基于深度学习的变电站轨道自动巡检机器人研究

巡检机器人提供了海量的设备实时运行图像及声音数据,而常规数据处理方式通常受限于固定的数学处理工具,难以准确去除图像噪声、识别出设备异常声音,因此不能获得有效、可靠的设备运行数据。针对此问题,采用深度学习对运行设备的实时图像及声音信息进行数据分类等预处理并获得典型训练集。在此基础上,进行大量训练并获得训练模型,将训练出的模型应用于实时图像及声音,从而提取出有效的设备运行数据。Matlab仿真结果表明,深度学习能更优地提取数据特征,较好地去除图像噪声并精确识别设备的异常声音,解决了传统机器学习缺乏训练数据、泛化能力不足的问题。

配电房轨道式自动巡检机器人控制系统设计与实现

文章结合配电房轨道式自动巡检机器人的操控需求,完成了机器人控制系统的设计,并对系统的实现问题进行了研究。从实验结果来看,采用系统对巡检机器人进行操控,可以使机器人以最大0.32m/s速度工作,并且时长能够达到8h,在2mm范围内可以实现精确定位,能够满足配电房自动化巡检的需求。