巡检机器人室内配电室应用

  1. 智能巡检系统实施背景

电力系统发展已进入电气化、自动化、智能化建设加速推进的新阶段,设备规模大幅增长,新设备、新技术加快应用,装备水平取得长足发展,与此同时设备规模大幅增长,新设备、新技术加快应用,对设备状态管控能力建设提出更高要求。

而由于设备的增多,厂区的增加,电力的巡检也需要投入越来越多的人力资源。同时,人工巡检的效果一定程度上取决于巡检人员本身的专业程度,且巡检结果会受到巡检人员个人状态影响。因此,需要智能化的巡检手段来补充人工巡检的缺陷。

  1. 需求理解
    1. 巡检工作需求
      1. 指针类仪表设备巡检

室内环境(主要是电力设备柜)的指针类仪表包括电流表、电压表、功率表、SF6等,如下图2.1所示。

图2.1 设备柜指针类仪表示例

对于特殊室内场景,指针类表计还包括油位表、温度计、避雷器泄露电流表等各类表计,从表计形式上,可分为单指针类表计(图2.2a)、双指针类表计(图2.2b)、其它颜色(非黑色)指针表计(图2.2c)

 

屏幕剪辑

 

a.双指针类仪表           b.单指针类仪表          c.非黑色指针仪表

图2.2 指针类仪表示例

      1. 数字类仪表设备巡检

数字类表计包括数字型电流表、线芯温度表、相位电流表、避雷器动作次数记录等,从表计形式上,主要可分为三类:发光型(图2.3a)、灰度型(图2.3b)、机械计数型(图2.3c)。

屏幕剪辑

       

           a.发光型数字表                         b.灰度型数字表

    c.机械计数型数字表

图2.3 数字类仪表示例

      1. 电气指示类设备巡检

电气指示灯指各类通过灯的亮度和颜色来指示工作状态的仪表,包括:分合闸指示灯、开关状态、贮能状态、手车状态、接地状态、带电显示器指示灯等等,如下图2.4所示。

图2.4 指示灯类仪表示例

      1. 机械状态指示类设备巡检

此类设备的类型一般为:接地状态、手车状态机械、开关状态机械、贮能状态机械、开关断路器等等。从形式上,可分为直线型(图2.5a,含有明显直线)、两态匹配型(图2.5b,两种状态)、多态旋钮型(图2.5c,多种状态)。

 

  

图2.5a 直线型机械状态仪表

 

  

图2.5b 两态型机械状态仪表

 

屏幕剪辑

  

图2.5c 多台型机械状态仪表

      1. 设备测温和局部放电检测

电气设备温度昭示着设备的通流性能、设备局部放电反应设备的绝缘状况,能够为电气设备的健康状况评估提供可靠的判断依据;因此,除了常规的设备运行状态巡检外,对设备温度和局部放电状况的监测同样至关重要。设备测温对象主要包括配变三相桩头以及整体柜面温度测量;局部放电测量主要针对高压电力设备柜的局部放电情况进行测量。

      1. 环境监测

室内的温湿度、水位、有害气体浓度环境变量对电力设备的运行有着关键性的影响;为了确保对电力设备运行环境的实时监控和远程管理,需要对设备运行环境进行实时监控和及时告警。环境监测内容包括温湿度、电缆沟水位、SF6等气体浓度、烟雾传感、门禁安防等,结合设备运行状态,形成多维度、立体化的智能感知空间,实现供电主所、降压变等场景安全运行的多方位监测与保障。

    1. 管理工作需求
      1. 资源覆盖面扩大需求

囿于电力系统场景数量众多、环境复杂、覆盖面广,现有的监测办法尚未形成泛在化、广域化的边缘业务终端节点网络,难以实现全业务流程的多维度全面管控;仍存在大量关键节点未进行业务终端部署,管理网络边缘未能触及偏远地区。需要根据场景工程需求和环境需求,针对性部署智能巡检系统和业务终端,形成集成化自主巡检设备和分布式在线监测装置多维度交叉的信息空间,形成连续性、立体化的广域数据资源覆盖面。

      1. 资源利旧整合联网需求

随着电厂自动化建设进程的推进,供电系统内存在为数不少的监控相机、环境监测装置、门禁、自动化设备(空调、风机、水泵)等;目前而言,大多数设备既未实现数据资源的远端互联,也未实现数据间的交互共享,造成数据资源极大耗散;需要对这些边缘业务终端进行有效的利旧,将其接入一体化巡检管理平台,充分利用终端设备获取的视频、环境、安防等有效信息,完成数据资源的集约化整合,提升设备管理数据厚度,实现数据的多维度互联互通和信息共享。

      1. 数据管理需求

终端设备的离散化直接导致检测数据的碎片化,数据间关联性弱、一致性低、可查看性差,不利于数据的分析和管理。一方面需要根据各电力环节的设备、功能性差异,及其地理位置、环境、设备状态等的差异性,以电力物联网为载体,以规划网格为基础,应用多专业视角、多维度分析成果,细分运维管理单元,利用现代信息技术和各网格单元间的协调机制,使各个网格单元之间能有效地进行信息交流,透明地共享组织资源。另一方面,需要充分利用各类终端设备数据,从时间、设备种类、异常类型、环境状况等多个维度对电力设备运行状态进行立体化监测,实现故障原因的筛选分离和巡检数据的对比分析。

  1. 巡检功能建设
    1. 系统架构

智能巡检管理系统采用三层架构,分为感知层、网络层、应用层。感知层通过机器人配合分布式环境检测设备,完成对现场设备运行及环境状态的采集;通信层主要作用是完成对来自现场检测设备状态参数及工作参数的网络传输,将相关数据传输至上层信息管理层;或者是将来自上层信息管理层的远程控制指令传输至各现场控制设备或者控制节点;应用层对感知层上传的数据进行数据分析、存储和展示(图形化显示)。对数据信息的存储、查询,以及根据数据信息做出超限报警、远程控制指令的下达,完成对设备的运行状态和工作参数的实时监测和远程控制。如图3.1所示。

图3.1 系统网络架构图

    1. 机器人系统整体介绍

智能巡检机器人系统主要针对室内电力场景的内部设备及其周边环境实现自主化无人巡检;由电路板、升降机构、行走机构、高清摄像头、红外热像仪、局放传感器等核心设备和其他辅助设备组成。

机器人运行模式如图3.2所示。采用吊轨式行走,确保检测精度、避免人员触碰;采用多节升降模块确保对竖直检测面的覆盖;采用三轴分立式云台结构,实现传感器模块在竖直轴和水平轴的转动自由度,保证设备检测位置最优化选取。

    

图3.2 机器人运行方式                  图3.3 机器人激光避障

为确保机器人在运行过程中的安全性,智能巡检机器人搭载了激光避障模块,通过激光传感器实时探测其水平、垂直方向上的障碍物,一旦检测到障碍物,立刻停止运行,待障碍物移走后继续执行巡检任务。如图3.3所示。智能巡检机器人结构如下图所示。其智能检测模块由人机交互模块、局放传感器、红外热像仪、可见光相机等组成,实现机器人仪表图像识别、红外测温、局放检测等功能;检测模块采用三轴分立式设计,可在垂直、水平方向上自由旋转,实现传感器检测位置的最优化选择,杜绝检测盲区;红外热像仪和可见光相机采用共体双向结构,能够对两侧的设备进行同时检测,极大的提高了巡检效率。

图3.4 室内智能巡检机器人结构图

    1. 全覆盖自主巡检实现方式

室内电力场景大多巡检空间较小,其内部待检测设备分布高差大,且部分设备安装位置偏僻,不易观察,巡检覆盖范围狭窄、信息提取困难,准确性不高,在巡检时存在误测、漏测等情况,降低巡检数据可靠性。为解决这些问题,创新研发了一种机器化巡检复杂空间精确定位技术。首先基于配电网环境状况和设备分布状况,将巡检空间分解为沿三个直角坐标轴方向的移动自由度,以及两个绕轴旋转的转动自由度。

      

图3.6 巡检空间的五自由度分解

进一步的,利用轨道式行走完成机器人在x轴上的水平移动,实现对室内巡检平面的遍历;利用多节升降机构,完成对垂直检测面的覆盖,并结合绕x轴、z轴的两个转动自由度,实现对设备检测的最优化点位标定;最后,利用伸缩式检测臂,完成在y轴上的移动自由度,实现与设备的接触式检测。

精确定位方面,轨道上采用基于多传感器融合的轨道定位技术,利用站点定位片将长距离轨道分割为等间隔定位区间,消除定位累积误差;各部件运行定位方面,采用绝对值编码器配合电机双闭环控制算法,确保运行可靠性和定位准确性。基于精确定位手段,机器人根据预先标定的检测设备位置,结合视觉伺服技术,实现按预设巡检策略的自主、精确巡检。

    1. 指针类仪表设备识别实现方式

采用基于Hough直线检测和对称性检测算法,完成指针边缘的精确提取,根据指针偏转角度计算获取仪表读数。首先基于Canny边缘检测算法提取图像边缘,获取表计图像梯度,对梯度进行非极大值抑制,采用双阈值算法初步滤除伪边缘。随后,基于指针的对称性特征,提取图像中的对称边缘点对,并采用Ransac共线性检测去除伪指针边缘像素对,最后对边缘点对进行聚类合并,获取指针对称轴,从而准确识别指针位置,滤除传统指针识别算法中的环境干扰,并提升指针识别的位置精度,提高识别准确率,识别精度可达小数点后3位。如图3.7所示。

图3.7 基于对称特性的指针识别

    1. 数字类仪表设备识别实现方式

采用基于AlexNet卷积神经网络完成字符识别、基于Cascade Classifica-tion目标检测完成小数点定位。Alexnet卷积神经网络共有卷积层5个,池化层 3个,全连接层3个(其中包含输出层),摈弃了传统神经网络中需要人为指定图像特征的缺点,利用卷积神经网络中的卷积层自动完成特征提取工作,并用多层小卷积叠加来替换单个的大卷积,提升卷积层的厚度和宽度,优化卷积层表达能力;并使用重叠的最大池化,避免平均池化的模糊化效果。识别的准确性和快速性得到了显著提升,对字符的适应性更强。

图3.8 AlexNet卷积神经网络

    1. 电气指示类设备识别实现方式

基于指示灯和背景区域的亮度,采用自适应二值化、阈值化方法进行指示灯亮灭、指示灯颜色的自主识别与检测。传统的二值化方法通常采用全局阈值法,即将图像中低于某个阈值的像素设置为黑色,而其他的设置为白色。在实际工程应用中,室内空间的各类设备可能会受到吊灯、窗户、移动的影子、自身颜色等影响,人类的视觉系统能自动补偿这些,但是机器没有考虑到这些因素,因此导致识别效果较差。为此,采用一种阈值自适应的二值化算法,根据每个像素的背景亮度来改变阈值,这种基于局部特征的二值化方法,对各类环境和设备类型具备更好的适应能力,如图3.9所示。

图3.9 自适应二值化方法效果

    1. 机械状态指示类设备识别实现方式

电力设备机械指示种类繁多,根据机械状态的类别不同,采用基于直线检测的偏转角度计算、基于AlexNet网络的状态分类方法、模板匹配、颜色检测方法等多种检测算法,有针对性的完成对不同种类机械状态指示的准确识别。

    1. 局部放电检测实现方式

机器人采用地电波(接触式)和超声波手段,获得设备局放情况,能够将放电信息实时地传递到远程数据中心,当检测到开关柜设备内局部放电处于异常状态时,立即进行报警,提示管理人员到现场维护。通过局放检测设备,实现不同时刻和位置的电力柜局放监测。局放检测设备数据及控制后台具备局放数据自动绘图、自主识别和诊断功能,在局放出现异常情况下可以实现实时报警、应急模式巡检及系统联动功能,同时数据后台能够对单点检测数据进行历史分析,并进行归档、诊断等功能;地电波+超声波的局放检测方式,拓宽了检测频带、提高了检测灵敏度,并结合时间维度上的趋势分析,实现设备局部放电的精确监测。

图3.10 机器人局放检测

    1. 设备测温实现方式

机器人搭载红外热成像仪,对设备进行红外测温,进行设备致热现场检测与缺陷诊断,根据致热设备运行状况进行诊断分析,及时发现设备潜在缺陷并发出预警,提前进行设备防护,消除隐患,提高设备运行寿命和效率。数据及控制后台具备温度数据自动绘图、自主识别和诊断功能,在温度出现异常情况下可以实时报警,同时数据后台能够对单点检测数据进行历史分析,并进行归档、诊断。

图3.11 设备柜红外测温

    1. 环境监测实现方式

室内环境是一个受温湿度、水位、气体浓度等多方面因素影响的状态量,检测设备的孤网运行不利于多维数据互联互通的实现。将室内所有环境检测设备集控式接入机器人系统,对环境状态信息进行统一汇总和综合分析,并分别根据环境与设备异常状况,提出需要重点关注的室内场景,辅助运维决策管理。

图3.12 多维信息交互

    1. 软件系统介绍

管控平台汇总各站所巡检数据,从时间、设备类型、异常类型等多个维度对数据进行综合统计和分析;经过授权的管理人员可通过管控平台对设备运行、机器人、环境状况进行实时查看和任意调取,实现分级管理和集中管控。

管控平台能够对接入系统内的所有站所进行管理,并且可以查看每个站所的最新状态,主要分为以下模块:系统概况、站所统计、专业分析、策略管理。每个模块从不同的角度对站所进行描述,直观展现系统内站所状态。总控平台的数据来源主要是数据中心,发送查询请求的时候,会经过数据中心进行权限鉴定,确保数据的安全性。

      1. 概况统计

概况统计展示系统总体的信息,主要包括站所分布信息,站所信息和机器人信息。站所分布信息:以GIS地图的方式直观显示各站所以及机器人所处的地理位置,对当前站所状况一目了然;站所信息:各站所站所当前的投运情况和已投运站所的异常状况;机器人信息:包含了工区内所有机器人所处状况。

系统部署时,会自动从数据中心下载对应的离线地图数据。并且每隔一定时间,对地图的数据进行更新检测,若发现数据中心的地图有更新,则会自动更新本地地图。如下图所示。

图3.13 概况统计

      1. 站所统计

站所统计页面以列表形式展现接入系统内所有站所的基本信息以及最新一次巡检结果的信息,在查看信息的同时,还可以对站所进行快捷操作,如,下发全站巡检任务,查看站所内机器人或者球机视频,获取最新的巡检报表,查看站所内异常统计以及同步最新数据。站所详情页面支持站所名称首字母、站所状态等多种字段快捷搜索功能。如下图所示。

图3.14 站所统计

      1. 专业分析

根据获取的各站所运行状况,从设备、环境等维度对巡检数据进行综合统计与分析,指出需重点关注的站所,实现对运维管理的辅助指导。如下图所示。

14

图3.15 专业分析

      1. 站所管理

站所管理主要是对站所设备运行及环境状况信息的查看和控制。其主要功能如下:

智能巡检:通过站所电气模拟图对站所进行可视化的操作,如实时视频监控、下发巡检任务、实时数据查询等。

历史巡检记录的查询:以巡检任务为单位,查询站所历史巡检记录,通过曲线图等形式反映设备运行状态走势,为问题的定位及解决提供数据支撑。

异常告警:展示站所异常告警信息,提供告警处理等功能。对站所的现状有直观的把握。

智能控制:查看和控制站所内所有硬件设备,如站所监控摄像头、机器人视角摄像头、门禁、水泵、风机及空调等智能设备。

1、智能巡检

智能巡检通过机器人搭载的传感设备,结合图像识别、超声波检测、暂态地电波检测、红外测温等手段,实现设备装置在线检测。主要功能包括:

1)视频图像识别

通过可将光球机实现对各站所远程实时的可视化监控,并能够结合图像处理模块从可见光照片中查找感兴趣区域,提取相关数据,如仪表读数,设备状态。能在线搜索仪表,状态按钮等感兴趣对象,获取准确的设备图片。设备状态分析采用模式识别方法,采集大量现场图片进行训练,达到定位和识别设备状态的功能。

2)局放检测

采用地电波(接触式)和超声波手段,获得设备局放情况。软件系统具备局放数据自主识别和诊断功能,在局放出现异常情况下可以实时报警,同时数据后台能够对单点检测数据进行历史分析,并进行归档、诊断等功能。

3)红外测温

主要对开关柜电流电压致热现场检测,软件系统可根据获取到的设备红外图像,自主获取设备温度,并能够对单点检测数据进行历史分析,并进行归档、诊

断等功能。

QQ截图20170803112618

图3.16 智能巡检

图3.17 实时视频监控

2、历史巡检记录查询

巡检记录展示站所历史巡检记录信息,每条任务巡检记录信息对应历史的一次巡检任务。一条巡检记录包含的信息有,对应巡检任务的任务名,执行时间,检测点数,异常点数等信息。此外,在巡检记录里面还可以查看站所内所有设备的最新信息,包含它对应的巡检结果的值以及任务的判定等。可通过历史巡检记录查询模块,对历次的巡检记录进行查询。如下图所示。

火狐截图_2017-08-03T03-26-53.883Z

3.18 巡检记录查询

3、异常告警

异常告警模块中,对历次巡检产生的异常以列表的形式进行罗列,并可按照时间、处理状态、测点类型等维度对异常进行分类查看。如下图所示。

火狐截图_2017-08-03T03-21-10.222Z

图3.19 异常告警模块

4、智能控制

通过智能控制模块可查看和控制站所内所有硬件设备,如站所监控摄像头、机器人视角摄像头、门禁、水泵、风机及空调等智能设备。如下图黄色矩形框中所示。

QQ截图20170803112618

图3.20 智能控制

  1. 实施方案
    1. 站内设备(现场图片)

    1. 站内情况

本次方案针对220KV变电站的变配电室、配电室、主变室,其中变配电室和配电室使用轨道式巡检机器人进行巡检,主变室使用视频设备与机器人进行联合巡检。目前变电站未完全建设完成,设备分布如下图所示:

    1. 建设方案
      1. 变配电室二

根据CAD图纸中的设备分布情况,变配电室的机器人轨道走向如下图所示,其中红色线代表机器人轨道。基于局放检测的需求,轨道布置全部以贴近柜子为主。

注意事项:从CAD图中可看出,每两排柜子之间,存在缆线桥架。为保证轨道的施工,桥架安装时,需要与柜顶保持不少于20cm的间隔。

      1. 20KV配电室

根据CAD图纸中的设备分布情况,变配电室的机器人轨道走向如下图所示,其中红色线代表机器人轨道。基于局放检测的需求,轨道布置全部以贴近柜子为主。

若无局放检测需求,则保留柜子中间U型轨道即可。

注意事项:从CAD图中可看出,两排柜子之间,存在缆线桥架。为保证轨道的施工,桥架安装时,需要与柜顶保持不少于20cm的间隔。

      1. 10KV配电室

根据CAD图纸中的设备分布情况,变配电室的机器人轨道走向如下图所示,其中红色线代表机器人轨道。基于局放检测的需求,轨道布置全部以贴近柜子为主。

若无局放检测需求,则保留柜子中间U型轨道即可。

注意事项:从CAD图中可看出,两排柜子之间,存在缆线桥架。为保证轨道的施工,桥架安装时,需要与柜顶保持不少于20cm的间隔。

    1. 巡检结果示例

序号

设备名称

检测内容

结果

图片

巡检结果

巡检时间

1

101高压柜

101高压柜-断路器

合闸状态

正常

2019-11-11 08:00:44

2

101高压柜

101高压柜-远方就地开关

远方状态

正常

2019-11-11 08:00:55

3

101高压柜

101高压柜-分合闸位置指示灯

合闸状态

正常

2019-11-11 08:01:06

4

101高压柜

101高压柜-分合闸位置指示

合闸状态

正常

2019-11-11 08:01:39

5

101高压柜

101高压柜-带电显示器

有电状态

正常

2019-11-11 08:02:04

6

110高压柜

110高压柜-指针型电压表

10.753kV

正常

2019-11-11 08:02:43

7

110高压柜

110高压柜-断路器

合闸状态

正常

2019-11-11 08:02:54

8

110高压柜

110高压柜-分合闸位置指示

合闸状态

正常

2019-11-11 08:03:05

  1. 效能提升
    1. 巡检效能提升

传统人工模式与机器人巡检模式比较如表5-1所示。

表5-1 巡检模式比较表

比较项

传统巡检

机器人智能巡检

巡检内容

观察整体环境、重要表计查看和异常记录、空气异味、运行噪声

站内环境实时监控、所有表计智能识别、开关状态检测和关联测点分析、设备温度检测、局部放电检测

报表展示

人工观察和必要时记录

后台自动生成报表

及时反应能力

无法及时处理情况

及时反应并告警

实时反馈

无法实时反馈

实时反馈现场情况和图像、动态环境信息

数据分析

/

异常汇总、统计、分析

预测预警

/

数据积累完善后可扩展

巡检效率

巡检数据受人工影响较大(熟悉程度、业务水平、工作经验、态度、责任心和精神状态)

客观性强、一致性高

通过对上表数据的分析,可将机器人巡检相比于传统人工巡检的优势总结如下:

1)巡检效率:考虑对数据的查看、记录、归档时间,人工巡检平均一个检测点时间约为1-2分钟;机器人单点巡检时间在10-30秒,同步完成数据记录、分析、告警;

2)巡检精度:全覆盖智能巡检系统识别精度保持在98%以上,准确可靠,无人为、环境等主客观因素干扰,实现户内站的可视化、智能化管理与展示;

3)巡检覆盖率:人工巡检主要对各电力柜的电流、电压表进行查看;智能巡检系统能够实现对所有设备表计、开关状态、指示灯等的全面覆盖与智能识别,设备覆盖率至少提升100%以上;

4)数据处理:全覆盖智能巡检系统能够汇总变电站多维检测数据进行分析、管理、告警和故障预测,摈弃了传统人工巡检数据分散、处理效率低的缺陷,实现高效全面智能的全新运检模式;

5)安全生产:全覆盖智能巡检系统能够取代人工,将巡检人员与高压环境隔离开来,消除巡检的安全隐患,实现无人化安全运检。

    1. 管理效益提升

基于机器人的智能巡检系统,打破了传统体系模式下生产时间和空间的限制,实现了以设备状态自动感知及预测、风险实时预警、智能辅助决策、远程生产指挥、精益过程管控为代表的实时化、跨空间运检模式体系,并对现场设备运行状态进行多角度、多维度的分析,优化巡检策略、故障缺陷分析,全面推动生产管理模式方式由“事后应对”向“事前防范”转变,“分散现场管控”向“集约远程指挥”转变,“传统人工生产”向“数据智能驱动”转变,显著提升了管理效率。

      1. 设备信息数字化

利用机器人自主运行的特点,强化现场数据的智能采集、实时传输和自动分析,实现人机信息自动交互、设备状态实时掌握、状态异常提前预警、研判评估、辅助诊断等,全面提升设备状态管控力;强化在线监测技术应用水平,拓展在线监测范围,提升在线监测的可靠性、稳定性和实用性;全面实现对设备运行状态的实时感知、监视预警。

      1. 状态感知实时化

以智能巡检机器人为基础,深化巡检工作各类信息互联互通及大数据深度应用,推进巡检资源优化配置和运检工作方式创新发展,实现生产指挥及决策的高度智能化和集约化,形成信息精准、指挥有力、快速高效的运检管理体系,实现巡检工作过程中的远程监测管控、信息收集、综合研判、指挥调度、应急指挥和远程会商等。

      1. 诊断评估智能化

立足于实际应用,从质量、安全、效率、经济性等方面构造效益评价指标,针对不同环境特点,构建机器人和人工巡检相结合的立体化巡检模式体系;基于机器人获取的高度一致性检测数据,从时间趋势上对设备故障进行预判,实现故障的提前预警和主动运维。

      1. 设备巡视高效化

以设备状态自动采集、实时诊断、可视化和远程监护为基础,将运维现场动态实时置前,推进巡检业务监控管理与巡检现场作业同步,提高巡检作业效率和质量,辅助运维策略制定和计划执行跟踪,显著提升设备状态管控能力和巡检管理穿透力。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/437367.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

神经网络介绍及其在Python中的应用(一)

作者简介:热爱数据分析,学习Python、Stata、SPSS等统计语言的小高同学~ 个人主页:小高要坚强的博客 当前专栏:Python之机器学习 本文内容:神经网络介绍及其在Python中的线性回归应用 作者“三要”格言:要坚…

STM32(四)LED闪烁、流水灯及蜂鸣器操作

小节任务:在对GPIO函数初始化操作及配置好输入或输出模式后,使用GPIO的输入输出函数控制LED闪烁、流水灯及蜂鸣器操作,本小节先使用GPIO的四个输出函数 SetBits函数将指定端口设置为高电平 ResetBits函数将指定端口设置为低电平 WriteBit根据…

c++进阶之多态讲解

这篇文章和大家一起学习一下c中的多态 多态的概念 多态的概念:通俗来讲,就是多种形态。多态分为编译时多态(静态多态)和运⾏时多态(动态多态)。 什么是静态多态 前⾯讲的函数重载和函数模板,它们传不同类型的参数就可以调用不同的函数&…

Linux中的软硬链接和动静态库

硬链接 ln myfile.txt hard_file.link 264962 -rw-rw-r-- 2 zhangsan zhangsan 0 Sep 30 03:16 hard_file.link 264962 -rw-rw-r-- 2 zhangsan zhangsan 0 Sep 30 03:16 myfile.txt 273922 lrwxrwxrwx 1 zhangsan zhangsan 10 Sep 30 03:17 soft_file.link -> …

Activiti7 工作流引擎学习

目录 一. 什么是 Activiti 工作流引擎 二. Activiti 流程创建步骤 三. Activiti 数据库表含义 四. BPMN 建模语言 五. Activiti 使用步骤 六. 流程定义与流程实例 一. 什么是 Activiti 工作流引擎 Activiti 是一个开源的工作流引擎,用于业务流程管理&#xf…

将给定的表达式树(二叉树)转换为等价的中缀表达式(通过括号反映操作符的计算次序)并输出

请设计一个算法,将给定的表达式树(二叉树)转换为等价的中缀表达式(通过括号反映操作符的计算次序)并输出。例如,当下列两棵表达式树作为算法输入时: 输出的中缀表达式分别为 (ab)∗(c∗(−d)) 和…

推送k8s镜像到阿里云服务器

1、服务打包 2、打包后进入Dockerfile的同级目录 运行 docker build -t 镜像名:镜像版本 . (这个点是当前目录的意思,不能忽略)例如 docker build -t trac:v1.0.4 .3、上传镜像到阿里云镜像服务 注意选择区域 例如: docker tag 70743d9bdba3 registr…

[C++] 剖析AVL树功能的实现原理

文章目录 引言AVL树的关键性质为什么选择AVL树? AVL树的结构节点对象的类 AVL树的插入检查是否为空树并处理根节点查询插入位置(非递归)插入节点并连接父节点更新平衡因子(在失去平衡的条件下进行旋转) 旋转旋转的原则…

计组复习笔记

计组笔记 汇编部分 通用寄存器(General Registers): AX (Accumulator): 用于累加运算,也是乘法和除法的默认寄存器。BX (Base Register): 可以用作一个基址寄存器,通常用于存放数据的基地址。CX (Counter Register): 通常用于循环…

【零散技术】Odoo PDF 打印问题问题合集

序言:时间是我们最宝贵的财富,珍惜手上的每个时分 Odoo PDF打印 是一个必备功能,但是总会遇到一些奇奇怪怪的问题,此帖仅做记录,方便查阅。 目录 1、样式丢失 2、部分结构丢失 3、没有中文字体 1、样式丢失 这种情况一般是由于 …

Redis: Sorted Set 底层算法的简单分析

概述 我们先看下 Shorted Set 有序集合的内部数据结构所谓有序集合,比如有个容器,容器里边都已经排好序了,那无非就是快速的查找和插入不管你是查找还是插入,肯定要确定那个位置最简单的办法就是从最开头开始,挨个比较…

查找与排序-插入排序

排序算法可以分为内部排序和外部排序,内部排序是数据记录在内存中进行排序,而外部排序是因排序的数据很大,一次不能容纳全部的排序记录,在排序过程中需要访问外存。常见的内部排序算法有:插入排序、希尔排序、选择排序…

2024年10月2日历史上的今天大事件早读

1683年10月2日 清朝康熙帝统一台湾 1869年10月2日 印度民族解放运动领袖甘地诞辰 1890年10月2日 中共创始人之一李达诞生 1895年10月2日 天津中西学堂(天津大学前身)开学 1901年10月2日 郑士良等发起惠州起义 1909年10月2日 京张铁路正式通车 1920…

LeetCode[中等] 238. 除自身以外数组的乘积

给你一个整数数组 nums,返回 数组 answer ,其中 answer[i] 等于 nums 中除 nums[i] 之外其余各元素的乘积 。 题目数据 保证 数组 nums之中任意元素的全部前缀元素和后缀的乘积都在 32 位 整数范围内。 请 不要使用除法,且在 O(n) 时间复杂…

java常用框架结构

1. Spring框架 特色:Spring框架就像是一个万能工具箱,提供了丰富的功能来满足开发者的各种需求。它支持面向切面编程(AOP)、依赖注入(DI)等特性,使得代码更加模块化和可维护。Spring还提供了对数…

calibre-web的翻译translations

calibre-web的翻译translations Windows安装calibre-web,Python-CSDN博客文章浏览阅读539次,点赞10次,收藏11次。pip install calibreweb报错:error: Microsoft Visual C 14.0 or greater is required. Get it with "Microso…

【QT 开发日志】QT 基础控件详解:按钮、文本框与标签的使用

🎬 鸽芷咕:个人主页 🔥 个人专栏: 《C干货基地》《粉丝福利》 ⛺️生活的理想,就是为了理想的生活! 博主简介 博主致力于嵌入式、Python、人工智能、C/C领域和各种前沿技术的优质博客分享,用最优质的内容带来最舒适的…

【C语言】数组(下)

6、二维数组的创建 6.1二维数组的概念 通过数组(上)介绍,我们学习了一维数组,数组的元素都是内置类型的,如果我们把一维数组作为数组的元素,这时就是二维数组,以此类推,如果把二维…

鸿蒙开发(NEXT/API 12)【状态查询与订阅】手机侧应用开发

注意 该接口的调用需要在开发者联盟申请设备基础信息权限与穿戴用户状态权限,穿戴用户状态权限还需获得用户授权。 实时查询穿戴设备可用空间、电量状态。订阅穿戴设备连接状态、低电量告警、用户心率告警。查询和订阅穿戴设备充电状态、佩戴状态、设备模式。 使…

《蓝桥杯算法入门》(C/C++、Java、Python三个版本)24年10月出版

推荐:《算法竞赛》,算法竞赛大全书,网购:京东 天猫  当当 文章目录 《蓝桥杯算法入门》内容简介本书读者对象作者简介联系与交流《蓝桥杯算法入门 C/C》版目录 《蓝桥杯算法入门 Java》版目录 《蓝桥杯算法入门 Python》版目录 …