针对浅水水域机器人的姿态平衡、运动控制、信息获取及工作环境多变等难题,文中研制了一款能够沿水下管道自主运动、检测管道上的吸附物、发出警报并对吸附物移除及回收的小型水下机器人。采用Arduino Mega 2560集成芯片作为核心控制器...针对浅水水域机器人的姿态平衡、运动控制、信息获取及工作环境多变等难题,文中研制了一款能够沿水下管道自主运动、检测管道上的吸附物、发出警报并对吸附物移除及回收的小型水下机器人。采用Arduino Mega 2560集成芯片作为核心控制器,开发了管道巡线、图形识别和回收装置驱动等模块的外围电路,制作了实物样机。实景试验表明:所研制的机器人能够完成460~530 mm深度水下管道的巡检作业。展开更多
为了解决在石油管道巡检中的管理问题,采用了前沿的射频识别技术,集成iPico公司的射频识别阅读器和性能较好的工业标签,在石油管线上实现巡检管理,并且采用EVB编程技术基于PDA(Personal Digital Assistant)的WindowsCE操作平台,实现了...为了解决在石油管道巡检中的管理问题,采用了前沿的射频识别技术,集成iPico公司的射频识别阅读器和性能较好的工业标签,在石油管线上实现巡检管理,并且采用EVB编程技术基于PDA(Personal Digital Assistant)的WindowsCE操作平台,实现了便携的石油管道巡检车载应用系统。经过静态和动态中的车载试验,已经成功应用于石油管线巡检上,且带来良好的应用成效。展开更多
文摘针对浅水水域机器人的姿态平衡、运动控制、信息获取及工作环境多变等难题,文中研制了一款能够沿水下管道自主运动、检测管道上的吸附物、发出警报并对吸附物移除及回收的小型水下机器人。采用Arduino Mega 2560集成芯片作为核心控制器,开发了管道巡线、图形识别和回收装置驱动等模块的外围电路,制作了实物样机。实景试验表明:所研制的机器人能够完成460~530 mm深度水下管道的巡检作业。
文摘为了解决在石油管道巡检中的管理问题,采用了前沿的射频识别技术,集成iPico公司的射频识别阅读器和性能较好的工业标签,在石油管线上实现巡检管理,并且采用EVB编程技术基于PDA(Personal Digital Assistant)的WindowsCE操作平台,实现了便携的石油管道巡检车载应用系统。经过静态和动态中的车载试验,已经成功应用于石油管线巡检上,且带来良好的应用成效。
文摘针对目前管道巡检机器人对管道内部目标淤积物识别精度低的问题,设计了一个基于新的学习率更新策略的改进YOLO模型,该模型采用深度学习卷积网络来进行目标物图像学习训练;针对定位不准确的问题,设计了一个测距定位模型,实现了对目标物测距的精准定位.对新学习率更新策略下的YOLO模型、常数衰减学习率更新策略下的YOLO模型、指数衰减学习率更新策略下的YOLO模型及使用传统梯度下降法的YOLO模型等进行了对比训练测试,结果表明,基于新学习率更新策略下的YOLO模型的目标物检测准确率达到96.1%,测距定位模型的定位误差小于2 cm.