作者：马跃宁、赵婷婷、牟金晶、邢艳慧、隋鹏飞
单位：哈尔滨剑桥学院
指导老师：韩轶男、齐丹丹
1. 项目简介
1.1 项目背景
21世纪以来，随着我国先进水平不断提高，家家户户用电也是我们必不可少的一部分，作为学生的我们更应该保护自己，实现安全用电。学生计算机机房就是我们面临安全用电的一大重地，这里地形复杂、用电线路杂乱无章、大功率用电、常年使用，这些都会造成用电危险，计算机机房的线路还保持着非裸露状态，非工作人员很难判断计算机机房的用电安全。由于没有专业人员进行及时抢修，有时我们就很容易忽视学生计算机机房的检测，从而造成危险。红外线热成像小车则可以适应计算机机房的环境，进而完成巡检过程，发现问题还可以传到电脑端，方便专业人员的维护。
1.2 技术原理及优势
在自然界中高于绝对零度的物体都可以辐射红外线，物体表面温度决定了物体热辐射的能量。所以通过此特点可以实现对物体的无接触温度测量。通过红外热成像设备可以对机房设备进行温度检测，具有灵敏度高的特点，能够清楚地检测出设备的热状态变化，对于设备内部及外部的发热情况都能够清楚地表现出来，具有较高的可靠性，能够实现对设备温度的单独检测，并且可以及时的发现设备内部存在的隐患，相对于测温枪而言，具有更为直观的效果。
2. 产品介绍
2.1 功能概述
红外热成像小车实现计算机机房巡检，提醒教师学生、老师教室的实施情况，机器人还进行了数据传输系统处理，将机器人所获得画面传输给专业人员的电脑端，方便进行长期维护。
2.2 产品构架
红外热成像巡检小车搭载两个灰度传感器、录放模块、开源热成像仪、工具箱，全车以探索者组件组成，结构稳固。四个马达带动小车的四个车轮，四轮驱动速度较快、灵敏度高。热成像仪装入3D打印的紫色小盒，方便固定热成像仪，更是为了加强本身车的稳定性和美观性。工具箱中装有多种常用工具，方便对过热装置进行维护。热成像仪的成像通过探索者树莓派将画面传输到电脑端，录放模块可以根据温度的高低情况进行提醒经过的路人，实现尽早发现问题、进而解决问题。搭载灰度模块进行巡线巡检行使，程序写好计时器，上课时间段进行每五分钟一次的全机房巡检，下课时间段自动停止，进行检测总电源等的发热情况，方便老师、学生及保护机器人。
2.3 系统特点
① 对图像分辨率进行优化
在机房设备温度动态分析和预警中，部分设备距离红外热像仪较远，导致所形成的红外图像不够清晰，借助多幅图像分辨率序列增强的技术，优化处理原始分辨率的红外图像，显著提高红外图像的分辨率，使得各项需求得以满足，并且能够确保处理后的图像依然能够进行温度分析。
② 自动生成设备对应的温度和时间变化曲线
在实时的监控过程中，对监控设备在特定云台预置位的温度可以自动生成曲线，在实时监控的过程中，在云台设置预置位，确保云台经过预置位的时候能够对预置位的设备进行定位，并且测量设备温度，而用户则需要在软件商确定适当的预置位、对应的设备以及测量的时间段，软件则可以自动为该设备形成时间、温度的变化曲线。
3. 场景调研
3.1 场景分析
因为信息系统的数量在不断的增加，所以机房中各设备的数量及种类都在不断的增加，导致机房的运行维护工作量也在随之上升，所以对于机房设备的温度检测工作就显得非常重要了，但是目前而言，大部分机房对于设备温度的分析与预警都是运行管理中最为薄弱的环节，究其原因，存在如下几点：
① 当前很多机房依然采用测温枪对设备进行温度的测量，但是这种测量方式存在只能测量设备某个点的缺点，所以导致以此方法测量存在较大的工作量，同时也不具有直观性。
② 机房的温湿度测量系统一般只能对空调温度进行监控，无法达到直接监控设备自身温度以及开关部件等位置的温度监控。
③ 机房设备数量及种类的增加，设备的使用时间不尽相同，导致所有的电源列头柜负载各不相同。
④ 气温的上升会使得设备较易出现过载的情况，这些都会影像设备的稳定运行。由此可见，对于机房设备的温度分析和预警就显得非常重要，所以通过应用红外成像技术，及时的发现问题和解决问题，实现运行维护的主动性。
3.2 市场定位
清晰的市场定位能够使企业核心业务及相关产品与其他企业严格区分开来，从而在顾客心目中占有特殊的位置[1]。关键就是为自己寻找相对于竞争企业和产品的竞争优势，红外热成像巡检小车的竞争优势是专业的服务、较好的时效性和可靠性[2]。发挥红外成像巡检小车的优势，努力拓展服务场景，着重打造高品质、定制化产品。
4. 机器人本体技术路线说明
① 首先我们团队所有成员对探索者套件的认知与实际操作，学习C语言编程技术，机身机械结构的绘制所以我们学习了画图软件完成机器人的三维图，熟悉3D建模软件及机器的使用。
② 设计计划方案，认真履行每天每个人的职责，虚心向同组人讨论学习，较为难点寻找老师求其解答。
③ 完成机器人的各项准备工作后，进行场地搭建及测试，减少对小车检测环节中出现的误差，我们多次实验进行尝试，完成拍摄、录制。
④ 将所拍摄、录制的视频、图像进行合并整理总结。
⑤ 所有成员多次举行会议讨论遇到的困难，总结经验，持续创新，不断完善。
5. 红外热成像算法
我们采用基于LSTM的设备故障在线检测方法，该方法首先提取了设备传感器的特征，并构建了故障检测模型，利用故障检测模型与滑动窗口技术的结合，在线检测设备故障，该方法建立的模型不够完善，存在检测效果差的问题。金涛等人提出基于DWT-PNN的柔性直流输电系统故障检测方法，该方法优先对输电系统的电压特性展开了详细分析，根据小波变换计算出的能量特性，利用离线数据训练PNN，通过训练结果判断障位置，从而实现最终检测，该方法的分析效率差，存在不同情况下的检测准确率低的问题。并且采用基于振动特征估计的GIS设备故障检测与分析方法，该方法优先对设备产生的振动信号特征实行提取，并对提取的特征实行估计，将估计值与实际值两者间的差值用作故障检测指标，通过自适应阈值方法对设备故障实行检测，最终依据设备振动特征变化隔离机械故障及设备放电故障，并利用多种设备获取故障前、故障后的实时振动数据，经分析后完成对设备故障的检测，该方法提取的特征不够全面，导致该方法存在与实际故障检测结果不一致的问题。为了解决上述方法中存在的问题，提出基于红外热成像检测技术的变电设备异常发热故障检测方法。通过红外热成像技术，扫描变电设备图像的红外信号实行转换，以此获取电信号，得到变电设备异常发热图像，采用中值滤波算法对红外热图像去噪。分析红外热图像得知变电设备异常发热区域的灰度值更高，为此采用模糊C均值算法对图像分割，将设备区域及非设备区域划分开，提升变电设备异常发热故障检测的准确性，将取得的温度点与环境温度信息相结合，实现变电设备异常发热故障检测。
5.1 基于红外热成像技术的变电设备图像采集
目标红外辐射及温度分布信息是红外图像形成的主要因素，红外成像技术的质量取决于目标红外辐射的采集情况。红外热像仪扫描到设备的红外辐射后，将其转换成电信号，这时就会自动生成出红外图像。因此在对变电设备异常发热故障检测时，首先需要利用红外热成像技术获取变电设备异常发热图像。
对变电设备扫描前，选取线阵列红外探测器对变电设备不同的扫描空间实行不同的扫描方式。假设线阵列红外探测器在扫描时把扫描空间划分成x个面元，按照顺序依次对变电设备各个面元实行帧图像扫描时，其扫描时间用下述方程表达式描述：
式中，τ d描述的是单元扫描时间，f p描述的是帧 频，Tp描述的是周期。红外扫描仪利用红外探测器扫描变电设备时，会取得变电设备的红外辐射信息，从而将信息转换成电信号。通过yv元线对扫描空间中每个单元实行扫描，且在每组单元中都有一个列组合，包含yv个单元器件。若利用相同的周期时间速度对元面扫描，就会增强信号信噪比，达到 p d p xy T τ = 倍。式中y描述的是y个单元探测器。平面中的单元探测器越多，对变电设备各个元面扫描的时间就会越长，故障检测效果也会提升。根据扫描到的数据，利用固体摄像器件对扫描到的红外信号实行转换，以此获取电信号，得出变电设备异常发热图像，完成对变电设备发热红外图像的采集。
5.2 变电设备红外图像预处理
对变电设备红外热图像采集期间，大气环境的温度会对红外热图像的质量造成影响，导致图像中含有噪声，以致于不能有效的提取到变电设备红外图像有用数据信息，所以需要对变电设备红外热图像实行去噪处理。 中值滤波算法属于一种非线性平滑滤波算法，能够有效对红外热图像去噪，有着很强的滤波效果。假设采集的变电站红外热图像灰度图位数为6位，那么图像像素点就为0或255。通过概率密度函数方程表达式定义如式(2)所示：
式(2)中，p(m)描述的是概率密度函数，a描述的是黑噪点，即a=0；b描述的是白噪点，即b=255。pa描述的是与a相对应的概率，pb描述的是与b相对应的概率。利用中值滤波对变电设备红外热图像窗口范围点排序，而图像的灰度值[12,13]就是序列中心中间值，用方程表达式标记为：I(i,j)=median(n(k))。式中k描述的是像素点数量，n描述的是灰度值序列，I(i,j)描述的是灰度值。 由于LevelR与LevelW是自适应中值滤波的组成部分， 表示
式(3)中，Zmin描述的是灰度最小值，Zmax描述的是灰度最大值，Zmed描述的是中值。LevelW定义如下：
式中，Zxy描述的是坐标灰度值。 当R1＞0、R2＜0时，就需要转换到LevelW，反之则需要扩大滤波窗Sxy的尺寸。若Sxy的尺寸达到Smax，就说明Smax是Sxy的输出值。当R1＞0、R2＜0时，就要将Zxy用作输出值，反之输出值为Zmed。 那么中值滤波算法对变电设备红外热成像的滤波流程如下图所示：
6. 作品创新点
6.1 思想创新
① 场景选择
选择较为较为需要重点保护的人群学生，第一次在学生的用电安全方面实施机器人人工智能，大大加强学院机房的用电安全。
② 机器人本体
机器人本体采用探索者组件，四个车轮组成大脚车的形状，方便越障、巡检，车身整体结构牢固，直观大气。
6.2 内在创新
① 减轻人工负担
相比人工巡检，红外热成像巡检机器人最大的优势在于：可以大幅减轻人工负担，有效提高巡检工作效率和效益。
② 携带工具盒
在录放模块发出警报后，专业人员在电脑端发现问题，专业人员可快速到达现场，完成维护。
③ 热成像仪与电脑端连接
方便专业人员掌控学生机房的用电安全。
7. 作品难点
DS18B20温度传感器的测温原理为：温度变化对低温度系数晶振的振荡频率影响很小，用于产生固定频率的脉冲信号作为计数器1的脉冲输入。温度变化对高温度系数晶振影响很大，所产生的信号送给计数器2。将温度寄存器和计数器1预置在－55℃对应的一个基数值。计数器1对低温度系数晶振产生的脉冲信号进行减法计数，直至初始值为0时温度寄存器加1，计数器1的值将重新被初始化，计数器1重新开始对低温度系数晶振产生的脉冲信号进行减法计数，这样循环下去，直至计数器2为0时不再对温度寄存器进行累加值。此时，温度寄存器中的数值即为要测量的温度数值。
DS18B20功能特点：
① 温度测量范围：-55℃～+125℃，-10℃～85℃范围内误差为±0.5℃。
② 单总线技术，一根线上可以连接多个DS18B20，只需要一根I/O线就可以与CPU进行通信。
③ 其64位序列号具有独有和不可修改性。
④ 3～5V低压供电，有本地供电和寄生取电两种方式。
⑤ 9～12位的可编辑数据，转换12位温度最大时间为750ms。
⑥ 自定义温度告警的上限和下限值。
⑦ 自动识别出温度告警的器件。
⑧ 通过EEPROM设置9～12位的分辨率。
⑨ 转化温度测量结果，并以串行通信方式发送出去。
DS18B20的主要数据部件：
① 64位序列号为出厂设计，独立且不可修改，是DS18B20的地址序列码。
排列顺序为：8位（28H）的产品类型标号；48位的自身序列号；8位的循环冗余校验码（CRC=X8+X5+X4+1）。光刻ROM保证了每一个DS18B20地址的不同，从而实现一根总线连接多个DS18B20的目的。
② 温度传感器测温，以12位转化为例：提供16位符号扩展的二进制补码读数形式，用0.0625℃/LSB形式表达（S为符号位）。
③ 内部存储器包括一个非易失性的可电擦除的EEPRAM和一个高速暂存RAM，高、低温度触发器、TH、TL和结构寄存器就存放在EEPRAM中。
④ 配置寄存器。
DS18B20内部结构及功能：
DS18B20温度传感器主要包括：寄生电源，64位ROM，单总线接口，温度传感器，高速暂存器RAM，温度上下限值设定的TH和TL触发器，存储与控制逻辑，8位循环冗余校验码（CRC）发生器等。
8. 解决方案
基于此，建议保留原地温分采到主采CAN线及电源线不变，温湿分采和雨量分采的两组CAN线及电源线并联接入主采防雷板的分采对应接口。照此方法接线，主采防雷板分采对应接口应有十二根线，即并联接入H接口的地温分采、温湿分采和雨量分采三根H线、并联接入L口的三根L线、并联接入12V口的三根12V电源线、并联接入G口的三根接地线。接线过程中，由于主采防雷板冷轧端子接线口大小有限，可能出现一个接口难以容纳三根并联接入线的情况，建议将两个冷轧端子对接，将温湿分采和雨量分采两根H线、L线分别并联接入其中一端的两个接口，另一端接出的H线和L线，分别与地温分采H线、L线并联接入主材防雷板分采的H、L接口，这样的话，主采防雷板分采每个接口就只并联有两根线，较便于操作，电源线也通过此种方式进行转换。
9. 项目总结
随着气温的升高、机房设备种类以及数量的增加，机房温度问题变得越来越重要，通过借助红外热成像技术构建的机房设备温度动态分析和预警系统，尽可能避免机房爆发安全风险，确保设备不会因为高温而损坏，避免出现超负荷的情况，为机房的安全稳定运行提供保障。随着气温的升高、机房设备种类以及数量的增加，机房温度问题变得越来越重要，通过借助红外热成像技术构建的机房设备温度动态分析和预警系统，尽可能避免机房爆发安全风险，确保设备不会因为高温而损坏，避免出现超负荷的情况，为机房的安全稳定运行提供保障。
摘要
[1]任成孝.基于质量服务新视角的企业市场定位———以摩托罗拉公司为例[J].山西农业大学学报(社会科学版),2012,11(9):950-953.
[2]王丽雯.我国高速铁路货运产品开发[J].石家庄铁道大学学报(自然科学版),2014,27(3):106-110.
更多详情请见：【S057】红外热成像巡检小车
