基于卷积神经网络的电力查询设备手势操控算法研究

当电力设备噪声大且不在可接触范围内时,工作人员难以通过触屏、触键或语音方式操控查询设备。探索了一种基于卷积神经网络的手势识别算法。首先采用基于YCrCb的颜色空间变换和基于OSTU的自适应图像二值化对图像进行压缩处理,然后采用两层卷积层对特征进行提取,最后用Softmax进行分类。为了提高模型的计算速度,激活函数优化为ReLu,并添加了Dropout层。结果表明,算法能够识别自定义的9种手势,平均识别率高于99.6%。因满足精度要求,故可用于电力查询设备的操控。

基于改进JPS算法的电站巡检机器人路径规划

为提升变电站巡检机器人路径规划的速度和稳定性,运用一种改进的跳点寻路(JPS)算法对巡检机器人的路径规划系统进行优化。针对跳点搜寻部分,使用系统位运算指令加快跳点搜寻的速度;针对跳点筛选部分,通过剪枝操作删除不必要的跳点,进一步减少跳点数量。先测试改进算法的可行性,测试实验表明随着规划节点数的增加,改进JPS算法规划性能提升明显,更加适合于变电站这种比较复杂的环境。然后将改进JPS算法应用于基于机器人操作系统的变电站巡检机器人上,搭建变电站仿真地图,编写改进JPS算法全局路径规划器。仿真结果表明,使用改进JPS算法的路径规划器在500 m×700 m的变电站地图中规划速度是使用常规JPS算法路径规划器的2倍,极大提升了巡检机器人的路径规划的稳定性。