一种高压断路器动触头运动特性测试方法

摘要

一种高压断路器动触头运动特性测试方法，所述方法首先在高压断路器动触头的绝缘拉杆和转轴上设置辅助标志物，并利用相机在断路器开、合过程中采集辅助标志物的图像序列，然后采用粒子滤波方法对辅助标志物进行跟踪并据此获取每幅图像中辅助标志物的质心坐标，再根据图像序列中相邻帧之间的时间间隔和辅助标志物在图像中的坐标变化，获得动触头的运动轨迹，最后根据动触头的运动轨迹获取其运动特性。本发明采用粒子滤波定向逐帧修正快速捕捉方法获得与断路器动触头刚性连接的绝缘拉杆和转轴上的辅助标志物的运动轨迹，进而得到动触头的运动特性，该方法实施方便而且测试精度高，可为高压断路器的状态测试和性能评价提供可靠依据。

说明书

技术领域

本发明涉及一种可精确测试高压断路器动触头运动特性的方法， 属于测试技术领域。

背景技术

断路器动触头的运动特性是决定断路器断流容量的重要因素之 一，因此,断路器的制造厂和运行单位都需要对断路器动触头的运动 特性进行测试。

目前，断路器动触头运动特性的测试方法主要分为两类：一类是 毫秒计测速法，此类方法利用毫秒计测量与断路器的动触头运动规律 一致的物体通过恒定行程的时间，再利用测量结果推算动触头的运动 速度。这种测速方法实质上是将断路器动触头运动视为“匀速直线运 动”，然而，由于受到各种作用力和电弧的影响，断路器动触头在分、 合闸过程中的运动本质上是一种变加速运动。因此，毫秒计测速法很 难获得理想的测试精度。另一类方法是使用电磁振荡器、鼓形测速仪、 滑块式行程记录仪或其它测速装置对断路器动触头的运动特性进行 测试。其中，电磁振荡器的优点是结构简单、成本低，但其测试误差 较大，不能用于断路器操作机构的分—合—分循环测试；鼓形测速仪 的优点是动触头行程与时间的关系曲线清晰可见，可以用于操作机构 的分—合—分循环测试，但测试误差较大，而且成本比较高；鼓形测 速仪的缺点是比较笨重，安装也不方便；滑块式行程记录仪通过示波 器记录读数，测试方法简单，但由于其触头弹跳问题难以解决，滑块 式行程记录仪已不能满足新型超高压断路器的测试要求。

发明内容

本发明的目的在于针对现有技术之弊端，提供一种测试精度高且 实施方便的高压断路器动触头运动特性测试方法，为高压断路器的状 态测试和性能评价提供可靠依据。

本发明所述问题是以下述技术方案解决的：

一种高压断路器动触头运动特性测试方法，所述方法首先在高压 断路器动触头的绝缘拉杆和转轴上设置辅助标志物，并利用相机在断 路器开、合过程中采集辅助标志物的图像序列，然后采用粒子滤波方 法对辅助标志物进行跟踪并据此获取每幅图像中辅助标志物的质心 坐标，再根据图像序列中相邻帧之间的时间间隔和辅助标志物在图像 中的坐标变化，获得动触头的运动轨迹，最后根据动触头的运动轨迹 获取其运动特性。

上述高压断路器动触头运动特性测试方法，所述方法包括以下步 骤：

a.在高压断路器的绝缘拉杆和转轴上固定辅助标志物，其中， 绝缘拉杆上固定一个辅助标志物,转轴上固定两个辅助标志物；

b.调整相机的位置和视野，使其对准绝缘拉杆和转轴所在的 观察窗，启动相机并拍摄高压断路器开、合过程，获取辅助标志 物的图像序列；

c.对图像序列中的各帧图像进行畸变校正，将图像由RGB空 间变换到HSV空间；

d.根据每个辅助标志物的颜色特征，从图像序列的第一帧开 始，依次检测图像中是否有辅助标志物存在，直到检测到辅助标志 物为止；

e.对图像中的辅助标志物进行分割和标记，确定其在图像中的位 置和大小，并提取其颜色直方图特征，然后初始化粒子滤波跟踪过程；

f.以当前的辅助标志物为依据，采用高斯分布生成N个粒子， 由这些粒子代表辅助标志物在后续帧中的候选位置和大小；

g.获取后续帧中各粒子所代表的候选目标的颜色直方图特 征，计算它们和当前目标之间的相似度，并用最相似粒子的信息 更新当前目标；

h.重复步骤f、g，记录各帧中辅助标志物在图像中的位置、 大小，生成其运动轨迹；

i.根据辅助标志物的实际尺寸、成像大小、摄像机的焦距、 拍摄速率，利用小孔成像原理，计算高压断路器动触头的断开速 度、闭合速度、行程及角位移，绘制其运动轨迹，最终得到其动 作特性。

上述高压断路器动触头运动特性测试方法，为了提高跟踪算法 的鲁棒性和准确性，在每次采用高斯分布生成N个粒子后，应对 粒子的位置进行修正，将不符合断路器分、合闸时辅助标志物运 动方向和最大速度的无效粒子剔除。

上述高压断路器动触头运动特性测试方法，各粒子所对应的候 选目标和当前目标的颜色直方图特征之间的相似度采用 Bhattacharyya系数来度量，Bhattacharyya系数的计算公式如 下：

$\rho ({\tilde{s}}_{k-1},{\tilde{s}}_k^i)=\underset{u=1}{\overset{H}{\Sigma }}\sqrt{q_u,p_u\left(i\right)}$

其中，H为目标颜色直方图分量的个数；q_u表示当前目标颜色直 方图的第u个分量的值；p_u(i)表示第i个候选目标(即第i个粒子) 颜色直方图的第u个分量的值，的值越大，候选目标和当 前目标的颜色直方图特征之间的相似度越高。

上述高压断路器动触头运动特性测试方法，采用高斯分布生成N 个粒子的具体方法是：

将跟踪第k帧时的第i个粒子记为其中，分别表示辅助标志物在第k帧图像中的第i个候选位置；分别表示 辅助标志物的高度和宽度，生成粒子的公式如下：

${\tilde{s}}_k^i={\tilde{s}}_{k-1}+{\sigma }^T{r}^T$

其中，为第k-1中跟踪到的辅助标志物的位置及尺寸；

σ^T＝(σ_x,σ_y,σ_w,σ_h)^T为图像中辅助标志物运动时位置和尺寸变化 的方差；

r^T＝(r_x,r_y,r_w,r_h)^T为计算机生成的标准正态分布随机数。

上述高压断路器动触头运动特性测试方法，将图像由RGB空间变 换到HSV空间时，由像素在RGB空间的r、g、b分量值计算HSV空间各 分量(色调h、饱和度s和亮度v)的公式如下：

v＝max，$s=\left(\begin{array}{cc}0& \max =0\\ \frac{\max -\min }{\max }& \mathrm{otherwise}\end{array}\right),$

其中，max为r,g,b中的最大值，min为r,g,b中的最小值。

本发明采用粒子滤波定向逐帧修正快速捕捉方法获得与断路器 动触头刚性连接的绝缘拉杆和转轴上的辅助标志物的运动轨迹，进 而得到动触头的运动特性，该方法实施方便而且测试精度高，可为 高压断路器的状态测试和性能评价提供可靠依据。

附图说明

下面结合附图对本发明作进一步说明。

图1为高压断路器绝缘拉杆及转轴辅助标志物示意图；

图2为HSV颜色空间模型；

图3为辅助标志物H分量分布直方图；

图4为粒子滤波的跟踪算法流程图；

图5为断路器动触头角位移特性获取方法示意图；

图6为断路器合闸时的直线位移特性曲线；

图7为断路器分闸时的角位移特性曲线。

图中各标号为：1.转轴辅助标志物，2.绝缘拉杆辅助标志物，3. 相机，4.绝缘拉杆，5.转轴，A、B分别为两个转轴辅助标志物的安 装位置。

文中各符号为：为Bhattacharyya系数，H为目标颜 色直方图分量的个数，q_u表示当前目标颜色直方图的第u个分量的 值，p_u(i)表示第i个候选目标(即第i个粒子)颜色直方图的第u个 分量的值，为跟踪第k帧时的第i个粒子，分别表示辅助标 志物在第k帧图像中的第i个候选位置，分别表示辅助标志物的 高度和宽度，为第k-1中跟踪到的辅助标志物的位置及尺寸，σ^T为 图像中辅助标志物运动时位置和尺寸变化的方差，r^T为计算机生成的 标准正态分布随机数，r、g、b分别为像素在RGB空间的三个分量值， h、s、v分别为像素在HSV空间的色调、饱和度和亮度值，max为r,g,b 中的最大值，min为r,g,b中的最小值。

具体实施方式

参看图1，本方法首先采用高速、高清相机3拍摄断路器开、合过 程中绝缘拉杆4和转轴5上的绝缘拉杆辅助标志物2和转轴辅助标志物 1运动的序列图像，然后采用粒子滤波方法对其进行跟踪并据此获取 每幅图像中辅助标志物的质心坐标，通过计算序列图像拍摄间隔时间 和辅助标志物在图像中的坐标变化，获得动触头精确的运动轨迹，最 后根据运动轨迹获取断路器操动机构的开、合速度、行程及其他工作 特性。具体过程如下：

第一步，在高压断路器的绝缘拉杆4和转轴5上固定具有鲜明颜色 特征的贴片，作为辅助标志物。

第二步，调整高速、高清相机3的位置和视野，使其对准绝 缘拉杆4和转轴5所在的观察窗，启动相机3并拍摄高压断路器的 开、合过程，获取辅助标志物高速运动的序列图像。由于断路器 动触头和绝缘拉杆4及转轴5之间都是刚性连接，所以辅助标志物 的运动也就直接(或间接)反映了动触头的动作特性。如图1所 示，对于断路器动触头的直线位移特性，只需要一个绝缘拉杆辅 助标志物2即可；对于其运动的角位移特性，则需要同时跟踪两 个具有不同颜色特征的转轴辅助标志物1的运动，通过计算这两个 标志物质心连线的转动角度来获取断路器动触头的角位移特性。

第三步，对高速、高清相机拍摄的序列图像进行畸变校正和 颜色空间变换，并将图像由RGB空间变换到HSV空间。由像素的R、 G、B值计算HSV空间各分量的公式如下：

令max为r,g,b中的最大值，min为r,g,b中的最小值，则：

v＝max，$s=\left(\begin{array}{cc}0& \max =0\\ \frac{\max -\min }{\max }& \mathrm{otherwise}\end{array}\right);$

第四步，从高速、高清相机拍摄的序列图像的第一帧开始， 在变换后的HSV空间中，根据辅助标志物的颜色特征，检测图像中是 否有辅助标志物存在，直到检测到辅助标志物为止。

第五步，对图像中的辅助标志物进行分割和标记，确定其在图像 中的位置和大小，并提取颜色直方图特征，然后初始化跟踪过程。

第六步，以检测到的辅助标志物为依据，采用高斯分布生成 N个表示下一帧目标的粒子，每个粒子反映了目标在图像中的候 选位置和大小，跟踪第k帧时的第i个粒子记为其中，分别表示辅助标志物在第k帧图像中的第i个候选位置； 分别表示辅助标志物的高度和宽度。生成粒子的公式如下：

${\tilde{s}}_k^i={\tilde{s}}_{k-1}+{\sigma }^T{r}^T;$

其中，为第k-1中跟踪到的辅助标志物的位置及尺寸；

σ^T＝(σ_x,σ_y,σ_w,σ_h)^T为图像中辅助标志物运动时位置和尺寸变化 的方差；

r^T＝(r_x,r_y,r_w,r_h)^T为计算机生成的标准正态分布随机数。

第七步，对第六步产生粒子的位置进行修正，由于断路器分、 合闸时辅助标志物的运动方向和动触头最大速度事先已知，因 此，可以根据这些先验知识直接剔除那些不符合运动方向的无效 粒子，提高跟踪算法的鲁棒性和准确性。

第八步，计算后续帧中各粒子所代表目标的颜色直方图特 征，计算它们和当前目标之间的相似度，并用最相似粒子的信息 更新当前目标。本文中采用Bhattacharyya系数来度量当前目标 和各粒子表示的候选目标的直方图特征之间的相似性， Bhattacharyya系数的计算公式如下：

$\rho ({\tilde{s}}_{k-1},{\tilde{s}}_k^i)=\underset{u=1}{\overset{H}{\Sigma }}\sqrt{q_u,p_u\left(i\right)},$

其中，H为目标颜色直方图分量的个数；q_u表示当前目标颜色直 方图的第u个分量的值；p_u(i)表示第i个候选目标(即第i个粒子) 颜色直方图的第u个分量的值。

第九步，重新对比后续帧中粒子运动速度和位置，继续排除 速度大于动触头最大速度某合适阈值的粒子，重新简化相似粒子 的信息。

第十步，重复上述过程，记录各帧中辅助标志物的出现的位 置、速度、大小等特征，生成其运动轨迹。

第十一步，根据辅助标志物的实际尺寸、成像大小、相机的 焦距、拍摄速率，采用小孔成像原理，计算高压断路器动触头的 开、合速度、行程并绘制其运动轨迹，据此进一步分析其动作特 性。

在通过序列图像对高压断路器动触头进行运动分析之前，首 先必须检测到固定在绝缘拉杆上的辅助标志物。这里，为了实现 方便和跟踪的鲁棒性，辅助标志物选定为具有鲜明颜色特征(如 红色或绿色)的贴片，通过视觉很容易将其和绝缘拉杆及断路器 箱体等其他部件区分开来。高清相机拍摄的序列图像的像素颜色 为RGB颜色模型，它采用三原色相混合的方式产生颜色空间，因而颜 色受亮度的影响很大。另外，r,g,b三基色之间并不是相互独立的， 因此RGB颜色模型并不具备进行彩色图像处理所要求的独立性和均 匀性。HSV颜色空间，是基于视觉感知角度定义的颜色模型，如图2 所示。彩色信息在HSV颜色空间定义为3种属性：色调、饱和度、亮 度。h即色调，表示颜色的种类，范围是[0～1]，相应的颜色从红、黄、 绿、蓝绿、蓝、紫到黑变化，每一种颜色和它的补色之间相差180度； s即饱和度，它的取值范围也是[0～1]，相应的颜色从未饱和(灰度) 向完全饱和(无白色元素)变化；v即亮度，其取值范围同样是[0～1]， 相应的颜色从0到1逐渐变亮。

HSV颜色空间符合人类对颜色的感知，而且颜色的基本属性色 调、饱和度和亮度互相独立，在一定程度上能够满足独立性和均匀性。 更重要的是，HSV颜色空间把亮度(v)分量独立了出来，能够很好 地避免光照变化对辅助标志物颜色区分的影响，所以这里选择HSV颜 色空间对图像进行处理。

对序列图像中辅助标志物所在区域像素的h分量进行统计，得到 h分量分布的直方图如图3所示，它描述了辅助标志物的颜色特征。 得到该颜色直方图后，从第一帧开始，提取图像每个像素的h分量， 标记h分量值在图中红色区域内的像素并进行区域分析，如果区域面 积和形状符合辅助标志物的特征，则提取其在图像中的位置和尺寸， 并据此初始化粒子滤波跟踪过程。

粒子滤波通过寻找一组在状态空间中传递的随机样本对概率密 度函数进行近似,以样本均值代替积分运算,从而获得状态最小方 差的估计过程,这些样本即称之为粒子。粒子是形容尺度极小的滤波 器,可认为是一个滤波器代表了目标状态中的一个点。所谓滤波,是 指可以滤出目标的当前状态,在估计理论中也指由当前和以前的观 测值来估计目标当前的状态。粒子滤波的含义是指目 标状态传播的后验概率可以用若干个粒子来近似表示。本发明针对断 路器动触头运动的先验知识对粒子滤波方法进行了修正，利用操作过 程逐帧对粒子进行了两次重新定向，过滤了伪粒子目标信息，对后续 图像序列分析中重采样进行了修正，提高了动触头辅助标志物的捕捉 速度和准确性。

粒子滤波定向逐帧修正算法计算的主要步骤为:

(l)粒子初始化

根据检测到的辅助标志物在图像中的位置、尺寸，采用高斯分布 随机初始化N个粒子，用于表示目标在当前帧中可能的位置和尺寸； 这里，粒子的状态包括目标在图像中的位置和尺寸属性。这里，用表示第k帧时第i个粒子的状态。

(2)计算粒子权值

计算每个粒子所表示目标的图像区域HSV空间颜色直方图特征， 并计算该直方图与当前目标颜色直方图之间的距离，排除与断路器运 动方向不一致的粒子后，以其倒数作为该粒子的权值；这里，用表 示第i个粒子在第k帧时的权值。

(3)权值归一化

按下述公式对每个粒子的权值进行归一化：

${\tilde{w}}_k^i=w_k^i/\underset{j=1}{\overset{N}{\Sigma }}{w}_k^j,$

其中，为归一化后的第i个粒子在第k帧时的权值。

(4)更新目标状态

根据各个粒子的状态和权值，计算后验概率并更新目标状态，具 体如下：

其中，表示第k帧跟踪到的目标状态。

(5)重采样

计算粒子分布，检测超速粒子降低权重，当检测到粒子发生退化 时，从中根据它们各自的重要性权值重新采样得到新 的N个粒子的集合并重新分配粒子权值如下：

$w_k^i={\tilde{w}}_k^i=1/N,$

断路器动触头运动特性的获取：

在通过粒子滤波对绝缘拉杆上辅助标志物的运动进行跟踪后，就 可以方便地获取断路器动触头的运动特性了。这里以角位移时间特性 为例，来进行分析。

如图5所示，动触头的角位移特性可以根据断路器动作前、后这 两个辅助标志物质心连线的转动角度来反映。这是因为连接绝缘拉杆 的转轴为刚体，两个辅助标志物质心连线的旋转角度即为转轴的转动 角度，它恰好间接地反映了断路器动触头的角位移。通过计算断路器 动作过程时，每一帧图像中这两个辅助标志物质心连线相对于运动前 的旋转角度，即可获取断路器动触头的角位移特性。设动作前，辅助 标志物质心之间的连线为l₁，动作后，两辅助标志物质心间的连线为 l₂，则l₁到l₂的夹角θ即为断路器动触头的角位移(即l₁沿逆时针方向 旋转到第一次与l₂重合时所转的角度)。其中，θ∈[0,π)，其计算公式 为：

$\mathrm{tg\theta }=\frac{k_2-k_1}{1+k_2\times k_1},$

其中，k₁、k₂为直线l₁、l₂的斜率。

使用上式计算角位移的前提是l₁和l₂的斜率都存在。若都不存在， 则l₁和l₂平行，角位移θ为0；当有且只有一个斜率不存在时，有四种 情况：

1)l₂的斜率不存在，且l₁与横轴的夹角α₁＜π/2：θ＝π/2-α₁；

2)l₂的斜率不存在，且l₁与横轴的夹角α₁＞π/2：θ＝π/2+(π-α₁)；

3)l₁的斜率不存在，且l₂与横轴的夹角α₂＜π/2：θ＝α₂+π/2，

4)l₁的斜率不存在，且l₂与横轴的夹角α₂＞π/2：θ＝α₂-π/2，

对型号为LW59-252/4000-50的220Kv高压交流六氟化硫断路器进 行分、合闸实验，采用本方法获取的动触头直线和角位移特性时间曲 线分别如图6和图7所示，与断路器出厂报告中的分闸行程曲线和合闸 行程曲线特性一致，这也说明了本方法采用的基于视觉的非接触测量 技术是有效的，可适用于各类高压断路器动触头的运动分析。