本發(fā)明涉及電力施工，具體為一種高壓變電站管母引流線拆搭機器人作業(yè)方法。

背景技術：

1、隨著現(xiàn)代化工業(yè)的迅速發(fā)展和人民生活水平的提高，電力用戶對供電可靠性的要求也在不斷提高，為了減少停電時間甚至不停電，各地供電公司加快了帶電作業(yè)機器人在變電站中的應用開展與推廣，變電站是電力系統(tǒng)中對電壓和電流進行變換，接收電能及分配電能的場所，因此高壓變電站管母引流線拆搭機器人作業(yè)方法對于機器人在變電站中應用至關重要的。

2、經(jīng)檢索，公開號“cn113708290?a”的中國發(fā)明專利，公開了“帶電作業(yè)機器人引流線穿線控制方法、裝置及機器人終端”，該申請通過獲取穿線前的狀態(tài)圖像，從狀態(tài)圖像中識別引流線末端的位姿信息，以引流線末端的位姿為標準，通過調(diào)整線夾臂的位姿調(diào)整線夾工具與引流線末端的對齊，并讓裝有線夾工具的線夾臂主動完成穿線動作，避免手臂活動導致引流線位姿偏移的情況發(fā)生，從而提高穿線成功率；

3、此外公開號“cn113964720a”的中國發(fā)明專利，公開了“一種配網(wǎng)帶電作業(yè)機器人系統(tǒng)及接斷引流線作業(yè)方法”，該申請通過獨特的機器人結(jié)構(gòu)設計，使得機器人的主控制通過整體任務規(guī)劃，從控制負責機械臂各關節(jié)的運動控制，自主控制通過所述視覺裝置采集并處理的識別信息結(jié)合深度學習的視覺檢測控制方法識別待操作對象及其位置、并控制機械臂完成操作動作，實現(xiàn)機械臂短距離高精度的位移和定位；

4、最后公開號“cn116787466a”的中國發(fā)明專利，公開了“一種基于絕緣套的引流線識別方法、存儲介質(zhì)及機器人”該申請通過在安裝電纜引流線的同時，在電纜引流線的頭部安裝上絕緣套；絕緣套的套體上設有用于安裝在電纜引流線頭部的固定孔，安裝時，將電流引流線的頭部插入絕緣套的套體上的固定孔進行固定安裝，在絕緣套上設置多個強反射區(qū)及弱反射區(qū)組成的特征碼區(qū)；通過激光雷達進行掃描當前環(huán)境得到雷達點云數(shù)據(jù)，對雷達點云數(shù)據(jù)的信號強度進行匹配，由于弱反射區(qū)會吸收大部分激光雷達，而強反射區(qū)會反射大部分的激光雷達，使得當激光雷達掃描絕緣套上的特征碼區(qū)時，可以根據(jù)特征碼區(qū)中的強反射區(qū)和弱反射區(qū)對信號的反射強度，得到特征碼區(qū)所對應的信號特征碼所對應的數(shù)據(jù)塊，進而可以根據(jù)得到的數(shù)據(jù)塊進行解析得到絕緣套所在的空間信息，而絕緣套設置在引流線上，即可根據(jù)得到的絕緣套的空間信息得到引流線的空間位置，進而可以對引流線進行識別，將容易被激光雷達識別的絕緣套設置在電纜引流線上，進而使得激光雷達可以容易識別出電纜引流線，便于后續(xù)的帶電作業(yè)。

5、然而上述公開的方法以及相類似的方法在實際運行時，側(cè)重于機械臂的操作和識別技術，但缺乏對作業(yè)區(qū)域環(huán)境數(shù)據(jù)的全面采集和融合處理，導致機器人在復雜環(huán)境中作業(yè)時，會因環(huán)境參數(shù)的變化而影響作業(yè)效率和安全性。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種高壓變電站管母引流線拆搭機器人作業(yè)方法，以解決上述背景技術中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術方案：

3、一種高壓變電站管母引流線拆搭機器人作業(yè)方法，包括：

4、獲取管母引流線外的參數(shù)數(shù)據(jù)；

5、構(gòu)建定位模型，定位模型基于參數(shù)數(shù)據(jù)，輸出拆搭機器人的作業(yè)計劃，作業(yè)計劃包括：作業(yè)位置、作業(yè)路徑以及作業(yè)時間；

6、構(gòu)建檢測模型，基于檢測模型基于參數(shù)數(shù)據(jù)獲取管母引流線外影響拆搭機器人作業(yè)的環(huán)境數(shù)據(jù)；

7、獲取拆搭機器人的屬性數(shù)據(jù)；

8、構(gòu)建影響判別模型，影響判別模型基于屬性數(shù)據(jù)和環(huán)境數(shù)據(jù)輸出判別結(jié)果，判別結(jié)果用于展示影響拆搭機器人作業(yè)的因素；

9、構(gòu)建指令調(diào)控模型，指令調(diào)控模型基于判別結(jié)果輸出動態(tài)調(diào)整指令，動態(tài)調(diào)整指令作用于作業(yè)計劃；

10、構(gòu)建監(jiān)控反饋模型，監(jiān)控反饋模型用于實時追蹤拆搭機器人的作業(yè)狀態(tài)，并基于拆搭機器人的實時作業(yè)狀態(tài)與預設目標的對比，生成調(diào)整數(shù)據(jù)，調(diào)整數(shù)據(jù)作用于指令調(diào)控模型并影響動態(tài)調(diào)整指令；

11、所述影響判別模型包括：

12、分別獲取屬性數(shù)據(jù)和環(huán)境數(shù)據(jù)的特征數(shù)據(jù)，選取屬性數(shù)據(jù)和環(huán)境數(shù)據(jù)相匹配的特征數(shù)據(jù)并構(gòu)建映射關系，基于映射關系，將屬性數(shù)據(jù)和環(huán)境數(shù)據(jù)整合成若干個基于特征的融合數(shù)據(jù)集；

13、獲取拆搭機器人作業(yè)計劃內(nèi)的特征，賦予和拆搭機器人作業(yè)計劃內(nèi)的特征相匹配的融合數(shù)據(jù)高權(quán)重；

14、預設判別閾值，判別閾值基于拆搭機器人歷史作業(yè)計劃以及安全規(guī)范人為設置，比對判別閾值和高權(quán)重融合數(shù)據(jù)內(nèi)數(shù)據(jù)值，并輸出判別結(jié)果。

15、作為本技術方案進一步優(yōu)選的，所述屬性數(shù)據(jù)內(nèi)的特征數(shù)據(jù)包括：拆搭機器人的機械臂長度、機械臂轉(zhuǎn)動范圍、拆搭機器人所裝配工具類型以及拆搭機器人所裝配拆搭工具的規(guī)格；

16、所述環(huán)境數(shù)據(jù)的特征數(shù)據(jù)包括：作業(yè)區(qū)域的溫度、濕度、風力、光照強度、電磁干擾程度以及管母引流線的材質(zhì)和規(guī)格。

17、作為本技術方案進一步優(yōu)選的，映射關系的構(gòu)建方法包括：

18、構(gòu)建特征樹狀圖，特征樹狀圖分別以屬性數(shù)據(jù)和環(huán)境數(shù)據(jù)內(nèi)特征數(shù)據(jù)種類構(gòu)建若干個分支節(jié)點，每個分支節(jié)點下設有若干個子節(jié)點，子節(jié)點的數(shù)目代表具體的特征數(shù)據(jù)值；

19、獲取拆搭機器人的實時運行數(shù)據(jù)，基于實時運行數(shù)據(jù)，在特征樹狀圖中檢索屬性數(shù)據(jù)和環(huán)境數(shù)據(jù)相匹配的特征數(shù)據(jù)值，將匹配的特征數(shù)據(jù)值對應的子節(jié)點進行連接，形成映射路徑，映射路徑即為映射關系。

20、作為本技術方案進一步優(yōu)選的，判別閾值和高權(quán)重融合數(shù)據(jù)集內(nèi)數(shù)據(jù)值的比對方法包括：

21、基于高權(quán)重融合數(shù)據(jù)集內(nèi)特征檢索判別閾值內(nèi)相匹配特征的數(shù)據(jù)值；

22、若檢索到相匹配特征的數(shù)據(jù)值，則直接進行數(shù)據(jù)值比對；

23、若未檢索到相匹配特征的數(shù)據(jù)值，則檢索相近特征的數(shù)據(jù)值進行插值計算，并獲取近似數(shù)值后再進行比對；

24、當高權(quán)重融合數(shù)據(jù)集內(nèi)數(shù)據(jù)值超過判別閾值時，判別結(jié)果為拆搭機器人作業(yè)存在風險；

25、當高權(quán)重融合數(shù)據(jù)集內(nèi)數(shù)據(jù)值低于或等于判別閾值時，判別結(jié)果為拆搭機器人作業(yè)安全。

26、作為本技術方案進一步優(yōu)選的，相近特征數(shù)據(jù)值的判別方法包括：

27、分別獲取屬性數(shù)據(jù)和環(huán)境數(shù)據(jù)內(nèi)特征數(shù)據(jù)的特征，構(gòu)建上位特征歸納表，上位特征歸納表基于物理、環(huán)境以及時間方面將所獲取的特征整合歸納，形成不同層級的特征分類。

28、作為本技術方案進一步優(yōu)選的，參數(shù)數(shù)據(jù)的獲取方法包括：

29、構(gòu)建若干個參數(shù)采集節(jié)點，參數(shù)采集節(jié)點基于激光雷達技術，若干個參數(shù)采集節(jié)點圍繞管母引流線均勻分布，設置數(shù)據(jù)加密清洗方法，在數(shù)據(jù)收集過程中實時清洗冗余數(shù)據(jù)，并輸出清洗數(shù)據(jù)，構(gòu)建數(shù)據(jù)屏蔽增強模型，實時獲取相鄰時間段內(nèi)多組清洗數(shù)據(jù)，以提取中間值或平均值方式中的任意一種，獲得參數(shù)數(shù)據(jù)，創(chuàng)建中端儲存節(jié)點，獲取參數(shù)數(shù)據(jù)并給予備份，構(gòu)建中端儲存節(jié)點和數(shù)據(jù)屏蔽增強模型之間的反饋規(guī)則，反饋規(guī)則預設臨界閾值，臨界閾值基于歷史參數(shù)數(shù)據(jù)為標準動態(tài)設置，當參數(shù)數(shù)據(jù)超過臨界閾值時，反饋規(guī)則將觸發(fā)中端儲存節(jié)點的數(shù)據(jù)替換，替換為最新獲取的參數(shù)數(shù)據(jù)。

30、作為本技術方案進一步優(yōu)選的，所述參數(shù)數(shù)據(jù)包括：管母引流線的長度、直徑、彎曲度、位置坐標、與周圍物體的距離以及管母引流線的電流電壓；

31、所述定位模型包括：

32、構(gòu)建三維空間建模，三維空間建模以管母引流線為基準，建立三維坐標系，將管母引流線的參數(shù)數(shù)據(jù)轉(zhuǎn)換為三維空間內(nèi)的坐標點和向量，基于坐標點和向量，構(gòu)建管母引流線的三維空間模型，此外三維空間建模以管母引流線為中心，對管母引流線周圍的空間環(huán)境模擬，基于參數(shù)數(shù)據(jù)中的位置坐標和與周圍物體的距離，將模擬空間劃分為不同的作業(yè)區(qū)域，每個作業(yè)區(qū)域都對應著拆搭機器人可能進行的作業(yè)位置和作業(yè)路徑；

33、獲取每個作業(yè)區(qū)域內(nèi)拆搭機器人的作業(yè)位置和作業(yè)路徑并和管母引流線的長度相結(jié)合，計算每個作業(yè)區(qū)域內(nèi)拆搭機器人的作業(yè)時間，歸納作業(yè)時間、作業(yè)位置以及作業(yè)路徑，整合形成拆搭機器人的作業(yè)計劃。

34、作為本技術方案進一步優(yōu)選的，所述檢測模型包括：

35、構(gòu)建環(huán)境感知系統(tǒng)，環(huán)境感知系統(tǒng)基于若干種不同傳感單元交叉組合構(gòu)建，用于對作業(yè)區(qū)域環(huán)境數(shù)據(jù)的實時采集，獲取參數(shù)數(shù)據(jù)特征，基于特征種類標記傳感單元，構(gòu)建融合算法，賦予標記傳感單元為高權(quán)重，對不同傳感單元內(nèi)其余傳感單元賦予均分權(quán)重，將標記傳感單元的數(shù)據(jù)和其余傳感單元的數(shù)據(jù)融合處理，得出環(huán)境數(shù)據(jù)；

36、所述融合算法的運行公式為：其中dm代表被標記為高權(quán)重的傳感單元m所采集的環(huán)境數(shù)據(jù)值，α代表賦予高權(quán)重傳感單元m的權(quán)重系數(shù)，di代表除了高權(quán)重傳感單元m之外，所有其他傳感單元即n-1個所采集的環(huán)境數(shù)據(jù)值的總和，為歸一化因子，用于將其他傳感單元的數(shù)據(jù)總和平均分配到每個傳感單元上。

37、作為本技術方案進一步優(yōu)選的，所述指令調(diào)控模型包括：

38、獲取判別結(jié)果特征，判別結(jié)果特征包括作業(yè)風險等級、作業(yè)安全區(qū)域，以及作業(yè)優(yōu)先順序，構(gòu)建指令生成系統(tǒng)，指令生成系統(tǒng)基于判別結(jié)果特征，結(jié)合拆搭機器人的作業(yè)計劃和作業(yè)能力，并基于機器學習的自適應調(diào)控策略，動態(tài)生成調(diào)控指令；

39、所述作業(yè)計劃包括：作業(yè)區(qū)域選擇、作業(yè)工具選擇、作業(yè)路徑規(guī)劃以及作業(yè)時間分配。

40、作為本技術方案進一步優(yōu)選的，所述監(jiān)控反饋模型包括：

41、獲取拆搭機器人實時運行數(shù)據(jù)，并提取實時運行數(shù)據(jù)內(nèi)特征，基于運行數(shù)據(jù)內(nèi)特征構(gòu)建運行狀態(tài)數(shù)據(jù)庫，運行狀態(tài)數(shù)據(jù)庫用于實時更新拆搭機器人的運行數(shù)據(jù)；

42、關聯(lián)運行狀態(tài)數(shù)據(jù)庫和時間軸，截取多組相鄰時間段內(nèi)運行數(shù)據(jù)參數(shù)，分析運行數(shù)據(jù)參數(shù)的變化幅度，并基于變化幅度預測拆搭機器人在未來時間段的運行狀態(tài)，將未來時間段的運行狀態(tài)參數(shù)值設置為預設目標；

43、比對預設目標和實時運行數(shù)據(jù)，并基于偏差生成調(diào)整數(shù)據(jù)。

44、與現(xiàn)有技術相比，本發(fā)明的有益效果是：

45、該高壓變電站管母引流線拆搭機器人作業(yè)方法，通過特征樹狀圖對屬性數(shù)據(jù)和環(huán)境數(shù)據(jù)進行高效匹配，形成精確的映射關系，從而確保了拆搭機器人在作業(yè)過程中能夠準確地識別和理解作業(yè)環(huán)境，提高了數(shù)據(jù)處理的效率，還增強了機器人對作業(yè)環(huán)境的適應能力；

46、其次，本發(fā)明通過高權(quán)重融合數(shù)據(jù)集內(nèi)數(shù)據(jù)值與判別閾值的比對方法，能夠?qū)崟r、準確地判斷拆搭機器人作業(yè)的風險程度，使得機器人能夠在作業(yè)前對作業(yè)環(huán)境進行充分評估，從而避免了潛在的安全風險；

47、此外，本發(fā)明通過構(gòu)建了參數(shù)采集節(jié)點和數(shù)據(jù)屏蔽增強模型，能夠?qū)崟r獲取和清洗參數(shù)數(shù)據(jù)，確保了數(shù)據(jù)的準確性和可靠性，同時，通過構(gòu)建三維空間模型和檢測模型，機器人能夠更好地理解作業(yè)環(huán)境，提高了作業(yè)的精準度；

48、最后，本發(fā)明通過指令調(diào)控模型和監(jiān)控反饋模型，實現(xiàn)了對拆搭機器人作業(yè)的全面監(jiān)控和動態(tài)調(diào)控，通過實時獲取拆搭機器人的運行數(shù)據(jù)，預測其未來運行狀態(tài)，并基于偏差生成調(diào)整數(shù)據(jù)，機器人能夠在作業(yè)過程中進行自適應調(diào)整，確保了作業(yè)的順利進行；

49、還需說明的是，本發(fā)明通過構(gòu)建影響判別模型，使得拆搭機器人在進行作業(yè)風險判別時，能夠綜合考慮多種影響因素，從而得出更加全面、準確的判別結(jié)果，提升了拆搭機器人在高壓變電站管母引流線拆搭作業(yè)中的安全性和穩(wěn)定性，同時也為變電站的運維管理提供了更為可靠的技術支持。