红外热成像为基础的无人机故障诊断方法

本文内容转载自《电子制作》2020年第12期，版权归《电子制作》编辑部所有。

薛伟

国网山东省电力公司夏津县供电公司

摘要：文章主要针对以红外热成像为基础的无人机故障诊断方法进行系统研究，先分析了红外检测基础原理和应用，随后介绍了输电线路故障分类以及无人机选型，最后介绍了无人机故障诊断方法，包括红外样本预处理、红外诊断措施，希望能给相关人士提供有效参考。

0引言

输电线路的巡检工作是电力系统巡检中的基础性任务，对于巡检效率和巡检精度的要求相对较高，因其输电线路特殊性，需要保证检测工作的高效性、精准性、带电以及非接触，至于输电线路中日常红外检测及典型设备通常存在温度特性。为此无人机红外热成像设备在巡检工作中诞生，并逐渐在电力设备运维检修中发挥重要作用，并取得了明显成效。

1红外热成像检测必要性

在我国社会经济持续发展背景下，输电线路整体覆盖范围持续扩大，但是因为输电线线路大部分设置于户外区域，在外部复杂环境因素的影响下，容易导致线路在雷电闪击、雨水侵蚀以及线路老化等攻击下不可避免出现各种电路故障。比如，配电运检工区在例行巡检工作中，利用红外成像测温，发现10kV 线路北边相发热，从热像特征来看，是为以接头为中心的热像，故障特征为设备本体问题，最终选择了带电更换刀闸的处理措施。如果选择传统人工巡检方法进行处理，则不但检修效率较低，同时还无法保障技术人员的人身安全，部分地势较为崎岖险峻的路线，在检测工作中费时费力，加大了人力资源消耗。

而随着科技的发展，无人机技术持续创新，逐渐应用到社会各个行业领域当中，覆盖民用、军事、物流系统、公安系统、工农商业等方面，同样电力领域也是如此，开始引用无人机技术进行相关工作。电力系统在实际运行中不可避免会出现各种故障问题，大部分故障都可以在设备表层体现出来，反应为温度的变化，在该种背景下，红外热成像应用推广到电力巡检工作当中已经成为一种主流发展趋势。

2红外检测基础原理和应用

2.1红外检测基础理论

自然界中的光元素本质上属于一种电磁波，按照波长范围可以进一步分成不可见光与可见光。人们在日常生活中所看到的色彩艳丽的世界本质上便是可见光，人的眼睛可以捕捉到赤橙黄绿青蓝紫等光线。但自然界中也拥有不可见光，其中红外线便是一种不可见光，其广泛分布于自然界内，属于一种人们摸不到看不见的电磁波，物体处于正常条件下会形成分析与原子远动，如果物体温度高于决定零度，则物体自身便会发射出一种热红外能力，虽则温度的提高，能量越大，相反的情况下，温度越低能量越小。

2.2红外成像原理和应用方法

红外线属于不可见光，怎样将这种不可见光发送出来的信息变为人眼可见光线，则成为红外热成像的重点研究内容。红外热成像技术主要是把该种不可见光发散出来的能量信号变成一种电信号，随后在可视化屏幕中显示出红外图谱。所有物体一旦温度超出绝对零度，随着温度的变化，其散发出来的能量也各不相同，在红外图谱中呈现出来的颜色也完全不同。同时红外热成像属于非接触性的，对于光线方面没有明显要求，为此可以有效应用到电力巡检当中实施带电检测，其应用范围较广。

3输电线路故障和无人机选型

3.1输电线路故障分类

输电线路相关设备在实际运行中通常会出现各种缺陷故障，主要是以设备表面温度提升或出现异常发热的问题。红外热成像便是针对该种温度缺陷问题研制出来的传感装置。输电线路中的代表性设备主要包括下面几种内容：第一是导线，而导线问题主要包含老化、短路、变形、松脱等故障。第二是绝缘子，在实际运行中，电力系统内的绝缘子容易出现污秽、破损、受潮、覆冰等问题。第三是杆塔，其在日常运行中容易出现局部发热、杆塔倾斜、螺栓脱落等问题。第五是拉线和接地类故障，相关故障问题可以借助红外热成像技术实施全面诊断和检测。

3.2无人机巡检选型

随着近几年科技实力的不断增强，无人机逐渐呈现出一种品质化、节能化、智能化和轻型化法发展趋势，无人机凭借其应用优势开始承接各种航飞任务。当下在市场中较为常见的无人机主要可以划分为三种类型，分别是多旋翼无人机、固定无人机以及直升机无人机等。不同无人机在实际运行中体现出不同特征。其中直升机无人机整体质量和体积相对较大，所以续航能力有限，飞行速度相对较慢，但拥有良好的抗风性能，在飞行检测中较为稳定，这也是第一阶段的无人机应用。固定翼无人机在实际操作应用中主要特征便是适合进行大范围的航拍巡检工作，该种类型的无人机整个体积较大，同时在检测工作中对于飞行环境具有较高的要求。多旋翼无人机逐渐从最开始的四旋翼模式发展到当下工业领域中频繁应用的八旋翼以及六旋翼模式，该种无人机主要飞行特点是较为灵活体积小，但该种无人机自身体积对相关电池续航以及飞机承重造成了一定的限制，为此需要进行重点研究，及时解决。由于多旋翼无人机拥有成本低廉，适用性强，能够满足大部分巡检要求，所以是当下应用较为广泛的一种机型。在实际应用过程中，也可以利用固定翼无人机搭配小型旋翼机的方式进行定期、长距离的巡检工作，小型旋翼机确定故障段后，利用固定翼无人机展开净距离的悬停式检测，全面了解故障细节，减少选线时可能出现的遗漏。无人机检测系统具体如图1所示。

图1 无人机红外热成像检测系统

4以红外成像为基础的无人机故障诊断

4.1红外样本预处理

因为电力巡检工作通常处于各种环境较为恶劣的自然环境状态下，同时无人机以及输电线路两者处于相对运动条件下，电力巡检中无人机检测中拍摄到的红外图片需要实施优化处理，如此才能更为准确地判断整个线路中的故障问题。红外样本相关预处理工作主要包括边缘检测、图像强化、图像去噪、图像灰度化等技术，图像灰度化便是把原本色彩艳丽的图片内像素点转化为灰色。图像去噪操作主要是把图像内形成影响干扰的元素彻底去除。图像增强则是把图像内原本存在的有用信息实施最大化处理。边缘检查则是针对图像边缘提取检测范围内锁定的区域目标。生成红外图像的过程中会出现细节边缘模糊不清以及各种噪音等问题，其中高斯噪声和脉冲噪声较为常见。为此可以选择像素同龄组措施针对具体图像实施去燥处理操作，像素同龄组对于去除高密度脉冲噪音以及一般脉冲噪声具有突出效果，随后通过NSCT非线性系数，促进图像边缘细节的进一步强化，同时还能够对噪声形成一种有效的限制作用。通过相对温差法，能够了解设备故障状态。无人机热成像检测效果如图2所示。

图2 无人机热成像检测效果

4.2红外诊断措施

电力系统中相关电气设备如果出现发热问题，则可以通过红外热成像技术对故障点进行准确辨别，但如果检测中遇到较为恶劣的自然条件，比如污秽、风速、湿度以及温度等变化，都会影响红外诊断的准确性。为此在检测工作中应该避免选择通过单一方法直接进行故障诊断，获得结论。红外诊断方法主要包括四种形式，分别是热图谱分析、相对温差比较、表面温度判断、同设备对比等方法。电力无人机搭载红外热成像传感装置，能够对输电线路中各种设备运行中形成的红外图像进行全面采集，特别是对于电力系统中的拉线、接地类元件、金具、杆塔、绝缘子以及导线等设备装置，随后利用上述方法实施对比分析，进而实现不断电非接触检测，准确判断电力线路中的故障问题。在结束红外热成像检测后，针对相关采集图像信息实施拼接处理，需要率先将其中的水印彻底去除，随后实施模糊度估计，将那些模糊问题较为严重的图像彻底去除。

5结语

综上所述，电力系统的正常运行关系到整个社会的稳定发展，为此需要提高电力巡检工作的重视，输电线路是电力系统中出现故障次数较为频繁的部分，通过掌握输电线路运行中的常规故障问题，结合线路故障条件下的温度特征，提出利用红外热成像设备诊断故障的方法，从而提高故障诊断准确信和诊断效率，为无人机电力巡检技术的推广应用奠定良好基础。

原文标题：基于红外成像的无人机故障诊断方法研究

文章出处：【微信公众号：MEMS】欢迎添加关注！文章转载请注明出处。