基于证据推理的煤气管道检测研究

采用基于推理的数据融合方法,将Dempster-Shafer证据推理应用于煤气管道的检测实验中。通过用多个传感器对煤气管道损伤信息进行采样,提取特征量,利用神经网络进行融合识别,然后把神经网络的输出值归一化后作为证据,利用Dempster合成法则进一步对所得数据进行融合,提高可信度,有效地决策识别出管道的损伤类型。本实验显示了D-S证据推理具有较强的处理不确定性信息的能力,结果证明了该方法的正确性和有效性。

煤气管道机器人管径适应调整机构分析

提出了一种基于平行四边形轮腿机构、采用丝杠螺母调节方式的煤气管道检测机器人管径适应调整机构,介绍了该机构的工作原理;围绕机器人牵引能力的改善,对其工作过程中相关力学特性建立了数学模型,并进行了实验测试和验证,结果表明理论分析是正确的.该管径适应调整机构具有结构简单、管径适应范围大的特点.