熊 玺，汪广明，童 松，何 滔，黄赛枭

(国能大渡河沙坪发电有限公司，四川 乐山 614300)

0 引言

21世纪以来，我国水利水电事业发展迅速，水电站单机容量不断增大。水电站的运行稳定性直接关系到电站的安全和电网的供电质量[1]。水轮机调节系统(HTGS, hydro-turbine governing system)在水电站中起着功率调节的作用，为了减少HTGS的突发事故，延长HTGS的使用寿命，许多大型水电站采用360摄像头、智能巡检机器人、无人机等方式对水电站中关键设备进行在线状态监测，分析水电站机组的稳定运行状态，并结合设备故障诊断技术，达到保证水电企业设备安全稳定运行的目的，从而提高水电企业的经济效益[2-3]。

针对上述问题，文献[4]提出了一种水电站故障智能检测系统，从运行数据中研究了故障特征向量，并利用人工神经网络建立了故障诊断模型，具有较好的故障诊断能力。然而该系统运算性能差，诊断时间太长。文献[5]公开了广义频率响应函数作为基于HTGS参数模型的诊断方法，非线性输出频率响应函数(NOFRFs，nonlinear output frequency response functions)在非线性系统分析中具有良好的计算性能，有助于HTGS的故障诊断。但NOFRFs模式的识别需要多种精度，在工程实践中难以实现。

1 总体方案设计

鉴于上述文献技术中的优缺点，本研究采用巡检机器人对水电站HTGS进行智能监测，机器人能够通过自身摄像头拍摄HTGS实时画面，作为本文中的采集图像数据，以巷道巡检机器人为例的采集识别图像如图1所示。

图1 巡检机器人采集识别图像案例

之后，得到的图像数据要根据可编程逻辑控制器(PLC, programmable logic controller)控制器进行智能识别，图像的识别过程为计算机算法运算处理过程。……