CN114474103A - 一种配网电缆走廊巡检方法及设备 - Google Patents

Abstract

本发明公开了一种配网电缆走廊巡检方法及设备，该方法应用于巡检机器人，巡检机器人包括多个摄像头、多个传感器及至少一组机械手，该方法包括接收多个输入的各电缆的故障数据，并建立机器学习模型，以对该故障数据进行学习；实时获取走廊内的图像信息；获取走廊内各电缆的特征信息；获取各电缆的完整图像信息；接收多个传感器实时获取的走廊内的数据信息；计算并分析各电缆是否存在故障；若存在故障，则对该故障进行数据分析以形成第一故障信息，并通过机械手对故障电缆的故障点进行预设处理。本实施例中能够快速识别出电缆的故障点，以及对故障点进行预设处理，对配网电缆走廊盲区实现了高效的检查，达到了省时省力的目的。

Description

一种配网电缆走廊巡检方法及设备

技术领域

本发明涉及人工智能技术领域，尤其涉及一种配网电缆走廊巡检方法及设备。

背景技术

电力设备在运行中经受电的、热的、机械的负荷作用，以及自然环境(气温、气压、湿度以及污秽等)的影响，长期工作会引起老化、疲劳、磨损，以致性能逐渐下降，可靠性逐渐降低。设备的绝缘材料在高电压、高温度的长期作用下，成分、结构发生变化，介质损耗增大，绝缘性能下降，最终导致绝缘性能的破坏；工作在大气中的绝缘子还受环境污秽的影响，表面绝缘性能下降，从而引起沿面放电故障。设备的导电材料在长期热负荷作用下，会被氧化、腐蚀，使电阻、接触电阻增大，或机械强度下降，逐渐丧失原有工作性能。设备的机械结构部件受长期负荷作用或操作，引起锈蚀、磨损而造成动作失灵、漏气漏液，或其他结构性破坏。这些劣化的过程一般是缓慢的渐变的过程。随着设备运行期增长，性能逐渐下降，可靠性逐渐下降，设备故障率逐渐增大，可能危及系统的安全运行，必须对这些设备的运行状态进行监测。

电力设备中的配电电缆走廊存量大且空间狭小，但目前采用的是人工巡检的方法，人工巡检不仅耗时耗力，效率低下，而且盲区较多，只能重点查看工井周围的运行情况，目前仍缺乏有效的巡检方法。因此，有必要改善上述相关技术方案中存在的一个或者多个问题。

需要注意的是，本部分旨在为权利要求书中陈述的本公开的技术方案提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

发明内容

本发明的目的在于提供一种配网电缆走廊巡检方法，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

本发明首先提供一种配网电缆走廊巡检方法，该方法应用于巡检机器人，巡检机器人包括多个摄像头、多个传感器及至少一组机械手，该方法包括：

接收多个输入的各电缆的故障数据，并建立机器学习模型，以对该故障数据进行学习；

通过多个摄像头实时获取走廊内预设距离内的图像信息；

根据图像信息获取走廊内各电缆的特征信息；

控制多个摄像头进行转动以获取各电缆的完整图像信息；

接收多个传感器实时获取的走廊内的数据信息；

根据完整图像信息及数据信息计算并分析各电缆是否存在故障；

若存在故障，则对该故障进行数据分析以形成第一故障信息，并通过机械手对故障电缆的故障点进行预设处理；

第一故障信息包括故障电缆的故障等级信息、故障电缆所处环境信息、故障电缆位置信息及故障电缆的图片信息；

根据图像信息获取走廊的形状特征信息；

根据形状特征信息计算及分析该巡检机器人的适配形状，及控制多个摄像头、多个传感器及机械手进行伸缩以通过走廊。

本公开的一实施例中，巡检机器人还包括故障检测仪；

根据完整图像信息及数据信息计算并分析各电缆是否存在故障的步骤，包括：

控制故障检测仪对电缆故障点进行检测，并分析该故障点类型，以制定出处理方案及预警措施。

本公开的一实施例中，控制多个摄像头进行转动以获取各电缆的完整图像信息的步骤，包括：

控制机械手将预设距离内的各电缆进行移动，以使得摄像头获取各电缆的完整图像信息。

本公开的一实施例中，控制多个摄像头进行转动以获取各电缆的完整图像信息的步骤，还包括：

控制多个摄像头进行转动，以捕捉各电缆多个角度下的图片；

将捕捉的不同角度下的多张图片进行整合以形成完整图像信息。

本公开的一实施例中，方法还包括：

根据图像信息获取走廊内障碍物的轮廓信息，并将该轮廓信息与走廊形状信息生成比对图；

根据比对图计算及分析得出障碍物的移动方向，并控制机械手沿移动方向对障碍物进行清除。

本公开的一实施例中，方法还包括：

获取各电缆的参数信息，参数信息包括以下至少一种：电缆的颜色信息、直径信息、纹理信息；

根据电缆的参数信息对各电缆进行类型划分，以形成对不同电缆的故障处理措施。

本公开的一实施例中，故障电缆位置信息根据巡检机器人的移动速度计算得出。

本公开的一实施例中，第一故障信息包括反事故措施信息。

本公开的一实施例中，方法还包括：

将第一故障信息进行存储，以更新该巡检机器人的机器学习模型特征。

本公开实施例还提供了一种配网电缆走廊巡检设备，该设备应用上述实施例的配网电缆走廊巡检方法，该设备包括巡检机器人，巡检机器人包括多个摄像头、多个传感器及至少一组机械手，该设备还包括：

第一数据接收模块，用于接收多个输入的各电缆的故障数据，并建立机器学习模型，以对该故障数据进行学习；

图像获取模块，用于通过多个摄像头实时获取走廊内预设距离内的图像信息；

电缆特征获取模块，用于根据图像信息获取走廊内各电缆的特征信息；

控制模块，用于控制多个摄像头进行转动以获取各电缆的完整图像信息；

第二数据接收模块，用于接收多个传感器实时获取的走廊内的数据信息；

计算模块，用于根据完整图像信息及数据信息计算并分析各电缆是否存在故障；

处理模块，用于若存在故障，则对该故障进行数据分析以形成第一故障信息，并通过机械手对故障电缆的故障点进行预设处理；

第一故障信息包括故障电缆的故障等级信息、故障电缆所处环境信息、故障电缆位置信息及故障电缆的图片信息；

形状特征获取模块，用于根据图像信息获取走廊的形状特征信息；

分析模块，用于根据形状特征信息计算及分析该巡检机器人的适配形状，及控制多个摄像头、多个传感器及机械手进行伸缩以通过走廊。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开实施例中的配网电缆走廊巡检方法及设备，通过在巡检机器人上设置摄像头、传感器及机械手，以实时获取走廊内电缆的参数信息，并通过机器学习模型的计算分析从而快速识别出电缆的故障点，以及对故障点进行预设处理，在一定程度上避免了意外的发生，对配网电缆走廊盲区实现了高效的检查，达到了省时省力的目的；并且巡检机器人具有障碍清除功能，进一步增加了巡检的工作效率。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本公开示例性实施例中的配网电缆走廊巡检方法流程示意图；

图2示出本公开示例性实施例中配网电缆走廊巡检设备的结构示意图。

附图标记：

100、巡检机器人；101、第一数据接收模块；102、图像获取模块；103、电缆特征获取模块；104、控制模块；105、第二数据接收模块；106、计算模块；107、处理模块；108、形状特征获取模块；109、分析模块；200、摄像头；300、传感器；400、机械手。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开实施例的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。

本示例实施方式中提供一种配网电缆走廊巡检方法，该方法应用于巡检机器人100，巡检机器人100包括多个摄像头200、多个传感器300及至少一组机械手400，该方法包括：

步骤S101，接收多个输入的各电缆的故障数据，并建立机器学习模型，以对该故障数据进行学习。

步骤S102，通过多个摄像头200实时获取走廊内预设距离内的图像信息。

步骤S103，根据图像信息获取走廊内各电缆的特征信息。

步骤S104，控制多个摄像头200进行转动以获取各电缆的完整图像信息。

步骤S105，接收多个传感器300实时获取的走廊内的数据信息。

步骤S106，根据完整图像信息及数据信息计算并分析各电缆是否存在故障。

步骤S107，若存在故障，则对该故障进行数据分析以形成第一故障信息，并通过机械手400对故障电缆的故障点进行预设处理。

第一故障信息包括故障电缆的故障等级信息、故障电缆所处环境信息、故障电缆位置信息及故障电缆的图片信息。

步骤S108，根据图像信息获取走廊的形状特征信息。

步骤S109，根据形状特征信息计算及分析该巡检机器人100的适配形状，及控制多个摄像头200、多个传感器300及机械手400进行伸缩以通过走廊。

在本实施方式中，巡检机器人100可以选用能够行走在走廊顶面的机器人，因走廊底部设有有众多电缆，且底部环境较差不利于巡检机器人100的行走，因此将巡检机器人100的行走设置在走廊顶面能够提高巡检机器人100的工作效率，具体可通过在机器人上设置涵道风扇，以使得机器人保持在走廊顶面，但不限于此。巡检机器人100侧边可通过驱动机构设置多个摄像头200，摄像头200可采用白光摄像头200，即便机器人处于走廊的黑暗环境中也能够拍出彩色图片，但不限于此；巡检机器人100上还设置有多个传感器300，例如温度传感器300、湿度传感器300、振动传感器300等，通过多种传感器300的设置能够获取电缆所处走廊内的环境参数。巡检机器人100上设置的机械手400不仅能够对故障电缆进行简单处理，而且能够在机器人前进过程中进行障碍清除等工作。

巡检机器人100上搭载有机器学习模型，该机器学习模型能够接收多个各种电缆的故障数据，并且对故障数据进行深度学习，具体的，该机器学习模型可使用无监督的模糊聚类算法，通过建立电缆特征参量集合与不同故障的相关性，以感知电缆的状态，具体算法可参考现有技术进行理解。机器学习模型通过电缆特征比对以及结合各传感器300收集的环境参数从而判断电缆是否存在故障，并对该故障进行进一步数据分析从而得到第一故障信息，并且可以将该第一故障信息发送至终端，以供地面工作人员进一步进行故障判断，该第一故障信息中包括故障电缆位置信息，工作人员能够快速精准的定位到故障点，极大的增加了配网电缆的巡检效率，而且机械手400能够第一时间对故障点进行简单处理，例如电缆绝缘物流失的情况下，机械手400可以使用绝缘物件对电缆实施绝缘措施，以避免意外的发生。

另外，巡检机器人100能够根据走廊的形状能够实现摄像头200、传感器300及机械手400的伸缩从而使得巡检机器人100顺利通过走廊，以避免发生碰撞。

本实施方式中，通过在巡检机器人100上设置摄像头200、传感器300及机械手400，以实时获取走廊内电缆的参数信息，并通过机器学习模型的计算分析从而快速识别出电缆的故障点，以及对故障点进行预设处理，在一定程度上避免了意外的发生，对配网电缆走廊盲区实现了高效的检查，达到了省时省力的目的；并且巡检机器人100具有障碍清除功能，进一步增加了巡检的工作效率。

可选的，在一些实施例中，巡检机器人100还包括故障检测仪；步骤S106还包括：

步骤S1061，控制故障检测仪对电缆故障点进行检测，并分析该故障点类型，以制定出处理方案及预警措施。具体的，故障检测仪的设置能够对电缆敷设线路间的串联设备或高压插头连接情况进行检测，以提高电缆故障检测的效率。

可选的，在一些实施例中，步骤S104包括：步骤S1041，控制机械手400将预设距离内的各电缆进行移动，以使得摄像头200获取各电缆的完整图像信息。步骤S104还包括：步骤S1042，控制多个摄像头200进行转动，以捕捉各电缆多个角度下的图片；步骤S1043，将捕捉的不同角度下的多张图片进行整合以形成完整图像信息。具体的。通过机械手400将敷设于于地面的电缆提起，摄像头200可对电缆多角度拍照，以形成电缆的完整图像信息，以快速识别出电缆绝缘层时候老化或腐蚀或绝缘物流失的情况。

可选的，在一些实施例中，该方法还包括：步骤S1010，根据图像信息获取走廊内障碍物的轮廓信息，并将该轮廓信息与走廊形状信息生成比对图；步骤S1011，根据比对图计算及分析得出杂物的移动方向，并控制机械手400沿移动方向对障碍物进行清除。具体的，走廊内情况比较复杂，经常存在一些例如树枝等障碍物，会对巡检机器人100的通行造成阻碍，因此，巡检机器人100能够根据走廊内障碍物的轮廓信息以及走廊的形状信息快速计算出障碍物的移动方向，例如通过机械手400将树枝移动至走廊的一侧以便于巡检机器人100通过。

可选的，在一些实施例中，该方法还包括：步骤S1012，获取各电缆的参数信息，参数信息包括以下至少一种：电缆的颜色信息、直径信息、纹理信息；步骤S1013，根据电缆的参数信息对各电缆进行类型划分，以形成对不同电缆的故障处理措施。具体的，走廊内的电缆各式各样，巡检机器人100内的机器学习模型能够根据电缆的参数信息识别电缆类型，以便于对电缆可能出现的故障类型进行划分，从而进一步提高巡检机器人100的工作效率。

可选的，在一些实施例中，故障电缆位置信息根据巡检机器人100的移动速度计算得出。具体的，故障电缆位置信息能够根据巡检机器人100的起始点计算得出，以便于传输给工作人员，从而便于工作人员对故障电缆位置进行精准定位。

可选的，在一些实施例中，第一故障信息包括反事故措施信息。具体的，反事故措施信息可以通过巡检机器人100针对电缆故障类型得出，并发送给工作人员，以便于工作人员做好防护措施，避免意外发生。

可选的，在一些实施例中，该方法还包括：步骤S1014，将第一故障信息进行存储，以更新该巡检机器人100的机器学习模型特征。具体的，第一故障信息能够增强机器学习模型特征，从而实现机器学习模型的自我优化。

本示例实施方式中还提供一种配网电缆走廊巡检设备，应用于上述实施例的配网电缆走廊巡检方法，该设备包括巡检机器人100，巡检机器人100包括多个摄像头200、多个传感器300及至少一组机械手400，该设备还包括：

第一数据接收模块101，用于接收多个输入的各电缆的故障数据，并建立机器学习模型，以对该故障数据进行学习；

图像获取模块102，用于通过多个摄像头200实时获取走廊内预设距离内的图像信息；

电缆特征获取模块103，用于根据图像信息获取走廊内各电缆的特征信息；

控制模块104，用于控制多个摄像头200进行转动以获取各电缆的完整图像信息；

第二数据接收模块105，用于接收多个传感器300实时获取的走廊内的数据信息；

计算模块106，用于根据完整图像信息及数据信息计算并分析各电缆是否存在故障；

处理模块107，用于若存在故障，则对该故障进行数据分析以形成第一故障信息，并通过机械手400对故障电缆的故障点进行预设处理；(绝缘物流失)

第一故障信息包括故障电缆的故障等级信息、故障电缆所处环境信息、故障电缆位置信息及故障电缆的图片信息；

形状特征获取模块108，用于根据图像信息获取走廊的形状特征信息；

分析模块109，用于根据形状特征信息计算及分析该巡检机器人100的适配形状，及控制多个摄像头200、多个传感器300及机械手400进行伸缩以通过走廊。

该配网电缆走廊巡检设备的各模块作用原理于配网电缆走廊巡检方法相同，具体可参照上述实施例进行理解，在此不再赘述。

本实施方式中，通过在巡检机器人100上设置摄像头200、传感器300及机械手400，以实时获取走廊内电缆的参数信息，并通过机器学习模型的计算分析从而快速识别出电缆的故障点，以及对故障点进行预设处理，在一定程度上避免了意外的发生，对配网电缆走廊盲区实现了高效的检查，达到了省时省力的目的；并且巡检机器人100具有障碍清除功能，进一步增加了巡检的工作效率。

需要理解的是，上述描述中的术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本公开实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本公开实施例的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本公开实施例中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本公开中的具体含义。

在本公开实施例中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种配网电缆走廊巡检方法，其特征在于，该方法应用于巡检机器人，所述巡检机器人包括多个摄像头、多个传感器及至少一组机械手，该方法包括：

接收多个输入的各电缆的故障数据，并建立机器学习模型，以对该故障数据进行学习；

通过多个所述摄像头实时获取所述走廊内预设距离内的图像信息；

根据所述图像信息获取所述走廊内各电缆的特征信息；

控制多个所述摄像头进行转动以获取各所述电缆的完整图像信息；

接收多个所述传感器实时获取的所述走廊内的数据信息；

根据所述完整图像信息及所述数据信息计算并分析各所述电缆是否存在故障；

若存在故障，则对该故障进行数据分析以形成第一故障信息，并通过所述机械手对故障电缆的故障点进行预设处理；

所述第一故障信息包括所述故障电缆的故障等级信息、所述故障电缆所处环境信息、所述故障电缆位置信息及所述故障电缆的图片信息；

根据所述图像信息获取所述走廊的形状特征信息；

根据所述形状特征信息计算及分析该巡检机器人的适配形状，及控制多个所述摄像头、多个所述传感器及所述机械手进行伸缩以通过所述走廊。

2.根据权利要求1所述配网电缆走廊巡检方法，其特征在于，所述巡检机器人还包括故障检测仪；

所述根据所述完整图像信息及所述数据信息计算并分析各所述电缆是否存在故障的步骤，包括：

控制所述故障检测仪对电缆故障点进行检测，并分析该故障点类型，以制定出处理方案及预警措施。

3.根据权利要求1所述配网电缆走廊巡检方法，其特征在于，所述控制多个所述摄像头进行转动以获取各所述电缆的完整图像信息的步骤，包括：

控制所述机械手将所述预设距离内的各所述电缆进行移动，以使得所述摄像头获取各所述电缆的完整图像信息。

4.根据权利要求3所述配网电缆走廊巡检方法，其特征在于，所述控制多个所述摄像头进行转动以获取各所述电缆的完整图像信息的步骤，还包括：

控制多个所述摄像头进行转动，以捕捉各所述电缆多个角度下的图片；

将捕捉的不同角度下的多张所述图片进行整合以形成所述完整图像信息。

5.根据权利要求1所述配网电缆走廊巡检方法，其特征在于，所述方法还包括：

根据所述图像信息获取所述走廊内障碍物的轮廓信息，并将该轮廓信息与所述走廊形状信息生成比对图；

根据所述比对图计算及分析得出所述障碍物的移动方向，并控制所述机械手沿所述移动方向对所述障碍物进行清除。

6.根据权利要求1所述配网电缆走廊巡检方法，其特征在于，所述方法还包括：

获取各所述电缆的参数信息，所述参数信息包括以下至少一种：所述电缆的颜色信息、直径信息、纹理信息；

根据所述电缆的参数信息对各所述电缆进行类型划分，以形成对不同电缆的故障处理措施。

7.根据权利要求1所述配网电缆走廊巡检方法，其特征在于，所述故障电缆位置信息根据所述巡检机器人的移动速度计算得出。

8.根据权利要求1所述配网电缆走廊巡检方法，其特征在于，所述第一故障信息包括反事故措施信息。

9.根据权利要求1所述配网电缆走廊巡检方法，其特征在于，所述方法还包括：

将所述第一故障信息进行存储，以更新该巡检机器人的机器学习模型特征。

10.一种配网电缆走廊巡检设备，其特征在于，该设备应用权利要求1～9任一项所述的配网电缆走廊巡检方法，该设备包括巡检机器人，所述巡检机器人包括多个摄像头、多个传感器及至少一组机械手，该设备还包括：

第一数据接收模块，用于接收多个输入的各电缆的故障数据，并建立机器学习模型，以对该故障数据进行学习；

图像获取模块，用于通过多个所述摄像头实时获取所述走廊内预设距离内的图像信息；

电缆特征获取模块，用于根据所述图像信息获取所述走廊内各电缆的特征信息；

控制模块，用于控制多个所述摄像头进行转动以获取各所述电缆的完整图像信息；

第二数据接收模块，用于接收多个所述传感器实时获取的所述走廊内的数据信息；

计算模块，用于根据所述完整图像信息及所述数据信息计算并分析各所述电缆是否存在故障；

处理模块，用于若存在故障，则对该故障进行数据分析以形成第一故障信息，并通过所述机械手对故障电缆的故障点进行预设处理；

所述第一故障信息包括所述故障电缆的故障等级信息、所述故障电缆所处环境信息、所述故障电缆位置信息及所述故障电缆的图片信息；

形状特征获取模块，用于根据所述图像信息获取所述走廊的形状特征信息；

分析模块，用于根据所述形状特征信息计算及分析该巡检机器人的适配形状，及控制多个所述摄像头、多个所述传感器及所述机械手进行伸缩以通过所述走廊。

Images