CN110989599A - 一种变电站消防机器人自主作业控制方法及*** - Google Patents

Abstract

本发明公开了一种变电站消防机器人自主作业控制方法及***，包括：建立变电站三维数据模型，在站内多个消防介质供给点位置布设无线AP设备，构建变电站内的无线网络；根据所述无线网络对消防机器人进行定位；确定最优的消防介质供给点的位置，同时规划出消防机器人到达异常设备的最优路径；控制消防机器人自动运行至消防介质供给点位置，完成消防水带的自动对接；控制消防机器人自动运行至异常设备附近，根据着火点位置自动计算出最佳的喷射角度和喷射流量。本发明能够实现变电站消防机器人发现火情、赶往地点、自动连接消防介质供给装备、选取最佳作业位置及自动灭火的整套闭环作业流程，填补了变电站机器人自动化消防作业技术领域的空白。

Description

一种变电站消防机器人自主作业控制方法及***

技术领域

本发明涉及变电站消防机器人技术领域，尤其涉及一种变电站消防机器人自主作业控制方法及***。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

变电站内存在大量的高电压、大电流设备，容易因设备故障、线路缺陷等问题引发火灾。现有技术中通过变电站消防机器人对变电站的火灾事故进行监测，一旦发生火情，变电站消防机器人能够第一时间对火情进行控制，提高了变电站早期火灾隐患的监测和预警水平。

但是，发明人发现，对于无人值守的变电站，其地理位置大多地处偏远，一旦发生火情，从专业消防队出发赶往火灾现场都需要一定时间，无法在最佳灭火期对火灾进行扑救，可能由小火酿成重大火灾事故，大型火灾事故会对多个区域的电力***的建筑安全和用电安全造成严重影响。因此，实现变电站内消防机器人的自主作业是当前需要解决的主要问题，上述问题的解决主要面临如下困难：

1、在变电站内发生火灾事故时，设备燃烧产生的浓烟，往往会导致站内环境十分复杂；现有的变电站内机器人产品，主要是靠激光建模导航、视觉导航等手段实现变电站内的导航，而变电站内的火源及产生的浓烟，往往会影响到机器人的导航精度，进而影响到消防作业的可靠性。

2、当前消防机器人大都采用消防车进行增压供水，无法实现持续供水。

3、现有技术仅能够检测到消防机器人与消防水带对接是否成功，而无法对整个对接过程进行监控，因此无法实现自动对接；目前，消防机器人与消防水带的对接过程、消防水带的展开和收回过程以及对于消防水带的破损检测，都不可避免地需要人工参与。

发明内容

为了解决上述问题，本发明提出了一种变电站消防机器人自主作业控制方法及***，以供水点为参考位置搭建导航定位***的无线网络，可以有效排除环境因素的干扰，提高导航精准度；能够对消防机器人和消防水带的整个对接过程进行全流程监控，实现变电站内消防机器人的自主作业。

在一些实施方式中，采用如下技术方案：

一种变电站消防机器人自主作业控制方法，包括：

建立变电站三维数据模型，在站内多个消防介质供给点位置布设无线AP设备，构建变电站内的无线网络；根据所述无线网络对消防机器人进行定位；

根据接收到的变电站内火灾监控设备发送的设备异常监控数据，确定最优的消防介质供给点的位置，同时规划出消防机器人到达异常设备的最优路径；

控制消防机器人自动运行至消防介质供给点位置，完成消防水带的自动对接；

控制消防机器人自动运行至异常设备附近，根据着火设备类型自主选择灭火介质；根据着火点位置自动计算出最佳的喷射角度和喷射流量。

在另一些实施方式中，采用如下技术方案：

一种变电站消防机器人自主作业控制***，包括：

用于建立变电站三维数据模型的装置；

用于在站内多个消防介质供给点位置布设无线AP设备，构建变电站内的无线网络的装置；

用于根据所述无线网络对消防机器人进行定位的装置；

用于根据接收到的变电站内火灾监控设备发送的设备异常监控数据，确定最优的消防介质供给点的位置，同时规划出消防机器人到达异常设备的最优路径的装置；

用于控制消防机器人自动运行至消防介质供给点位置，完成消防水带的自动对接的装置；

用于控制消防机器人自动运行至异常设备附近，根据着火设备类型自主选择灭火介质的装置；

用于根据着火点位置自动计算出最佳的喷射角度和喷射流量的装置。

在一些实施方式中，采用如下技术方案：

一种变电站消防机器人，其采用上述的变电站消防机器人自主作业控制方法，实现变电站内自主消防作业。

与现有技术相比，本发明的有益效果是：

(1)创新性提出了一种变电站消防机器人自主作业控制技术，实现消防机器人和供水点的动态灵活配置，同时以供水点为参考位置构建变电站三维视觉模型，搭建导航定位无线网络，以确定最优的消防介质供给点的位置，同时规划出消防机器人到达异常设备的最优路径，可以有效排除环境因素的干扰，提高导航精准度，实现在发生火情时及时灭火，且能够快速、准确定位火源，把火势遏制在萌芽状态。

(2)创新性的设计了多传感器融合的消防水带对接监测技术，利用第一传感器、压力传感器的实时监测，准确确认对接状态，保证对接过程的智能化，准确把握作业进度，以便于在对接发生错误的第一时间进行处理；同时对水带展开和收起的过程进行监控，辅助机器人寻找最佳作业点。

(3)在变电站内设置消防介质供给点，机器人可以自动与其对接，解决了采用消防车无法持续供给消防介质的问题，能够实现变电站消防机器人发现火情、赶往地点、自动连接消防介质、选取最佳作业位置及自动灭火的整套闭环作业流程，填补了变电站机器人自动化消防作业技术领域的空白。

(4)利用站内多个不同角度的摄像头，利用倾斜摄影技术在关键位置建立模型，利用置放于供水点处的消防介质供给装备为坐标点，搭建机器人导航定位***的无线网络，实现在站内有火情及烟雾的情况下可以减少干扰，提高导航的准确度，为消防机器人自主作业提供了前提条件。

(5)通过对消防机器人本体与消防水带的对接过程的全过程监控，能够准确把握作业进度，以便于在对接发生错误的第一时间进行处理，同时对水带展开和收起的过程进行监控，为消防机器人自主作业提供了必要的技术基础。

(6)创新性提出了一种基于红外图像的变电站设备着火点快速识别技术，将采集的数据相结合，将火焰图像信息转换成火焰空间坐标信息，攻克了无法对火焰位置精度定位的难题，实现了火焰的快速准确定位。

(7)创新性提出了一种基于多目视觉的消防机器人喷射曲线调整技术，构建了消防介质喷射曲线模型，确定最佳喷射角度和喷射流量，提升了灭火作业的效果。结合本机器人的水柱和细水雾的双喷射模式以及三级加压能力，设计了不同的喷射模式，并对算法进行了优化调整，提高作业的效率和灭火能力，提高了设备着火点的快速识别与分析定位能力，为最佳灭火方式的选择提供数据支持，结合喷射曲线计算算法，可实现喷射装置的自动瞄准，快速有效扑灭火源。

(8)可以在消防机器人作业的过程中，使用多目视觉设备实时监控作业进展，根据火情调整喷射的角度和流量，做到精准灭火，不影响站内其他正常运行的设备；为消防机器人自主精准作业提供了有力的技术支撑。

附图说明

图1为本发明实施例一中变电站消防机器人自主作业控制方法流程图；

图2为本发明实施例一中变电站内的无线网络示意图；

图3为本发明实施例一中变电站消防机器人与消防水带对接过程示意图；

图4为本发明实施例一中喷射曲线调整过程示意图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例一

在一个或多个实施例中，公开了一种变电站消防机器人自主作业控制方法，当变电站内监控设备如火灾传感器、红外热成像***等发现设备温度异常，监控***将异常设备信息发送给变电站消防机器人后台控制***，后台控制***依据变电站三维模型规划出机器人到达异常设备的最优路径，分析出异常设备附近最优消防介质供给装备位置，机器人根据最优路径到达最优消防介质供给装备位置，完成消防水带自动对接，然后迅速运动到异常设备附近，通过可见光及红外热成像***分析异常设备的着火点，使用多目视觉的喷射曲线计算方法计算出最佳的灭火角度，根据着火设备类型从消防水、干粉以及是否混合泡沫等灭火介质中选取最优灭火介质，进行消防灭火作业，当火灾扑灭后，机器人自动脱开消防水带，消防介质供给装备完成水带自动回收，机器人回到待命位置。

上述方法的具体过程如图1所示，包括以下步骤：

(1)建立变电站三维数据模型；

(2)在站内多个消防介质供给点位置布设无线AP设备，构建变电站内的无线网络；

(3)根据所述无线网络对消防机器人进行定位；

(4)根据接收到的变电站内火灾监控设备发送的设备异常监控数据，确定最优的消防介质供给点的位置，同时规划出消防机器人到达异常设备的最优路径；

(5)控制消防机器人自动运行至消防介质供给点位置，完成消防水带的自动对接；

(6)控制消防机器人自动运行至异常设备附近，根据着火设备类型自主选择灭火介质；根据着火点位置自动计算出最佳的喷射角度和喷射流量。

其中，步骤(1)中，建立变电站三维数据模型的具体过程包括：

(1-1)建立变电站三维视觉模型；

利用机器人搭载的多目视觉设备，利用站内设备结构化的特点为约束，使用多视角重建得到一个整体的初级模型。利用多摄像头(部分实施例中可以是两个)摄取两幅图像的视差，构建三维场景，在检测到目标后，通过计算图像对应点间位置偏差，获取目标的三维信息。

通过分析摄像头传回的画面，就可以分析画面中的设备与设备之间的距离、拍摄点到设备的距离等各类距离信息。站内的设备的长度信息、高度信息都是已知的，那么在测距的时候就可以用来作为参考。

通过立体视觉技术建立模型是较为成熟的技术，但是缺点就是精度不够高，所以建立的是个初级模型。

通过无人机搭载多台传感器，采用倾斜摄影技术，同时从垂直、前视、后视、左视、右视五个不同角度采集影像，获取到丰富的建筑物顶面及侧视的高分辨率纹理。通过该种方法可以真实地反映地面物体情况，高精度获取物体纹理信息，通过先进的定位、融合、建模等技术，生成真实的三维模型。

结合多目视觉设备建立的初级模型，进行密集匹配，生成精确的三维视觉模型。多视影像密集匹配能得到高精度高分辨率的数字表面模型，匹配方法为:利用算子检测角点，然后通过特征描述符对检测角点进行特征描述，根据相应的匹配准则对影像特征点进行匹配。

(1-2)建立变电站三维激光模型；

通过激光扫描变电站室外的设备，可以得到高精度的三维点云数据，建立较为精确的三维激光模型。

(1-3)将多目视觉+无人机倾斜建模建立的视觉三维模型，与激光导航设备建立的激光模型通过算法进行匹配，使两个模型的坐标点一一对应，进行配准融合，得到新的变电站三维数据模型。

进行配准融合的过程为：

图像配准：将两幅尺寸相当的图像映射到同一个坐标系中，使它们的特征对应。其中一幅图像的坐标不变，称为固定图像，另一幅图像要平移、旋转、缩放，称为浮动图像。

图像融合：两幅图像配准后，就可以叠加，称为简单的图像融合。即多幅图像连接成一幅大图。

可以通过神经网络优化算法对图像配准融合的结果进行优化，根据站内的环境和站内设备的特征，经过神经网络优化训练，调整神经网络算法的结构，最终输出最优的图像配准融合结果。

在上述建立的新的变电站三维数据模型中，通过无人机采用倾斜摄影技术进行三维建模，此时在站内工作的机器人会作为模型的一部分，获得在视觉模型中的一个坐标；机器人上搭载的激光扫描设备，会与之前建立的激光模型进行匹配，获得一个在激光模型中的坐标位置；上述两个坐标按照模型融合的规则进行配准融合，可以得到机器人在新模型中的坐标位置。

步骤(2)中，参照图2，在站内多个供水点位置布设无线AP设备，构建变电站内的无线网络，确保站内每个点都有信号覆盖，在新的三维模型中标注出供水点位置处的无线AP的坐标位置。

步骤(3)中，连入无线网络中的机器人，根据无线AP在新的三维模型中的坐标位置，通过三角定位法，计算消防机器人相对于无线AP的坐标位置；

三角定位法的原则为：根据地图上已知位置的三个点与未知点之间的距离，确定未知点的位置。

将机器人在变电站三维数据模型中的坐标位置与消防机器人相对于无线AP的坐标位置进行比对，进行比对的目的是提高精确度，如果两个坐标在规定的误差范围内，认为机器人目前的坐标是精确的，若超出规定值，则认为定位不够精准，发出警报进行调整。

在浓烟遮蔽的环境下，机器人在通过视觉手段建立的模型里坐标精准度会受到影响，但是激光模型里的精准度不受影响，在浓烟遮蔽情况下，使用激光坐标+无线AP三角定位坐标，可以在视觉坐标失灵的情况下提高精准度。

步骤(4)中，根据接收到的变电站内火灾监控设备发送的设备异常监控数据，确定最优的消防介质供给点的位置，同时规划出消防机器人到达异常设备的最优路径；

消防介质供给点位置选择：在变电站三维数据模型中，标注出着火点位置，调用最短路径算法测量各供水点到着火点位置的最短路径，选取其中路径最短的供水设备。

机器人行进路线：机器人设计的高通过性，在站内可以畅通无阻，不担心台阶之类的路障，依然是计算机器人到故障设备的最短路径，确定行进路线。

步骤(5)中，控制消防机器人按照规划的最优路径自动运行至消防介质供给点位置，完成消防水带的自动对接；参照图3，具体过程如下：

消防机器人的后部设有第一对接口，消防水带的一端与消防介质供给装备连接，另一端设有与第一对接口相匹配的第二对接口，消防机器人和消防介质供给装备上均设有多个视觉摄像头，用于实时监控第一对接口和第二对接口的对接状态。

至少在消防机器人的前部和后部设置第一视觉摄像头和第二视觉摄像头，消防介质供给装备上设有第三视觉摄像头，其中第一视觉摄像头能够对消防机器人的前方进行图像采集以实现火灾识别，第二视觉摄像头和第三视觉摄像头均能够对第一对接口和第二对接口进行图像采集，通过第二视觉摄像头和第三视觉摄像头的配合，实现对消防机器人和消防水带的对接的全流程监控，进而实现对接的高度自动化。

消防水带设于水带卷盘上，水带卷盘上设有第四视觉摄像头，用于实时采集消防水带的状态图像，其至少能够采集到消防水带的两端的接头的图像。

水带卷盘设置在消防介质供给装备的内部或者固定在消防介质供给装备上，第二对接口外露，当消防机器人需要与消防水带进行对接时，机器人向后倒退，并使得第一对接口靠近消防介质供给装备，通过消防介质供给装备上的柔性对接装置在一定的误差范围内实现消防水带的第二对接口与消防机器人的第一对接口的自动对接。

第一视觉摄像头、第二视觉摄像头、第三视觉摄像头和第四视觉摄像头均通过无线网络与消防控制平台连接，用于将采集到的设备状态图像实时传输给消防控制平台进行图像处理和识别。

消防控制平台通过提取图像中较为明显的特征值，得到第一对接头与第二对接头的相对位置，通过持续抓图并进行图像处理，判断目前对接状态，其中水带接头是固定型号的金属件，水带多为白色，可以轻易的通过提取图像中较为明显的特征值实现对图像的识别。

在进行图像处理的同时，第一对接头和/或第二对接头上装有第一传感器，当第一对接头和第二对接头对接成功时，第一传感器向消防控制平台发送对接成功信号

消防控制平台对实时抓取到的消防水带的状态图像进行处理和识别，当图像中出现水带卷盘与水带连接处的时候认定水带处于完全展开状态，机器人停止动作；当图像中出现水带与机器人对接的接头时认定水带处于完全收回状态，水带卷盘停止动作。

消防水带的破损会导致水压不足，根据启动的加压泵的数量预设好压力的数值，消防水带或第一对接口或第二对接口的位置设有压力传感器，用于实时检测水压并传输到消防控制平台，并与存储的预设压力阈值进行对比，当水压低于预设压力阈值时提示压力不足，判定存在管路泄漏/水带破损。

步骤(6)中，控制消防机器人自动运行至异常设备附近，根据着火设备类型从水柱、细细水雾、干粉以及是否混合泡沫等灭火介质中选取最优灭火介质，进行消防灭火作业；根据着火点位置自动计算出最佳的喷射角度和喷射流量。

参照图4，根据着火点位置自动计算出最佳的喷射角度和喷射流量的具体过程如下：

(6-1)通过多目视觉设备的普通视觉摄像头采集现场环境的图像信息，包括现场环境内设备的图像信息、现场环境内火情图像信息和现场环境内烟雾浓度信息等。如果在火情现场，则可通过多目视觉设备采集到着火设备、火情大小、烟雾浓度等视觉图像信息。

通过多目视觉设备的红外摄像头采集现场环境的红外图像，主要包括现场环境里各处的温度、最高温度、最高温度出现的位置、火焰的形状等。如果在火情现场，则可以采集到现场环境内温度的最高温度、最高温度出现的位置，火焰的形状等信息。

(6-2)采用图像处理算法，对得到的图像进行图像灰度化、分割、滤波等处理，分别确定相应的可疑火灾区域；

首先，对图像进行颜色检测，如大片的橘红色或者黑色，做比重计算等初步处理。

接着，再对初步处理后的图像进行灰度化处理和运动检测，确定图像中是否有可疑火焰的区域。

对可疑火焰的区域进行滤波处理，提取滤波处理后图像的颜色直方图，提取图像特征值，进行匹配处理，确定图像中可疑火灾的区域。

最后，将可疑火灾区域进行分割并归一化处理，作为后续进行研判的基本单位。

对于获取的红外图像，由于多目视觉设备根据火焰红外辐射的波段选取了合适的红外摄像头，采集的红外图像除火焰的辐射信号外，其他的红外信号干扰较小，而且干扰源如其他发热设备或者反光等形状都较为规则，因此对红外图像的处理较为简单，将红外图像进行图像灰度化预处理后进行分割，提取分割后图像特征值，将提取的图像特征值输入训练好的神经网络模型进行识别，即可得到红外图像的可疑火灾区域。

(6-3)根据视觉图像信息和红外图像信息的预处理结果，定位着火区域。在本实施例中，着火区域包括可信火灾区域和疑似火灾区域。

将视觉图像处理后的可疑火灾区域与红外图像处理后的可疑火灾区域进行对比，将重叠的可疑火灾区域作为可信火灾区域，若未重叠的可疑火灾区域作为疑似火灾区域，将重叠的未可疑火灾区域判定为没有着火的区域，则是未发生火灾的区域。

(6-4)根据着火区域，建立喷射曲线模型，识别出水柱落点，确定最佳喷射角度和喷射流量。

确定着火区域后进行瞄准，根据得到的可信火灾区域，以可信火灾区域的底部为目标区域，由于设备喷射的水柱曲线与落点较为固定，可以建立喷射曲线模型，调整云台角度及高度，使曲线模型的落点落在可信火灾区域内，喷射之后通过机器人搭载的其他摄像头传回的喷射画面，调用算法进行图像处理，在图像中识别出喷射的水柱落点。

对喷射图像进行处理，识别出喷射的水柱落点的具体实现过程为：

对喷射图像进行预处理，包括去噪、平滑、变换等的操作；

提取预处理后图像中喷射水柱的特征值；

将提取到的喷射水柱的特征值输入神经网络图像识别模型，识别出喷射的水柱落点。

当消防介质是干粉或者细水雾时，只需要控制其覆盖面积包含着火点即可。

当不存在可信火灾区域时，根据得到的疑似火灾区域，以疑似火灾区域的底部为目标区域，建立喷射曲线模型，调整云台角度及高度，使曲线模型的落点落在可信火灾区域内，喷射之后通过机器人搭载的其他摄像头传回的画面，调用算法进行图像处理，在图像中识别出喷射的水柱位置，根据水柱的落点与疑似火灾区域的坐标差，确定最佳喷射角度。

(6-5)灭火过程中，根据着火区域面积与着火设备面积的比值，判断该着火设备的火势大小；

研判现场火情主要是看火焰的相对大小，对比着火区域与整个设备的面积比，来判断现场着火设备的火情大小。不同设备的现场火情判断规则不同，对于长宽高均约为1m的电力设备，如果着火区域占设备面设计的二分之一以上面积，即算是大火，三分之一左右为中火，三分之一以下为小火。而对于长宽高约为3m的电力设备，那么三分之一面积即算是大火。

根据站内不同的设备，建立不同的样本库，在机器人识别出该设备着火或接到报警信息(如“xx设备起火”)时，适合的灭火距离、火情判断依据等各种信息，是可以直接从该库内得到的，机器人在从样本库内得到的灭火距离、火情判断依据等各种信息的基础上，通过即时判断进行作业。

样本库内信息是事前通过训练得到的，机器人每次作业时得出的即时判断结果也会存入该样本库。

在本实施例中，将喷射流量分为高、中、低三档，分别对应喷射流量由大到小；通常情况下，在开始作业时，会选择高档，随着火势的减小会选择中档和低档；如果开始时火势很小或者主要作用是降温，则在开始时选择中档或低档。

本实施例可以在消防机器人作业的过程中，使用多目视觉设备实时监控作业进展，根据火情调整喷射的角度和流量，做到精准灭火，不影响站内其他正常运行的设备；

针对站内特定的着火设备，进行精准灭火作业，通过机器人搭载的可见过摄像头与红外摄像头拍摄到的现场画面，通过算法即时处理，分析现场情况，自动调整喷射位置与喷射流量。

在作业过程中，根据作业效果即时调整作业模式，自动分析现场环境，并可进行多种喷射模式的切换，可以针对不同的火灾现场做出更有效的应对；有利于实现消防机器人的自主作业。

实施例二

在一个或多个实施例中，公开了一种变电站消防机器人自主作业控制***，包括：

用于建立变电站三维数据模型的装置；

用于在站内多个消防介质供给点位置布设无线AP设备，构建变电站内的无线网络的装置；

用于根据所述无线网络对消防机器人进行定位的装置；

用于根据接收到的变电站内火灾监控设备发送的设备异常监控数据，确定最优的消防介质供给点的位置，同时规划出消防机器人到达异常设备的最优路径的装置；

用于控制消防机器人自动运行至消防介质供给点位置，完成消防水带的自动对接的装置；

用于控制消防机器人自动运行至异常设备附近，根据着火设备类型自主选择灭火介质的装置；

用于根据着火点位置自动计算出最佳的喷射角度和喷射流量的装置。

上述每一个装置的工作过程参照实施例一中所述的过程，不再赘述。

实施例三

在一个或多个实施例中，公开了一种变电站消防机器人，其采用了实施例一中所述的变电站消防机器人自主作业控制方法实现在变电站内的自主消防作业。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (12)

1.一种变电站消防机器人自主作业控制方法，其特征在于，包括：

建立变电站三维数据模型，构建变电站内的无线网络，根据所述无线网络对消防机器人进行定位；

确定最优的消防介质供给点的位置，规划出消防机器人到达异常设备的最优路径；

控制消防机器人自动运行至消防介质供给点位置，完成消防水带的自动对接；

控制消防机器人自动运行至异常设备附近，根据着火设备类型自主选择灭火介质；根据着火点位置自动计算出最佳的喷射角度和喷射流量。

2.如权利要求1所述的一种变电站消防机器人自主作业控制方法，其特征在于，所述建立变电站三维数据模型，具体为：

利用消防机器人搭载的多目视觉设备，建立变电站三维视觉模型；

通过激光扫描变电站室外的设备，得到变电站内设备的三维点云数据，建立三维激光模型；

将得到的模型进行配准融合，得到变电站三维数据模型。

3.如权利要求1所述的一种变电站消防机器人自主作业控制方法，其特征在于，构建变电站内的无线网络，根据所述无线网络对消防机器人进行定位，具体为：

在站内多个消防介质供给点位置布设无线网络设备，

根据无线AP设备在变电站三维数据模型中的坐标位置，计算消防机器人相对于无线AP的第一坐标位置；

确定消防机器人在变电站三维数据模型中的第二坐标位置，将第一坐标位置与第二坐标位置进行比对，确定机器人当前的坐标位置是否正确。

4.如权利要求1所述的一种变电站消防机器人自主作业控制方法，其特征在于，确定最优的消防介质供给点的位置，同时规划出消防机器人到达异常设备的最优路径；具体为：

确定着火点在变电站三维数据模型中的坐标位置，计算消防机器人从各介质供给点到着火点的路径距离，选取最短路径距离对应的介质供给点，作为消防机器人的介质供给点位置；

采用最短路径方法确定消防机器人到达介质供给点以及着火点位置的行进路线。

5.如权利要求1所述的一种变电站消防机器人自主作业控制方法，其特征在于，完成消防水带的自动对接，具体过程为：

通过图像采集装置实时采集消防机器人与消防水带对接接口的图像信息，通过提取图像中的特征值，得到消防机器人与消防水带对接接口的相对位置，不断调整消防机器人上对接接口的位置，通过持续抓图并进行图像处理，结合多传感器数据，判断当前的对接状态，直至两者对接成功。

6.如权利要求5所述的一种变电站消防机器人自主作业控制方法，其特征在于，消防水带的自动对接过程还包括：对实时抓取到的消防水带的状态图像进行处理和识别，当图像中出现水带卷盘与水带连接处的时候，判定消防水带处于完全展开状态；当图像中出现消防水带与消防机器人对接的接头时，判定消防水带处于完全收回状态；

或者，

消防水带的自动对接过程还包括：实时检测消防水带与消防机器人对接接口处的压力，并与存储的预设压力阈值进行对比，当压力低于预设阈值时提示压力不足，判定存在管路泄漏或者水带破损。

7.如权利要求1所述的一种变电站消防机器人自主作业控制方法，其特征在于，根据着火点位置自动计算出最佳的喷射角度和喷射流量，具体为：

根据现场环境的视觉图像信息和红外图像信息，确定着火点位置和着火区域；

识别喷射介质的落点，以着火区域的底部作为目标区域，判断喷射介质的落点与目标区域的坐标差；

以喷射介质的落点与目标区域的坐标差最小为目标，构建消防介质喷射曲线模型，确定最佳喷射角度；

根据着火区域中可信火灾区域和疑似火灾区域的面积占比，调整喷射流量。

8.如权利要求7所述的一种变电站消防机器人自主作业控制方法，其特征在于，根据现场环境的视觉图像信息和红外图像信息，确定着火点位置和着火区域，具体为：

分别对得到的视觉图像信息和红外图像信息进行预处理；

将视觉图像处理后得到的可疑火灾区域与红外图像处理后得到的可疑火灾区域进行对比，将重叠的可疑火灾区域作为可信火灾区域，将未重叠的可疑火灾区域作为疑似火灾区域，将重叠的未可疑火灾区域判定为未发生火灾的区域；将可信火灾区域转换成火焰空间坐标信息。

9.如权利要求8所述的一种变电站消防机器人自主作业控制方法，其特征在于，分别对得到的视觉图像信息和红外图像信息进行预处理，具体为：

对视觉图像进行预处理：将预处理后的图像进行灰度化处理和运动检测，确定视觉图像中是否有可疑火焰的区域；对可疑火焰的区域进行滤波处理，提取滤波处理后图像的颜色直方图，提取图像特征值，进行匹配处理，确定视觉图像中可疑火灾的区域；将可疑火灾区域进行分割并归一化处理；

对红外图像信息进行预处理：对红外图像进行图像灰度化预处理后进行分割，提取分割后图像特征值，将提取的图像特征值输入训练好的神经网络模型进行识别，得到红外图像的可疑火灾区域。

10.如权利要求1所述的一种变电站消防机器人自主作业控制方法，其特征在于，所述的自主作业方法还包括：根据着火区域面积与着火设备面积的比值，判断该着火设备的火势大小；根据火势大小，实时调整喷射流量。

11.一种变电站消防机器人自主作业控制***，其特征在于，包括：

用于建立变电站三维数据模型的装置；

用于构建变电站内的无线网络的装置；

用于根据所述无线网络对消防机器人进行定位的装置；

用于确定最优的消防介质供给点的位置，同时规划出消防机器人到达异常设备的最优路径的装置；

用于控制消防机器人自动运行至消防介质供给点位置，完成消防水带的自动对接的装置；

用于控制消防机器人自动运行至异常设备附近，根据着火设备类型自主选择灭火介质的装置；

用于根据着火点位置自动计算出最佳的喷射角度和喷射流量的装置。

12.一种变电站消防机器人，其特征在于，包括：采用权利要求1-8任一项所述的变电站消防机器人自主作业控制方法。

Images