蓝剑
广西钦能电力集团有限公司 广西 钦州 535000
摘要：针对输电线路损伤检测精度低，特征分辨率差，输电线路无损检测能力低的问题，研究了基于UAV技术的输电线路无损检测的应用，并采用无人机进行采集，传输线的视觉图像，建立输电线路无人机视觉图像的边缘轮廓检测模型，利用多尺度特征分解方法对输电线路无人机视觉空间进行分布式融合处理，构建输电线路无人机视觉特征重建模型，信息增强方法用于增强输电线路无人机的视觉图像信息，构建输电线路无人机视觉信息特征的分布式融合模型，并对输电线路进行损伤检测无人机根据视觉特性的差异，实现输电线路无损检测的校正设计。仿真结果表明，该方法对输电线路损伤的检测精度较高，特征分辨能力强，实现了对输电线路的无损检测。
关键词 ：无人机技术; 输电线路; 无损探伤; 图像; 视觉
1引言
随着传输线规模的增加，损坏传输线的可能性也在增加，由于传输线在野外长时间工作，因此它们自身会受到天气和电力负载的影响，从而导致损坏传输线的可能性增加，因此需要进行传输，设计输电线路无损探伤，建立输电线路无损探伤检测模型，结合输电线路无损探伤的视觉特征分析技术，采用无人机控制方法进行输电线路无损探伤。引起了极大的关注[1]。基于输电线路视觉特征分析技术的输电线路无损探伤检测设计，建立了输电线路无损探伤的图像视觉信息采样模型，并对图像边缘轮廓特征进行了检测，方法用于传输线无损探伤，人机成像技术用于收集图像信息，以进行传输线的无损检测[2]。根据无人机采集到的图像特征，设计了传输线的无损检测技术，提出了一种基于无人机技术的输电线路无损检测方法，无人机用于动力传输，传输线视觉图像采集，建立传输线无人机视觉图像的边缘轮廓检测模型，采用多尺度特征分解方法对传输线无人机视觉空间进行分布式融合处理，构建传输线无人机视觉特征重建模型，结合模糊性检测和信息增强方法，进行输电线路无人机视觉信息特征的增强处理，构建输电线路无人机视觉信息特征分布式融合模型，并根据最后，通过仿真测试和分析，证明了该方法在提高输电线路无损探伤能力方面的优越性能[3]。
2 输电线路的无人机图像采集和信息增强
2.1输电线路损伤分析
由于传输线在室外环境中的长期运行，因此会受到天气和电力负载本身的影响，这会增加损坏传输线的可能性，传输线损坏主要是由传输线绞线引起的传输线股折断，单股线在水平排列中具有某些周期性的循环特性，当金属丝断裂时，由于传输金属丝的弹性特性，金属丝会从金属丝之间的相互作用力上断裂，甚至在股线断裂之后向上倾斜脱股[4]。
2.2无人机图像采集
为了实现基于无人机技术的输电线路无损探伤的应用，建立了输电线路无人机视觉图像的边缘轮廓检测模型，并采用多尺度特征分解的方法进行了分布式 传输线无人机视觉空间的融合处理，建立模糊信息，将融合模型用于输电线路无人机视觉图像的自适应学习，建立输电线路无人机视觉图像的定量分析模型，得到输电线路无人机视觉图像。
2.3图像增强处理
在上述进行输电线路的无人机视觉图像采集的基础 上，进行输电线路的无损探测，结合参数分析和图像边缘特 征参数分析的方法，进行输电线路无人机视觉图像的模糊 参量识别，构建输电线路无人机视觉信息统计分析模型， 得到模糊相关像素。
3输电线路无损探伤优化
重构输电线路上无人机视觉特征构建模糊子空间调度模型，重构输电线路上无人机视觉图像的特征，赋予无人机在输电线路上视觉特征的控制功能:
.png)
上式中，传输线无人机视觉图像的关联规则分布函数为Mh，传输线无人机视觉特征采样采用模糊直方图特征分析方法，联合关联规则挖掘方法获得传输线损伤 特征检测输出表示如下:
.png)
通过相似融合方法，对输电线路的无人机视觉图像进行动态评估，得到输电线路的无人机视觉图像的无损检测输出:
.png)
假设当前传输线无人机视觉信息集合的多维子空间分布特征集表示为CF = [F，Q，n，RT1，RT2，RW]，其中传输区域像素序列为{X1，X2 ，...，Xn}，（F，Q）是相关的约束系数，计算传输线的无人机视觉图像的模糊特征分布集，并结合LBG矢量量化进行特征重构。
处理传输线的无人机视觉图像的损伤检测输出，以增强传输线的无人机的视觉图像信息，并构建传输线的无人机视觉信息特征的分布式融合模型，从而形成无人机传输线的视觉是根据视觉特性的差异进行的，图像损伤检测，差异特征分布为:
.png)
设置损伤区域的边缘轮廓d，并采用边缘像素融合分解的方法得到能量函数为:
.png)
在该公式中，传输线UAV视觉信息梯度分布的权重系数λ和ν是恒定的，如果假定对应于输入传输线无人机视觉图像ri的输出为yi，则存在:
.png)
根据上述公式，使用子空间融合方法重构传输线无人机的视觉特征，输出重构结果为{r1，r2，...，rN}，对应的输出像素特征分布序列为 {y1，y2，...，YN}，传输线的无人飞行器视觉图像跟踪，传输线的无损检查输出为:
.png)
其中，w是图像信号的自相关矩阵，基于以上分析，实现了基于无人机技术的输电线路的无损检测和损伤检测，实现过程如图1所示。
.png)
4 仿真实验与结果分析
为了测试该方法在输电线路缺陷检测与实现中的应用性能，进行了仿真测试，并利用无人机传感技术采集了输电线路的视觉信息，图像采样的像素大小为120×120，并且每个像素都被聚类，中心间距为0。35Bps，干扰信噪比为-10 dB，平均采样阈值Tth = 0.25，根据以上仿真参数设置，进行传输线缺陷检测，原始图像如图2所示。
.png)
以图2中的图像为研究对象，对传输线进行无损探伤，结合模糊度检测和信息增强方法，进行传输线UAV视觉图像信息增强处理，构建传输 线无人机视觉信息特征分布式融合模型，损伤检测结果如图3所示。
.png)
如图3所示，模糊直方图特征分析方法用于输电线路无人机视觉特征采样和联合关联规则挖掘方法，输电线路无人机视觉图像动态评估以及输电线路无人机视觉图像无损检测输出，如图4所示。
.png)
通过对上图的分析可以看出，该方法可以有效地实现传输线的无损探伤，测试检测性能，结果如图5所示。
.png)
由图5可知，该方法在传输线的无损检测中具有良好的性能，并且具有很强的特征解析能力，可以实现传输线的无损检测。
5结语
提出了一种基于无人机技术的输电线路无损探伤方法，统计平均分析法用于输电线路无人机视觉图像的定量分析，结合参数分析和图像边缘特征参数分析的方法进行输电线路无人机视觉图像的模糊参数识别，构建输电线路无人机视觉信息特征的分布式融合模型，根据视觉特征的差异进行输电线路无人机视觉图像的损伤检测，实现输电线路无损检测的设计，分析表明，该方法对输电线路损伤的检测精度较高，特征分辨能力强，可实现输电线路的无损检测，具有良好的应用价值。
参考文献
［1］宋福根，林韩，兰生．特高压输电线路交叉跨越区域工频电场分布计算［J］．电气技术，2019，(1):6－10．
［2］李达，薛卿，孔德健．基于PSO－BP算法的高压输电线路故障分类［J］．电气自动化，2018，40(06):42－44．
［3］匡剑勋．特高压输电线路运行维护技术的研究现状［J］．电工技术，2018，(10):71－72．
［4］李知娴．激光三维运动成像技术研究［J］．激光杂志，2018，39(10):119－123．