一种基于仿生机器鱼的变压器故障检测方法技术

本发明专利技术公开了一种基于仿生机器鱼的变压器故障检测方法，仿生机器鱼带有无线通讯模块、存储器、摄像头和照明灯，在变压器油室中建立有游弋坐标网络，在变压器外的地面有检测终端，检测终端指令仿生机器鱼根据游弋坐标网络在变压器油室中围绕变压器线圈游弋检测，本发明专利技术通过仿生机器鱼浮出液面实时与地面检测终端交换信息，地面检测终端根据接收的图片信息，找出疑似故障点并指示仿生机器鱼再次对故障点进行多角度拍照提供给地面检测终端最终确认故障点，实现对变压器内部故障检测，本发明专利技术代替人工进入油浸式变压器内部进行故障检测。测。测。

【技术实现步骤摘要】
一种基于仿生机器鱼的变压器故障检测方法


[0001]本专利技术涉及一种基于仿生机器鱼的变压器故障检测方法。

技术介绍

[0002]电网系统的安全稳定运行是国民生产、生活的重要保障。在大型油浸式变压器内部发生故障时，由于缺乏特种检修设备，通常维修方法需要人工进入变压器内部进行检查作业。在维修之前需要排空变压器油然后维修人员通过人孔进入变压器中检修，这一过程需要耗费大量的人力物力，维修工期长，且容易带入杂质造成变压器二次污染；在变压器内空间狭小、照明条件差，人工检修存在检修盲区；变压器内部环境恶劣，容易对维修人员造成伤害。
[0003]目前出现了将水下机器人应用在油浸式变压器故障检测领域中，通过遥控机器人将变压器内部视频传输出来，维修人员根据视频信息凭借经验判断变压器故障类型。由于无线信号在液体中的传输存在滞后和传输距离短的问题，大量的图片信息无法从液体中传递到服务器，因此目前采用的数据传输方式是拖线式通信，用线缆直接将机器人和外部设备连接，这种方法限制了机器人的运动范围，不利于其在具有复杂线圈绕组的变压器中运动，大大降低了机器人检查的实用性。

技术实现思路

[0004]本专利技术的目的是提出一种基于仿生机器鱼的变压器故障检测方法，通过仿生机器鱼交替浮出液面实时与地面检测终端交换信息实现对变压器故障检测。
[0005]为了实现上述目的，本专利技术的技术方案是：一种基于仿生机器鱼的变压器故障检测方法，仿生机器鱼带有无线通讯模块、存储器、摄像头和照明灯，在变压器油室中建立有游弋坐标网络，在变压器外的地面有检测终端，检测终端指令仿生机器鱼根据游弋坐标网络在变压器油室中围绕变压器线圈游弋检测，其中，所述变压器故障检测方法是：第一步，将仿生机器鱼放入变压器油室油面上，仿生机器鱼与检测终端建立联系，定位仿生机器鱼自身在游弋坐标网络中的位置，并将此位置定义为原始位置，等待检测终端的检测指令；第二步，检测终端发出指令，仿生机器鱼根据指令围绕变压器线圈按照一个设定的游弋线路游弋，仿生机器鱼中的摄像头沿游弋线路对变压器线圈连续间隔拍照获取间隔图片，仿生机器鱼将获取的图片数据以及对应每一幅图片的坐标位置作为图片信息存入存储器；第三步，仿生机器鱼在完成设定的游弋线路后回到原始位置将图片信息通过无线通讯模块发送至检测终端；第四步：检测终端对图片信息中的每一幅图片进行分析处理确定是否存在故障点，检测结束。
[0006]方案进一步是：所述图片与图片之间局部重合。
[0007]方案进一步是：如果存在故障点，首先将其定为疑似故障点，所述方法进一步是：命令仿生机器鱼按照疑似故障点图片信息中的坐标位置返回再次获取疑似故障点不同角度和亮度的图片，然后返回到原始位置将不同角度的图片发送至检测终端，对故障最终确定认可。
[0008]方案进一步是：所述是否存在故障点是与存储的故障图片案例通过对比确定。
[0009]方案进一步是：所述对比确定是通过直接观测对比，或者是通过深度卷积神经网络判断方式对图片进行分析处理确定的，所述深度卷积神经网络判断方式包括提取图片的数据特征，将提取的数据特征输入一个深度卷积神经网络判断模型，经深度卷积神经网络模型分析进入深度卷积神经网络模型输出分类层的故障分类器，输出识别结果，所述故障分类器是深度卷积神经网络模型根据事先对已知故障图片特征学习形成的故障分类器。
[0010]方案进一步是：所述提取图片的数据特征是：一，通过对图片进行预处理消除图片的几何失真和噪声干扰；二，将图片分割为两个大小不同的图片块，使用双层深度卷积神经网络对两个图片块分别进行运算，得到两个图片块不同尺寸下的置信度矩阵，对两个置信度矩阵进行统计，得到两个图片块在双层深度卷积神经网络下的置信度大小，并将两个双层深度卷积神经网络下的置信度结果进行融合形成图片的数据特征。
[0011]方案进一步是：所述游弋坐标网络是通过变压器油室坐标系统建立的，所述变压器油室坐标系统包括变压器油室内设置的多个无线定位标签，多个无线定位标签定位在变压器油室四个垂直边角的上下不同位置，在变压器壳体上盖进出口位置的油面漂浮设置有无线中继模块，无线中继模块在油面之上和油面之下分别伸出有天线，无线中继模块通过油面之上的天线与检测终端无线连接，无线中继模块通过油面之下的天线分别与仿生机器鱼和无线定位标签无线连接，所述游弋坐标网络的建立步骤包括：第一步：将无线定位标签固定在标尺杆上，然后通过变压器壳体上盖进出口将标尺杆送入变压器油室定位在变压器油室四个垂直边角；第二步：从资料或直接测量获得变压器油室定位标签的空间坐标尺寸数据以及变压器线圈在变压器油室中的位置坐标数据，进而形成变压器油室物理坐标网络；第三步：为变压器油室不同坐标位置的无线定位标签设置区别编号；第四步：将无线中继模块放置在变压器壳体上盖进出口位置的油面上，并确定无线中继模块与各无线定位标签的物理距离；第五步：无线中继模块向无线定位标签发出定位信号并接收从任意无线定位标签返回的定位信号，确定接收定位信号发出与接收的延迟时间和无线定位标签编号；第六步：根据无线定位标签编号确定所获取定位信号的无线定位标签在变压器油室所处空间坐标位置，根据确定的延迟时间确定二分之一延迟时间长度与获取定位信号的无线定位标签到无线中继模块距离长度的对等关系，确定变压器油室物理坐标网络对应的时间坐标网络，将与变压器油室物理坐标网络相对应的时间坐标网络定义为所述游弋坐标网络。
[0012]方案进一步是：仿生机器鱼定位在游弋坐标网络的位置是：第一步：仿生机器鱼向无线定位标签连续发出带有标记的脉冲信号并接收无线定位标
签返回的脉冲信号；第二步：仿生机器鱼根据接收的无线定位标签返回的脉冲信号确定延时时间，并根据延时时间通过游弋坐标网络定位自身在变压器油室当前所处空间坐标位置。
[0013]方案进一步是：检测终端将游弋坐标网络用三维图形展示在显示屏上，所述设定的游弋线路是通过鼠标在展示的三维图形中移动生成的线路。
[0014]方案进一步是：所述仿生机器鱼包括顺序连接的头段壳体、中段和尾段壳体，头段壳体前端设置透明窗，所述摄像头设置在头段壳体内透明窗后面，在头段壳体还设置所述无线通讯模块、存储器和照明灯，在头段壳体两侧对称分别设置有两自由度仿生鳍机构，中段为沉浮控制机构，沉浮控制机构上端设置有平衡控制背鳍，在尾段壳体后端设置有泵式推进器，其中：所述两自由度仿生鳍机构包括胸鳍叶片、一级舵机和二级舵机，一级舵机和二级舵机设置在头段壳体内，胸鳍叶片在头段壳体外侧，胸鳍叶片连接在二级舵机转动输出轴上，二级舵机输出轴的转动实现了两自由度中胸鳍叶片平行于仿生机器鱼前后方向的旋转摆动，一级舵机的输出轴垂直于二级舵机输出轴与二级舵机连接，一级舵机输出轴的转动通过二级舵机实现了两自由度中胸鳍叶片垂直于仿生机器鱼前后方向的圆弧摆动；所述沉浮控制机构位于仿生机器鱼的重心位置，包括垂直于仿生机器鱼前后的筒状气室，筒状气室上端封闭下端开口，在筒状气室中设置有活塞，活塞连接有升降控制机构，升降控制机构控制活塞的上升或下降进而改变筒状气室密闭空间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于仿生机器鱼的变压器故障检测方法，仿生机器鱼带有无线通讯模块、存储器、摄像头和照明灯，在变压器油室中建立有游弋坐标网络，在变压器外的地面有检测终端，检测终端指令仿生机器鱼根据游弋坐标网络在变压器油室中围绕变压器线圈游弋检测，其特征在于，所述变压器故障检测方法是：第一步，将仿生机器鱼放入变压器油室油面上，仿生机器鱼与检测终端建立联系，定位仿生机器鱼自身在游弋坐标网络中的位置，并将此位置定义为原始位置，等待检测终端的检测指令；第二步，检测终端发出指令，仿生机器鱼根据指令围绕变压器线圈按照一个设定的游弋线路游弋，仿生机器鱼中的摄像头沿游弋线路对变压器线圈连续间隔拍照获取间隔图片，仿生机器鱼将获取的图片数据以及对应每一幅图片的坐标位置作为图片信息存入存储器；第三步，仿生机器鱼在完成设定的游弋线路后回到原始位置将图片信息通过无线通讯模块发送至检测终端；第四步：检测终端对图片信息中的每一幅图片进行分析处理确定是否存在故障点，检测结束。2.根据权利要求1所述方法，其特征在于，所述图片与图片之间局部重合。3.根据权利要求1所述方法，其特征在于，如果存在故障点，首先将其定为疑似故障点，所述方法进一步是：命令仿生机器鱼按照疑似故障点图片信息中的坐标位置返回再次获取疑似故障点不同角度和亮度的图片，然后返回到原始位置将不同角度的图片发送至检测终端，对故障最终确定认可。4.根据权利要求1所述方法，其特征在于，所述是否存在故障点是与存储的故障图片案例通过对比确定。5.根据权利要求4所述方法，其特征在于，所述对比确定是通过直接观测对比，或者是通过深度卷积神经网络判断方式对图片进行分析处理确定的，所述深度卷积神经网络判断方式包括提取图片的数据特征，将提取的数据特征输入一个深度卷积神经网络判断模型，经深度卷积神经网络模型分析进入深度卷积神经网络模型输出分类层的故障分类器，输出识别结果，所述故障分类器是深度卷积神经网络模型根据事先对已知故障图片特征学习形成的故障分类器。6.根据权利要求5所述方法，其特征在于，所述提取图片的数据特征是：一，通过对图片进行预处理消除图片的几何失真和噪声干扰；二，将图片分割为两个大小不同的图片块，使用双层深度卷积神经网络对两个图片块分别进行运算，得到两个图片块不同尺寸下的置信度矩阵，对两个置信度矩阵进行统计，得到两个图片块在双层深度卷积神经网络下的置信度大小，并将两个双层深度卷积神经网络下的置信度结果进行融合形成图片的数据特征。7.根据权利要求1所述方法，其特征在于，所述游弋坐标网络是通过变压器油室坐标系统建立的，所述变压器油室坐标系统包括变压器油室内设置的多个无线定位标签，多个无线定位标签定位在变压器油室四个垂直边角的上下不同位置，在变压器壳体上盖进出口位置的油面漂浮设置有无线中继模块，无线中继模块在油面之上和油面之下分别伸出有天线，无线中继模块通过油面之上的天线与检测终端无线连接，无...

【专利技术属性】
技术研发人员：朱太云，陈忠，张世武，柏祖军，胡迪，金虎，杨为，张世伟，赵常威，钱宇骋，张国宝，蔡梦怡，
申请(专利权)人：中国科学技术大学先进技术研究院，
类型：发明
国别省市：