论文部分内容阅读
巡检机器人在输电线路上作业时,内置锂电池为其提供电能,并以档段(相邻杆塔之间的输电线路)为单位进行巡检。当巡检完一个档段停靠在塔头位置时,需要清楚运行完下一个档段需要的能耗以及当前锂电池的荷电状态(SOC),避免机器人因电量不足停在档段中间从而造成作业事故;同时结合能耗与SOC的内在联系去估计巡检机器人的续航里程,以便进行合理的巡检规划,尽可能多的完成巡检任务。因此,准确估计巡检机器人的行驶时所需的能耗以及电源的荷电状态具有重要的意义。同时高压输电线路分布在野外,跨越山川湖泊,巡检机器人作业时,能量消耗较大,而现场没有可供充电的电源,并且在巡检过程中频繁的更换锂电池会造成诸多不便,该因素会极大的限制巡检机器人的广泛使用。因此为了提升机器人的续航能力,避免机器人频繁下线更换锂电池,在线取能技术就显得尤为重要。本文从能耗预测、电源荷电状态(SOC)估计、太阳能电源供能和感应取电供能中的关键技术这四个方面着手对巡检机器人进行研究。1)巡检机器人的能耗预测。介绍了巡检机器人的系统组成及电气结构,并对机器人运行时的能耗组成进行了分析;然后根据架空地线斜抛物线状的特点,对机器人匀速行驶时上坡和下坡的情况进行了受力分析,通过结合架空地线的数学模型和机器人的力学模型,建立了基于杆塔档距、高差等线路工况参数的巡检机器人的能耗模型;然后通过对在行驶过程中由于不确定的工况因素影响能耗预测准确性的分析,结合现场大量试验得到的能耗试验值并利用RBF神经网络对能耗模型进行了修正,最终建立了基于RBF神经网络的能耗预测修正模型;最后通过试验验证了该模型的正确性和可行性。2)基于卡尔曼滤波的电源荷电状态(SOC)估计。建立了以分别到达相邻的前后杆塔塔头时的SOC作为前后状态的状态空间模型,包括描述线路档段工况参数(水平档距、高差等)、分别到达前后相邻杆塔塔头时的锂电池端电压、SOC之间的相互关系的状态方程;描述电源的放电状态(端电压和放电电流)与SOC之间关系的量测方程。最后通过试验验证了采用自适应卡尔曼滤波进行SOC估计的正确性和可行性。3)基于能耗预测的太阳能充电基站布局规划及其在线供电技术研究。提出了在输电线路杆塔处建造太阳能充电基站给巡检机器人供电的在线供电方式;建立并验证了基于RBF神经网络的电源放电状态(端电压和放电电流)估计模型,并结合基于卡尔曼滤波SOC的估计方法实现了对续航里程的准确估计,继而通过大量的现场试验运行统计得到了所用锂电池的有效工作电能,并结合基于能耗预测模型得到的能耗估计值实现了对太阳能充电基站的合理布局;最后设计开发了充电监控系统以及具有自适应的充电对接和分离装置,解决了太阳能电源供电中的关键技术问题。4)巡检机器人感应取电电源的能量管理及在线供电技术研究。阐述了以机器人的锂电池作为储能元件进行感应取电的基本原理并制定了能量管理策略;然后分析了取电装置所用铁芯的磁饱和感应强度对提取电能的影响;继而通过理论推导得出了感应取电装置中的各个参数之间的最优匹配关系,即通过装置中参数之间的最优匹配设计能够使其提取最大功率的电能;然后通过仿真和试验验证了参数最优匹配关系的正确性;最后根据制定的能量管理策略与巡检机器人集成应用进行电能的在线补给,从而提升巡检机器人的续航能力。