买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：三峡大学

摘要：本发明提供了一种锅炉管道污垢的自动清理装置及方法，自动清理装置包括：装置主体，承载各个模块，进入管道内部，所述装置主体上安装有用于给清洗模块提供动力的电机；安装有用于对整个自动清理装置进行控制的控制系统；安装有连杆组件，连接所述装置主体和驱动模块；安装有用于管道内壁表面污垢清洗的清洗模块；安装万向节，链接前置的冲洗模块和视觉模块。此自动清理装置借由连杆组件连接装置主体和驱动模块，可通过杆件伸缩来调节装置主体与管道内壁的间距；通过永磁铁车轮吸附在锅炉管道内壁，用以适应在不同走向的管道内进行清洗工作；能够通过摄像头本体进行视频观察，通过人工控制摄像头进行旋转，从而拍摄锅炉管道内壁污垢图像信息。

主权项：1.锅炉管道内壁污垢清洗的方法，包括锅炉管道污垢的自动清理装置，自动清理装置包括：装置主体（10），用于连接各个模块，进入管道内部；驱动模块（8），环绕在装置主体（10）外部，呈圆周阵列式配置，紧贴管道内壁，带动整个清理装置移动；连杆组件（12），连接所述装置主体（10）和所述驱动模块（8），通过固定托架（53）和第一铰链轴（54）被可回转地设置在驱动模块和装置主体之间，并通过杆件伸缩来调节装置主体与管道内壁的间距，用以适应在不同内径尺寸大小的管道中移动；增压模块（9），其安装在连杆组件（12）上，驱动杆件伸缩并增大环形运动带（60）与管道壁面间摩擦力，保证整个装置主体（10）在垂直管道内壁面上攀爬；清洗模块（13），安装在空心轴（52）上，用于去除形成在管道内壁上的污垢；前置载体（2），安装于装置主体（10）前端，通过万向节（5）联接；冲洗模块（3），安装在前置载体（2）的尾部；视觉模块（1），放置于前置载体（2）的前端，用于识别污垢区域，采集污垢等级评估所需图像信息；所述空心轴（52）和万向节（5），内放置药剂液管、冲洗液管及视觉模块供电线；其特征在于，所述方法包括以下步骤：步骤1，附着力检测：通过增压模块（9）展开连杆组件（12），使驱动模块（8）的驱动轮贴合锅炉管道内壁面；针对不同走向的管道，由IMU传感器获取清洗装置的位姿信息，感应清洗装置在未启动驱动模块时，在管道内是否存在倒滑倾向，若装置出现倒滑情况，通过控制系统给电磁铁的车轮供电，提高装置对管道内壁表面的吸附力，并同时通过增压模块增大连杆组件（12）与装置主体（10）的夹角，达到提高驱动轮在管道内壁面的附着力的目的，再次通过IMU传感器判定装置是否悬停；是，则开展下一步；否，则重复步骤1；步骤2，采集管内图像判定污垢存在：通过双目摄像头拍摄管道内图像，补光灯对双目摄像头进行补光，拍摄图像由内控系统通过无线网络发送给外控设备上；操作员通过外控设备查看拍摄图像，识别污垢是否存在；步骤3，装置行走控制：整个清洗装置通过三个带编码器的电机分别控制三个驱动模块（8）进行移动，带编码器的电机与内控系统相连接，操作员外控设备控制带编码器的电机转速，驱动模块（8）进行运动，通过编码器获取装置的速度，从而进行调节装置运行状态；步骤4，污垢区域信息采集：操作员控制装置行进至污垢区域，在此过程中，能够通过外控系统，控制视觉模块内带编码器的电机，调节双目摄像头（22）进行旋转拍摄，获取一组污垢区域图像，并通过无线网络将图像传输到外控设备；步骤5，评估污垢等级：具体包括以下步骤：步骤5-1，污垢图像预处理：由于采集到的图像中存在小部分的背景干扰以及噪声的影响，应当在预处理阶段采用滤波和去噪的方法排除这部分的干扰，并裁剪掉多余的背景部分，使得图像中仅含有污垢区域并通过增强算法对于细节进行增强，加强污垢部分的细节信息，凸显污垢区域与管道内壁金属区域的差异，以此提高污垢区域的识别率；步骤5-2，超像素分割：步骤5-2-1，聚类中心初始化：对于采集到的彩色图像，将其从彩色图像的RGB颜色空间转化为CIELAB颜色空间；预设分割的超像素块，图像总像素个数为,每个超像素块中包含的像素点为，初始聚类中心初始化步长为，计算聚类中心，取，邻域内各像素点的梯度值，用梯度值最小的点代替聚类中心；步骤5-2-2，计算特征距离分割图像：对于每一个像素点而言，其空间位置XY坐标信息和Lab三个颜色空间分量组成5维特征向量，然后对5维特征向量构造距离度量标准，不断迭代搜索聚类中心邻域，将图像像素聚类得到紧凑、近似均匀的超像素块，其特征距离计算的公式如下： 式中：代表颜色距离，、、分别代表像素点的空间颜色值，、、分别代表像素点的空间颜色值；代表空间距离，是像素点的坐标位置，是像素点的坐标位置；表示最大颜色距离，采用固定范围值代替；步骤6，构建污垢特征集：将污垢原始图像转成灰度图像，以缺陷的灰度图像为基础，遍历图像，读取所有像素点计算得到直方图，设图像，灰度等级为L，灰度直方图定义为图像像素点总数除以灰度等级为的像素数，通过提取灰度直方图的统计特征作为污垢图像灰度特征的特征参数，包含图像灰度的均值、方差、能量、熵、灰度平滑度、倾斜度和峭度；构建二维相关矩阵，计算就是从图像灰度为的像素出发，统计与其距离为、夹角为且灰度值大小为的像素点同时出现的概率，以数学式表示为： 其中，为图像在第行第列的像元；为图像在第行第列的像元；为像素点距离；为两像素点连线按顺时针方向与x轴的夹角；在二维相关矩阵的基础上计算其统计特征，以二次统计量作为污垢图像的纹理特征参数，并选择最常用的六个参数，分别是二阶矩、对比度、相关、熵、方差和逆差矩；步骤7，污垢特征指标降维：由步骤6得到13个用于描述污垢的特征参数，采用PCA的方法对于这些指标进行降维处理，从而在减小工作量的同时又保留这些特征指标所代表的绝大部分信息；步骤7-1，构建原始数据矩阵并对数据标准化：以污垢图像划分的像素块n作为行，构建的特征指标矩阵数据，构建出的原始数据矩阵；将原始数据矩阵按列进行中心标准化处理，得到标准化后的数据矩阵，为方便描述将其称为标准矩阵，记为X，公式如下： 步骤7-2，计算自相关系数矩阵：自相关系数矩阵，有： 式中：，表示第i个指标与第j个指标的相关系数；步骤7-3，计算矩阵R的特征值和对应的特征向量，计算得R的p个特征值和对应的特征向量，；步骤7-4，计算累积贡献率，记累积贡献率为，则有： 步骤7-5，计算主成分系数： 则有为1至t个主成分，它们之间线性不相关，作为步骤8的输入数据；步骤8，识别分割图像污垢区域：对步骤6降维之后的数据进行聚类分析，将特征相近的像素聚成一类；步骤8-1，确定聚类个数初始化聚类中心：明确管道内壁样本类型个数，即盐类、氧化铁和油污、管道金属表面，共3类，所以聚类个数；设为维空间的数据集，表示各个超像素的特征，为个超像素块，每个像素块都具有个特征，设为个聚类中心集合；设，表示已分配数据的第个聚类集，为分配至该聚类集的超像素；步骤8-2，设定迭代次数、计算像素块欧式距离和聚类中心：从个超像素中随机选取个样本点作为初始簇的聚类中心，迭代次数为；用欧式距离代表超像素间的距离，其计算公式为： 聚类中心计算公式为： 步骤8-3，遍历所有的数据：计算单个数据到上述步骤8-2，通过步骤8-2计算每个簇样本的均值，作为新的中心点；步骤8-4，计算聚类准则函数SSE： 步骤8-5，重复步骤，直到满足指定的迭代次数或者聚类准则函数不再发生变化；步骤8-6，对于分割出的每一类，将其聚类结果转化为对应的二值图像，借助二值图像在原始图像中还原出该区域；步骤8-7，统计图像总像素点和各污垢像素点：在步骤5-1预处理之后的统计出图像中像素点总数，由在步骤8分割后筛选得到的盐类污垢区域和氧化铁与油污的污垢区域图像统计污垢区域的像素点数量；根据两大类污垢占比和得到污垢等级指标；步骤9，接收控制信号并设置电机工作功率：根据两大类污垢占比和得到污垢等级指标，外控设备通过无线网络，将清洗装置电机工作功率和装置运行信息传输给内控系统，以等级指标，污垢区域占比百分比系数乘上电机额定功率，得到清洗电机出力功率大小：步骤10，控制装置进行锅炉管道内壁清洗：根据控制信号，由内控系统控制电机功率，进行清洗作业，当氧化铁区域占比低于设定阈值时，控制化学药剂和保护液的流量，减少使用化学药剂，同时加大保护液的流量，冲洗稀释化学药剂，达到降低化学药剂对管道内壁金属表面锈蚀区域的影响程度。

全文数据：

权利要求：

百度查询： 三峡大学 一种锅炉管道污垢的自动清理装置及方法