该文针对透明物体的抓取问题,进行了机器人抓取综合性实验设计。提出了基于几何约束的透明物体深度补全算法,研究了基于Deep Learning的深度补全,利用语义分割图对输入数据进行预处理,联合表面法线和遮挡边缘作为几何约束来预测缺失的...该文针对透明物体的抓取问题,进行了机器人抓取综合性实验设计。提出了基于几何约束的透明物体深度补全算法,研究了基于Deep Learning的深度补全,利用语义分割图对输入数据进行预处理,联合表面法线和遮挡边缘作为几何约束来预测缺失的深度值;选取基于RGBD(red green blue depth map)信息融合的抓取检测网络GR_ConvNet对透明物体进行抓取检测。实验数据表明,TransLab算法体现出较好的抗干扰能力,能够很好地突显所有物体的形状和轮廓,利用补全后的深度图进行训练的模型精度更高。通过该实验设计能够帮助学生理解深度补全、语义分割等基本理论和方法,培养学生将理论联系实际的能力和对科学研究的兴趣。展开更多
随着“双碳”目标不断推进,可再生能源的装机容量和发电占比不断增加。然而,以风电、光伏为代表的可再生能源所固有的不确定性和波动性,使得以火电机组深度调峰为主的传统运行方式的经济性难以得到保障。针对上述问题,提出一种含聚合光...随着“双碳”目标不断推进,可再生能源的装机容量和发电占比不断增加。然而,以风电、光伏为代表的可再生能源所固有的不确定性和波动性,使得以火电机组深度调峰为主的传统运行方式的经济性难以得到保障。针对上述问题,提出一种含聚合光热发电(Concentrating Solar Power,CSP)和深度调峰火电机组的电力系统分布鲁棒机会约束优化调度方法。首先,分析火电机组的基本调峰和深度调峰能力,构建考虑火电机组进行基本调峰或深度调峰成本的深度调峰模型。其次,分析光热电站启动时的热量传递过程,构建考虑启动热量约束的CSP模型。在此基础上,采用基于数据驱动的分布鲁棒机会约束描述可再生能源出力的不确定性,构建以火电机组发电成本、购售电成本和储能使用成本之和最小为优化目标的调度模型。最后,以改进的IEEE 30节点系统为例验证了所提方法具有较好的经济性和鲁棒性。展开更多
文摘该文针对透明物体的抓取问题,进行了机器人抓取综合性实验设计。提出了基于几何约束的透明物体深度补全算法,研究了基于Deep Learning的深度补全,利用语义分割图对输入数据进行预处理,联合表面法线和遮挡边缘作为几何约束来预测缺失的深度值;选取基于RGBD(red green blue depth map)信息融合的抓取检测网络GR_ConvNet对透明物体进行抓取检测。实验数据表明,TransLab算法体现出较好的抗干扰能力,能够很好地突显所有物体的形状和轮廓,利用补全后的深度图进行训练的模型精度更高。通过该实验设计能够帮助学生理解深度补全、语义分割等基本理论和方法,培养学生将理论联系实际的能力和对科学研究的兴趣。
文摘随着“双碳”目标不断推进,可再生能源的装机容量和发电占比不断增加。然而,以风电、光伏为代表的可再生能源所固有的不确定性和波动性,使得以火电机组深度调峰为主的传统运行方式的经济性难以得到保障。针对上述问题,提出一种含聚合光热发电(Concentrating Solar Power,CSP)和深度调峰火电机组的电力系统分布鲁棒机会约束优化调度方法。首先,分析火电机组的基本调峰和深度调峰能力,构建考虑火电机组进行基本调峰或深度调峰成本的深度调峰模型。其次,分析光热电站启动时的热量传递过程,构建考虑启动热量约束的CSP模型。在此基础上,采用基于数据驱动的分布鲁棒机会约束描述可再生能源出力的不确定性,构建以火电机组发电成本、购售电成本和储能使用成本之和最小为优化目标的调度模型。最后,以改进的IEEE 30节点系统为例验证了所提方法具有较好的经济性和鲁棒性。