面向断股补修任务的输电线维护机器人设计

输电系统中,架空地线断股是一种严重的线路故障,人工开展断股补修工作强度高,风险大。介绍了一种输电线维护机器人用于完成断股补修维护任务。该机器人采用视觉检测方法完成输电线路环境状态的检测,并根据当前所处环境状态完成合理的任务规划。机器人平台可以按照规划携带专用维护工具沿线路行走,跨越防振锤障碍靠近断股故障,并通过专用维护工具实现断股的复位与紧固。最后,机器人设计的合理性,基于环境状态检测的机器人任务规划的有效性与稳定性都通过实验得以验证。     

输电导线机械破损的红外检测与故障诊断

借助红外辐射理论,建立了破损导线的热辐射场和红外传感器对其输入响应的模型。研制和开发了一种新型的导线破损的红外检测与故障诊断仪。提出了基于峰峰值邻域特征参数的综合识别判据在线识别断股故障信号以及用二进小波对突变信号奇异性检测来离线识别断一股信号和股波信号,这种故障识别方法既可以提高故障识别效率又可以保证故障识别的精度。     

基于SVD-HHT的低信噪环境语音信号端点检测

为了提高嘈杂、低信噪比环境中对语音信号的识别准确度,更加完善的语音信号端点检测尤为重要。本文提出了一种基于SVD-HHT的低信噪比环境语音信号端点检测算法,即将奇异值分解(SVD)算法与希尔伯特黄变化(HHT)算法相结合,用于语音信号端点检测。为验证该方法的准确性,本文在不同信噪比环境下,对相同的几组语音信号进行端点检测,并以基于小波变换降噪法语音信号端点检测作为比较对象,得出两种算法相应的检测准确率。通过实验比较与分析,本文提出的SVD-HHT端点检测算法其准确率高于小波法语音信号端点检测率,具有一定的实用意义。     

改进LMD和排列熵的滚动轴承故障诊断

针对滚动轴承故障振动信号的复杂特性和局部均值分解(Local Mean Decomposition,LMD)方法存在的端点效应问题,提出了基于振动信号自相似性对左右端点两侧延拓来抑制端点效应问题的改进LMD、排列熵(Permutation Entropy,PE)及优化K-均值聚类算法相结合的轴承故障诊断方法。首先通过改进LMD将非线性、非平稳的原始故障振动信号分解出一系列的乘积函数(Production Function,PF)分量,对包含主要故障信息的PF分量提取PE值作为故障特征分量,在提取特征量的基础上,最后采用优化后的K-均值聚类算法对故障类型进行识别分类。将该方法应用在滚动轴承实验数据,实验结果表明该方法可以准确、有效的实现滚动轴承的故障诊断。     

基于人工免疫的故障诊断模型自动更新算法

针对传统的故障诊断模型无法跟踪故障的动态变化问题,提出了故障诊断模型自动更新的概念,建立了一种基于异常点检测的人工免疫故障诊断模型自动更新算法.该算法以人工免疫算法为基础,通过引入异常点检测、故障类别使用感知器、增量式单粒子浓度算法感知器来感知故障特征数据的动态变化,并设计了新故障类型的插入、故障抗体删除和特征中心的修订等操作,实现了故障诊断模型的自动更新.实验仿真及应用结果显示,该算法具有较强的自适应性和记忆能力,能够有效实现新故障类型的产生和故障特性中心漂移等问题的识别和处理.     

基于DSP和LabVIEW的电动机转子断条故障诊断

为了实现对鼠笼式异步电动机转子断条故障的实时诊断,设计了一套以TMS320F2812和LabVIEW为核心的转子断条故障诊断装置。该装置以TMS320F2812为主控芯片,实现对异步电动机定子侧电流信号的采集,通过DSP的串口模块将采集到的信号传送到由LabVIEW构建的上位机信号处理平台。针对定子侧电流信号中工频分量对断条故障特征分量的干扰较大,严重地影响断条分量的识别,LabVIEW处理平台采用自适应陷波器算法对工频信号进行陷波处理,在FFT频谱上实现对断条故障特征分量的识别。实验证明,该装置能够实现对断条故障进行实时监测,并能够在FFT频谱上对断条故障特征分量进行识别。     

应用SIFT_BoW和HIK_SVM的行星轮齿面磨损故障诊断

行星轮齿面磨损故障信号具有特征薄弱、特征量少等缺点,对其进行故障特征识别较为困难。本文中提出一种新的方法:首先,将原始振动加速度信号幅值作为像素点构造灰度图像,检测灰度图像的特征点并对检测出的特征点向量描述;然后将灰度图像的特征描述向量聚类,构建词袋模型;最后用直方图相交核支持向量机算法对其进行分类。该方法不但不需要对原始信号模态分解和降噪处理,还可以提取出大量的信号特征,提高了故障特征识别的效率和准确率。对正常轮齿、2个齿面磨损和3个齿面磨损故障进行了诊断实验,准确率高达98.55%,实验结果验证了所提方法的有效性。     

一种基于横截面特征的车道线检测方法

车道线检测是自动驾驶的基本任务之一,提出了一种高效稳定的车道线提取拟合和跟踪的算法。根据车道线的截面特征逐行提取车道线特征点,并使用连通域聚类滤波,与传统的霍夫算法相比降低算法复杂度,提高运行效率。将提取的车道线特征点区域分成近视场和远视场,并分段拟合,提高拟合精度。使用卡尔曼滤波算法对车道线的端点和斜率进行跟踪,以此缩小感兴趣区域,提高运行效率。实验中,该方法能够完成多种不同场景下的车道线检测,证明了该算法具有良好的鲁棒性和实时性。     

输电线路悬挂点检测技术研究

输电线悬挂点是指绝缘子下方的连接区域,该区域包含了用于固定输电线的销钉,通过对悬挂点的检测能够辅助进行判断销钉是否缺失或松动,发现输电线存在的松动隐患。本文利用深度学习目标检测算法进行悬挂点的检测,并对目前主流的3种检测方法的精度进行比较,结果表明目前基于深度学习的主流目标检测方法都能够较好地检测出悬挂点的位置,其中YOLO-V3的检测精度较高。     

基于多特征融合和BP-AdaBoost算法的列车关键零件故障自动识别

针对列车集尘器和安全链锁紧螺栓的故障检测,提出了一种基于多特征融合和BP-AdaBoost的故障自动识别算法。首先提取故障区域与非故障区域的局部二进制模式（LBP）、方向梯度直方图（HOG）和Haar-like三类特征;其次利用主成分分析（PCA）定义不同特征对故障识别准确率的贡献值,并据此对这三种特征进行降维和融合;再次利用融合特征来训练BP-AdaBoost分类器;最后用训练好的分类器结合不同的识别算法,对集尘器和安全链锁紧螺栓的故障进行定位和识别。实验结果表明,该算法能较好地识别两种不同故障,故障识别率高,误检率和漏检率低,对于光照不均和遮挡情况有一定的鲁棒性。     

基于协方差矩阵的点云孔洞边界检测

逆向工程中点云模型孔洞边界的检测是孔洞修补的前提,完美的孔洞轮廓线有利于提高孔洞修补的质量。参照二维图像中边界的定义,给出了三维模型中点云孔洞边界的定义,并且提出了一种简单的孔洞轮廓线生成算法。首先,通过分析邻域点协方差矩阵特征值之间的关系,提出了一种边界点检测算子,用于初步提取孔洞特征点;然后,综合考虑邻域点最大特征向量方向、距离以及边界检测值(边界检测算子)三者之间的关系生成孔洞轮廓线。试验结果表明,所提边界点检测算子能够有效检测模型中的孔洞点,并且有较好的抗噪声性能,生成的孔洞轮廓线比仅以距离为参数的轮廓线生成算法的精度高。     

[智能感知]一种基于形态学特征的车道线识别方法

The existing lane detection algorithm mainly used edge information to extract lane features, and the algorithm that generated feature points through the contrast of adjacent pixels was easily affected by many external factors, and the detection results were easily disturbed, thus a new feature extraction algorithm was proposed. This algorithm improved the robustness of the algorithm in complex situations by calculating the tensor rotation of the gray structure in the region and selecting the largest changing trend pixel as the feature point. A new lane line feature extraction algorithm was used to extract feature points in interest areas, then feature points were selected, and Hough transform was used to fit them. After the lane lines were obtained , the dashed line and the solid line were distinguished by the coordinate variances of the feature points. The algorithm was tested by driving pictures of about 15 500 frames in different time periods. The results show that the detection method may detect the lane line well under various environments, the correct rate under the sunny conditions is as 99.18%, the correct rate under the rainy conditions is as 97.19%, and the correct rate under the worn pavement conditions is as 94.72%,the correct rate under the night conditions is as 97.62%.     

基于关键帧定位和时空图卷积的异常行为识别

为提高监控视频中行人异常行为检测效率,提出了结合关键帧定位和时空图卷积的异常行为识别方法。该方法在人体骨架关键点检测的基础上,采用关键点运动特性定位视频中行人异常行为关键序列,利用时空图卷积网络可以提取行人时空特征的优点,在关键帧序列上构建人体骨架时空图,同时建立基于瓶颈残差模块的时空图卷积网络行为识别模型,实现对监控视频中行人异常行为的高效识别。采用自建数据集和公开数据集对该方法有效性进行检验,结果表明,该键帧定位算法可高效实现异常行为定位,结合基于瓶颈残差模块时空图卷积网络,在减少时空图卷积网络计算复杂度的同时提升了网络性能,能够有效判断行人异常行为。     

空中目标的免疫识别算法

基于生物免疫系统的自我-非我识别能力,采用新的检测器生成方法和匹配规则,综合识别目标的先验信息,提出一种基于阴性选择的免疫识别算法。结合空中军事目标的检测和识别问题,对提出的算法进行了应用研究。实验结果表明,基于阴性选择的免疫识别算法用于目标检测和识别可以识别已知类型和未知类型目标,漏判率为0.375%,误判率为0.006%,检测精度达99.563%,而且对不同的入侵目标表现出很好的鲁棒性。     

基于稀疏编码空间金字塔匹配和GA-SVM的列车故障自动识别

针对货车运行故障动态图像中车辆挡键、集尘器和安全链锁紧螺栓的故障检测,提出一种基于稀疏编码空间金字塔匹配和遗传算法优化的支持向量机相结合的通用故障自动识别算法。首先在不同尺度空间对样本图像进行划分,对每个部分提取尺度不变特征变换特征,利用随机抽取样本的SIFT特征通过迭代学习生成字典并进行稀疏编码;其次利用主成分分析定义编码后的特征对故障识别准确率的贡献值,并据此对编码特征进行降维;然后利用编码降维后的特征结合遗传算法对线性SVM分类器进行训练;最后用训练好的分类器模型对挡键、集尘器和安全链锁紧螺栓的故障进行识别。实验结果表明,本文提出的算法能较好的应用于3种不同类型的故障识别,识别率分别为97.25%、99.00%和97.50%,同时对噪声和光照变化具有一定的鲁棒性,能满足车辆故障的实际检测需求。     

基于背景差分的巡检机器人视觉识别方法

针对巡检机器人检测异物范围受限，只能检测经过训练的异常物体问题，提出了一种基于视频对齐的背景差分技术。巡检机器人由于运行速度不稳定、摄像头角度存在偏差，会导致视频无法对齐，识别准确率低，因此采用一种改进的联合优化算法对视频进行处理。首先使用改进的DTW算法逐帧查找与目标视频对应的帧，将视频对应帧提取出来；再采用SURF算法提取对应帧的特征点，进行筛选后使用DeepFlow算法得到对应帧图像的变形场矩阵，进而将图像角度修正，并进行像素级的匹配。实验结果表明，DTW-SURF-DeepFlow联合算法可以将图像进行完全的对齐，经过对齐的图像通过背景差分即可以检测出任意的异常物体，提高了异物检测的准确性。     

基于自注意力机制的深度学习模拟电路故障诊断

模拟电路是集成电路中的重要组成部分,基于深度学习技术对模拟电路发生的故障进行检测,并精准识别故障的类型是当前集成电路测试领域的研究热点。针对模拟集成电路故障检测存在困难的问题,利用人工智能在图像识别领域、语音分类领域的先进技术,提出了基于自注意力机制检测Sallen-Key型低通滤波电路故障的深度学习模拟电路故障检测方案,将输出信号采样成音频信号,并将其输入到自注意力变换网络的音频分类模型中进行训练、测试和优化。结果表明,通过自注意力变换网络音频分类在9种不同的故障类型诊断中,平均准确率达93.1%,最高准确率达98.1%。该模型收敛速度更快,具有较强的模拟电路故障检测能力。     

运用小波变换检测汽车后桥总成故障

用傅里叶变换和小波变换寻找并分解出最能反映汽车后桥故障的频率段，再从该频率段的重建信号中提取最能反映故障的特征（包括信号的方差和峰态）。为了寻找最优判断故障的指标，从现场采集的后桥总成振动信号数据库中抽取一定样本的正常件和故障件，并提取每个工件信号的特征数据，用支持向量机神经网络可得到最优的分类指标。