无线充电无人机自动驾驶配网智能巡检控制分析系统设计

申雷

(汉大科技云南有限公司， 云南，昆明 650214)

0 引言

无人机是由无线信号或已建立的程序控制的，随着电子学及材料技术的迅速发展，无人机可以更高效、更方便地进行远程作业，无人机的特性和功能使得它非常适用于需要地理数据支持的电网规划和巡逻[1]。为了确保无线充电无人机自动驾驶具有良好的操控性，能够精准躲避在配网沿线出现的植被和建筑物，有学者[2-3]提出了一种利用配网供电技术为无人机内部供电的方法，但如何使无人机能准确、快速地锚定到供电位置，还需进一步研究。

以GIS为基础的巡检控制分析系统，常用于电网、沿传感器设置充电系泊点、采用主动连接结构作锚定装置等，但这也导致除必要的充电基础设施外，还需沿电网设置数不清的支承和固定结构，更重要的是还需在无人机上全面设置各种结构或设备实现连接，进一步削弱无人机的承载能力[4]。使用人工巡检控制分析系统的使用受自身持续工作能力的限制，而且配电网本身较长，往往设在偏远地区或绕过繁忙地区，很难在大多数省、地的线路运营单位推广应用[5]。为此，提出了基于RFID的无线充电无人机自动驾驶配网智能巡检控制分析系统设计。

1 系统硬件结构设计

为了给无人机充电，在无人机的巡航线路上设置一个以上的无线充电模块。无人机充电时，无线充电模块充电面朝上，无人机不充电时，无线充电模块充电面朝下[6]。

系统硬件结构如图1所示。

由图1可知，利用数据库引擎记录线路故障历史信息，信息管理模块为软件提供权限控制。在分析检测模块中，根据相关标准确定区分设备各种状态阈值，建立配网缺陷检测与决策标准数据库[7]。

图1 系统硬件结构

1.1 图像识别器

图像识别器是利用计算机对图象进行处理和分析，以识别不同的图象目标。S3C2440采用三星的ARM处理器实现自动识别，基于S3C2440处理器采用32位 RISC嵌入式芯片。

图像识别器如图2所示。

图2 图像识别器

由图2可知，内置摄像机S3C2440支持图像输入，最高可达4096×4096像素。为此，系统选用130万像素的摄像机进行视频采集传输，实现对图像的巡更采集[8]。该方法首先用 Catnera控制器完成光谱图像的数据转换和存储，再用傅里叶逆变换和调幅技术进行识别和处理[9]。

1.2 图像采集模块

图片采集模块的主要功能包括：由单片机控制ISP-PLD设备实现摄像机的高速摄像和摄像存储，由单片机图像压缩和PC串行通信完成图像数据传输、处理和显示。

其工作过程可简单描述为模拟相机采集图像，将SAA713H对应信号转换为数字图像信号，利用FPGA采集全息信号，并对图像预处理，如图像去噪、空间变换等，最后再通过DSP进行信号处理[10]。将SAA7113HVPO数据总线与RTS0、RTS1、LLC等接口连接到FPGA上，通过DSP的RC总线对其内部寄存器进行配置。

将SAA7113H对应信号RTS1和RTS0分别配置为场—场同步信号，只有当场—场同步信号均有效时，才能有效地输出图像数据[11]。这时，可以根据时钟信号采集图像数据。另外通常是图像消隐信号，不予以考虑。

SAA7113H与数字信号处理器和现场可编程门阵列的连接如图3所示。

图3 图像采集模块

1.3 数据下载模块

数据下载模块主要由RFID射频识别模块和数字信号处理模块两部分组成，用于数据下载操作。从下载模块返回的微弱配网信号经天线转换为数字信号进入射频模块下载模块，由下载模块的数字信号处理器进行处理和成形[12]。最终从标签解调返回信息，完成标识操作。下载模块则需要与上层中间件和应用软件进行交互，以实现操作指令的执行和数据汇总上传。数据上传后，下载模块会再次过滤标签的原子事件，并在数据上载前处理为下载模块的事件。减少了下载模块、中间件和应用软件之间的数据流量，这使得一些中间件应该具有的功能成为可能。智能化、小型化、集成化是下载模块的发展方向，这也将具有强大的前端控制功能。可与现场设备直接交互，下载模块可控制[13]。

2 系统软件部分设计

2.1 构建RFID巡检数据存储目录

针对RFID设计目标，建立了用于线路分析与处理的数据目录结构，如图4。

图4 巡检数据存储目录结构图

由图4可知，利用架空线路基本不变的配电网络结构进行数据存储。在配网结构发生变化时(如新增线路)，增加相应的线路目录并更新线路数据库[14]。每一个缺陷处理单元(标记为配网塔号)都按照巡检任务的执行时间建立一个子目录，保存任务收集到的原始数据和测试结果。

2.2 分析检测

在测试初期，对各缺陷分析单元的单个图像进行分析处理，找出缺陷点，计算出该缺陷点(区域)的特征值，然后对当前缺陷分析单元的可见光和红外全景图进行拼接，并用可疑缺陷点的SIFT特征描述符复制该可疑缺陷点[15]。该流程是根据故障决策数据库中相应缺陷类型的每一级阈值，对初始检测到的可疑缺陷点进行判断。若此类缺陷具有历史数据决策规则，则可根据历史数据决策规则在相应的时间框架内查询缺陷信息库中是否存在故障点，并重新确定缺陷点的级别[16]。对有严重缺陷及以上的缺陷问题，由专人辅助判断，确保判断的准确性。

2.3 巡检控制分析流程

巡检控制分析流程如下所示。

Step 1 处理摄像头连续获取数据，并对其进行加权平均化灰度处理。

Step 2 经过灰度化处理的图像获取识别图黑白图像，其像素点灰度值满足：

(1)

式中，T为阈值，其计算式为

(2)

式中，a、b表示所获取的图像像素值,i(m,n)表示像素点灰度值。

Step 3 将图像识别器用于判断无线充电无人机高度和方位[17]，主要包括以下几点。

(1) 高度确定

根据黑白图像获取的识别轮廓，获取图像中质心点间距和轮廓参数数据，有效轮廓判断公式为

(3)

式中，i、j表示黑白图像提取到的任意两个轮廓,L表示2个质心点间欧式距离,C表示捕捉到的轮廓周长,S表示轮廓面积,(x，y)表示质心坐标,μL、μx、μc分别表示质心间距、周长比和面积比阈值。

(2) 方位确定

剔除无效轮廓，确定无人机高度，根据正多边形定位区域边缘尺寸与面积，获取定位区面积与周长比值K正。计算黑白图像有效轮廓i对相应的比值Ki，根据比值不变特性，对有效轮廓是否为正多边形定位区轮廓判断。

Step 4 剔除非环形标志轮廓区域，确定标志区坐标，为此需进行除重处理，合并满足判断式的两个相近圆形轮廓[18]，判断式为

(4)

式中，L表示两个待判断圆形轮廓中心距离,μL、φR分别表示相对应的判断阈值。

step 5 确定无人机高度和方位后，修正朝向，记录圆形轮廓交点坐标，确定无人机偏航角，由此完成巡检控制分析。

3 实验

为验证基于RFID的无线充电无人机自动驾驶配网智能巡检控制分析系统的有效性，进行实验验证分析。

3.1 实验环境设置

模拟了110 kV三兴线N1-N19塔的全线激光扫描，并进行了自动巡检测试。多旋翼无人机DJIM210 RTK和ZenmuSEX4S摄像机用于自动和精细巡逻检查，巡检线长约4.5公里，线路位于山区，巡视难度较大。

巡检过程如图5所示。

图5 巡检过程

3.2 巡检缺陷数据分析结果对比

无线充电无人机自动驾驶配网出现的缺陷位置如图6(a)所示，该处实际电压值如图6(b)所示。

(a) 缺陷位置

在图6所示缺陷问题下，分别使用基于GIS巡检控制分析系统Q1、人工巡检控制分析系统Q2和基于RFID巡检控制分析系统Q3分析该处电压值，对电压值分析的精度进行比较,如图7所示。

图7 三种系统电压值分析结果对比

由图7可知，与图6(b)实际电压值相比较，使用基于GIS巡检控制分析系统分析的电压值与实际电压值相差较大，差别最大的时间段在100～300 s内，在100 s时相差最大为3.1 V；相比使用基于GIS巡检控制分析系统，使用人工巡检控制分析系统分析的电压值与实际电压值差距更大，在时间段为50～300 s、950～1 200 s内的差别最大，其中在时间为220 s时，差值最大为3.7 V；使用基于RFID巡检控制分析系统与实际电压值一致，误差为0，说明使用基于RFID巡检控制分析系统对该处电压值分析的精度较高，在实际应用中具有较好的性能。

根据图7的数据绘制三种系统对电压值分析的精度对比图，如图8所示。

图8 三种系统电压值分析精度对比

通过图8可以看出，基于GIS巡检控制分析系统的波动较大，虽然在600 s时精度较高，达到95%，但是在波动后没有保持此精度，并持续下降；人工巡检控制分析系统虽然一开始波动较大，但是能够在400～1 100 s时间段保持较高精度，军你能达到95%以上，遗憾的是在1 200 s时精度有所下滑，勉强保持在90%；而使用基于RFID巡检控制分析系统可以从始至终都保持着100%的精度，说明设计系统的分析精度能够达到设计要求，实现精准分析的目的。

3.3 巡检控制分析时间对比

分别使用基于GIS巡检控制分析系统Q1、人工巡检控制分析系统Q2和基于RFID巡检控制分析系统Q3对比巡检控制分析时间，对比结果如表1所示。

表1 三种系统巡检控制分析时间对比

由表1可知，基于GIS巡检控制分析系统的巡检控制分析时间在48～54 s之间；人工巡检控制分析系统的巡检控制分析时间在52～58 s之间，平均高于Q1系统4 s；使用基于RFID巡检控制分析系统的巡检控制分析时间在18～22 s之间，平均低于Q1、Q2系统31 s、35 s，基于RFID巡检控制分析系统的巡检控制分析时间远远低于Q1、Q2系统，最快时间为18 s。

通过实验能够证明，使用基于RFID巡检控制分析系统巡检控制分析时间最少，精度最高，具有能够在短时间内精准分析巡检数据的性能。

4 总结

设计的基于RFID的无线充电无人机自动驾驶配网智能巡检控制分析系统，有效提高了无人机额飞行准确性与安全性，同时保证配网智能巡检作业高效性，具有良好应用前景。尽管本系统已完成了设计，但还存在许多不足。由于移动设备数据终端没有相应图像处理功能，检测过程中发现缺陷不能实时反馈给系统，从而给管理者及时分析缺陷带来了困难。