根据定位追踪杆塔时所获取的杆塔运行数据与预设检测阈值比较结果,确定是否发出报警提示,以向巡检人员发送继续巡检命令或就地研判命令。
在具体实施中,依据PELCO-D协议将车载云台追踪运动角度数据转换为控制指令,以指导车载云台自动进行水平及俯仰运动。
将转换后的角度数据,按照协议格式转换为对应的十六进制控制指令,指令发送给检测云台,控制云台按照指定角度进行运动,所述控制指令的格式为:
字节1为起始字节,字节2为云台地址,字节3为命令字1,字节4为命令字2,字节5为数据1,字节6为数据2,字节7为结束字节。
具体地,控制命令格式如表1所示:
表1:控制命令格式
S405:基于所有巡检数据及就地研判结果,得到巡检报告。
其中,所述就地研判结果通过巡检人员下车持检测设备对杆塔进行二次检测获取,以此来确认系统的异常报警是否属实。
具体地,若定位追踪杆塔时所获取的杆塔运行数据超过预设检测阈值,则发出报警提示,否则,不发出报警提示。
当发出报警提示时,向巡检人员发送就地研判命令;当不发出报警提示时,向巡检人员发送巡检命令。
实施例5:
本发明实施例5提供了一下杆塔巡检方法,如图7所示,利用本发明实施例1所述的配网车载智能巡检机器人系统,包括以下过程:
S501:获取设定区域内配电线路杆塔的地理坐标信息;
本实施例中,使用精确度为厘米级的地理信息定位设备(比如:GPS、北斗、伽利略等),采集配电线路杆塔经的纬度坐标信息,搭建配电线路的杆塔信息数据库;该数据库中还存储有杆塔编号和杆塔高度等信息。
S502:根据配电线路杆塔的坐标信息,考虑巡检路径限制因素,每两级杆塔作为一个最小单元进行相互关联,相邻两个最小单元之间包含同一个杆塔,进而建立相邻两个最小单元之间连接;遍历所有杆塔,所有的最小单元形成杆-杆最小单元巡检模型;
参照图8,对配电线路的线路、杆塔坐标数据进行梳理,每两级杆塔作为一个最小单元,将配电线路划分为众多的最小单元,这些最小单元组合在一起,形成杆-杆最小单元巡检模型。
本实施例中,考虑巡检路径限制因素,基于最小单元确定原则选取下一级杆塔,形成一个最小单元进行相互关联;
将确定的下一级杆塔作为当前杆塔,继续选取当前杆塔的下一级杆塔,形成另一个最小单元;
依次类推,遍历所有杆塔,得到杆-杆最小单元巡检模型。
其中,最小单元确定原则主要包括下面几个方面:
1)同线路优先原则:同一线路内的杆塔优先保持线路内组建最小单元;
2)相邻、距离相近原则:首、尾跨线杆塔优先选择相邻线路或距离较近的其他线路的杆塔;
3)同一负责人原则:优先选择属于同一负责人片区内的杆塔组建最小单元。
每一级杆塔的信息包括杆塔编号、坐标和高度信息;巡检到当前杆塔时,根据最小单元中与其关联的下一杆塔信息,确定下一个巡检的杆塔位置。
本实施例中,杆-杆最小单元巡检模型在数据库中的体现形式如表2所示,当巡检到当前杆塔时,可从数据库中提取到下一杆塔数据。
表2:杆-杆最小单元巡检模型在数据库中的体现形式
S503:基于所述巡检模型,自动确定下一级巡检的杆塔,进行配电线路无任务巡检。
本实施例中,通过车辆实时位置与配电线路杆塔位置做对比,找到离车辆最近的杆塔作为当前巡检杆塔;然后根据双杆塔最小单元的关联,自动寻找下一级要巡检的杆塔,通过这种以当前杆塔驱动后一级杆塔巡检的方法,实现配电线路的无任务巡检模式。
具体地,以设定的杆塔作为起始杆塔,将与所述起始杆塔组成最小杆塔单元的杆塔作为下一级巡检的杆塔;
以设定的杆塔作为起始杆塔,将与所述起始杆塔组成最小单元的杆塔作为下一级巡检的杆塔;
到达下一级杆塔之后,除了上一级杆塔之外,
如果下一级杆塔仅存在一个最小杆塔单元,则将与其组成所述最小杆塔单元的杆塔作为在下一级巡检的杆塔;
如果下一级杆塔存在两个或两个以上的最小杆塔单元,则选择距离巡检设备最近且未巡检过的杆塔作为下一级巡检的杆塔;
如果下一级杆塔不再存在最小杆塔单元,则巡检结束。
将所述杆-杆最小单元巡检模型存储在巡检车辆内,将确定的下一级巡检杆塔的坐标信息,作为巡检车辆的目标位置,确定巡检车辆的运行路径。另外,巡检车辆记录上一次巡检结束时已经巡检过的杆塔位置,本次巡检时,优先将未巡检过的杆塔作为下一级巡检的杆塔进行巡检。
本实施例通过构建杆-杆最小单元巡检模型,无人进行巡检任务的配置,能够实现无任务的自动巡检,简化了配置任务,提高了巡检效率。
实施例6:
本发明实施例6提供了一种杆塔动态追踪方法,如图9所示,利用本发明实施例1所述的配网车载智能巡检机器人系统,包括以下过程:
S601:按照设定的数据获取频率,获取车辆当前位置信息和车辆的行驶速度;
具体地,使用厘米级精度的地理信息定位设备(比如:GPS、北斗、伽利略等),按照设定数据采集频率,实时获取车辆的地理信息坐标数据;
依据相邻两次获取的车辆坐标位置的变化距离,计算实时的车辆行驶速度。
比如:第一次数据采集在位置点A,第二次数据采集到达位置点B,通过A-B之间距离L和两次数据接收之间的时间间隔t(t为200ms),计算车辆的行驶速度v = L / t。
S602:计算两次数据计算间隔时间内车辆的行驶距离,基于车辆当前位置信息计算预置补偿点位置的坐标数据;
具体地,结合图10,依据获取到的实时车辆行驶速度,结合数据获取频率,计算相邻两次数据获取间隔时间内车辆的行驶距离,使用当前车辆位置坐标,再叠加间隔时间内的行驶距离,得出预置补偿点位置的坐标数据。
S603:基于所述预置补偿点位置的坐标数据,计算云台对杆塔的最佳追踪水平角度和俯仰角度,具体的计算方法参见实施例4,这里不再赘述。
S604:基于所述最佳追踪水平角度和俯仰角度实现对杆塔的检测。
将车载云台最佳追踪水平旋转角度和俯仰角度数据转换为控制指令,以控制云台按照所述控制指令进行自动运动,实现不停车状态下对杆塔进行精准检测。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (23)
1.一种配网车载智能巡检机器人系统,其特征在于,
包括:设置在车辆上的机器人本体以及搭载在机器人本体上的检测装置;
所述检测装置至少包括固定在旋转云台上的超声探测机构、红外探测机构和可见光拍摄机构,超声探测机构与可见光拍摄机构同轴反向设置,或者超声探测机构与可见光拍摄机构的夹角为预设值;
旋转云台、超声探测机构与可见光拍摄机构均与机器人本体的控制终端通信,机器人本体的控制终端能够根据检测装置传送的数据进行配电线路、配电杆塔和配电设备巡检。
2.一种基于权利要求1所述的配网车载智能巡检机器人系统的配电设备定位方法,其特征在于,
包括以下过程:
控制终端控制旋转云台的旋转;
旋转云台带动超声探测机构旋转,控制终端控制超声探测机构进行探测;
当超声探测机构探测到异常信号时,旋转云台自异常信号位置旋转180°或者预设角度使得可见光拍摄机构正对异常信号位置;
控制终端控制可见光拍摄机构进行异常信号位置的拍摄。
3.权利要求2所述的定位方法,其特征在于,
当超声探测机构探测到异常信号时,旋转云台以当前方位为中心进行旋转,每到达一个预定点位,自动记录当前超声数值并绘图,以超声数值最大值所对相应的点位为局部放电点位。
4.权利要求2所述的定位方法,其特征在于,
对拍摄的图像进行图像增强处理,包括以下过程:
对获取的配电线路巡检图像提取颜色信息和灰度信息,基于颜色信息和灰度信息采用训练后的图像质量评价网络得到图像质量分数;
根据图像质量分数对配电线路巡检图像进行筛选,将筛选后得到的配电线路巡检图像进行颜色空间转换,提取亮度分量;
对亮度分量基于预先构建的基于注意力残差模块的增强模型进行亮度增强,将增强后的亮度分量、原色调分量和原饱和分量进行颜色空间转换,得到增强的配电线路巡检图像。
5.一种基于权利要求1所述的配网车载智能巡检机器人系统的配电设备故障识别方法,其特征在于,
包括以下过程:
获取配电网场景下的配电设备红外图像;
根据配电设备红外图像的设备故障形式与预设的其他电力场景设备故障形式的相似度,选取其他电力场景的设备故障历史图像作为扩充样本;
对配电设备红外图像与扩充样本中的缺陷位置进行标注,并基于缺陷位置将其裁剪为包含缺陷位置的缺陷图像块和不包含缺陷位置的背景图像块,对任一背景图像块和任一缺陷图像块进行拼接后,得到图像训练集;
基于图像训练集对预先构建的分割模块采用多次上采样融合方法进行训练,对待识别的配电设备红外图像采用训练后的分割模型得到故障识别结果。
6.如权利要求5所述的故障识别方法,其特征在于,
基于图像训练集对预先构建的分割模块采用多次上采样融合方法进行训练,包括:
以轻量化的卷积神经网络结构MobileNetv1作为分割模型的骨干网络,构建基于全卷积神经网络的MobileNetv1-FCN语义分割模型,对图像训练集经多次卷积操作后,采用多次上采样融合方法进行训练。
7.一种基于权利要求1所述的配网车载智能巡检机器人系统的杆塔巡检方法,其特征在于,
包括以下过程:
根据巡检线路-巡检杆塔-杆塔巡检点位的三级星系拓扑结构,基于同一巡检负责人原则及巡检线路相近合并原则,确定最优巡检任务策略;
基于所述最优巡检任务策略及车杆三维空间坐标系,根据巡检车辆位置所处的象限及预设间隔时间内车辆的行驶距离,计算预置补偿点位置的坐标数据;
基于所述预置补偿点位置的坐标数据,计算车载云台追踪杆塔的最佳追踪角度数据并转换为控制指令,以控制车载云台始终保持对杆塔的最佳定位追踪;
根据定位追踪杆塔时所获取的杆塔运行数据与预设检测阈值比较结果,确定是否发出报警提示,以向巡检人员发送继续巡检命令或就地研判命令;
基于所有巡检数据及就地研判结果,得到巡检结果。
8.如权利要求7所述的杆塔巡检方法,其特征在于,
所述巡检线路-巡检杆塔-杆塔巡检点位的三级星系拓扑结构依据配电线路杆塔的地理信息坐标构建而成。
9.如权利要求7所述的杆塔巡检方法,其特征在于,
同一巡检负责人原则为:
将所属于同一巡检负责人的巡检线路进行优先组合巡检。
10.如权利要求7所述的杆塔巡检方法,其特征在于,
巡检线路相近合并原则为:
选择巡检杆塔之间的距离最短的两条巡检线路,作为相近巡检线路,并优先组合巡检。
11.如权利要求7所述的杆塔巡检方法,其特征在于,
每条巡检线路包含配电线路的多级杆塔,每级杆塔包含多个巡检点位。
12.如权利要求7所述的杆塔巡检方法,其特征在于,
所述车杆三维空间坐标系以配电线路杆塔坐标为原点,以经度、纬度和高度作为x轴、y轴和z轴,巡检车辆位置点作为坐标系中的点构建而成。
13.如权利要求7所述的杆塔巡检方法,其特征在于,
所述车载云台追踪杆塔的最佳追踪角度数据包括最佳追踪水平旋转角度和最佳追踪俯仰角度。
14.如权利要求13所述的杆塔巡检方法,其特征在于,
所述杆塔的最佳追踪水平旋转角度的计算过程包括:
将预置补偿点位置作为车辆实时位置,基于预置补偿点位置和杆塔位置,构建车杆三维空间坐标系;
计算车辆与杆塔之间的距离和车辆实时位置与x轴的垂直距离,基于所述距离计算车辆与杆塔的连线与y轴的夹角;
计算车辆行驶方向与y轴的夹角;
依据车辆所处的象限,计算云台追踪的水平旋转角度。
15.如权利要求14所述的杆塔巡检方法,其特征在于,所述最佳追踪俯仰角度的计算过程包括:
将预置补偿点位置作为车辆实时位置,基于预置补偿点位置和杆塔位置,构建车杆三维空间坐标系;
计算车辆与杆塔之间的距离,以及杆塔塔头高度与车载巡检设备组件高度之差;
基于所述距离和高度差,在车杆三维空间坐标系内计算云台的俯仰角度。
16.一种基于权利要求1所述的配网车载智能巡检机器人系统的杆塔巡检方法,其特征在于,包括以下过程:
获取设定区域内配电线路杆塔的地理坐标信息;
根据配电线路杆塔的坐标信息,考虑巡检路径限制因素,每两级杆塔作为一个最小单元进行相互关联,相邻两个最小单元之间包含同一个杆塔;遍历所有杆塔,所有的最小单元形成杆-杆最小单元巡检模型;
基于所述巡检模型,自动确定与当前杆塔相关联的下一级巡检的杆塔,进行配电线路无任务巡检。
17.如权利要求16所述的杆塔巡检方法,其特征在于,
所有的最小单元形成杆-杆最小单元巡检模型,具体包括:
考虑巡检路径限制因素,基于最小单元确定原则选取下一级杆塔,形成一个最小单元进行相互关联;
将确定的下一级杆塔作为当前杆塔,继续选取当前杆塔的下一级杆塔,形成另一个最小单元;
依次类推,遍历所有杆塔,得到杆-杆最小单元巡检模型。
18.如权利要求16所述的杆塔巡检方法,其特征在于,
最小单元确定原则包括:
同线路优先原则,同一线路内的杆塔优先保持线路内组建最小单元;
相邻及距离相近原则,首尾跨线杆塔优先选择相邻线路或距离较近的其他线路的杆塔;
同一负责人原则,优先选择属于同一负责人片区内的杆塔组建最小单元。
19.如权利要求16所述的杆塔巡检方法,其特征在于,
基于所述巡检模型,进行配电线路无任务巡检,具体过程包括:
以设定的杆塔作为起始杆塔,将与所述起始杆塔组成最小单元的杆塔作为下一级巡检的杆塔;
到达下一级杆塔之后,除了上一级杆塔之外,
如果下一级杆塔仅存在一个最小杆塔单元,则将与其组成所述最小杆塔单元的杆塔作为在下一级巡检的杆塔;
如果下一级杆塔存在两个或两个以上的最小杆塔单元,则选择距离巡检设备最近且未巡检过的杆塔作为下一级巡检的杆塔;
如果下一级杆塔不再存在最小杆塔单元,则巡检结束。
20.如权利要求16所述的杆塔巡检方法,其特征在于,
将所述杆-杆最小单元巡检模型存储在巡检车辆内,将确定的下一级巡检杆塔的坐标信息,作为巡检车辆的目标位置,进行车辆运行路径的规划;
巡检车辆记录上一次巡检结束时已经巡检过的杆塔位置,本次巡检时,优先将未巡检过的杆塔作为下一级巡检的杆塔进行巡检。
21.一种基于权利要求1所述的配网车载智能巡检机器人系统的杆塔动态追踪方法,包括:
按照设定的数据获取频率,获取车辆当前位置信息和车辆的行驶速度;
计算两次数据计算间隔时间内车辆的行驶距离,基于车辆当前位置信息计算预置补偿点位置的坐标数据;
基于所述预置补偿点位置的坐标数据,计算云台对杆塔的最佳追踪水平旋转角度和俯仰角度;
控制云台基于所述最佳追踪水平角度和俯仰角度,实现对杆塔的检测。
22.如权利要求21所述的杆塔动态追踪方法,包括:
所述的获取车辆的行驶速度,具体包括:
基于地理信息定位设备获取车辆当前的地理信息坐标数据;
依据相邻两次获取的车辆坐标位置的变化距离,计算实时的车辆行驶速度。
23.如权利要求21所述的杆塔动态追踪方法,包括:
所述的基于车辆当前位置信息计算预置补偿点位置的坐标数据,具体包括:
依据获取到的车辆行驶速度与数据计算频率,计算相邻两次获取数据的时间间隔内车辆的行驶距离,使用当前车辆位置坐标,叠加间隔时间内的行驶距离进行计算,得出预置补偿点位置的坐标数据。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111180539.6A CN113601536B (zh) | 2021-10-11 | 2021-10-11 | 一种配网车载智能巡检机器人系统及方法 |
PCT/CN2022/114105 WO2023061049A1 (zh) | 2021-10-11 | 2022-08-23 | 一种配网车载智能巡检机器人系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111180539.6A CN113601536B (zh) | 2021-10-11 | 2021-10-11 | 一种配网车载智能巡检机器人系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113601536A true CN113601536A (zh) | 2021-11-05 |
CN113601536B CN113601536B (zh) | 2022-03-18 |
Family
ID=78310922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111180539.6A Active CN113601536B (zh) | 2021-10-11 | 2021-10-11 | 一种配网车载智能巡检机器人系统及方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113601536B (zh) |
WO (1) | WO2023061049A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023061049A1 (zh) * | 2021-10-11 | 2023-04-20 | 国网智能科技股份有限公司 | 一种配网车载智能巡检机器人系统及方法 |
CN116233219A (zh) * | 2022-11-04 | 2023-06-06 | 国电湖北电力有限公司鄂坪水电厂 | 基于人员定位算法的巡检方法、装置 |
CN117498225A (zh) * | 2024-01-03 | 2024-02-02 | 山东黄金电力有限公司 | 一种无人机智能电力线路巡检系统 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116187985B (zh) * | 2023-05-05 | 2023-06-27 | 国网安徽省电力有限公司巢湖市供电公司 | 一种基于图像处理的电力系统智能巡检分析系统 |
CN116342966B (zh) * | 2023-05-30 | 2023-08-11 | 苏州振畅智能科技有限公司 | 一种基于深度学习的轨道巡检方法、装置、设备及介质 |
CN116363536B (zh) * | 2023-05-31 | 2023-08-11 | 国网湖北省电力有限公司经济技术研究院 | 一种基于无人机巡查数据的电网基建设备缺陷归档方法 |
CN116629842B (zh) * | 2023-07-19 | 2023-11-07 | 国网浙江省电力有限公司苍南县供电公司 | 基于图像处理的电力设备巡检方法及平台 |
CN116612481B (zh) * | 2023-07-20 | 2023-10-13 | 国网山东省电力公司曲阜市供电公司 | 基于知识图谱和多元图像的电力设备缺陷识别方法及系统 |
CN116823581B (zh) * | 2023-08-29 | 2023-12-05 | 北京道仪数慧科技有限公司 | 一种利用公交车辆进行路灯巡检的处理系统 |
CN116862092B (zh) * | 2023-09-05 | 2024-01-09 | 山东道万电气有限公司 | 一种自动巡检装置的自适应路径规划模块及方法 |
CN116901089B (zh) * | 2023-09-14 | 2024-01-05 | 浩科机器人(苏州)有限公司 | 一种多角度视距的机器人控制方法及系统 |
CN117612047B (zh) * | 2024-01-23 | 2024-04-12 | 国网湖北省电力有限公司信息通信公司 | 基于ai大模型的电网用无人机巡检图像识别方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008018556A1 (de) * | 2008-04-12 | 2009-10-15 | Bayerische Motoren Werke Aktiengesellschaft | Handhabungsgerät in einem Fahrzeug und Verfahren zum Betrieb des Handhabungsgeräts |
CN105141889A (zh) * | 2015-07-28 | 2015-12-09 | 国家电网公司 | 一种基于图像视觉输电线路智能巡检系统 |
CN105511495A (zh) * | 2016-02-15 | 2016-04-20 | 国家电网公司 | 电力线路无人机智能巡检控制方法和系统 |
US20180037172A1 (en) * | 2016-08-05 | 2018-02-08 | MotoCrane, LLC | Releasable vehicular camera mount |
CN108956640A (zh) * | 2018-04-04 | 2018-12-07 | 山东鲁能智能技术有限公司 | 适用于配电线路巡检的车载检测装置及检测方法 |
CN109946564A (zh) * | 2019-03-15 | 2019-06-28 | 山东鲁能智能技术有限公司 | 一种配网架空线路巡检数据采集方法及巡检系统 |
CN109976339A (zh) * | 2019-03-15 | 2019-07-05 | 山东鲁能智能技术有限公司 | 一种车载配网巡检数据采集方法与巡检系统 |
CN110286684A (zh) * | 2019-07-17 | 2019-09-27 | 国网湖北省电力有限公司检修公司 | 一种变电站巡检机器人及变电站巡检系统 |
CN110647082A (zh) * | 2019-10-09 | 2020-01-03 | 宁波思高信通科技有限公司 | 一种机房智能巡检系统及其工作方法 |
WO2020107957A1 (zh) * | 2018-11-30 | 2020-06-04 | 北京海益同展信息科技有限公司 | 一种机房巡检系统及其工作方法 |
CN111633660A (zh) * | 2020-06-15 | 2020-09-08 | 吴洪婷 | 一种智能巡检机器人 |
CN112288711A (zh) * | 2020-10-28 | 2021-01-29 | 浙江华云清洁能源有限公司 | 无人机巡检影像缺陷图像识别方法、装置、设备及介质 |
CN112434880A (zh) * | 2020-12-10 | 2021-03-02 | 清研灵智信息咨询(北京)有限公司 | 基于深度学习的巡检路线规划及巡检人员管理系统 |
CN112767391A (zh) * | 2021-02-25 | 2021-05-07 | 国网福建省电力有限公司 | 融合三维点云和二维图像的电网线路部件缺陷定位方法 |
US20210223297A1 (en) * | 2017-07-20 | 2021-07-22 | State Grid Jiangxi Electric Power Company Limited Research Institute | Live detection method and apparatus for a high-voltage switch cabinet |
CN113486779A (zh) * | 2021-07-01 | 2021-10-08 | 国网北京市电力公司 | 输电线路全景智能巡检系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9463574B2 (en) * | 2012-03-01 | 2016-10-11 | Irobot Corporation | Mobile inspection robot |
CN111929542B (zh) * | 2020-07-03 | 2023-05-26 | 北京国网富达科技发展有限责任公司 | 一种电力设备诊断方法及系统 |
CN112798915A (zh) * | 2021-03-11 | 2021-05-14 | 山东创德智能科技有限公司 | 一种应用于电厂ais设备的超声波局部放电检测机器人 |
CN113870143A (zh) * | 2021-10-11 | 2021-12-31 | 国网智能科技股份有限公司 | 一种配电线路巡检图像增强方法及系统 |
CN113688947B (zh) * | 2021-10-11 | 2024-03-15 | 国网智能科技股份有限公司 | 一种配电设备红外图像故障识别方法及系统 |
CN113920611B (zh) * | 2021-10-11 | 2024-05-17 | 国网智能科技股份有限公司 | 一种配电线路杆塔巡检方法及系统 |
CN113910227B (zh) * | 2021-10-11 | 2023-03-24 | 国网智能科技股份有限公司 | 一种配网车载智能巡检机器人无任务巡检方法及系统 |
CN113910252B (zh) * | 2021-10-11 | 2023-03-03 | 国网智能科技股份有限公司 | 一种配网车载智能巡检机器人杆塔动态追踪方法及系统 |
CN113601536B (zh) * | 2021-10-11 | 2022-03-18 | 国网智能科技股份有限公司 | 一种配网车载智能巡检机器人系统及方法 |
CN113917284A (zh) * | 2021-10-11 | 2022-01-11 | 国网智能科技股份有限公司 | 一种配电设备放电点可视化定位装置及定位方法 |
-
2021
- 2021-10-11 CN CN202111180539.6A patent/CN113601536B/zh active Active
-
2022
- 2022-08-23 WO PCT/CN2022/114105 patent/WO2023061049A1/zh unknown
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008018556A1 (de) * | 2008-04-12 | 2009-10-15 | Bayerische Motoren Werke Aktiengesellschaft | Handhabungsgerät in einem Fahrzeug und Verfahren zum Betrieb des Handhabungsgeräts |
CN105141889A (zh) * | 2015-07-28 | 2015-12-09 | 国家电网公司 | 一种基于图像视觉输电线路智能巡检系统 |
CN105511495A (zh) * | 2016-02-15 | 2016-04-20 | 国家电网公司 | 电力线路无人机智能巡检控制方法和系统 |
US20180037172A1 (en) * | 2016-08-05 | 2018-02-08 | MotoCrane, LLC | Releasable vehicular camera mount |
US20210223297A1 (en) * | 2017-07-20 | 2021-07-22 | State Grid Jiangxi Electric Power Company Limited Research Institute | Live detection method and apparatus for a high-voltage switch cabinet |
CN108956640A (zh) * | 2018-04-04 | 2018-12-07 | 山东鲁能智能技术有限公司 | 适用于配电线路巡检的车载检测装置及检测方法 |
WO2020107957A1 (zh) * | 2018-11-30 | 2020-06-04 | 北京海益同展信息科技有限公司 | 一种机房巡检系统及其工作方法 |
CN109946564A (zh) * | 2019-03-15 | 2019-06-28 | 山东鲁能智能技术有限公司 | 一种配网架空线路巡检数据采集方法及巡检系统 |
CN109976339A (zh) * | 2019-03-15 | 2019-07-05 | 山东鲁能智能技术有限公司 | 一种车载配网巡检数据采集方法与巡检系统 |
CN110286684A (zh) * | 2019-07-17 | 2019-09-27 | 国网湖北省电力有限公司检修公司 | 一种变电站巡检机器人及变电站巡检系统 |
CN110647082A (zh) * | 2019-10-09 | 2020-01-03 | 宁波思高信通科技有限公司 | 一种机房智能巡检系统及其工作方法 |
CN111633660A (zh) * | 2020-06-15 | 2020-09-08 | 吴洪婷 | 一种智能巡检机器人 |
CN112288711A (zh) * | 2020-10-28 | 2021-01-29 | 浙江华云清洁能源有限公司 | 无人机巡检影像缺陷图像识别方法、装置、设备及介质 |
CN112434880A (zh) * | 2020-12-10 | 2021-03-02 | 清研灵智信息咨询(北京)有限公司 | 基于深度学习的巡检路线规划及巡检人员管理系统 |
CN112767391A (zh) * | 2021-02-25 | 2021-05-07 | 国网福建省电力有限公司 | 融合三维点云和二维图像的电网线路部件缺陷定位方法 |
CN113486779A (zh) * | 2021-07-01 | 2021-10-08 | 国网北京市电力公司 | 输电线路全景智能巡检系统 |
Non-Patent Citations (1)
Title |
---|
彭道刚等: "巡检机器人云台远程控制系统的设计", 《电气传动》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023061049A1 (zh) * | 2021-10-11 | 2023-04-20 | 国网智能科技股份有限公司 | 一种配网车载智能巡检机器人系统及方法 |
CN116233219A (zh) * | 2022-11-04 | 2023-06-06 | 国电湖北电力有限公司鄂坪水电厂 | 基于人员定位算法的巡检方法、装置 |
CN116233219B (zh) * | 2022-11-04 | 2024-04-30 | 国电湖北电力有限公司鄂坪水电厂 | 基于人员定位算法的巡检方法、装置 |
CN117498225A (zh) * | 2024-01-03 | 2024-02-02 | 山东黄金电力有限公司 | 一种无人机智能电力线路巡检系统 |
CN117498225B (zh) * | 2024-01-03 | 2024-03-19 | 山东黄金电力有限公司 | 一种无人机智能电力线路巡检系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113601536B (zh) | 2022-03-18 |
WO2023061049A1 (zh) | 2023-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113601536B (zh) | 一种配网车载智能巡检机器人系统及方法 | |
US11017228B2 (en) | Method and arrangement for condition monitoring of an installation with operating means | |
CN204301734U (zh) | 一种室内全景数据采集装置 | |
CN109714567B (zh) | 一种基于红外夜视仪的三维虚拟场景实时构建方法及装置 | |
CN112884760A (zh) | 近水桥梁多类型病害智能检测方法与无人船设备 | |
CN108917758B (zh) | 一种基于ar的导航方法及系统 | |
CN105180943B (zh) | 船舶定位系统及方法 | |
CN108109437A (zh) | 一种基于地图特征的无人机自主航线提取生成方法 | |
CN111339893B (zh) | 基于深度学习和无人机的管道检测系统及方法 | |
CN109405830B (zh) | 基于线路坐标序列的无人机自动巡检方法 | |
CN112230680A (zh) | 一种无人机电力线路巡检控制方法 | |
JP7188832B1 (ja) | 無人飛行体、および、風力発電設備の点検システム、並びに、風力発電設備の点検方法 | |
CN208027170U (zh) | 一种电力巡线无人机及系统 | |
CN115331130B (zh) | 基于地理标志物辅助导航的无人机巡检方法和无人机 | |
EP3850456A1 (en) | Control and navigation systems, pose optimisation, mapping, and localisation techniques | |
CN112437118A (zh) | 一种基于无人机的道路路灯巡检系统 | |
CN108983809A (zh) | 基于无人机的精准识别定位环绕的方法及无人机 | |
CN113077561A (zh) | 一种无人机智能巡检系统 | |
CN111292360A (zh) | 一种用于船舶行驶航线推荐方法及系统 | |
CN112688975B (zh) | 一种无人游船集群监控系统及信息共享方法 | |
CN108447042A (zh) | 城市景观影像数据的融合方法及系统 | |
CN112286228A (zh) | 无人机三维可视化避障方法及系统 | |
CN116540760A (zh) | 一种监拍设备与无人机联动对隐患环绕巡航的方法 | |
CN114780393B (zh) | 海上无人集群智能算法测试训练系统 | |
CN113341947A (zh) | 一种基于船舶信息化平台的水上立体搜救系统 |
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 |