基于機器視覺的輸煤現場巡檢機器人控制系統設計

文/盧銀輝 楊勇

1 系統概述

在火電廠輸煤系統中，工作人員須對輸煤系統皮帶機、碎煤機等關鍵設備進行日常巡檢及安全監控，以保障設備的安全穩定運行。一套完整的輸煤系統包含多臺皮帶機和碎煤機，且輸煤線路較長，工作人員不僅要承擔繁重的巡檢任務，還須面對輸煤現場的粉塵、噪音等污染所帶來的職業病危害。本文基于以上現狀，并結合多年電力行業相關產品的研發經驗，擬研制一種火電廠輸煤系統巡檢機器人，該機器人可完全替代人工，實現輸煤現場相關設備的巡檢和安全監控。

該機器人主要包含以下內容：

1.1 無線智能充電系統

在輸煤現場設置無線充電基座，機器人可自主行走至無線充電基座，并通過無線方式補充電能，避免傳統充電方式可能引起的火花。同時，該無線充電基座集成了Wi-Fi 通信裝置，機器人在充電時，同時進行數據傳輸。

1.2 機器視覺與音頻綜合智能處理系統

利用紅外成像儀完成對輸煤系統機、碎煤機的溫度場掃描。可見光機器視覺主要完成設備關鍵部位滲、漏油，機器表面是否粘油、粘煤等情況的判斷。

1.3 低功耗溫度振動采集與分析系統

配套開發一種低功耗無線溫度振動傳感器。該低功耗傳感器采用鋰電池供電，可吸附在被測物體表面。當機器人行走至被測物體附近時，該傳感器將采集到的溫度和振動數據無線傳輸至機器人，最后由機器人將數據通過Wi-Fi 傳輸至控制室。

1.4 數據分析與智能處理系統

在對視頻、音頻、測溫測振、溫度場等數據采集的基礎上，智能機器人對視頻、音頻、振動、紅外成像等大數據進行綜合分析、智能處理。針對輸煤系統經常發生的故障進行分析，建立故障分類及特征列表專家庫，針對機器人采集到的溫度、振動數據、紅外成像與視頻信息、音頻數據等進行綜合智能分析與判斷，報警或指導檢修人員進行故障處理；巡檢智能機器人根據現場信息或遠方指令，對輸煤系統進行即時巡檢。

2 技術路線

本項目提出的基于自主無線充電及仿生功能的火電廠輸煤系統智能機器人，包括無線智能充電、S 型定位軌道、低功耗溫度振動采集系統、托棍及滾筒異響音頻分析系統、紅外成像與可見光機器視覺綜合智能處理系統。在機器人上安裝紅外成像儀及攝像機，完成機器人周邊溫度場及視頻采集；安裝收聲器完成托棍及滾筒音頻采集，在設備本體安裝低功耗溫度振動采集系統，采用無線通訊方式，完成與機器人的通訊。從而實現輸煤系統中輸煤棧橋全方位、無死角替人巡檢，實時發現存在的設備缺陷。

具有自主無線充電的智能機器人，機器人和充電基座之間不需要線纜連接，可有效避免電纜纏繞問題；對接環節不需要復雜的操作流程，不存在電能發送端與接收端的直接電氣連接，可以避免傳統插拔電能傳輸方式由于金屬接插件在輸煤系統積煤、積粉、高濕等特殊作業環境下因接觸不良引起的火花、漏電等安全隱患，提高了傳輸的安全性。

在對音頻、視頻、測溫測振、溫度場等數據采集的基礎上，智能機器人對音頻、視頻、振動、紅外成像等大數據進行綜合分析、智能處理。可以針對輸煤系統經常發生的故障進行分析，建立故障分類及特征列表專家庫，針對機器人采集到的溫度、振動數據、紅外成像與視覺信息、音頻數據等進行綜合智能分析與判斷，報警或指導檢修人員進行故障處理；非規定巡檢時間內，巡檢智能機器人根據現場音頻、煙霧、視頻等檢測信號，對輸煤系統進行綜合安全智能判斷，如安全指數較低，有安全隱患時，馬上即時巡檢。智能機器人模仿人腦進行故障智能判斷，從而使機器人智能化，并把處理結果接入控制系統、MIS、現場值班人員等，進一步提高輸煤系統巡檢的自動化。技術路線見圖1。

3 關鍵技術

3.1 自主無線充電

巡檢機器人的行走機構以及其所搭載的攝像機、傳感器等，均為高耗能設備，因此需要頻繁的進行電能補給，同時考慮到輸煤現場往往伴隨有噴淋、沖洗等作業，會對現場的用電安全帶來隱患，本文研制了具備高防護等級的無線充電裝置，并結合路徑規劃技術，使得機器人可自主完成充電工作，真正實現巡檢機器人的能量自主補給。

本文采用基于磁耦合諧振的無線充電技術，包含DSP 最小系統、AD 采樣電路、耦合線圈、整流電路、逆變電路、蓄電池等組成。當機器人進行電能補給時，初級側電路將AC220V 電源轉換為高頻交流電，并通過耦合線圈，傳輸至次級側電路；次級側電路通過整流電路，將高頻交流電，轉換為48V 直流電源；AD 采樣電路實時監測蓄電池狀態，并調節充電方式，完成對蓄電池的充電操作。

3.2 基于視頻音頻的仿生巡檢

圖1：技術路線

以輸煤系統皮帶機為例，日常巡檢內容主要包括：減速機、液力耦合器、逆止器有無滲、漏油，制動器連桿銷子有無脫落，設備表面有無積塵、積煤，輸煤沿線有無撒煤等。以上內容均需巡檢人員目視檢查。本文將機器視覺技術應用到巡檢機器人，并結合現場的音頻數據，做出故障識別與判斷，替代人工完成以上類似工作。

本文采用基于opencv 的機器視覺技術，實現上述工況的智能檢測：利用數字攝像機、陣列式收聲器，對待測設備進行視頻、音頻數據的收集；利用背景差分法、光流法、角點檢測等算法，對待測區域進行圖像處理，并識別其故障特診，同時，利用高斯濾波、小波變換等算法，對音頻數據進行分析與定位，并與視頻信息進行數據聯動，綜合判斷待測區域是否發生上述故障。

此外，在利用機器視覺實現故障的智能診斷時，如何解決現場干擾、成像條件變換大的問題，是本文的重點。在輸煤現場，會有人員、車輛從攝像機前經過，該干擾因素會造成諸如堵煤誤報、滲漏油誤報等問題。本文結合背景差分法、幀間差分法，實現對背景信息的自更新與自學習，有效過濾因上述干擾因素造成的故障誤判。

3.3 數據分析與智能處理

針對輸煤系統經常發生的故障進行分析，建立故障分類及特征列表專家庫，利用adaboost 機器學習智能算法，對機器人采集到的溫度、振動數據、紅外成像與視頻信息、音頻數據等進行綜合智能分析與判斷，報警或指導檢修人員進行故障處理；巡檢智能機器人根據現場信息或遠方指令，對輸煤系統進行即時巡檢。專家系統可針對采集到的故障數據進行自學習，歸納整理設備故障特性，最終實現故障的早期預警。

其中，建立完善的故障類型庫，需要采集大量的現場故障，并對故障特征進行標定；利用建立的故障類型庫，對本文設計的數據分許與智能處理單元進行訓練，不斷提高該系統的故障檢測準確率。

4 小結

本文設計了一種基于機器視覺、機器學習等智能技術的輸煤現場巡檢機器人，并采用無線電能補給方式，實現了在工業環境下對機器人的充電需求。本巡檢機器人的成功研制，順應了智慧電廠的建設發展需求，實現了人工智能技術在傳統工業領域的探索與應用。