秦绶坤，蒋经魁，万 俊，杨易斐，张德钦，徐 汉

(1.广西电网有限责任公司北海供电局，广西 北海536000；2.广西电网有限责任公司基建部，广西 南宁 530000；3.河南四达电力设备股份有限公司，河南 长葛 461503)

0 引言

在导地线压接施工中，需要采用操作工移动导线和接续管压接的方法实现接续管压接设计，但受到压接前期测量切割定位不精确、剥线力度不精确等因素的影响，导致自动压接设备故障发生率较高，可靠性不好。因此，需要构架优化的自动压接设备故障可视化在线检测模型，根据对自动压接设备故障可视化特征分析，通过智能的故障定位和特征分析技术[1]，采用可视化的X射线检测方法，实现自动压接设备故障可视化在线检测，提高自动压接设备故障定位和可视化分析能力。通过故障可视化检测，避免了将内部结构存在质量问题的接续管投入到线路运行中，从而避免导地线脱落事件的发生[2]。

针对导地线脱落和自动压接设备故障的问题，为了解决压接后无法检测内部缺陷的问题，当前，结合自动压接设备故障的状态特征分析，研制了耐张线夹和接续管压接质量的在线检测装置，但传统装置在进行自动压接设备故障检测和缺陷定位过程中，受到人工操作的制约性影响较大，压接控制和故障检测定位的精度不高[3-5]。

针对上述问题，本文通过智能化控制参数设置，进行自动压接设备故障可视化监测，采用图像视觉特征检测技术，收集测量、压接、检测所需要的基础数据，构建自动压接设备故障可视化检测的视觉信息分析模型，通过对数据进行智能化算法分析，构建自动压接设备故障可视化检测的仿真模型，提高自动压接设备故障可视化检测和定位分析能力。本文提出基于数字成像技术的自动压接设备故障可视化在线检测方法。通过图像视觉特征点标定技术，进行耐张线夹及接续管压接失效点定位，根据脉冲X射线数字成像的特征检测，实现对架空导线及自动压接设备的可视化检测和定位。最后进行仿真模型分析，展示了本文方法在提高自动压接设备故障可视化在线检测能力方面的优越性能。

1 自动压接设备故障可视化X射线数字图像预处理

1.1 故障可视化X射线数字成像特征模型

为了实现基于数字成像技术的自动压接设备故障可视化在线检测，结合X射线成像处理方法，构建自动压接设备故障可视化特征分析模型，通过无损在线视觉特征分析方法，构建自动压接设备故障可视化监测系统结构模型[6]。自动压接设备故障可视化监测技术包括：支撑支架、X光射线机、图像处理系统、无线连接系统以及自动移步系统等。根据图像分析和数据采集结果，将提取的自动压接设备故障可视化X射线数字图像输入到故障诊断设备中，通过对无明显缺陷的接续管图像分类储存，结合巡检数据分析，实现对自动压设备的故障可视化检测，检测的总体结构如图1所示。

图1 自动压接设备故障可视化检测的总体结构

根据图1所示的自动压接设备故障可视化监测及故障诊断总体结构[7]，采用图像像素融合分析方法，建立自动压接设备故障可视化检测的视觉传递函数为

N(x,y)=σ[Gxi+Gyj]

(1)

i、j为脉冲X射线数字成像在方向矢量上的视觉标量信息；(x,y)为脉冲X射线数字成像坐标；Gx和Gy为自动压接设备故障可视化X射线数字成像的噪点信息；σ为图像像素融合参数。采用参考模板特征匹配的方法，对自动压接设备故障可视化X射线数字成像的边缘像素特征分解方程为

(2)

(3)

Δz为自动压接设备故障可视化X射线增益；B为图像的幅值；c为自动压接设备故障可视化X射线检测的边缘阈值。采用散射波形组合控制，得到自动压接设备故障可视化X射线视觉重构的联合特征模型为

(4)

Fn为n次传递迭代后的自动压接设备故障可视化X射线融合的尺度信息。由此构建了自动压接设备故障可视化X射线成像模型[9]，根据三维成像特征分析，进行可视化检测。

1.2 数字图像预处理

根据自动压接设备故障可视化X射线成像特征兴趣点，读取自动压接设备故障可视化X射线图像的关联特征点，分别为E1和E2。根据自动压接设备故障可视化X射线图像的特征值分布[10]，构建关联稳定裕度和谐波振荡模型为

(5)

(6)

根据对不同型号的接续导地线的数据特征分析，构建自动压接设备故障可视化X射线图像增强模型，得到图像增强矩阵为

U=I×R

(7)

I为自动压接装置单元的图像增益像素值。通过差分进化和特征增强技术，得到自动压接设备故障可视化X射线图像的滤波输出为

(8)

J为旋自动压接设备故障可视化X射线图像的旋转不变性矢量；α为灰度值。由此构建自动压接设备故障可视化X射线图像滤波增强模型[11]，实现数字图像预处理，提高故障可视化检测识别能力。

2 自动压接设备故障在线检测优化

2.1 故障特征提取

构建自动压接设备故障可视化在线检测的视觉特征分析模型，根据视觉特征的差异性分析结果，采用多帧长时曝光与影像合成技术，得到自动压接设备故障可视化X射线图像在7×7像素块内的边缘像素点。采用归一化的特征检测技术[12]，得到自动压接设备故障可视化X射线图像的故障特征信息增强结果为

(9)

σ为图像灰度值；R(x,y)为自动压接设备故障可视化X射线图像像素融合矩阵；ki为确定特征点所在位置的子区域。

结合智能化控制技术，进行自动压接设备故障可视化X射线图像的特征点检测，得到检测分量为

S=Br(x,y)

(10)

通过接续管压接后的无损特征监测，制定耐张线夹及接续管压接后无损检测的判别依据，判别式为

(11)

V为三相电缆的Harris提取的判别函数；L(x,y,σD)为自动压接设备故障可视化X射线图像的特征分解尺度；χ为自动压接设备故障可视化X射线图像的动态特征量。得到自动压接设备故障可视化像素信息为

(12)

在像素值采集点g(i,j)，得到自动压接设备故障可视化在线检测描述，并得到自动压接设备故障可视化在线检测的特征模态提取函数表述为

(13)

gv(i,j)为自动压接设备故障可视化X射线图像的v阶匹配像素级。求得在每个尺度下自动压接设备故障可视化在线检测图像的RGB分量后，根据图像的特征提取结果，采用图像视觉特征点标定技术[13]，进行耐张线夹及接续管压接失效点定位，实现脉冲X射线数字成像的特征检测。

2.2 故障检测定位

通过图像视觉特征点标定技术，进行耐张线夹及接续管压接失效点定位和故障特征分析，在5×5网格图范围内，构建图谱分析模型，耐张线夹及接续管压接可视化X射线拖二维特征，计算式为

Z=Y(θ)+∑S×w

(14)

θ为自动压接设备故障可视化X射线图像的角点参数；w为压接备故障可视化X射线度量。通过图像增强，以压接备故障可视化X射线参数为约束量，得到联合加权特征量为

(15)

ω为自动压接设备故障可视化X射线图像2个像素点之间联合分布函数。假设自动压接设备故障可视化分割过程描述为

(16)

根据式(16)的计算结果，得到(i，j)点处故障定位的分块特征匹配输出η(i,j)为

η(i,j)=X[h(i,j)-S×u]

(17)

u为自动压接设备故障可视化X射线图的灰度强度；h(i,j)为自动压接设备故障可视化X射线图谱分布的故障点。综上分析，实现自动压接设备故障可视化检测的算法设计。实现流程如图2所示。

图2 实现流程

3 仿真分析

通过实验测试本文方法在实现电缆自动压接设备脉冲X射线故障可视化检测的性能，运行智能化控制程序，并提供标准的USB、RS232、显示等接口。连续射线源开展导线检测参数为管电压120～160 kV，电流0～1 mA，曝光时间1～2 s(CR和DR)；常规电缆检测的参数为管电压60～200 kV(不同电缆材质、不同部位)，电流0～1 mA，曝光时间1～2 s(CR和DR)，对应的脉冲X射线数字成像检测系统开展导线检测的系统参数为功率U×I≥60 W(CR和DR)；开展电缆脉冲X射线数字成像检测的系统参数为管电压60～200 kV，电流1 mA，功率U×I≥65 W(CR和DR)，曝光时间取决于脉冲数和脉冲周期。考虑重量、充电等因素后，最终确定脉冲源数字成像检测系统的管电压270 kV，管电流0.25 mA。根据上述参设定，采用单帧拍摄，99脉冲即可成像显示内部结构，将采集的4张图像进行合成得到1张三相电缆透视图，得到自动压接设备故障脉冲X射线数字成像如图3所示。

图3 自动压接设备故障脉冲X射线数字成像

在图3的基础上，利用270 kV脉冲射线检测系统(最大焦距12 m)开展架空导线检测。如果现场条件不利于布置设备可拉大焦距拍摄，并将脉冲射线源布置在地面或远离导线的某个位置，可得到故障检测结果。同时，利用文献[10]基于三维全景快速建模的变电站可视化方法，以及文献[11]基于VR技术的变电站远程可视化巡检系统进行故障检测。

测试不同方法进行故障检测的精度，得到对比结果如图4所示。分析图4得知，本文方法的故障检测精度较高,平均为96.7%。而其他方法的故障检测平均精度均在85%以下，难以满足现实需求。

图4 故障检测精度测试对比

4 结束语

针对自动压接设备故障检测准确性难以满足现实需求的问题，本文利用数字成像技术，研究了一种自动压接设备故障检测可视化方法。通过X射线数字成像技术，实现了设备故障视觉特征的提取，结合接续管压接改善了特征检测的效果，实现了无损的图像视觉特征分析，进而提高了故障可视化检测的准确性。并与其他方法进行了对比，验证了本文方法的检测准确率平均为96.7%，具有较为优越的故障检测性能，为自动压接设备的稳定运行提供一定的参考依据。