少人值守|直流换流站运维监控系统智能机器人设计方法( 二 ) 中薪|高薪|智能机|设计方法|运

1）采用色度的差异性特征提取关键信息。如图3中所示的红色告警信息与其他信息色彩存在较大差异，且范围较大，因此凭借该特征能够快速甄别“有用”与“无用”信息。
2）信息扫描原图的二值化处理。控制硬件系统采用最大类间方差法选取合适的阈值。若t为阈值，则依据t值将字符和红色背景进行分割，此时字符的像素个数占“信息扫描源图”比例为w1，平均灰度为u1。红色背景像素个数占“信息扫描源图”的比例为w2，平均灰度为u2，因此，“信息扫描源图”的平均灰度为

文章插图
公式（1）
字符、数字和红色背景之间的方差为

文章插图
公式（2）
当方差g取得最大值时，所需信息和红色背景的灰度差值是最大的、也是最为理想的灰度阈值。可以选择t作为“信息扫描原图”二值化的阈值，将“信息扫描原图”中灰度值小于t的像素灰度值设为0，将灰度值大于t的像素灰度值设为1。
2.2关键信息的识别
关键信息识别就是将处理后的字符图片信息加工为信息匹配可用的字符信息，以方便“监控系统智能机器人”对关键信息进行编译加工。一般情况下，报警信息中的字符主要为数字和英文字母。因此，首先提取待识别数字和英文字母的特征信息，利用相应的算法对提取特征进行分析归类，然后找到与待识别字符特征相近的数字和英文字母。具体关键信息识别流程如图4所示。

文章插图
图4关键信息识别流程图
1）对数字和字母的特征提取。“监控系统智能机器人”采用左右轮廓特征的方法对数字和字母进行初步分类，然后通过密度特征对其细分。该方法的提取模型为

文章插图
公式（3）
式中：left(t)、right(t)分别为字符图像第i行最左侧与最右侧边界点的位置；l_border、r_border分别为字符图像左、右两侧的边界。因此，可以将数字和字母扫描取样后，计算得到字符特征。
2）数字和字母的特征匹配。“监控系统智能机器人”的数据库已为每一个字符建立了一个标准模板，识别数字和字符后仅需对其逐个比较，根据相似度来决定待识别字符的信息即可。本系统采用欧式距离法，其基本原理为

文章插图
公式（4）
式中：x、y分别为不同信息序列；d(x,y)为x和y之间的距离。
2.3特征信息的匹配技术
完成识别关键字母和字符后，应对其所传递的关键信息进行“翻译”，以便直流换流站运行人员能够理解其真实信息。本系统中采用提取信息与故障数据库信息匹配的方式，通过关联模型将两者的因果关系按照大概率事件的模式展现出来。
其中，事件知识模型是从对象库中提取信息，将知识库中已经存储的各种可能的事件与“监控系统智能机器人”识别的信息按照因果关系表示出来。基于因果关系的故障信息匹配技术流程如图5所示。

文章插图
图5基于因果关系的故障信息匹配技术流程图
监控系统智能机器人的总程序流程如图6所示。其中，由图2所示的“控制硬件系统”完成采集故障图片，并在上位机中接受该信息，然后完成故障图像处理及关键字符提取。
值得注意的是：①所采集的故障图片经过关键字符提取后可能出现重复现象，因此必须进行检测重复判断，若存在重复，则继续采集图片，否则保存并编码；②将提取关键信息与系统数据库中已有知识相匹配，并对故障类别作出判断；③给出数据库中已有的决策方案，实现对故障信息的智能采集与智能决策。

文章插图
图6总程序流程图
以某特高压直流换流站内运行人员模拟系统进行系统性测试。通过“监控系统智能机器人”捕捉图片并处理后的数据信息见表1。提取故障日期和时间、事件点组、事件记录等信息，依据“ACYard；WA.Z1.Q2SF6PressureFaulty1”及“ACYard；WA.Z1.Q2SF6PressureFaulty2”等信息进行检索，发现数据库中已有故障典型案例。最后，翻译发送事件报文“5612开关SF6压力等级1、2报警。”