用于无人机的多分裂导线故障点的带电制造技术

用于无人机的多分裂导线故障点的带电

【技术实现步骤摘要】
用于无人机的多分裂导线故障点的带电X光智能监测方法


[0001]本专利技术属于输电线路故障点检测
，特别是涉及到一种用于无人机的多分裂导线故障点的带电
X
光智能监测方法
。

技术介绍

[0002]分裂导线不同于常规导线，它是由三根或四根单芯导线经过某种工艺制造在一起的一种可分裂的导线，或者称导线束，这种分裂导线不仅仅是形式上与常规导线不同，由于分裂导线可使导线周围磁场分布改变，从而等效地增大了导线半径，减小了导线电抗；同时也改变了导线周围的电场分布，使导线的电纳也相应增大
。
[0003]无人机是无人驾驶飞机的简称，利用无线通讯技术和控制程序对飞机进行远程控制
。
无人机应用于输电线路检测是近半世纪才发展起来的新技术，具有重要的实际应用前景
。
但是该检测方式对相关技术要求很高，特别是对无人机飞控系统的要求
。
由于输电线路线径小，在无人机检测时，首先要能识别飞行线路上的障碍物，特别是输电线路
。
而且多分裂导线上故障点分散
、
带电
X
光检测难度大准确性低，是目前无人机检测亟需要解决的一大问题
。

技术实现思路

[0004]本专利技术所要解决的技术问题是：提供一种用于无人机的多分裂导线故障点的带电
X
光智能监测方法用于解决现有的无人机由于多分裂导线上故障点分散
、
带电
X
光检测难度大准确性低的技术问题
。
[0005]用于无人机的多分裂导线故障点的带电
X
光智能监测方法，包括以下步骤，并且以下步骤顺次进行：
[0006]步骤一
、
无人机上装载有平板探测器和
X
光扫描系统，
X
光扫描系统上设置有工业相机，工业相机获取多分裂导线的彩色图像，该彩色图像存储在无人机的工控机内；
[0007]探测器上设置有一个平板，通过一次曝光形成大区图像，使
X
光扫描系统两次扫描即可观察到信噪比好
、
分辨率高的
X
射线成像图；
[0008]步骤二
、
建立
X
光视觉图像的量化分析模型
[0009]建立多分裂导线无人机
X
光视觉图像的边缘轮廓检测模型，采用多尺度特征分解法进行多分裂导线无人机视觉空间分布式融合处理，建立模糊信息融合模型，建立
X
光视觉图像的量化分析模型，得到多分裂导线无人机
X
光视觉图像的统计函数为：
[0010][0011][0012]s.t
：
∑
α
i
＝
1 and 0
，，
α
i
，，
A
，
i
＝1，2，
L
ꢀꢀꢀ
(3
‑
10)
[0013]式
(3
‑
10)
表示为多分裂导线无人机视觉图像边缘像素特征量，结合模糊约束指标参量集融合的方法，进行多分裂导线无人机视觉重构，像素分布特征函数为一个标准的正态分布函数，
ω
为输电线路无人机视觉图像的统计特征分布的惯性权重；
[0014]步骤三
、
采用统计平均分析方法，进行多分裂导线无人机视觉图像的量化分析，建立多分裂导线无人机视觉图像的关联规则分布集
R
与
X
，得到多分裂导线无人机视觉关联分布关系为：
[0015][0016]把和的表达式代入到上述方程组
(3
‑
11)
中，建立多分裂导线无人机
X
光视觉图像采集模型，采用多分裂导线无人机
X
光视觉图像的边缘检测模型进行特征检测和重建，采用多尺度特征分解方法进行多分裂导线无人机视觉空间分布式融合处理；
[0017]步骤四
、
采用多分裂导线无人机
X
光视觉图像的边缘轮廓检测模型进行特征检测和重建并经过处理后的图像，能获取到清晰的分裂导线图像；
[0018]步骤五
、
多分裂导线损伤检测输出
[0019]进行多分裂导线无人机
X
光视觉图像信息增强处理构建模型，根据视觉特征的差异性进行多分裂导线损伤检测，差异性特征分布为：
[0020][0021]设定损伤区域的边缘轮廓
d
，利用边缘像素融合性分解的方法得到能量函数为：
[0022][0023]式中，多分裂导线无人机视觉信息梯度分布权系数
λ
，
v
均为常数
。
若假设输入的多分裂导线无人机视觉图像
r
i
对应的输出为
y
i
，则有：
[0024][0025]根据上式，采用子空间融合方法，进行多分裂导线无人机视觉特征重建，得到输出的重建结果为
{r1，
r2，
L
，
r
N
}
，对应的输出像素特征分布序列为
{y1，
y2，
L
，
y
N
}
，得到多分裂导线探伤检测输出为：
[0026][0027]通过上述设计方案，本专利技术可以带来如下有益效果：
[0028]本专利技术通过建立多分裂导线无人机
X
光视觉图像的边缘轮廓检测模型，采用多尺度特征分解法进行多分裂导线无人机视觉空间分布式融合处理，建立模糊信息融合模型，建立
X
光视觉图像的量化分析模型，得到多分裂导线无人机
X
光视觉图像的统计函数，进行多分裂导线无人机
X
光视觉图像信息增强处理构建模型，根据视觉特征的差异性进行多分裂导线损伤检测，从而完成高准确率的
X
光探伤
。
具体实施方式
[0029](1)X
光探伤理论基础
[0030]低能
X
射线由阴阳极的真空管产生
。X
射线透射后的强度
IT
与管电压
V
，管电流
i
，阳靶原子序数
Z
关系为：
IT
＝
KiZV2。
由于
X
射线与物质粒子之间产生光电效应，康普顿效应等，经过相互作用出现定量衰减
。
基本衰减规律：
I
＝
I
0 e
‑
ux
，
I
是透射后射线强度，
I0是透射前射线强度，
u
是被检试件本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
用于无人机的多分裂导线故障点的带电
X
光智能监测方法，其特征是：包括以下步骤，并且以下步骤顺次进行，步骤一
、
无人机上装载有平板探测器和
X
光扫描系统，
X
光扫描系统上设置有工业相机，工业相机获取多分裂导线的彩色图像，该彩色图像存储在无人机的工控机内；探测器上设置有一个平板，通过一次曝光形成大区图像，使
X
光扫描系统两次扫描即可观察到信噪比好
、
分辨率高的
X
射线成像图；步骤二
、
建立
X
光视觉图像的量化分析模型建立多分裂导线无人机
X
光视觉图像的边缘轮廓检测模型，采用多尺度特征分解法进行多分裂导线无人机视觉空间分布式融合处理，建立模糊信息融合模型，建立
X
光视觉图像的量化分析模型，得到多分裂导线无人机
X
光视觉图像的统计函数为：光视觉图像的统计函数为：
s.t
：
∑
α
i
＝
1and0
，，
α
i
，，
A
，
i
＝1，2，
L
ꢀꢀꢀꢀꢀ
(3
‑
10)
式
(3
‑
10)
表示为多分裂导线无人机视觉图像边缘像素特征量，结合模糊约束指标参量集融合的方法，进行多分裂导线无人机视觉重构，像素分布特征函数为一个标准的正态分布函数，
ω
为输电线路无人机视觉图像的统计特征分布的惯性权重；步骤三
、
采用统计平均分析方法，进行多...

【专利技术属性】
技术研发人员：马连瑞，李万亮，佟明，刘冠男，张天洋，符绍朋，王铭伟，王程辉，赵辉，丁德晟，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：