[0001] 本公开属于振动检测、巡检机器人等技术领域，具体涉及一种变压器巡检机器人。

[0002] 变压器为工矿企业与民用建筑供配电系统中的重要设备之一，随着需求量日趋增长，变压器分布量大面广，且现场作业环境恶劣，人工很难实现对全部变压器进行现场巡查。

[0003] 此外，变压器内部含有大量的绝缘油，同时还有一定数量的可燃物，如纸板、木材等。当变压器发生短路、断路等故障时，内部会因瞬时过电流而产生火花、电弧等，从而导致这些物质易于引发火灾和爆炸。尤其是燃烧的油大量向外流淌，使火势极易蔓延扩大，这也给人工现场巡检带来不小的安全隐患。

[0004] 现有技术中，变压器发生以上故障后，一般通过频响法、短路阻抗方法、低压脉冲法、扫频阻抗法等对故障进行检测，然而这些方法需要变压器停运，因此有很大的局限性。此外，以上方法还需要从变压器的一次或二次取电压和电流信号，并且需要与变压器有直接的电连接，需要铺设大量的信号线缆，现场施工量大，而且现场实施复杂。例如，现有公开号为CN109342771A的中国专利，公开了一种电力变压器的监测诊断装置，其结构中就包括有监测接线端口，必然的，其与变压器需要通过有线连接才能对变压器振动进行监测。
实用新型内容

[0005] 针对现有技术中的不足，本公开的目的在于提供一种变压器巡检机器人，该机器人对环境光线、背景因素等的抗干扰能力较强，振动矢量的计算精度较高，从而实现对变压器状态的实时可靠分析。

[0006] 为实现上述目的，本公开提供以下技术方案：

[0007] 一种变压器巡检机器人，包括：

[0008] 机器人主体，机器人主体为中空的箱体；

[0009] 机器人主体的上方搭载有旋转巡检平台，巡检平台上设置有摄像头、通信模块和信号处理模块；

[0010] 机器人主体的下方设置有驱动轮，驱动轮内设置有驱动电机和减速器。

[0011] 优选的，所述信号处理模块采用NVIDIA Jetson Nano开发板。

[0012] 优选的，所述巡检平台内设置有旋转机构，旋转机构包括第一舵盘，所述第一舵盘位于巡检平台与机器人主体的连接处，第一舵盘连接有舵机，旋转机构还包括第二舵盘，所述第二舵盘位于巡检平台与信号处理模块的连接处，所述第一舵盘和第二舵盘通过传动杆连接。

[0013] 优选的，所述机器人主体内设置有驱动电源，其与驱动电机及舵机电连接。

[0014] 优选的，所述通信模块为蓝牙模块或wifi模块。

[0015] 与现有技术相比，本公开带来的有益效果为：

[0016] 1、本公开所述机器人操作简单、智能化水平高、续航时间长、转向灵活，可实现远距离、大范围多点变压器振动巡检；

[0017] 2、该机器人与待检变压器无接触，不会对变压器运行产生影响；

[0018] 3、该机器人可通过角点检测算法提高对环境光线、背景等因素的抗干扰能力；可通过定义感兴趣区域、特征点检测、以及利用聚类分析去除振动矢量噪声，提高了振动数据的有效性和可靠性；

[0019] 4、该巡检机器人可实现变压器的定期检测，及时发现故障并报警，可以有效降低运维成本，提高巡检作业和管理的自动化和智能化水平。

[0023] 下面将参照附图图1详细地描述本公开的具体实施例。虽然附图中显示了本公开的具体实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

[0024] 需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异作为区分组件的方式，而是以组件在功能上的差异作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本公开的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本公开的范围。本公开的保护范围当视所附权利要求所界定者为准。

[0025] 为便于对本公开实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且各个附图并不构成对本公开实施例的限定。

[0026] 一个实施例中，如图1所示，一种变压器巡检机器人，包括：

[0027] 机器人主体1，机器人主体1为中空的箱体，

[0028] 机器人主体1的上方搭载有旋转巡检平台2，巡检平台2上设置有摄像头4、通信模块5和信号处理模块3，

[0029] 机器人主体1的下方设置有驱动轮6，驱动轮6内设置有驱动电机和减速器。

[0030] 本实施例中，该机器人的工作原理为：机器人按照预先设定的路线进行变压器的巡检，达到指定位置后，首先通过摄像头采集变压器的实时视频信号；信号处理模块根据所采集的视频信号，通过所存储的Faster RCNN模型，即快速区域卷积神经网络模型对变压器进行检测，并划定目标区域；划定好目标区域后，信号处理模块调用 Shi‑Tomasi算法在目标区域内提取特征点，并通过金字塔L‑K光流法计算所述特征点的振动矢量；进一步利用K‑means聚类算法对特征点振动矢量进行聚类分析，将偏差大于预定偏差的振动矢量作为噪声进行去除；最后，对特征点的振动矢量求平均即得到变压器的振动矢量。信号处理模块根据所得振动矢量对变压器的运行状态进行判别，若判定为异常，则调用通信模块向指定终端发出告警信号，以提醒运维人员及时对变压器进行检修，同时上传振动视频数据到服务器端。

[0031] 另一个实施例中，所述信号处理模块采用NVIDIA Jetson Nano 开发板。

[0032] 本实施例中，NVIDIA Jetson Nano开发板可实现变压器视频信号的读取、检测、状态评估、以及状态异常告警等功能。

[0033] 对于所采集到的变压器视频信号主要是通过NVIDIA Jetson Nano 开发板进行处理的，其内设置有Faster RCNN模型以对变压器进行检测，且该模型中设置有Shi‑Tomasi算法、金字塔L‑K光流算法和 K‑means聚类算法，其中，通过Shi‑Tomasi算法可在目标区域内提取变压器特征点；通过金字塔L‑K光流法可计算特征点的振动矢量；通过K‑means聚类算法可用于将偏差大于预定偏差的振动矢量作为噪声进行去除。需要说明的是，以上算法均是本领域人员在实施信号检测时采用的常规算法，本实施例不致力于对其作任何的改进。

[0034] 另一个实施例中，所述巡检平台内设置有旋转机构，旋转机构包括第一舵盘，所述第一舵盘位于巡检平台与机器人主体的连接处，第一舵盘连接有舵机，旋转机构还包括第二舵盘，所述第二舵盘位于巡检平台与信号处理模块的连接处，所述第一舵盘和第二舵盘通过传动杆连接。

[0035] 本实施例中，在舵机的控制下，第一舵盘首先转动，进而通过传动杆带动第二舵盘转动，从而控制巡检平台实现360°范围内任意角度的转动，从而大大提升了巡检效率。

[0036] 另一个实施例中，所述机器人主体内设置有驱动电源，所述驱动电源与驱动电机及舵机电连接。

[0037] 另一个实施例中，所述通信模块为蓝牙模块或wifi模块。

[0038] 以上应用了具体实施例对本公开进行了阐述，只是用于帮助理解本公开，并不用于限制本公开。任何熟悉该技术的技术人员在本公开所揭示的技术范围内的局部修改或替换，都应涵盖在本公开的范围之内。