-
题名海上风电运维机器人在风机塔筒的应用
- 1
-
-
作者
吴涛
王延春秋
阮秋生
高瑜
-
机构
国电投南通新能源有限公司
国核电站运行服务技术有限公司
-
出处
《自动化应用》
2024年第7期29-32,共4页
-
文摘
海上风电风机塔筒运维困难,人工检测成本高,为此,提出使用运维机器人代替人工检测。首先,探讨海上风电运维机器人的需求和发展历程;其次,介绍该型机器人的主要功能和技术,以及其在海上风电风机塔筒检测中的作用;最后,通过应用实例详细说明机器人的工作,并证明其在海上风电运维领域的有效性。测试表明,海上风电运维机器人可以有效承担风机塔筒的运维任务,对海上风电的发展具有积极影响。
-
关键词
海上风电
风机塔筒
运维机器人
-
Keywords
offshore wind power
wind turbine tower
maintenance robot
-
分类号
TM614
[电气工程—电力系统及自动化]
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名石板材表面缺陷检测的无监督学习方法
- 2
-
-
作者
王延春秋
葛泉波
刘华平
-
机构
上海海事大学物流工程学院
南京信息工程大学自动化学院
清华大学计算机科学与技术系
-
出处
《智能系统学报》
CSCD
北大核心
2023年第6期1344-1351,共8页
-
文摘
石板材表面缺陷检测是一项具有挑战性的任务,尤其对于边缘磕碰、裂缝等细微缺陷,检测难度大。此外,冗余特征的存在会影响训练效果,多尺度特征学习需要进行多维计算,计算复杂度高。针对上述问题,本文提出一种基于无监督学习的石板材表面缺陷检测方法,它能够有效解决该任务存在的问题。首先,对预训练网络提取到的图像多尺度特征,采用正半交嵌入特征降维方式减少冗余特征的影响。然后,通过多过程特征学习降低计算中的时间复杂度,提高训练效率。最后,根据训练模型得出待测图像的局部马氏距离,提高检测性能。相关实验表明,本方法在石板材数据集上的结果优于当前几种先进方法,同时在石板材表面缺陷检测和定位方面证明本方法的有效性。
-
关键词
石板材
表面缺陷
缺陷检测
无监督学习
多尺度特征
半正交嵌入特征
特征学习
马氏距离
-
Keywords
slate
surface defects
defect detection
unsupervised learning
multiscale feature
semiorthogonal embedding feature
feature learning
mahalanobis distance
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-