本书系统地介绍了作者及其所在研究团队关于油浸式变压器内部故障检测机器人的研究成果。针对变压器密闭、充油、内部结构紧凑、电磁环境复杂等问题，本书融合人机协同控制技术、密闭充油的无线传输技术、激光雷达定位技术、视觉检测技术等前沿科技，研发了一套可取代人工检测的机器人装置。本书详细阐述了机器人控制系统和紧凑型机械结构设计方法，构建了机器人动力学模型和运动学模型，提出了基于反演滑模控制的机器人悬停定点观测控制方法，通过仿真验证和示范应用证明了机器人在变压器内部开展故障检测任务的可行性。 本书可作为变压器故障检修人员，机器人工程、控制工程和水下工程领域的研究和开发人员、工程技术人员的参考书，也可供理工类大学相关专业教师和学生参考。

1 绪论
　　随着全球经济的快速发展和人口规模的持续扩大，全球能源消耗迅猛增加，产生了一系列的能源环境、能源配置、能源效率、能源供应等方面的问题。针对全球能源问题，我国在2015年联合国发展峰会上提出了全球能源互联网的概念，得到了联合国和国际社会广泛支持。全球能源互联网可促进可再生能源和清洁能源的快速发展，保障全球能源的稳定供应，优化能源配置，是全球经济持续发展的必由之路。
　　全球能源互联网由跨洲骨干网架和涵盖各电压等级的智能电网构成，连接各洲大型能源基地，并且能够适应各种分布式电源接入需要，能够将海洋能、太阳能、风能等可再生能源输送到各类客户，是配置能力强、服务范围广、安全可靠性高的全球能源配置平台[1]，如图1.1所示。油浸式变压器是实现全球能源组网的关键设备，不同输电电压等级的跨国、跨洲的电力系统组网都要依靠油浸式变压器完成。
　　图1.1 全球能源互联网
　　1.1 油浸式变压器故障检测技术概述
　　在电力系统运行过程中，变压器承担电能分配、电压变换和传输的功能，在维护电力系统可靠性与稳定性上发挥着重要作用。同时，变压器故障也是整个电力系统稳定性的隐患。油浸式变压器的故障诊断一直是电网设备中较复杂的工作之一。油浸式变压器内部结构复杂，高压、高温环境容易导致油浸式变压器发生多个故障，故障机理不易探明，增加了故障分类处理难度，同时提高了故障点位置确定难度。油浸式变压器故障按照故障位置分为外部故障和内部故障两种[2]。外部故障为变压器油箱外部绝缘套管及其引线上发生的各种故障。由于外部故障发生在变压器油箱外部，容易观测识别，因此较容易确定故障点位置。内部故障指变压器油箱内发生的各种故障，故障类型主要包括：绕组间发生的相间短路、线匝间发生的匝间短路、绕组或引线通过外壳发生的接地故障等。油浸式变压器故障按照故障原因可分为四类：热故障、电故障、受潮或污染、变形[3]。
　　早在20世纪60年代，西方发达国家就已经开始研究油浸式变压器故障检测技术。我国油浸式变压器故障检测相关方面的研究起于20世纪70年代。历经几十年的发展，油浸式变压器故障检测技术得到了长足的进步，在实际应用中也解决了一系列问题。目前国际主流的油浸式变压器内部故障检测方法主要根据油浸式变压器内部温湿度、压强、溶解气体等数据判断故障类型。目前，变压器可检测的状态量包括油中溶解气体、含水量、油温、绕组通电特性等多个指标。因此，故障检测技术主要分为变压器油中溶解气体分析技术、变压器油微水检测技术、变压器油温检测技术、变压器绕组变形检测技术[4]。
　　1.1.1 油浸式变压器油中溶解气体分析技术
　　油中溶解气体分析（dissolved gas analysis，DGA）技术是分析电力变压器故障及潜伏性缺陷的有效手段。DGA技术的原理是分析油中溶解气体的组分和含量，从而判断相应的故障类型和故障部位[5]。Alghamdi等[6]提出了基于DGA技术的变压器故障在线实时检测系统。为了提高变压器故障诊断的准确性，Dai等[7]根据历史气体浓度数据和环境数据，提出了一种基于深度信任网络的变压器故障诊断方法。随着智能预测方法的发展，油中溶解气体浓度预测方法成为电力变压器故障诊断领域的研究热点。刘云鹏等[8]提出了一种基于长短期记忆神经网络与经验模态分解的变压器油中溶解气体浓度预测方法。为了预测变压器油中溶解气体体积分数的发展趋势，周峰等[9]提出了一种基于集合经验模态分解和极限学习机的变压器油中气体体积分数预测模型。精确预测油中溶解气体浓度有利于及时发现变压器的潜伏性故障，提高电网运行的稳定性和可靠性，防患于未然。
　　1.1.2 油浸式变压器油微水检测技术
　　变压器在长期、高温运行过程中，变压器油中不可避免地会产生微量水分。微量水分的存在会降低变压器油的绝缘性能，增加介质损耗因素，降低击穿电压，极易造成放电击穿等严重事故[10]。近年来，国内外科研人员研究了多种变压器油中微量水分检测方法，检测方法逐渐从离线检测转移到在线检测。Zaengl[11]研究了介质损耗因数极值与绝缘纸板水分含量的关系，从时域和频域计算油中含水量。施广宇等[12]采用时域和频域结合的双通道测量技术分析了温度、频率、微水含量等因素对变压器介质响应特性的影响规律，并给出了油中微水含量的评估方法。张明泽等[13]理论推导了变压器绕组等效模型介质损耗因数与绝缘纸板中含水率的关系，并提出了含水率数值迭代计算方法。Andria等[14]采用电磁传播介质的介电常数开发了一种实时检测燃油含水率的微波传感器。针对传统检测方法不能判定变压器油绝缘系统微量水分含量的问题，林智勇等[15]提出了基于极化等效电路时间常数的油纸绝缘变压器微水含量评估方法。变压器油中微水含量检测方法的研究，对于延长变压器使用寿命、保障供电安全等方面具有重要意义。随着人工智能方法的发展，神经网络、深度学习等智能化算法在微水含量判断中的应用引起了科研人员的重视。
　　1.1.3 油浸式变压器油温检测技术
　　变压器绝缘油的温度对变压器的使用寿命有较大的影响，如果油温过高，将导致变压器发生重大故障，严重缩短变压器的使用寿命。变压器的绝缘油温度包含了多种变压器故障信息，对变压器故障诊断具有重要意义。然而，早期由于变压器结构复杂、传感器技术落后，油温不能直接测量，而是利用间接模拟的方式预测油温。2002年，Swift等[16]首先提出通过热电类比法、传热理论建立变压器温度计算模型。2010年，Picanco等[17]利用热电类比法分析了温升与带负载工作时间之间的关系，建立了变压器热路模型。为了克服间接油温测量方法误差大的缺陷，随着传感器技术的发展，科研人员研究了多种变压器油温采集技术。2009年，巫付专等[18]利用热电阻实现了对变压器顶层油温的检测，检测信号可通过光纤实时传输到控制端。2012年，张又力等[19]利用ZigBee技术设计了10kV电压等级干式变压器的无线温度传感系统。2017年，王恩等[20]研制了光纤Bragg光栅温度传感器，并设计了多点温度检测系统，可同时对变压器油、绕组、铁芯等关键位置的温度进行检测。
　　1.1.4 油浸式变压器绕组变形检测技术
　　根据国家电网统计数据，约63%的变压器故障是绕组变形造成的。绕组的轻微变形虽然不会影响变压器的正常运行，但其逐渐积累会导致严重的变形，从而损毁变压器。针对变压器绕组变形的问题，Lech等[21]提出了低压脉冲法，其原理是在变压器原边施加脉冲信号，计算变压器绕组原边、副边的电压比值，根据比值判断变压器绕组的变形情况。Dick等[22]提出了频率响应法，通过比较故障前后的变压器频率响应变化判断绕组是否变形。针对短路阻抗法灵敏度低的问题，徐剑等[23]提出了通过频响函数检测变压器绕组状态的振动频响法，具有较高的电气抗干扰能力。针对变压器绕组微小变形问题，李振华等[24]提出了基于扫频阻抗法及支持向量机的分类方法，用于微小变形的识别。针对变压器绕组变形故障带电检测难度大、故障点定位困难等问题，Liu等 [25]提出了基于分布式光纤传感的变压器绕组变形检测方法。目前，针对变压器绕组变形状态的预测方法研究较少，曹辰[26]理论分析了变压器振动和电抗特性，搭建了变压器绕组的机械和电气特性多信息数据采集系统，提出了基于机械与电气参量的变压器绕组变形状态综合评估方法。
　　以上故障点识别方法利用故障引发的油温、油位、油压、溶解气体等状态量间接判断故障点的类型，属于间接判断方法，因此存在故障类型判断不准确、故障点定位困难等问题。目前为精确判断故障点，需用抽油泵将变压器油全部抽出，然后向变压器内部充入氧气以排出变压器内部的有毒气体，检测人员通过人孔进入变压器内部开展故障检测任务，如图1.2所示。
　　图1.2 检测人员维修变压器
　　1.2 水下微型机器人研究现状
　　机器人工作于变压器油中，类似于水下机器人，并且变压器内部结构狭窄，空间紧凑。了解微型水下机器人的国内外研究现状对于变压器内部故障检测机器人的设计具有重要意义。水下球形机器人是一种特殊结构的水下机器人，具有体积小、能源消耗低、运动灵活的特点，适合在封闭狭窄的变压器内部工作。
　　2008年，林西川研制了一款水下球形机器人，该机器人采用喷射泵驱动装置，如图1.3所示[27]。林西川在机器人研制的基础上，建立了机器人动力学模型，设计了基于模糊控制的机器人控制算法，对水下球形机器人的研究具有指导意义。
　　图1.3 水下球形机器人
　　2016年，钟振东设计了一款球形两栖机器人，既可以在水中通过喷射泵运动，也可以在陆地上通过喷射口进行爬行运动，如图1.4所示[28]。机器人直径250mm，主要由密封球体、控制系统、机械臂以及直流喷射泵组成。机器人在水中具备侧移、旋转、升沉三自由度运动的能力。
　　图1.4 球形两栖机器人
　　国外对水下球形机器人的结构设计及控制方法研究较早。1991年，美国夏威夷大学的自动控制学院设计了一种水下球形机器人全向智能导航仪（omni-directional intelligent navigator，ODIN），如图1.5所示[29]。机器人外壳采用铝制材料，具有

目录
前言
1 绪论 1
1.1 油浸式变压器故障检测技术概述 1
1.1.1 油浸式变压器油中溶解气体分析技术 2
1.1.2 油浸式变压器油微水检测技术 3
1.1.3 油浸式变压器油温检测技术 3
1.1.4 油浸式变压器绕组变形检测技术 4
1.2 水下微型机器人研究现状 5
1.3 油浸式变压器内部故障检测机器人研究现状 8
1.4 小结 9
参考文献 10
2 油浸式变压器结构分析 13
2.1 变压器结构特点 13
2.2 220kV变压器实例 15
2.3 机器人特性 22
2.4 小结 22
参考文献 23
3 机器人总体方案设计 24
3.1 机器人机械结构总体方案设计 24
3.1.1 机器人机械结构需求分析 24
3.1.2 机器人机械结构特点 26
3.1.3 机器人机械结构总体方案 26
3.2 机器人控制系统总体方案设计 28
3.2.1 机器人控制系统方案影响因素 28
3.2.2 机器人控制系统通信方案分析 29
3.2.3 机器人控制系统总体方案 31
3.3 小结 33
参考文献 34
4 机器人机械结构设计 35
4.1 机器人机械结构紧凑型设计 35
4.1.1 机器人结构尺寸确定 35
4.1.2 机器人内部零部件小型化设计 36
4.2 机器人喷射泵推力分析 46
4.3 机器人流体动力学分析 48
4.4 机器人运动单元结构特性分析 50
4.5 机器人外壳耐油腐蚀性设计 52
4.5.1 机器人外壳材料需求分析 52
4.5.2 常见工业非金属材料种类及优缺点 53
4.5.3 机器人外壳材料选型 54
4.5.4 机器人外壳耐油腐蚀性实验 56
4.6 小结 57
参考文献 58
5 机器人控制系统设计 60
5.1 载体控制系统硬件设计 60
5.1.1 核心控制板 60
5.1.2 电源管理板 65
5.1.3 姿态传感器 68
5.1.4 数字图传模块 68
5.1.5 激光雷达 69
5.1.6 摄像机 69
5.1.7 深度计 70
5.1.8 锂电池 70
5.2 载体控制系统软件设计 70
5.2.1 软件主要功能及特点 70
5.2.2 软件流程图 71
5.3 操作控制终端硬件设计 73
5.4 操作控制终端软件设计 74
5.5 小结 76
参考文献 76
6 机器人模型构建 77
6.1 机器人动力学分析 77
6.1.1 静力及其力矩 78
6.1.2 流体动力及其力矩 79
6.1.3 喷射泵产生的推力及其力矩 80
6.1.4 重力和浮力 81
6.1.5 机器人动力学模型 82
6.2 机器人运动学模型 82
6.3 喷射泵模型 82
6.3.1 理论分析 82
6.3.2 参数识别 83
6.4 小结 85
参考文献 86
7 机器人定点观测控制器设计 88
7.1 滑模控制基本原理 88
7.2 模型解耦 89
7.3 深度控制器设计 90
7.3.1 自学习控制器 91
7.3.2 自适应反演滑模控制器设计 92
7.3.3 自适应反演滑模控制器稳定性分析 93
7.4 航向角控制器设计 94
7.4.1 非线性干扰观测器设计 95
7.4.2 非线性干扰观测器稳定性分析 95
7.5 仿真实验验证 96
7.5.1 仿真参数设置 96
7.5.2 深度控制器仿真 97
7.5.3 航向角控制器仿真 98
7.6 机器人验证 100
7.7 小结 103
参考文献 103
8 机器人定位方法 106
8.1 机器人定位方法概述 106
8.2 机器人垂直位置测量 107
8.3 机器人水平位置测量 108
8.4 机器人定位实验 112
8.5 小结 113
参考文献 114
9 机器人收放装置 116
9.1 机器人收放装置结构设计 116
9.1.1 机器人收放装置机械原理分析 116
9.1.2 机器人收放装置方案设计 116
9.2 机器人收放装置力学性能分析 118
9.3 小结 119
10 机器人功能实验及安全性分析 120
10.1 机器人运动实验 120
10.1.1 实验目的 120
10.1.2 实验环境 120
10.1.3 实验测试 122
10.2 变压器内部实验 124
10.2.1 实验目的 124
10.2.2 实验环境 125
10.2.3 实验测试 125
10.3 运动安全性分析 128
10.3.1 机器人冲击等效分析 129
10.3.2 机器人冲击仿真分析 129
10.4 小结 131