智能机器人在电力设备故障诊断中的应用研究
发布时间：2016-12-14来源：互联网 编辑：将军
智能机器人在电力设备故障诊断中的应用研究
随着电力工业的迅速发展，跨区域联网规模不断扩大，电网结构日趋复杂，不稳定因素日益增多，故障及其风险概率徒增，电力系统故障诊断也成为炙热重要研究领域。
一、智能机器人基本构造
智能机器人通常由传感系统、智控系统、导航系统及交互系统等组成， 各系统相互独立又相互融合，以保证机器人的动作或决策符合预定的要求。
（一）智能机器人的传感系统
智能机器人有敏锐的“感觉器官”，能够敏锐地感觉自身及周围环境变化。智能机器人的“感觉器官”是借助高性能的传感系统实现的，并通过该系统以一定的参数进行“言语”表达。智能机器人的传感系统包括一系列传感器和传感技术，传感器分为内传感器和外传感器。内传感器用于感知机器人的内部状态，如角度传感器、速度传感器、加速度传感器等。外传感器用于感知外部环境，通常包括视觉传感器、触觉传感器、力传感器和平衡传感器等。
（二）智能机器人的智控系统
智控系统是机器人的核心系统之一，智能机器人具有信息收集、信息审核、信息过滤、信息处理与反馈以及信息决策功能，这一功能主要依赖智控系统操控并实现。智能机器人的智控功能体现在多个方面，如路径追踪、故障检测、语音识别。通常智能机器人控制系统需借助微型计算机来完成，该微型计算机负责整个系统的通信、管理、运动及相关计算，并向下级微机发送指令信息或反馈信息。
（三）智能机器人的导航系统
路径导航系统是机器人非常重要的组成部分。智能机器人可依据某个或某些优化计算公式推导的规则（如行走线路最短、行走耗时最短等），在其可选择的路线中找到一条最优路径，或根据信号指令按照特定程序设计要求在某特定路径上“行走”。智能机器人可以进行静态穿梭，也可以越过动态障碍物，导航系统融合图像识别、红外定位、传感信息、超声振动、激光反射等多项技术，从而完成将机器人顺利移动到指定位置的信息指令。
（四）智能机器人的交互系统
交互系统是人与智能机器人进行指令传达、信息交流、数据回馈的基础，是智能机器人根本特性，也是区别一般机器人的根本标志。该系统主要包括文字识别与处理、语音识别与语音合成、图像识别及信息处理、人脸识别、指纹识别、信息综合分析与追踪决策等技术领域。正是基于上述技术，实现人机互动。
二、基于智能机器人的电力系统故障诊断方法
（一）专家系统诊断方法
专家系统诊断方法是目前应用最广且影响最大的诊断方法。专家系统通过内嵌计算机及其智能程序实现，内嵌计算机存储了海量知识库，融合人工智能技术，通过智能程序系统，将收集的信息或信号与存储知识库进行自动比对和推理判断，从而解决问题。专家系统通常由知识经验数据库、信息与信号输入系统、推理决策系统、人机交互系统、信息与信号输出系统组成，具备信息咨询、推理判断、分析决策等功能，如图1所示。
（二）人工神经网络诊断方法
相比较而言，人工神经网络诊断方法更灵活更便捷，更适宜云数据处理。人工神经网络具有强悍的建模逼近能力和模式识别能力，可对任意复杂状态或过程进行分类和识别。目前，人工神经网络广泛用于电力系统故障判断与分析，应用人工神经网络可以迅速且准确地判断故障所在，且不受电力系统运行状态、运行方式、故障类别及其他环境等相关因素的影响，识别与诊断效果显著。
（三）模糊理论诊断方法
电力系统故障诊断是一个集信息收集、信息研判、信息决策非精确化的动态过程，这种非精确化基于诱因之间的模糊与非精确性。通常根据专家经验在故障征兆和故障诱因之间建立模糊关系矩阵，将模糊关系进行矩阵组合，用逻辑或并逻辑进行模糊诊断。随着该理论的发展和云数据库的融入，变量表述开始得以应用，这使其更接近人类表达习惯，用户可以进行程序设计与方案筛选，根据模糊度高低进行甄别并择优决策。
（四）遗传算法诊断方法
遗传算法本质上是一种概率统计法，是模仿生物进化概率搜索寻优的过程表达，其最大的优点在于无需待处理问题知识数据库，只需通过适应度公式（函数）对海量息进行个别评析，从而得出最优解答方案。智能机器人基于遗传算法能够在云数据或云空间中进行自适应搜寻，从优化的角度出发基本上可以解决故障诊断问题，尤其是在复故障或存在保护、断路器误动作的情况下，能够给出全局最优或局部最优的多个可能的诊断结果。
（五）几种智能方法综合诊断方法
无论是专家系统诊断方法、人工神经网络诊断方法，还是模糊理论诊断方法和遗传算法诊断方法都有其软肋或短板。若需构造性能优越的智能机器人，需综合多个方法和技术，将上述诊断方法进行智能融合，设计成集成智能系统。即将系统分成若干模块，并集成主体系统机构模块群，构造功能全面和完善系统整体。当前，人工智能控制系统的各模块出现了相互融合的趋势，智能机器人“智能性”越来越明显，也越来越深刻。
三、智能机器人在电力设备故障诊断应用中的问题及解决措施
（一）存在的问题
1.电力储备不足及其次生问题
目前，绝大部分智能机器人驱动力依赖内嵌的蓄电池，机器人在运行过程中处于耗电状态，内嵌蓄电池电力储备有限，当电力储备不足时，机器人无法自动返回，也无法实现人机交互。
2.图像与语音识别功能不够完善
目前，机器人在巡检或故障诊断过程中，只能拍摄仪表的图像，尚未实现对检测或诊断的设备指针式仪表读数进行自动识别，需人工通过机器人传送的图像进行识别读数后下达指令。此外，维护人员向机器人下达语音指令时，机器人存在不同程度地延迟，甚至无法识别语音。
3.机器人导航故障及其修复
机器人在路径移动过程中一旦接收不到指令信号（磁信号、激光信号等），导航系统便可能出现故障，机器人就可能偏离路径轨道或停滞不前，从而影响整个巡检或故障诊断任务。
（二）解决措施
针对智能机器人在电力系统应用中出现的上述问题，结合电力巡检或诊断的实际情况研究出相关解决措施。
1.光电池应用及控制面板优化
光电池是一种在光的照射下产生电动势的半导体元件，利用光电池产生的电能供于机器人，可以解决机器人电力驱动之短板。此外，在智能机器人远程监控面板上增加电池电压显示，当内嵌蓄电池的电压低于预设值时，便出现报警提示。也可设计内部管理程序采集电池电量信息，并根据机器人移动路径及工作任务计算剩余电量和可续航时间，从而实现对机器人电量的远程监控。
2.提升机器人图像和语音识别功能
增加图像和语音模式识别配置，配置供图像和语音识别的各项参数，增加自动识别指针仪表的模式及其配置，强化机器人双向语音功能模块，丰富人类常用指令性语音库，配置好系统的拾音器和扩音器，实现现场识别与远程监控指挥。
3.多样多点感应辅助路径导航
对机器人工作过程中偏离路径轨道或停滞不前现象，可采用多样多点感应信号及激光或雷达及视频辅助完成。可以在机器人上加载激光感应仪、磁感应仪、动态平衡仪等，增加感应导航模式，增强感应信号，并通过自动平衡升降调节自适应装置，使其在工作过程中实时自动检测平衡度及自身自动调节功能。
四、智能机器人在电力设备故障诊断应用展望
智能机器人集合了计算机硬件、计算机软件、远程控制、磁（光）感应、机械设计与制造、遥感与传感、运动力学、人工智能等学科与技术，是多学科交叉融合的产物。智能机器人在电力系统中的应用越来越广泛，切实解决了电力系统巡检及故障诊断等领域的问题和难题，极大地提高了工作效率。利用智能机器人开展电力系统故障诊断应用研究，要结合电力系统的实际情况，重视电力故障综合信息的收集与整理，构建并不断充实用于故障诊断的数据库，借助计算机技术的延伸和发展，实现智能机器人在云平台下工作运行，实现人工与人工智能的交互融合（来源设备管理网）。
