机器人带电搭接引流线作业视觉目标检测方法研究

来源 :重庆大学 | 被引量 : 0次 | 上传用户:s5067744
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
配网带电作业是提高供电可靠性、减少停电损失和保证电网安全的一种重要作业方式。目前,我国的带电作业仍以人工带电作业为主,容易引发人身伤亡事故,研制带电作业机器人取代人工作业成为必然趋势。“所见即所得”的机器人视觉引导系统能确保机械臂,安全高效的完成搭接引流线作业,因此带电搭接引流线作业中操作目标视觉的准确检测问题亟待解决。
  带电搭接引流线过程中视觉检测的难点是对剥线和接线过程中操作目标位置的准确检测,剥线过程中需要检测预定剥线位置,接线过程中需要检测已剥开的架空线缆裸露区域。(1)剥线位置检测。深度学习网络具有较强的特征提取能力,是目前最常用的目标检测方法,但剥线位置无明显特征和位置的不确定性使其难以发挥优势,无法直接对其进行检测。针对此问题本文利用Faster R-CNN(Faster Region-based Convolutional Neural Networks)结合MTCNN(Multi-task Cascaded Convolutional Networks)对间接目标进行检测后结合空间位置换算从而检测预定剥线位置。(2)裸露区域检测。裸露区域存在规则纹理,可利用此特征对其进行检测,但传统的纹理滤波需要先验的纹理参数,而接线过程中作业背景复杂多变和目标姿态不确定因此难以先验得到纹理参数,针对此问题利用谱聚类结合Gabor滤波器在无先验纹理参数的情况下对复杂背景下不同姿态的裸露区域进行检测。本文的主要工作和贡献如下:
  ①设计并实现了带电作业机器人视觉引导实验中视觉模块与主线线架部分。为采集实验数据和验证本文提出方法的可行性及效果,本文根据作业规范,采用模块化设计方法,设计并实现了视觉模块与主线线架部分。
  ②提出了基于改进的深度学习网络和空间坐标换算的剥线位置检测方法。针对MTCNN网络中P-Net(Proposal Network)和R-Net(Refinement Network)特征提取能力不足的问题,利用Faster R-CNN网络进行替换,并针对Faster R-CNN中的RPN网络提取候选框不准确的问题,利用K均值(K-means)算法对候选框进行聚类,网络检测精度提升了4.3%。针对MTCNN网络的O-Net(Output Network)检测效果不佳的问题,本文从训练优化器和模型融合两个方面进行改进,提升了网络的检测精度,并结合空间位置换算,最终检测得到预定剥线位置,剥线位置L1误差为8.96mm,L2误差为6.26mm,均小于项目要求的2cm定位误差。
  ③提出了基于Gabor滤波器的架空线缆裸露区域检测方法。针对传统纹理检测需要先验纹理信息的问题,提出利用谱聚类结合Gabor滤波器的架空电缆裸露区域检测方法,能够准确提取不同背景和不同姿态下裸露区域位置,且定位精度高于对比的Mask R-CNN(Mask Region-based Convolutional Neural Networks)算法。
  综上所述,本文设计了机器人带电搭接引流线作业过程中的视觉目标检测方法。通过设计的带电作业机器人视觉引导实验,并对两种算法分别进行了测试与验证。实验结果表明,两种算法均能有效地检测作业目标,验证了机器人带电搭接引流线作业视觉目标检测方法的有效性,并支撑项目的相关课题进入预验收阶段。
其他文献
车辆目标检测是智能交通系统中的关键技术之一,对车辆目标的准确识别并精确定位有助于后续任务的进行。基于深度学习的图像目标检测是实现车辆目标检测的重要手段。SSD(Single Shot MultiBox Detector)作为目前精度和速度权衡最好的深度学习检测算法之一,已广泛应用于大量现实场景中。但直接利用现有的SSD进行车辆目标检测,性能尚无法完全满足需求。因此,研究适用于车辆目标的改进SSD算法以提高其检测精度进而满足车辆检测实际应用需求,具有重要的理论和实际意义。
  论文在深入分析SSD算法
随着电子技术的突飞猛进,各种电子设备的应用越来越广泛,许多电子设备工作在多变甚至极端的环境当中,给设备的维护和诊断带来了巨大的压力。模拟电路在电子系统中占有重要地位,由于电子元器件的生产工艺、故障退化特性以及外界环境应力等影响,模拟电路中容易出现间歇故障,其频繁发生会带来较高的维修成本和很大的安全隐患。模拟电路中的间歇故障具有持续时间较短,反复随机出现,故障特征多变,在不经处理的情况下可以自动恢复正常功能等特点。由于间歇故障的不可预知性,其信号难以捕捉获取,不容易对其进行检测分析,也难对其进行诊断定位。为
液压系统是一类非线性特征突出的系统,具有多功能组成部件、多种操作模式、多工况时空耦合、多参数监测信号等特征。这类对象的自动化程度和系统规模日益增加,功能需求更加专业化和多样化,其运行和监测的复杂程度远较传统的液压系统更高受此影响,在运行过程中出现故障的可能性大大增加,形成液压系统以及更高一级系统的安全性和可靠性方面的风险。在分析了大量液压系统故障案例后发现,由于液压系统本身结构和机理的复杂特性,其系统内部结构无法直接观测,故障机理难以完整获取,故障类型种类较多,特别是在规模效应与上述特性复合作用的情况下,
近年来,对于不确定非线性系统的控制问题,许多专家和学者都提出了行之有效的控制方案。然而,这些控制方法大部分是在假设控制方向已知的情况下进行设计的,且控制模型主要针对单输入单输出(SISO)的非线性系统。此外,考虑到实际工程系统在运行过程中难免会存在异常输入特性,如执行器故障、输入死区、输入饱和等。而这些异常输入特性会对被控系统的性能产生无法预知的影响。因此,本论文针对三类多输入多输出(MIMO)的不确定非线性系统,以自适应控制、Nussbaum增益技术、神经网络技术、比例积分(PI)控制为主要工具,研究了
近些年来,由于多智能体系统协同控制在物理、自然科学和工程等方面,特别是在无人机编队飞行、多机器人编队控制、卫星姿态控制以及微生物聚集等方向的广泛应用,得到了学术界越来越广泛的关注,多智能体系统分布式协同控制研究也成为了当前研究的热点问题。脉冲控制方法只需要在脉冲时刻来进行信息传递,能降低通信过程中的信息冗余。
  目前大多数关于脉冲控制的研究都是基于固定时间的脉冲,即脉冲输入信号仅发生在预先确定的固定时刻上。然而,在实际系统中,由于传感器的延迟,无法预知脉冲输入的具体时刻。由于可变脉冲理论研究的复杂
为满足日益增长的电能需求和减少环境污染,基于光伏、风电等可再生能源的分布式发电(Distributd Generation,DG)得以蓬勃发展。为实现对各种分布式发电单元灵活且高效益地协调控制,微电网概念应运而生。微电网作为一种将可再生能源灵活且可靠地集成到主电网中的解决方案,受到广泛研究与应用。微电网既可与大电网连接,运行在并网模式下,也可运行在孤岛模式下,且在发生随机故障时,能平稳地在这两种模式之间进行快速切换。然而,微电网中基于风电、光伏等可再生能源的DG输出功率具有随机性和间歇性的特点,这对微电网
纵观科学技术的研究发展史,研究具有类似人脑能力的技术一直都是创新的源泉。特别是在智能化发展的今天人工智能如火如荼,神经科学一直都起着积极的推动作用,而基于人脑网络的视觉认知模型的研究发展则离不开Spiking神经网络(Spiking Neural Network,简称SNN)。SNN最早源于生物学家们对生物神经系统是如何工作的探索,慢慢地随着人工智能技术的日益发展及快速更新,SNN也被越来越多地用于人工神经网络(Artificial Neural Network,简称ANN)所擅长的任务中。和人工神经网络
近年来,分数阶非线性系统的分布式协同控制被大量应用于生物、物理和工程系统中,如群集问题和机器人系统的编队等。作为一类特殊的多智能体系统(即只有一个领导者和一个跟随者),混沌同步控制是通信保密工程的重要研究点,吸引了众多研究者对其展开研究。多智能体系统的同步问题也是控制领域的非常重要并且颇有价值的一项基础研究,其核心目标是选择一种合适的控制协议使得整个网络中所有节点的状态能够达到一致。在混沌系统和多智能体系统的同步控制研究中,脉冲控制是一种非常有效的控制手段。本文以脉冲知识和分数阶系统的同步协调控制为研究主
目前无线电能传输技术(Wireless Power Transfer,WPT)有着广阔的应用背景,在钻井、医疗器械、电动汽车、水下设备等领域发挥着重要作用。在短距离的供电环境下,WPT技术有着非接触、不产生火花、安全性能高等优点,感应耦合电能传输技术(Inductively Coupled Power Transfer,ICPT)是其中一个重要分支也是近些年学者们的研究热点。
  ICPT技术应用在众多领域下就会面临着各式各样不同的使用环境,其中金属环境是较为常见的一种。在工程设计中,金属在有着非常
准确及时地检测出高速公路交通拥堵的发生是相关部门采取管理措施,防止二次事故,减少经济损失的前提。传统的交通拥堵检测研究多基于单一数据源,受工作原理与方式的限制,基于单一数据源的检测难以全面反映高速公路的交通运行状态。随着高速公路数据采集手段的丰富,目前部分高速公路已拥有多种多样的交通数据源。综合利用多源数据间的互补性和冗余性,通过多源数据融合能够有效提高交通拥堵检测的准确率。然而现有的数据融合方法并不完全适用于高速公路交通拥堵检测,其检测率有待提高。以高速公路的实际环境和现有条件为基础,研究基于多源数据融