Robot wa Mtaani wa Kujitunza kwa Mstari wa 110kV: Uundaji na Uejumlisha wa Mfumo wa Mikono Mitatu wa Kusimamishwa

Usumbo

Kusimamia ulemavu zisizoweza kutatwa kwa kutumia utafiti wa mikono na mawingu kwa mstari wa umeme wa kiwango cha juu, taa hii inaleta roboti wa utafiti wa kujifunza kwenye mstari wa umeme wa 110 kV. Ina msimbo wa muundo wa mekano wa makarapa minne, roboti hii inajumuisha kujifunza kujifunza, kupitisha vikwazo, kukusanya nguvu online, na kutambua magonjwa mengi. Inatafsiriwa kuendeleza na kufanikiwa kwa utafiti wa mstari, kuboresha sana ukwasi na usalama wa kudhibiti na kusimamia mtandao wakati unaweza kupunguza gharama.

I. Mazingira ya Mradi na Maalum

1.1 Mazingira: Changamoto za Mfumo wa Kutafuta Wafanyikazi

Mistari ya umeme wa kiwango cha juu, kwa kuwa mara nyingi yamekuwa na mazingira ya nje, yanaweza kupata magonjwa kama vile miguu tofauti na upindeleko kutokana na mzunguko wa mekano, flashover ya umeme, na uzee wa viunduni, kwa hiyo kunahitaji utafiti wa muda. Mfumo wa leo una changamoto nyingi:

• Utafiti wa Mikono: Kazi ngumu, isiofaida, na kwa hatari kubwa, na imezuiwa sana na hali ya hewa na mahali.
• Utafiti wa Mawingu wa Droni: Gharama ya kufanya kazi ni juu, muda wa kupitia ni chache, imezuiwa sana na uongozi wa anga na hali mbaya ya hewa, na ni vigumu kwa kutambua magonjwa karibu.

1.2 Maalum: Chaguo Kingine la Kutambua Kwa Akili

Mradi huu unataka kuleta roboti wa utafiti wa kujifunza kwa mstari wa umeme wa 110 kV ambayo inaweza kubadilisha kazi ya mikono. Maalum muhimu ni:

• Uwezo wa Kujifunza: Kufikia kujifunza kujifunza na kupitisha vikwazo (kama vile kupita viboko vya kuzuia maovu na mitufe).
• Utambuzi wa Akili: Kujumuisha sensors za kudereva na infra-red ili kujua na kutambua magonjwa ya kawaida kama vile miguu tofauti.
• Uwezo wa Kujitolea Nguvu: Kutumia teknolojia ya kukusanya nguvu bila majengo kwa kutumia magnetic field ya mstari wa umeme wa kiwango cha juu kwa kujitolea nyuma.
• Ufanisi Mkubwa: Kuongeza sana ufanisi wa utafiti na uwiano wa data, kwa hiyo kupunguza gharama za kudhibiti na hatari za usalama.

II. Mbinu Zenye Teknolojia Muhimu

2.1 Mbinu Mpya ya Kubuni Msimbo wa Mekano: Uwezo wa Kupitia na Usalama

• Msimbo Jumla: Hutumia uwezekano wa makarapa minne wa kuzuia ambayo inajumuisha faida za mekanismo ya kuzuia na gurudumu-gurudumu, kuhakikisha kwamba kazi ya gurudumu na usalama wa kufanya kazi kama inchworm. Umbo lote linaweza kuwa takriban 29 kg.
• Vitu Muhimu:
• Mikono Yasiyofika: Mikono ya mbele na nyuma hutumia mfumo wa double four-bar linkage, anayezingatia 16 motors, inayoweza kufanya kazi ya kila moja au kushirikiana kwa pitch motion na uwezo wa kutumia stiffness-flexibility smooth transition kwa kutegemea kwa mazingira ya mstari.
• Kitengo cha Kudrive: Hutumia DC motors za Maxon za Switzerland na gurudumu za kudrive zenye separation ya center, inayotumia uwezo mkubwa wa kupitisha vikwazo (inaweza kupita viboko vya kuzuia maovu) na gradeability (safi 60°, hadi 80° kwa kuzuia).
• Kitengo cha Kuzuia: Hutumia mekanismo ya spiral-crank slider self-locking ili kuzuia slipping au kupungua kwa undani kwa kutembelea slope au kupitisha vikwazo.
• Invers Kinematics Validation: Analysis ya invers kinematics kulingana na algorithimu wa CCD iterative; simulations zinaonyesha convergence kwa tu 7 iterations, inayofanya roboti iweze kufanya poses complex kama vile kupita clips za kuzuia na 45° turn jumpers.

2.2 Mfumo wa Kudhibiti wa Kiwango Cha Juu: Autonomy na Kudhibiti Kwa Afar

• Msimbo wa Mfumo: Hutumia msimbo wa kudhibiti wa kirefu cha tatu (upper ground management layer, middle robot planning layer, lower execution layer), kushirikiana kwa PC/104 industrial computer na ATmega128AU microcontroller kwa ajili ya decision-making na kutekeleza real-time.
• Mbinu Hybrid ya Kudhibiti:
• Mode ya Kujifunza: Offline path planning kulingana na knowledge base iliyopreset, pamoja na feedback ya sensor ya real-time kwa kujifunza kujifunza na kupitisha vikwazo.
• Mode ya Kudhibiti Kwa Afar: Katika mazingira mingi complex, wafanyakazi wa ardhi wanaweza kufanya manipulation fine ya joint-level au kutoa commands za macro kwa kudhibiti kwa afar, kwa support ya video HD (25–30 Hz) iliyotumika kutoka roboti.
• Matukio ya Performance: Umbali wa utafiti wa single ≥ 2 km, mwendo wa wastani ≥ 0.9 m/h, umbali wa kutuma picha ≥ 2 km.

2.3 Kusanya Nguvu Online na Kudhibiti Nguvu ya Akili: Uwezo wa Kujifunza Kwa Muda Mrefu

• Serikali ya Kusanya Nguvu: Hutumia current transformer wa split-core kusanya energy kutoka magnetic field yenye mstari wa umeme wa kiwango cha juu. CT core ni ya iron-based nanocrystalline alloy yenye permeability ya juu; design optimized inaweza kuanza kwa current chache sana wa 32 A.
• Mfumo wa Nguvu: Hutoa voltage rectified safi; output power hueneza range ya line current ya 32 A hadi 10 kA. Imejengwa na 24 V/12 A·h intelligent Li-ion battery pack using three-stage charging algorithm, na over-temperature protection kwa ajili ya usalama, ufanisi, na muda mrefu wa kutumika.

2.4 Machine Vision Obstacle Recognition: Navigation Safi

• Targets za Kutambua: Hutambua vikwazo muhimu kama vile clips za kuzuia, straight-line jumper clips, na turn jumper clips.
• Mfumo wa Algorithm:
• Positioning: Positioning ya sub-block grayscale, identification precise ya mstari wa umeme kwa histogram equalization na threshold segmentation.
• Feature Extraction: Hutumia morphological operations kutumia obstacle contours, analyzing left/right edge slopes kama classification features.
• Recognition: Hutumia fuzzy pattern recognition algorithm kulingana na maximum membership principle kwa kutambua type ya obstacle fast na sahihi.
• Performance: Muda wa kutumia image moja ≈ 108 ms; hutambua vikwazo vya kawaida, inatolea input real-time kwa decisions za kupitisha vikwazo.

2.5 Broken Strand Intelligent Diagnosis: Alert ya Magonjwa Safi

• Detection Principle: Kulingana na mgonjwa wa resistance increase na temperature rise kutokana na miguu tofauti, hutumia infrared sensor kudetect thermal radiation signals.
• Intelligent Diagnosis Model:
• Signal Processing: Hutumia db4 wavelet base kwa decomposition ya 6-layer kusafisha noise na kutumia frequency bands zenye fault features.
• Feature Extraction: Hutumia wavelet energy entropy kucharacterize signal complexity, pamoja na peak-to-peak values ya detail components, kutengeneza 4-dimensional feature vector.
• Diagnosis Decision: Hutumia 3-layer BP neural network kudhibitisha. Experimental verification inaonyesha accuracy 100 % kwa test samples na success rate 98 % kwa detection online.

III. Summary ya Faides za Solution

• Uwezo wa Kupitia Upepo: Msimbo wa mikono minne wa flexible unatoa usalama mkubwa na kupitia vikwazo.
• Uwezo wa Kujifunza: Mfumo wa kudhibiti hybrid unaweza kutafuta kwa muda mrefu na kudhibitisha kwa afar.
• Uwezo wa Kujifunza Mrefu: Mbinu mpya ya kusanya nguvu online inasaidia kusolve matatizo ya muda mrefu.
• Tambua Safi: Integration ya machine vision na infrared thermography na algorithms za akili inahakikisha accuracy ya kutambua magonjwa.
• Salama na Faida: Huweka kazi ya mikono ya hatari, kupunguza hazards za usalama na gharama za kudhibiti ya muda mrefu.

IV. Matatizo Ya Sasa na Mapenzi ya Baadae

4.1 Matatizo Ya Sasa

• Bado inahitaji msaada wa mikono kidogo katika mazingira ya mstari mingi complex.
• Potential ya kuboresha size ya mekanismo na stroke ya kupitisha vikwazo kwa design compact.
• Current ya kuanza ya mfumo wa nguvu bado ni juu, inazuiwa kwa mistari ya load chache.
• Aina za magonjwa zinazodetectwa zinaweza kuongezeka.

4.2 Mapenzi ya Baadae

• Mechanism lightweighting na balance optimization kuboresha efficiency na stability ya kupitisha vikwazo.
• Integration ya navigation ya multi-sensor kuboresha accuracy ya positioning na perception ya mazingira.
• Optimization ya circuit ya kusanya nguvu kuboresha current ya kuanza na kurekebisha range ya kutumika.
• Expansion ya library ya diagnosis ya magonjwa kuzingatia magonjwa kama vile insulators damaged na contamination.
• Kuboresha reliability ya roboti, kuboresha protection ya kiwango cha biashara (kama vile dustproof, waterproof, na EMC capabilities).