基于強人工智能的水電廠智能巡檢機器人研究與應用

鮑友革，黃宗碧，姬曉輝

（1.深圳市瑞德森工業自動化設備有限公司，廣東省深圳市 518003；2.武漢大學，湖北省武漢市 430070）

0 引言

隨著人工智能、大數據等新技術在水電廠智能化建設中的應用創新，水電企業由自動化到智慧化、由人工決策到機器決策的智慧電廠建設，成為時代發展要求。在水電廠智能化建設進程中，如何使發電設備的運行管理更加安全、有效、便捷和可控；如何提高發電設備的巡檢質量，同時減輕員工的工作強度，如何為經營管理者提供生產設備的狀態評估、檢修預測、決策規劃的可靠依據，仍然是亟待研究解決的現實問題。目前還沒有滿足水電廠這類復雜生產場合的特殊巡檢需求的巡檢機器人，例如對水電廠發電機、水輪機等大型復雜旋轉設備缺乏智能狀態巡檢能力，對油、水、氣、電等多介質生產場合缺乏開放式自學習巡檢能力。特別需要有適合的巡檢機器人來完成水電廠的日常巡檢任務，從而替代人、解脫人和超越人。研究應用水電廠的智能巡檢機器人已成為當前智慧電廠建設不可或缺的重要一環。

目前，國內現有應用的都是“弱人工智能”的巡檢機器人，功能比較單一，只有簡單的視頻和測溫功能，適應現場不同工況的能力較差，維護難度比較高，幾乎沒有后臺數據處理分析能力，很難適應復雜多變的電力生產環境。數字化、智能型水電廠需要更加實用、更加智能，具有“強人工智能”的智能巡檢機器人，這種巡檢機器人具備智能狀態檢測功能和開放式自學習的巡檢能力，能夠更好地代替人在強振動、電磁輻射等有潛在勞動傷害風險的環境中作業，是一種比人工作業更環保、更準確、更便利的新型智能巡檢方式。

圖1 強人工智能巡檢機器人需要具備的能力Figure 1 Ability of strong artificial intelligent patrol-inspection robot

1 數字化、智能型水電廠建設對巡檢機器人的需要

隨著水電廠自動化水平的提高，現場的工作人員越來越少，設備監測管理更多的依賴各個單元監測控制設備來完成。由于各單元系統的不均衡、不系統、不統一，以及監測死角的存在，導致一些設備故障不能及時發現和處理，進而引發更大的故障，甚至事故的發生。當智能巡檢機器人移動平臺成為發電生產現場監測手段的重要補充，最終使監測真正做到無死角的全監測，實現真正無人值班。而復雜的電廠生產環境要求巡檢機器人必須對程序未能（也不可能）窮盡描述的各種隨機事態，做出導向安全的正確處置。這實質上已經超出了確定性非智能系統的能力范疇，所以在發電廠的安全巡視、危險故障排解、高危工作保護等開放型應用場景中，強人工智能巡檢機器人就成為首選。目前，水電廠智能化建設對巡檢機器人有以下的需要。

狀態監測：利用智能巡檢機器人準確檢測水電廠關鍵結點的異常狀態，通過故障狀態的智能檢索分析，移動式監測與專家診斷相融合的狀態監測，實現巡檢機器人診斷在巡視檢查及檢修中的應用。

智能運維：利用智能巡檢機器人實現水電廠的智能化運維，監測設備溫度、放電、跑漏、振動、噪音、故障、缺陷等。

協同巡檢：利用智能巡檢機器人實現水電廠的智能巡檢和快速巡檢，構建智能機器人、人工巡檢和帶電檢測相互協同的智能巡檢技術體系。

安全監護：利用智能巡檢機器人實現人員的安全管理，如人員身份及安全區域管理；復雜環境下驗電，主動防護作業中意外觸電，實現作業人員監控、監護。

2 國內外巡檢機器人的研究狀

前國內研制的電力巡檢機器人，主要是軌道和固定行走的機器人，功能比較單一，如用于變電站的巡檢機器人，行走路徑需要磁條引導，功能基本上是視頻加測溫；用于水電站的巡檢機器人也僅是某一兩個單一功能的應用試用，比如電纜廊道測溫，或發電機層移動視頻等，均不是智能巡檢機器人。這些巡檢機器人基本只具備固定路線行走、人工遙控、視頻監控、紅外測溫等單一功能。尤其不便的是，當場景發生較大改變時，需要重新編制、調試程序才能正常作業，對現場軟件支持能力要求極為苛刻，對巡檢所獲得的數據基本未作進一步的分析和反饋利用，處于非關聯監測、非數據驅動、單變量分析、閾值報警的狀態。

國外的巡檢機器人在“強人工智能”數據處理方面領先國內很多，如視頻數據智能處理、音頻數據智能處理、智能路徑規劃、復雜機動反饋控制等等，但這些技術也主要用于軍事和國家安全領域，對我國來說屬于“卡脖子”禁售技術范圍。所以，有必要自主研發具備“強人工智能”數據處理能力的水電廠巡檢機器人。

3 智能巡檢機器人技術研究

3.1 強人工智能技術

人工智能技術在電氣自動化控制中的應用，成為當前工業發展和技術進步的要求和趨勢[1]。強人工智能巡檢機器人的特點：一是不再依賴死板的執行程序，可以適應復雜的、不確定的生產現場環境；二是人工智能的學習過程非常接近人腦的學習，可以在早期通過對“很稀疏”的數據學習，達到一個很快的飛躍。

3.2 智能傳感器技術

根據現場監測對象的需求，在系統前端選用先進的敏感測量元件，封裝成為智能傳感器，作為巡檢機器人的測量診斷手段。通過這些前端智能傳感器將需要的數據接入大數據后臺，完成所需要的監測分析。智能傳感器數據接入系統時，數據本身描述了自己是什么，在什么狀態，需要觸發什么動作，來驅動數據庫的相關動作，從而大大提高了整個數據庫的工作效率，提升了整個數據庫的價值，更好地利用數據庫完成數據融合與認知。

3.3 多模態融合感知的大數據分析技術

通過智能化的數據接入，就有能力把大量的多模態數據放到一起來搭建成大數據平臺，做統一的分析和學習。深度學習神經網絡通過訓練其參數矩陣，可以不依賴人類知識進行學習，優化其學習過程和效果，發現以前所不曾知道的規律和現象。在這個平臺里，沒有垃圾數據，所有數據都是有用的，從而真正發揮出數據的價值。大數據智能融合感知系統，不僅僅是智能采集監測，而且是在監測之上對規律的學習，對規律的發現，對規律的認知。

3.4 智能導航及定位技術

基于巡檢機器人的車體運動學建模和避障算法，在智能地圖導航下自主運動[2]，也是反映其智能化的關鍵技術之一。導航就是規劃巡檢機器人的行走路徑，包括全局路徑規劃和局部越障規劃等。行走環境介于結構化和非結構化環境之間，因此導航問題主要為局部越障規劃。局部越障規劃就是利用環境傳感器（如超聲傳感器、激光測距儀、視覺傳感器等）提供機器人周圍的局部環境信息，產生下一時刻機器人位置姿態信息。

3.5 智能圖像識別和處理技術

在巡檢機器人上應用仿人立體視覺技術將會有效地提升設備狀態監控的智能化程度，是巡檢機器人的發展方向[3]。高清晰成像儀、智能視覺識別處理是解決機器人看的根本，巡檢機器人能夠像人一樣去識別、認識設備表計和狀態，具有實時、快速的發現設備異常狀況，后臺自動統計分析，形成表格，達到機器人代替人巡檢的目的。

3.6 通信技術

通信模塊完成基站和巡檢機器人之間的雙向數據傳輸，包括來自機器人的實時視頻圖像、線路探測傳感器數據、機器人巡檢狀態和由基站發出的各種命令等，要求具有帶寬高、距離遠、抗干擾能力強等特點。

3.7 智能巡檢機器人無線充電技術

水電廠的巡檢區域大，節點比較多，巡檢機器人一般都采用接觸式供電，每間隔一段時間就需要自行到充電位充電，影響巡檢機器人的工作效率。研究巡檢機器人無線充電技術，可不與充電樁與受電端接觸，在一定的區域內一邊工作一邊充電，可顯著提高工作效率，同時還可避免因接觸不好、受電端銅氧化等情形而無法充電的情況，可靠性高，操作更方便。

3.8 輔助機器人以及輔助系統

在實際巡檢時，巡檢機器人有可能需要上下樓層，進出非開敞的室內，或者打開需要巡檢的盤柜。目前，在上下樓梯及狹小的空間里，除軌道巡檢機器人外，移動巡檢機器人均存在較大問題。為解決巡檢機器人全天候無死角的完成巡檢任務，必須有相應的輔助機器人和輔助系統來共同完成。

4 水電廠智能巡檢機器人的關鍵技術

4.1 基于智能傳感技術的巡檢子系統

隨著微電子技術的飛速發展，大量的先進敏感測量元件封裝成為智能傳感器，這些智能傳感器搭載在巡檢機器人上，作為測量診斷的手段，能夠很容易地接入到系統而不存在兼容問題。系統根據“遇到的是什么問題”“要解決什么問題”來選擇合適的傳感器，通過智能融合系統就可以同時具有數據監測、狀態管理、故障診斷的功能，使發電生產管理系統具有智慧，從而為運營、維護、管理提供及時準確的決策、規劃和指導。

根據現場巡檢的需求，在智能機器人平臺上搭載基于智能傳感器的巡檢子系統，完成部分或全部項目的巡檢任務，各子系統由巡檢機器人平臺綜合調度，實現“智能協同”，發揮集成優勢。智能巡檢機器人可搭載下列子系統。

4.1.1 視頻識別系統

巡檢機器人搭載高清可見光攝像機，結合圖像識別和分析技術，對被巡檢對象的指針表計、數顯表、液位計、油位、避雷器動作次數、斷路器和閥門位置等進行圖像采集，識別分析，完成現場。

4.1.2 紅外熱測溫系統

搭載紅外成像儀，對電機、軸承、開關柜、GIS、變壓器等設備進行紅外圖像采集、智能識別和分析，實現有關設備的溫度監測、報警和趨勢分析。根據需要，可進行紅外普測（面）以及設備精確測溫（點）。

4.1.3 空間定向拾音系統

搭載定向拾音傳感器，按照聲音來源方向，在混雜的信號中進行目標信號的拾取，即只拾取特定方向傳播來的聲音信號，而其他方向的噪聲、干擾信號不拾取而衰減或是屏蔽，達到增強目標語音的效果。根據聲波的傳播特性，利用聲信號的時間、空間和頻率特性，研究定向拾音技術，在智能后臺上進行實時分析，發現異常的狀態。

4.1.4 機械測振系統

可選配搭載測振儀，具備巡檢區域轉機軸系振動測量和聲音重現功能。非接觸式測量、非附加質量、高抗干擾性、測量精度高、微型測量、頻率范圍寬。

4.1.5 人員安全管理系統

搭載智能人臉識別系統，結合智能穿戴，辨別現場的工作人員是否出現在合理的區域，有無違規現象，并能夠給相關人員進行培訓和現場指導。

4.1.6 異常氣味監測系統

搭載氣敏傳感器或傳感器陣列，將氣體及濃度信息轉化為電信號，利用模式識別方法，分析確定氣味的類型。通過系統的在線學習分析技術確定氣味與設備的關系，完成現場設備異常狀況的監測與識別。

4.1.7 跑冒滴漏監測系統

根據不同的介質及工況，采用泄漏電纜、聲壓計、視頻識別、紅外測溫等檢測技術，通過綜合分析，自動識別現場水、油、氣跑冒滴漏。

4.2 基于多模態融合感知的故障認知學習系統

隨著人工智能的飛速發展，基于智能傳感器、智能算法和大數據分析的融合，構建智能融合感知系統，用來完成對象的診斷分析成為可能。診斷的實質不是測量，是把握對象的特性變化。比如設備的絕緣老化、放電等這類非均勻、非線性、非連續的問題，就是多模態的。單用溫度去表征老化，單用頻率去表征放電都是片面的，必須由多個模態來表征。現有的監控系統中，用多個量去完成一個判斷是比較困難的，因為每一種模態的處理方法是不一樣的，有的是頻譜，有的是幅值，它們的頻率、分辨率、精度都不一樣，處理算法也不一樣，而這些不同的模態數據針對的是同一個對象、同一種物理現象，如果還是用確定的算法來解決問題，則整個系統的工作量會大到無法完成。所以多模態數據融合成為解決這類問題的途徑，這種融合使得多個傳感器可以測量一個對象、一種物理現象。每一種模態的智能算法都不一樣，能夠在數據和算法層面完成融合，使這些監測的數據變成了一個問題，把復雜的數據應用變得簡單起來。

水電廠智能巡檢機器人系統是高度非線性系統，很多模型都是未知的，系統基于開放式“多模態”學習算法，以“具體應用”為目標。該算法可以自動完成大量多模態數據的自動學習、分析、統計，并提請人工進行缺陷和隱患的標記、確認，實現對隱患的定性與定量分析。在重復的巡檢過程中，通過大量的巡檢數據積累學習，不斷地完善數據模型，完成迭代學習和控制，跟蹤分析對象的特性，完成分析輸出。系統運用“多模態學習”算法，通過學習過程中建立開放式“多模態評估模型”。在學習中完成實際問題的建模和改進，解決高維狀態空間里的“自學習”評估問題。

智能巡檢機器人通過多模態融合感知系統，可以根據巡檢路徑規劃、巡檢項目及節點，對各巡檢點關聯信息進行關聯路徑搜索，完成路徑認知智能算法模型[4]，展開路徑認知學習，以滿足未知的路段以及新環境的巡檢路徑及節點的學習。不用重新編程，即可滿足現場的新巡檢路徑的需求，并通過智能算法模型開展故障狀態認知的學習，以完成對這種故障的認知和識別。

圖2 智能融合感知系統的效應：1+1+1＞3Figure 2 Effect of intelligent fusion perception system：1+1+1＞3

4.3 具有智能狀態檢測分析的“智能認知”系統

基于強人工智能技術的巡檢機器人，是以“擬人認知模式”的類腦學習智能核心，以逐步學習、積累、進化的方式，將所有經歷過（本體）和描述過（知識庫）的事態在解算空間內進行簡化并歸納，保證由全部的安全操作構成為機器人半開放輸出模式序列的完備總集，從而具備了真正安全意義上的靈活性和變通性。通過提升智能巡檢機器人的學習能力、認知能力、理解能力和知識運用能力，使其能勝任在復雜多變環境、危險環境下自主作業。

圖3 基于統計概率的深度學習算法Figure 3 Deep learning algorithms based on statistical probability

在智能巡檢機器人的后臺，通過“智能認知模塊”的算法分析識別，整體實現對檢測數據的認知、識別和診斷，實現故障的預警和處理建議。特別是對水力發電設備復雜狀態大數據得深度學習和大數據的狀態認知，從而實現智能預警，智能診斷，智能建議。

在對設備狀態數據認知分析的同時，把監測分析結果向用戶界面推送“數據展示界面”，包括全景數據圖形和局部數據顯示，具備通知、報警、查詢、分析功能、建議等功能。

5 水電廠智能巡檢機器人的應用與展望

大型水電廠的站區面積不斷擴大，運行環境變得更加復雜，這樣使得發電設備的巡視范圍和工作量變大，通常采用人工巡視和其他傳統巡視方式，依賴于巡視人員的感官和經驗，很難做到全面準確巡檢，給設備和系統安全運行帶來各種隱患。利用智能巡檢機器人進行巡視檢查，就能減少現場的工作人員，在自動化不斷提高的情況下規避隱患，對設備進行可靠的巡檢。智能巡檢機器人借助于新型智能檢測及傳感器技術，還能將數字化和智能化由生產領域延伸到非生產領域。采集的數據還包括：實時視頻信號、實時環境數據、實時安防數據、人員位置坐標、建構筑物數據、生產管理信息等，完成全方位巡檢任務。

目前，巡檢機器人已在某水電廠的生產現場投入運行應用。巡檢機器人能夠自定義線路，自定義任務，自定義計劃，代替人進行設備、儀器儀表、雙漏（漏水、漏液）、溫度等檢查。用戶可以通過實時監控、概況總覽界面對機器人實時狀態（線速度、溫度、電量）、行進路徑、實時視頻、告警信息等進行監控，并自動生成巡檢報告。巡檢機器人優化了水電廠員工的巡檢工作體制，提高設備故障的精準排查率，減少電站安全風險，成為該水電廠智慧化建設的重要的組成部分。智能巡檢機器人在逐步取代人工作業，其帶來的效益也十分顯著。僅此一項，每年就為該水電廠減少人工成本、管理成本400萬元[5]。

智能巡檢機器人不但在常規水電廠得到發展應用，在抽水蓄能電廠得到更大的關注和重視，抽水蓄能電廠的運行工況環境更加復雜，巡檢的壓力超過常規水電廠，對巡檢機器人的要求更高，基于強人工智能的巡檢機器人能夠更好的滿足現場巡檢工作的要求。

6 結束語

本文提出了智慧水電廠建設需要強人工智能的巡檢機器人，介紹了強人工智能巡檢機器人的研究方向和關鍵技術。通過智能巡檢機器人移動平臺的巡視監測，后臺大數據智能算法模型的分析和自學習，發掘有價值的信息，從被動數據系統變成主動表達的智能數據系統，再由控制系統實現對機組運行的優化控制。實現為管理者提供智能運維，智能診斷，智能決策等方面的信息，從而輔助發電企業制定生產計劃、電力市場的報價決策等經營管理活動，具有良好的推廣應用前景。

建設智慧水電廠是經濟、社會發展的大勢所趨，也是時代技術發展的大方向。智能巡檢機器人應用于水電的生產運行中，可進一步加快智慧電廠的建設步伐，減輕運行人員的勞動強度，減少現場巡檢人員，實現真正的無人值班，提高水電企業的核心競爭力，最終達到更安全、更高效、更可控、更便捷的智慧電力生產運營體系，適應迅速變化的電力市場發展的需要。