基于MPC算法的飞机主动侧杆杆力控制研究.pdf

第4 1卷 第8期2 0 2 3年8月MA CH I N E R Y&E L E C T R ON I C SV o l.4 1 N o.8A u g.2 0 2 3收稿日期:2 0 2 2 1 1 0 1作者简介:吴 昊(1 9 9 0-),男,江苏盐城人,硕士研究生,研究方向为飞机主动侧杆;孙永荣(1 9 6 9-),男,江苏南通人,教授,研究方向为检测技术与自动化仪表等。基于MP C算法的飞机主动侧杆杆力控制研究吴 昊1,孙永荣1,孙旭东2,刘 闯1(1.南京航空航天大学自动化学院,江苏 南京 2 1 1 1 0 6;2.沈阳飞机设计研究所,辽宁 沈阳 1 1 0 0 3 4)摘 要:由于惯性多余力和电磁多余力的存在,主动侧杆存在杆力误差,特别是主动模式下侧杆受到突加多余力的影响易出现过冲和震荡进而影响飞行安全。为此,提出了一种基于MP C预测模型的系统杆力控制方法。将反馈力作为训练模型,经模型预测出期望反馈力并对不同反馈力做P I D调节。通过仿真实验对该控制方法进行验证,结果表明,相比于传统的P I D控制算法,所设计的主动侧杆杆力控制方法可有效提升控制精度。关键词:模型预测控制;飞机主动侧杆;永磁同步电机;杆力控制中图分类号:T P 2 7 3 文献标志码:A 文章编号:1 0 0 1 2 2 5 7(2 0 2 3)0 8 0 0 3 3 0 6R e s e a r c h o n S t i c k F o r c e C o n t r o l o f A c t i v e S i d e S t i c k B a s e d o n MP C A l g o r i t h mW U H a o1,S U N Y o n g r o n g1,S U N X u d o n g2,L I U C h u a n g1(1.C o l l e g e o f A u t o m a t i o n E n g i n e e r i n g,N a n j i n g U n i v e r s i t y o f A e r o n a u t i c s a n d A s t r o n a u t i c s,N a n j i n g 2 1 1 1 0 6,C h i n a;2.S h e n y a n g A i r c r a f t D e s i g n a n d R e s e a r c h I n s t i t u t e,S h e n y a n g 1 1 0 0 3 4,C h i n a)A b s t r a c t:D u e t o t h e e x i s t e n c e o f i n e r t i a l s u r p l u s f o r c e a n d e l e c t r o m a g n e t i c s u r p l u s f o r c e,t h e r e a r e r o d f o r c e e r r o r s i n t h e a c t i v e s i d e s t i c k.E s p e c i a l l y i n t h e a c t i v e m o d e,t h e s i d e s t i c k i s p r o n e t o o v e r s h o o t a n d s h o c k,w h i c h w i l l a f f e c t t h e f l i g h t s a f e t y.I n t h i s p a p e r,a m e t h o d o f s y s t e m s t i c k f o r c e c o n t r o l b a s e d o n MP C p r e d i c t i o n m o d e l i s p r o p o s e d.T h e f e e d b a c k f o r c e i s u s e d a s t h e t r a i n i n g m o d e l,a n d t h e d e s i r e d f e e d-b a c k f o r c e i s p r e d i c t e d b y t h e m o d e l,a n d t h e d i f f e r e n t f e e d b a c k f o r c e s a r e a d j u s t e d b y P I D.T h e s i m u l a t i o n e x p e r i m e n t v e r i f i e s t h e c o n t r o l m e t h o d.T h e r e s u l t s s h o w t h a t,c o m p a r e d w i t h t h e t r a d i t i o n a l P I D c o n t r o l a l g o r i t h m,t h e s t i c k f o r c e c o n t r o l m e t h o d o f t h e a c t i v e s i d e s t i c k d e s i g n e d i n t h i s p a p e r c a n e f f e c t i v e l y i m-p r o v e t h e c o n t r o l a c c u r a c y.K e y w o r d s:MP C;a i r c r a f t a c t i v e s i d e s t i c k;PM S M;s t i c k f o r c e c o n t r o l0 引言飞行员操纵系统使飞机的舵面产生偏转,进而实现对飞机姿态的操纵,驾驶杆是飞机操纵系统中的核心部件。主动侧杆是当前驾驶杆技术的未来发展方向,被动侧杆杆力与侧杆位移关系取决于弹簧特性,可控性差,而主动侧杆中反馈杆力可以跟踪飞行状态,输出相应大小反作用力,为驾驶员提供更加逼真的操纵感1。主动侧杆通过遴选的力加载装置实现杆力的实时跟踪反馈,相比于电液加载方式而言,以永磁同步 电 机(p e r m a n e n t m a g n e t i c s y n c h r o n o u s m a-c h i n e,PM S M)为主体的主动侧杆具有重量轻、体积小和效率高等优点2,采用PM S M构成飞机主动侧杆的力加载系统,系统的鲁棒性高。由于飞机主动侧杆系统中存在非线性、迟滞的332 0 2 3(8)问题,传统P I D算法难以满足高精度杆力控制的需求,国内外许多学者对主动侧杆的控制方法展开研究:通过采用一种双模预测转矩控制,将基本电压矢量扩展为广义双矢量较好地抑制转矩脉动;另有一种基于死区电压矢量的MP C方法24,区分有益电压矢量和非有益电压矢量对MP C当前稳态控制性能的影响,分析了有益死区电压矢量的优势,同时也为本文的研究提供了一定的前期支持;还有一种无位置传感器矢量控制的新状态估计方法,验证一种解决暂态过程中转子速度,位置估计不精确问题的方法57,同时值得注意的是,其中提出的一种误差补偿算法,该理念对减小电机参数的依赖性有启发作用;加入观测器,减少采样延迟、提高性能并实现少位置传感器的控制模式8。预测模型控制在对信号进行多步预测后加入P I D控制以增稳,同时减少系统延时91 1。引入多虚拟矢量模型预测控制,为如何减小MP C算法自身在线解算量大、实效性较差的弊端提供了一个新的视角1 21 4。为了消除由惯性多余力和电磁多余力等非线性力引起的杆力误差,抵消干扰力的影响,本文提出了一种基于MP C预测模型的系统杆力控制方法,该方法在解决不同自由度上系统耦合问题的同时提高了对侧杆反馈力的甄别能力,从而提高杆力控制精度。1 杆力控制系统建模本文设计的杆力控制方法是基于永磁同步电机的双闭环矢量控制,双闭环内环为电流环,外环为杆力环。工作过程中,由飞机的飞行状态参数决定当前杆力与侧杆转动位置的关系,形成杆力 位移特性曲线,结合当前飞行员施加给侧杆的给定方向大小的力计算出理想杆力,为杆力控制系统提供伺服基准。在飞机伺服系统中,杆力控制的效果更加突出,飞机主动侧杆的杆力控制原理如图1所示。?图1 主动侧杆杆力控制原理为方便对系统整体控制方案进行研究和设计,首先建立永磁同步电机的数学模型作为系统总体模型的主要部分进行分析。根据永磁同步电机dq坐标系下电流的微分方程、电磁转矩关系式及运动方程,并采用id=0的静态解耦电流控制方法,根据文献7 可以推导出muq=pnmJ L s2+J Rss+p2n2m(1)m为转子的角速度;uq为定子电压的q轴分量;m为永磁体相对应的转子磁链;pn为电机磁极对数;J为转动惯量;L为电枢电感;Rs为定子电阻。令ke=km=pnm,从而可得永磁同步电机在S域中的模型。主动侧杆系统中的传动模型包括行星减速器模型和机械框架传动模型。行星减速器用于增大永磁同步电机的加载力矩,使加载至手柄握把处的杆力可以满足全范围需求并留有一定余度。二自由度机械框架的作用是实现杆力在俯仰、滚转2个自由度上的解耦,对现有的2种功能进行补充,避免两轴向间相互影响。本文选取主动侧杆的俯仰轴作为控制对象,将行星减速器与机械框架的传动作用合并统一由传动系数kj表示。根据传动原理,若记电机的旋转行程为f,则传动至主动侧杆手柄处的位移xf与f的关系为xf=kjf(2)本文选用电阻应变式杆力传感器测量和反馈侧杆的操纵力。传感器应有宽适应性,满足现有传感器能够设定的相应区间。电阻应变式杆力传感器中应变片阻值会随着其形变而变化。根据此变化规律可将杆力传感器模型简化看作一个比例环节kr。将电机模型、传动模型和杆力传感器的模型组合后可建立飞机主动侧杆俯仰轴杆力控制系统的模型,如图2所示。?F*+ei*i?ks1+Ls RsIq1Js m-kmkb1skjkrFifxfuq-图2 杆力控制系统的数学模型2 MP C算法原理分析构建完善杆力控制系统后,选择合适的控制策略。模 型 预 测 控 制(m o d e l p r e d i c t i v e c o n t r o l,MP C)通过对给定代价函数进行在线滚动优化,直接求解出控制信号。其进行控制信号的求解可划分为以下几个步骤:a.在有限的预测步长中对被控对象未来的状态43吴 昊等:基于MP C算法的飞机主动侧杆杆力控制研究自动控制与检测或输出进行预测。b.通过最小化代价函数,在每个时间点在线计算被控对象的未来输入信号序列(控制信号序列)。c.仅将求解出的控制信号序列中第1个信号输入到被控对象中,当系统仍在运行中并有新的测量信号获得,则返回步骤a进行重复运算。其原理如图3所示。?()x k?()u k?()y k?(+)y kk1?()y k?图3 预测模型控制原理预测模型环节作为一种可基于模型的控制方法,通过模型信息建立预测模型,从而构造被控对象未来输入变量和输出变量的关系。相比于其他基于模型的方法,模型预测控制强调预测模型的预测功能,在本文所述的主动侧杆中,不同驾驶员对侧杆主动模式下的反馈力感知不相同,需要上述模型预测功能。为了保证控制算法的收敛,则需要对状态变量进行终端约束。信号反馈环节是在k时刻基于预测模型得到预测输出y(k+1|k)后,需要根据当前时刻的实际输出测量值与上一时刻的预测输出y(k|k-1),对预测模型进行矫正,得到校正后的预测输出y(k+1),以降低预测模型参数变化或不确定性对预测精度的影响。以增益为1进行矫正,此时校正后的预测输出为y(k+i)=y(k+i|k)+(y(k)-y(k|k-1)y(k+i|k)+(y(k)-y(k|k-1)=y(k)+(y(k+i|k)-y(k|k-1)(3)i=1,Np,Np为预测控制算法的预测步长。可以看出,k时刻矫正后的预测输出,实际上为k时刻输出的测量值与预测模型计算出的输出增量的预测值的和。基于这一特性,可以直接对被控对象输出增量进行预测,构造预测模型。滚动优化环节是基于模型输出的预测值在每个采样时刻通过在线对如下代价函数进行滚动优化,求取最优控制策略,即m i nJ(k)u=Npi=1ys p(k+i-1)-y(k+i-1)2+Nui=1u(k+i-1)2(4)Nu为预测控制的控制步长;为代价函数中权重。虽然预测控制策略在每个采样时刻其代价函数的形式是相同的,但其优化的性能指标随着时间跨度变化。因此所解得的预测控制策略并不是一次性计算出来,而是在约束条件下对代价函数滚动优化决定。将每次计算出的Nu步控制序列中第1个控制信号输入到系统中,即可完成预测控制的1个控制步。3 单神经元P I D控制器设计由基于预测模型控制环节对侧杆杆力进行预测优化后,进一步优化控制主动模式下的反馈力,提出以下策略:驱动电机根据输入杆力指令产生当前时刻的驱动力后反馈到杆力控制器,计算出当前时刻的杆力控制误差e(k),并存储前2个时刻的杆力误差,共同构成控制器自学习时的状态量。其中:x1(k)=e(k),用于反映控制误差,相当于P I D控制中的积分项;x2(k)=e(k)-e(k-1),用于反映误差量的变化趋势,相当于P I D控制中的比例项;x3(k)=e(k)-2e(k-1)+e(k-2),用于反映调节速度,相当于P I D控制中的微分项。经MP C环节控制后的矫正输出作为期望输出,本文选择如式(5)所示的引入期望输出参与学习过程的有监督H e b b学习规则,进行单神经元P I D权值调节9。w1(k+1)=w1(k)+Ie(k)u(k)x1(k)w2(k+1)=w2(k)+Pe(k)u(k)x2(k)w3(k+1)=w3(k)+De(k)u(k)x3(k)(5)杆力控制器输出的控制律为u(k)=u(k-1)+K3i=1i(k)xi(k)(6)K0,为神经元的比例系数,K增大时系统的调节速度越快,但也会引起超调量增大和系统稳定性下降等问题。将式(6)中的权值系数进行归一化处理,从而提升算法的收敛速度。改进后的杆力控制器控制律为u(k)=u(k-1)+K3i=1wi(k)xi(k)(7)wi(k)可表示为wi(k)=wi(k)3i=1wi(k)i=1,2,3(8)加入MP C杆力控制器的飞机主动侧杆杆力控532 0 2 3(8)制器可由图4表示。F*(k)为期望杆力,F为反馈杆力,期望杆力与反馈杆力的差值e(k)经状态变换后,可得到学习所需要的状态量xi(k)。预测模型的引入使P I D算法具备了一定的自适应能力,对于控制过程中的参数变化具备了更好的自整定性能,从而有效地提高主动侧杆系统的杆力控制精度。F k*()e k()?x k1()x kx k()()23?ww kw k1()k23()()u+u k()?kz-1+-+F图4 单神经元P I D控制器首先设定初始控制信号,即设定第1次参与迭代的飞机主动侧杆三环矢量控制中位置环的控制量u1(0),本文将首次生成的位置误差作为初始控制信号。然后更新控制输入状态,当进行第i+1次迭代时,首先解算出本周期的位置误差ei+1(k),再结合存储器中上一迭代周期的位置控制量ui(k)和误 差 信 号ei(k)确 定 当 前 周 期 的 控 制 输入ui+1(k)。最后确定结束迭代条件,当迭代次数足够多时,被控系统的输出量就会逐渐逼近期望值。为防止迭代次数过大使得算法运行时间过于冗长,一般会设置最大迭代次数和迭代结束条件。本文设置最大迭代次数为3 0,迭代结束条件为em a x(i)。其中,em a x(i)是第i次迭代时侧杆系统最大位置误差的绝对值,为满足侧杆随动模式要求的结束条件。本文所研究的侧杆系统选用胜格电气有限公司的一款旋转变压器作为位置传感器,其精度为0.1,故确定=0.1。若满足结束条件,迭代终止,不满足时则进行下一次迭代。4 仿真实验及数据分析4.1 S i m u l i n k仿真系统搭建为验 证 本 文 所 设 计 方 法 的 控 制 效 果,基 于MAT L A B/S i m u l i n k平台进行仿真实验验证。按照图2所示的框图搭建系统的双环杆力控制模型,其中相关参数取值如表1所示。基于永磁同步电机杆力控制模型进行系统搭建,并加入单神经元P I D控制器的仿真系统整体结构如图5所示。在杆力输入环节引入本文所研究单神经元P I D控制器,将单神经元P I D控制器封装成S i m u l i n k中的MAT L A B F u n c t i o n子函数,加入到双环控制模型中作为杆力控制器,输入为杆力误差e(k),输出为期望电流i*(k)。表1 杆力控制模型仿真参数电机参数 数值转动惯量J/(k gm2)0.0 0 0 8阻尼系数B/(Nms)0.0 0 1 0电枢电感L/H0.1 7 5 0定子电阻Rs/0.2 5 0 0电势系数k/(r a ds)0.1 8 3 4逆变器增益ks0.1 7 9 0减速器传动比kj1 4.0 0 0 0杆力传感器刚度系数kr/(Nm-1)51 06*P*PIPIi*qsiqsvqsd q,vvSVPWM?Udcd q,iiPIi0*ds=idsvdsiqsids,a b c,iaibPMSM?relMPC图5 仿真系统结构4.2 仿真实验结果分析设定主动侧杆的期望杆力为阶跃信号,根据主动侧杆 的 杆 力 需 求 范 围,设 置 期 望 杆 力 幅 值 为3 0 N。将本文提出的加入MP C杆力控制器的系统与采用经典P I D杆力控制器的系统进行仿真对比,结果如图6和图7所示。其中,图6展示的是杆力跟踪效果,图7展示的是杆力跟踪误差。3630241812606-?/N0246810121416?/s3024810?图6 期望杆力为阶跃信号时仿真对比由图6可知,改进后的系统具有更好的动态响应特性,调节时间减少了约1 5.7 6%。由图7可知,引入MP C算法的系统稳态误差明显小于改进前的系统,设置合适的代价函数,使得MP C控制器拥有63吴 昊等:基于MP C算法的飞机主动侧杆杆力控制研究自动控制与检测和P I D控制器相同的收敛速度,既具备了工程应用的实际意义,同时也实现了在杆力误差约束上更快地收敛,在第5 s施加杆力时,P I D控制器的杆力误差在区间内达到了3 0 N,而MP C控制器的杆力误差达到6.0 8 N,相比于改进前,在5 s处杆力控制误差减小了约7 9.7 3%。仿真结果的具体数据如表2所示。3630241812606-?/N0246810121416?/s?图7 期望杆力为阶跃信号时仿真误差对比表2 期望杆力为阶跃信号仿真结果数据阶段调节时间 杆力误差改进前1 1.2 3 s0.7 4 N改进后9.4 6 s0.1 5 N改进前后控制效果减少1 5.7 6%减少7 9.7 3%设置主动侧杆期望杆力为正弦信号,将采用MP C杆力控制器的系统与采用经典P I D杆力控制器的系统进行仿真对比,结果如图8和图9所示。其中,图8展示的是杆力跟踪效果,图9展示的是期望杆力为正弦信号时的跟踪误差。因反馈力信号有1个周期的滞后,因而后期在设计中应增加离散数学模型下MP C杆力控制的效果对比。4530150153045-?/N0246810121416?/s301500 2.0 6.1 0.30 330 029 729 429 1.7 8.8 0.?图8 期望杆力为正弦信号时仿真对比由图8可知,在系统运行初期,采用经典P I D控制的系统有明显的振荡和超调,而引入MP C控制器系统的调节时间明显缩短。由图9可知,采用传统P I D控制的系统在1 0.7 2 s时将控制误差稳定在0.6 8 N内,以正弦形式浮动。引入MP C控制的系统在1.1 3 s内将误差控制在0.0 4 N内,同样以正弦形式浮动。仿真结果的具体数据如表3所示。45301501530-?/N0246810121416?/s0 600 6.-.0 2.0 6.1 2.1 0.0 8.0 4.?图9 期望杆力为正弦信号时仿真误差对比表3 期望杆力为正弦信号仿真结果数据阶段调节时间杆力误差稳定震荡幅值改进前1 0.7 2 s0.6 8 N改进后1.1 3 s0.0 4 N改进前后控制效果减少8 9.4 6%减少9 4.1 2%图1 0是通过负载转矩观测器补偿提高系统抑制多余力能力效果图。仿真实验中,在系统运行至1 4 s时加入幅值为3 V的正弦波位置扰动。从图1 0中可以看出,未引入补偿的系统在加入扰动后将进行1.1 0 s的正弦式幅值衰减振荡,而引入负载转矩观测器的系统在0.0 8 s内消除了扰动对系统的影响进入平稳运行状态,调节时间减少了9 2.7 3%,系统对多余力的抑制效果明显提升。363024181260?/N0246810121416?/s182031 530 028 527 0.14 0.14 4.14 8.15 2.?图1 0 负载转矩前馈效果验证732 0 2 3(8)5 结束语本文针对飞机主动侧杆杆力控制精度不足、抗干扰能力差的问题进行了算法改进。设计了飞机主动侧杆系统的总体架构,建立了以永磁同步电机驱动的“电流内环+力外环”杆力加载系统数学模型,在杆力环引入M P C控制器以提高杆力加载精度,并通过负载转矩观测器进行交轴电流前馈以提高系统的抗干扰能力,从而抑制多余力的影响,基于MA T L A B/S i m u l i n k平台与传统P I D算法的控制效果进行对比,验证了新算法的有效性。实验结果表明,本文方法可以有效提升主动侧杆的杆力伺服控制精度。参考文献:1 WANG Q X,Z HU L,L UO X,e t a l.D u a l m o d e l p r e-d i c t i v e t o r q u e c o n t r o l(d u a lMP C)o f PM S M b a s e d o n g e n e r a l i z e d d o u b l e v e c t o r sC/2 0 1 9 2 2 n d I n t e r n a-t i o n a l C o n f e r e n c e o n E l e c t r i c a l M a c h i n e s a n d S y s t e m s(I C EM S),2 0 1 9:2 3 2 3 2 3 2 6.2 Z HAN G X G,CHE N G Y,Z HAO Z H,e t a l.T h e o p t i-m i z e d m o d e l p r e d i c t i v e c o n t r o l w i t h d e a d t i m e v o l t a g e v e c t o r f o r PM S M d r i v e sJ.I E E E T r a n s a c t i o n s o n p o w e r e l e c t r o n i c s,2 0 2 0,3 6(3):3 1 4 9 3 1 5 8.3 WAN G T,Z HU Z Q,F R E I R E N M A,e t a l.C o m p a r a-t i v e s t u d y o f p a r a m e t e r m i s m a t c h o n d i f f e r e n t m o d e l p r e d i c t i v e c o n t r o l s f o r PM S M d r i v e sC/2 0 2 0 I E E E 9 t h I n t e r n a t i o n a l P o w e r E l e c t r o n i c s a n d M o t i o n C o n-t r o l C o n f e r e n c e(I P EMC 2 0 2 0E C C E A s i a).N a n j i n g:I E E E,2 0 2 0:1 7 7 1 8 4.4 王琦.永磁同步机模型预测控制研究D.南京:东南大学,2 0 2 0.5 王杨睿.永磁同步电机无位置传感器控制的位置误差分析与对策D.哈尔滨:哈尔滨工业大学,2 0 2 1.6 刘莹.永磁同步电机模型预测控制策略研究D.武汉:华中科技大学,2 0 1 8.7 晏慧星.飞行模拟器主动侧杆控制系统设计D.哈尔滨:哈尔滨工业大学,2 0 2 1.8 L I X Y,T I AN W,GAO X N,e t a l.A g e n e r a l i z e d o b-s e r v e r b a s e d r o b u s t p r e d i c t i v e c u r r e n t c o n t r o l s t r a t e-g y f o r PM S M d r i v e s y s t e mJ.I E E E T r a n s a c t i o n s o n i n d u s t r i a l e l e c t r o n i c s,2 0 2 1,6 9(2):1 3 2 2 1 3 3 2.9 徐娟,贾志远,张建军,等.基于改进单神经元P I D的转子动平衡控制方法J.合肥工业大学学报(自然科学版),2 0 1 8,4 1(1 1):1 4 9 1 1 4 9 5.1 0 唐英博.三环结构的电动负载模拟器的控制性能改进D.哈尔滨:哈尔滨工业大学,2 0 1 8.1 1 鲁文其,胡育文,梁骄雁,等.永磁同步电机伺服系统抗扰动自适应控制J.中国电机工程学报,2 0 1 1,3 1(3):7 5 8 1.1 2 Z HANG L,Z HAN G H,O B E I D H,e t a l.T i m e v a r-y i n g s t a t e o b s e r v e r b a s e d t w i s t i n g c o n t r o l o f l i n e a r i n-d u c t i o n m o t o r c o n s i d e r i n g d y n a m i c e n d e f f e c t s w i t h u n k n o w n l o a d t o r q u e J.I S A T r a n s a c t i o n s,2 0 1 9,9 3:2 9 0 3 0 1.1 3 L UA N T J,W A N G Z C,L O N G Y,e t a l.M u l t i v i r t u a lv e c t o r m o d e l p r e d i c t i v e c u r r e n t c o n t r o l f o r d u a l t h r e ep h a s e P M S MJ.E n e r g i e s,2 0 2 1,1 4(2 1):7 2 9 2 7 2 9 2.1 4 程启明,魏霖,程尹曼,等.基于准Z源矩阵变换器的永磁同步电机无源控制驱动系统J.中国电机工程学报,2 0 1 9,3 9(2 2):6 7 4 6 6 7 5 6.(上接第3 2页)5 结束语通过本文的分析,建立了基于电力大数据的二次系统智能巡检系统,该系统能够以D 5 0 0 0平台为数据接口,通过数据总线服务、分析处理平台和人机界面管理等实现智能巡检的相应功能,并对历史告警信息、压板及开关量状态、校核等的具体工作流程进行了说明。通过应用分析说明了本文系统的有效性,能够大大提升二次系统的巡检正确率,确保系统的安全稳定运行。参考文献:1 孙小磊,林童,陈昊,等.变电站室内二次屏柜无人机巡检系统研究J.湖北电力,2 0 2 1,4 5(6):9 9 1 0 5.2 韩建波智能变电站二次设备安装工况在线巡检系统设计J.农村电气化,2 0 2 1(9):5 6 5 8.3 罗增辉,胡华志,杜涛1 1 0 k V内桥式变电站电压二次回路设计改进的探讨J.电工电气,2 0 2 1(7):6 8 7 0.4 罗显跃,周敬余,禹天润,等基于四旋翼无人机的二次屏柜巡检系统J.电测与仪表,2 0 2 2,5 9(7):1 7 5 1 8 2.5 孙立伟,谢蓓敏,赵长春无人值守变电站巡检技术研究与应用J.东北电力技术,2 0 1 7,3 8(1 2):2 5 2 7.6 刘海峰,陈宏,姜健琳,等基于D 5 0 0 0平台下二次设备自动巡 检系 统的 设 计及 实现 J.电网 与 清洁 能 源,2 0 1 7,3 3(1 1):3 9 4 5.7 明志勇,杨顺吉图像识别技术在变电站智能巡检中的应用综述J.农村电气化,2 0 2 2(7):4 0 4 5.8 李标俊,向权舟,谢保鸡,等红外热像监测机器人在变电站巡检中的应用研究J.电子设计工程,2 0 2 0,2 8(2 2):1 7 5 1 7 9,1 8 4.9 朱思河,李康宇变电站自动化巡检机器人应用分析J.机电产品开发与创新,2 0 2 0,3 3(5):3 6 3 7,4 8.83