复杂光照环境下的标识线图像增强方法

自动驾驶汽车在行驶过程中需要识别道路标识线以确保行驶在车道上,变电站巡检机器人通过识别道路标识线实现准确巡检。但由于复杂光照环境的影响,道路标识线信息难以准确提取。传统的图像增强方法无法对所有复杂光照环境下的道路标识线图像都产生良好的增强效果,对此提出一种复杂光照环境下的道路标识线图像增强方法。利用HSV色域空间的亮度图像的亮度差进行分层处理,对高亮度差的图像使用自适应伽马校正的方法进行图像增强,对低亮度差的图像先使用直方图锥形拉伸扩大图像灰度级,再利用自适应伽马校正提升图像对比度。实验结果表明,该算法能有效解决低光照、曝光等复杂光照环境所导致的道路标识线难以识别的问题,是一种有效的图像增强方法。

输电线路螺栓紧固带电作业机器人的视觉搜索、识别与定位方法

在输电线路采用机器人进行螺栓的全自动带电紧固作业是一项非常有挑战性的工作,螺栓的自动紧固首先必须解决螺栓的自动搜索、识别与定位,由于线路环境复杂,这些工作变得十分困难,为此,提出一种新的螺栓视觉搜索识别定位方法,该方法分为两部分,基于参考物的螺栓追踪,通过设定引流线为参考物,先对引流线进行定位,然后沿着引流线方向来搜索螺栓,从而简化螺栓搜索过程,降低螺栓识别难度;基于改进Hough变换的螺栓识别算法,通过对经典Hough变换的峰值选择策略进行改进来实现螺栓的精确识别,然后利用螺栓头部圆形特征来完成螺栓中心的验证,并通过HOG和SVM技术来实现目标物体的识别分类,消除外界不相关物体对目标图像的影响,进一步提高识别精度。根据该方法,设计了机器人原理样机并进行了模拟测试和现场测试,测试结果表明,该方法能够高效地实现输电线路上螺栓的搜索、识别与定位,极大程度地提高了机器人的带电作业效率。

一种输电线路带电作业机器人的上线控制方法

目前输电线路人工带电巡检作业工作任务繁重且危险,而现有电力作业机器人的上线方式存在弊端,针对这些弊端提出了一种输电线路带电作业机器人的上线方法。为解决机器人上线时姿态不平衡甚至侧翻的问题,结合输电线路特征,设计的机器人采用了卷筒带动四根牵引绳起吊的方式;分析了机器人上线可能遇到的倾斜情况,提出了一种基于BP模糊神经网络PID的调平控制方法,对比了不同控制方法在有扰动的情况下调平的快速性和稳定性,解决了机器人上线姿态不平衡的问题。采用YOLOv8视觉检测算法对输电线路进行目标识别与定位,整体识别率超过93%;通过双目相机测出机器人和输电线路之间的距离,误差控制在5%以内;利用DeepLabV3+网络对行走轮和输电线路之间的间隙进行识别,以确保机器人可以安全地挂在输电线路上。在输电线路试验场地进行了机器人上线试验,验证了所提机器人上线方案的有效性和实用性。

基于多尺度特征融合的变电站低照度表计图像增强网络

针对变电站低照度表计图像亮度不足、对比度不强、噪声过多以及细节缺失等问题,提出了一种基于多尺度特征融合的低照度图像增强网络。该网络模型包含3个子网络,分别为浅层特征提取网络、深层特征融合网络和亮度调整网络。首先,利用InceptionV3网络构成的浅层特征提取模块,对低照度图像的边缘、纹理等细节进行初步提取;其次,设计了由上下采样结构组成的深层特征融合网络,引入多任务Transformer模块,调整特征图像细节、色差,并去除噪声;同时,设计了融合注意力机制的跨层注意力增强模块,自适应地融合不同特征层之间的特征关系;最后,经过亮度调整网络,使输出的图像亮度更加均匀,提升了人眼感官效果。从不同尺度的增强图像中提取L1损失,再对其加和即可得到衡量网络的训练损失的总损失函数。消融对比试验结果表明,所提网络与其他算法相比,在提高图像亮度、减少噪声的同时还原了细节信息,在LOL和MIT‒Adobe FiveK测试集上的rPSNR值分别提升了3.57%和4.32%,sSSIM值分别提升了1.58%和1.49%。所设计模型表现出较强的泛化性、鲁棒性和准确性,可实现对实际变电站低照度表计图像的增强,为后续仪表识别读数提供参考。

输电线路无人机-机器人联合作业系统的电磁兼容分析与防护设计

针对输电线路无人机‒机器人联合作业系统在上下线过程中所遇的强电磁对控制系统的干扰问题,提出了对应的电磁兼容分析与防护设计方法。首先通过Ansys Electronics Desktop软件建立机器人机箱与无人机的电磁仿真模型,得出不同距离下的电磁场分布,进而计算出上下线过程中无人机与输电线路导线的最小安全距离,以及机器人的等电位安全距离,并对机器人与无人机进行电磁防护设计,提高机器人的电磁兼容性能。该研究能够极大地提高无人机‒机器人联合作业系统的可靠性和安全性。

基于T-S模型的冷凝器污垢预测

针对冷凝器的周期性结垢过程以及工况参数的动态变化 ,提出了一种冷凝器污垢预测的新方法。该方法将污垢分解为软垢和硬垢两部分 ,并采用两个T- S模糊模型分别描述软垢和硬垢的变化趋势 ,进而通过二者的结合获得较为精确的污垢预测。根据此方法 ,进行了现场试验 ,试验结果表明 :与渐近污垢模型及改进的渐近污垢模型相比 ,该方法能够有效地处理冷凝器的周期性结垢现象 ,并在冷凝器工况参数变化时仍然取得较满意的预测精度。该方法的成功应用为冷凝器最优清洗机制的建立奠定了基础。

在线监测冷凝器污脏程度的新方法

针对现有测量冷凝器换热管污脏方法的不足,提出了一种在线监测污脏程度的新方法。该方法选取传热端差作为研究 对象,综合考虑各因素对端差的影响,运用模糊建模技术成功实现冷凝器污脏、工况参数变化对端差影响的分离,可准确地在 线监测冷凝器污脏。在模糊建模中,采用T-S模型描述变工况端差,研究了一种基于相似性判别的模糊聚类算法自动确定合 适的聚类组数目,并用实数编码的遗传算法优化全局参数,从而获得了规则简化的、具有较高精度的模糊模型。根据此方法, 进行了现场试验。试验结果表明该方法能准确、有效地监测冷凝器污脏,并在冷凝器出现堵管时,取得比热阻法更好的测量效 果。

基于特征选取与多RBF神经网络的冷凝器污垢软测量

提出了基于特征选取与多RBF神经网络的冷凝器污垢软测量方法。该方法采用基于BP神经网络的灵敏度计算,从受污垢影响的冷凝器各个性能指标中,提取最能反映冷凝器污垢状态的特征变量。在此基础上,针对冷凝器变工况、冷凝器空气漏入量等因素对污垢特征变量的影响,研究基于多RBF神经网络的智能建模方法,有效实现冷凝器污垢与其他参数变化对特征变量影响的分离。根据此方法,进行了现场试验,试验结果表明:该方法能较准确地在线监测冷凝器污垢,并在冷凝器出现堵管、空气漏入量较大、工况参数大范围变化时,取得比热阻法、传热系数法、模糊软测量法更可靠的测量结果。

基于多模型组合的冷凝器中污垢预测

提出了一种基于多模型组合的冷凝器污垢预测新方法。该方法采用经验模型、自适应指数平滑模型、灰色模型、T%DS模糊模型等多种模型预测污垢的增长,并通过遗传算法对模型参数、各模型输出之间的组合系数进行自适应滚动优化调整,以适应冷凝器水质及工况参数的动态变化,从而取得比单个预测模型更好的预测精度。试验结果表明:该方法短期污垢预测效果好,中长期污垢预测精度较高,是实现冷凝器污垢预测的有力工具。

混炼胶黏度在线测量仪的研制

提出了一种在线测量混炼胶黏度的新方法。该方法以神经网络建模技术为基础,综合考虑混炼过程各因素对胶料黏度的影响,建立起胶料黏度的在线测量模型。在建模过程中,采用RBF神经网络描述胶料黏度变化的非线性过程,研究了一种自适应训练算法自动确定合适的隐层单元数目,从而获得了结构紧凑、精度较高的测量模型。根据此方法,研制了以DSP为核心的测量仪,并进行了现场试验。试验结果表明该仪器能够取得良好的测量效果。

基于模糊建模的混炼胶粘度测量

提出了一种在线测量混炼胶粘度的新方法.该方法以模糊建模技术为基础,综合考虑混炼过程各因素对胶料粘度的影响,建立起胶料粘度的在线测量模型.在模糊建模中,采用T S模型描述胶料粘度变化的非线性过程,提出了一种基于相似性判别的模糊聚类算法以自动确定合适的聚类组数目,并用实数编码的遗传算法优化全局参数,从而获得了规则简化的、具有较高精度的模糊模型.根据此方法,设计了测量装置,并进行了现场试验.试验结果表明模糊模型输出与实验室测量值基本一致,平均误差较低且最大误差未超过1门尼.该方法较大地提高了橡胶混炼的生产效率,为粘度最优控制奠定了基础.

基于对角递归神经网络的冷凝器污脏测量

提出了一种在线测量冷凝器污脏的新方法。该方法选取传热端差作为研究对象,运用对角递归神经网络建立变工况端差模型,成功分离出冷凝器污脏对端差的影响,准确实现冷凝器污脏程度的在线监测。根据此方法,研制了以数字信号处理器为核心的测量装置,并进行了现场试验,试验结果证明:该方法有效、可行。

基于模糊建模的冷凝器污脏软测量

提出了一种基于模糊建模的冷凝器污脏软测量方法.该方法选取传热端差作为研究对象,应用模糊建模技术分离出冷凝器污脏对端差的影响.在模糊建模中,采用T_S模型描述变工况传热端差,研究了一种相似度判别法则以确定最优模型结构,并采用实数编码的遗传算法同时优化模型前、后件参数,从而获得了规则简化、精度较高的模糊模型.根据此方法,设计了试验系统,并进行了现场试验.试验结果表明:该方法能有效地在线监测冷凝器污脏,并在冷凝器出现堵管或空气漏入量较大时,取得比热阻法、传热系数法更可靠的测量结果.

冷凝器污脏测量仪的研究

提出了一种在线测量冷凝器污脏程度的新方法.该方法选取冷凝器压力作为研究对象,以模糊建模技术为基础有效地实现了冷凝器污脏、工况参数变化对冷凝器压力影响的分离,可较准确地在线监测冷凝器污脏.根据此方法,研制了以DSP为核心的测量仪,并在不同工况下进行了现场试验.试验结果表明:与热阻法及传热系数法相比,该测量仪能够取得更好的测量效果.

冷凝器污垢的灰色预测

提出一种基于灰色理论的冷凝器污垢预测方法.将污垢分解为软垢和硬垢两部分,并采用灰色模型分别描述其变化趋势,进而通过二者的结合获得较为精确的污垢预测.试验结果表明:该方法能够有效地预测冷凝器的周期性结垢现象,并能适应冷凝器工况参数的动态变化,取得比常规渐近模型更好的预测精度.

绝缘梯式配网搭接引流线机器人的作业控制方法研究

配电网人工搭接引流线工作繁重、效率低、危险系数高,当前配电网作业的机器人依赖斗臂车,成本高且不适用于农配网复杂的作业地形环境,因此,研制了一种绝缘梯式配网搭接引流线机器人。采用YOLOv8目标检测算法结合双目相机获取机器人作业过程中相关部件在作业坐标系下的三维坐标信息,并采用Fuzzy-PID控制方法精准控制相应作业机构到达指定位置;设计了一种基于多元线性回归控制方法的剥皮器,可以实现切削不损铝芯的精准控制;设计了一种基于滑模观测器的电动扳手,其具备轻量化、无转矩传感器的特点,能够实现作业过程中对转矩的估计与控制。通过仿真及在10 kV配网现场进行的三相搭接引流线试验结果可知,所提方法可以提高机器人的自动化程度和控制精度,保障机器人高效、高质量、安全稳定地完成三相搭接引流线试验,具有很好的实用价值。

输电线路间隔棒安装机器人运动控制方法研究

为解决输电线路人工安装间隔棒作业危险性高和劳动强度大的问题,设计了一种间隔棒安装机器人。针对传统电力机器人依赖摄像头观察和上位机手动调整的低效率和精准度较差的问题,提出了一种基于模型预测控制(model predictive control,MPC)的运动控制方法,在预测模型中加入积分项以减小系统的稳态误差,并且采用了D‒H法对机械臂进行连杆坐标建模,使用拉格朗日法对其建立动力学模型。此外,采用YOLOv7目标检测算法并结合深度相机,对机器人进行定位。针对间隔棒安装至输电导线过程中存在间隙过大或者对准率不高的问题,提出了一种基于DeepLabV3+轻量级间隔棒安装机器人间隙识别算法,以确保安装的可靠性。仿真及试验对比分析表明,采用MPC方法的系统控制收敛时间为18 s左右,控制器的超调量约为0.05,系统的上升时间为12 s,与传统的PID控制或模糊PID控制相比,其具有更好的稳定性和鲁棒性。在模拟220 kV输电线路间隔棒安装试验中,利用所提定位方法得出的坐标与实际值偏差量小于1 cm,符合机器人作业要求,验证了所提的机器人作业控制方法的可行性。

凝汽器在线清洗装置的监测

针对凝汽器现有清洗系统的不足,提出了一种新的清洗方法,并研制了控制装置。该装置以PLC和工控PC为核心,配备相应的执行部件,组成一控制系统,可自动实现凝汽器铜管的在线清洗,提高生产效益。对污垢测量,清洗参数的确定也作了较深入的研究。现场运行的结果证实了该装置的有效性。

一种基于视觉识别定位的变电站电容器检修机器人的设计

为安全高效地实现对变电站内电容器的电容检测,同时完成电容器绝缘子串末端接线柱的螺栓紧固,保证电容器的正常运行,进而维护电网运行安全,设计了一种基于视觉识别定位的变电站电容器检修机器人。结合变电站的整体结构与机器人的作业环境,对机器人作业部分的结构进行了针对性设计,选用合适硬件并构建了控制系统。使用YOLOv5目标识别网络对电容器末端绝缘子串中心进行了检测与三维定位,实现了检测精度与识别速度间的平衡,对绝缘子整体识别率达到95%以上,绝缘子中心定位精度达到2.1 mm。基于识别定位所得位置,移动作业末端可完成电容器电容检测并实现对电容器上绝缘子串末端螺栓紧固作业,完成变电站电容器的检修工作。在根据变电站电容器设置参数构建试验场地,进行了电容器电容检测试验与电容器绝缘子串末端螺栓紧固试验,验证了基于视觉识别定位的电容器检修机器人能有效识别目标并完成检修工作。

基于多元线性回归法的配电网导线剥皮控制方法

针对配电网运维检修中搭接引流线的导线剥皮问题,分析了传统剥皮控制方式的局限性,提出了一种基于多元线性回归的电机力矩控制方法。首先,分析了导线剥皮受力情况,建立了剥皮力学模型;然后,为了精准判别剥皮目标区域,引入与力矩相关的权重因子,构建多元线性回归方程并采用梯度下降法求解表征剥皮过程特征的量化因子;最后,通过对量化后的状态阈值进行判定即可实现精准剥皮控制。采用JKLYJ-70型电缆进行了剥皮实验,结果表明,所提力矩控制方法的剥皮准确率为99.2%,线损率为0.4%,验证了该方法的可行性。