变电站巡检机器人激光建图系统设计

基于环境地图的机器人导航系统已经得到了越来越多的应用,针对传统变电站巡检机器人导航方式存在的不足,设计了变电站巡检机器人激光建图系统。首先介绍了系统的组成结构,之后着重对地图创建算法进行了详细描述,并搭建了原型系统。最后,为验证系统性能,在500kV变电站现场对系统功能进行了测试。测试结果表明,所设计系统可以成功建立变电站现场环境电子地图,同时所建地图也与现场环境具有较好的一致性。     

基于嗅觉的水下机器人化学羽状物追踪定位方法

针对真实水流环境下的水下机器人化学羽状物追踪问题,参考生物嗅觉定位原理,提出化学羽状物源头概率分布地图的绘制算法和水下机器人搜索羽状物源头的路径规划策略,提高了机器人搜索羽状物源头的效率以及准确性。化学羽状物在流场中释放后,水下机器人采集在搜索区域内探测到的流场和羽状物的信息,利用贝叶斯理论描述出羽状物在空间和时间上的变化,绘制出羽状物源头概率分布地图,通过人工势场法规划出一个最优的搜索轨迹,达到羽状物探测概率的最大化,水下机器人能够沿规划路径跟踪羽状物直到发现羽状物源头。通过真实水流环境下进行的机器人追踪实验结果验证了该规划策略的可行性。     

基于SURF特征的多机器人栅格地图拼接方法

实现地图拼接是多机器人协作创建地图的一项关键技术。研究了一种基于加速鲁棒特征(SURF)的多机器人栅格地图拼接方法,该方法通过对机器人运动坐标系进行刚体变换,将栅格地图拼接问题用图像配准的最小化问题来表示并建立数学模型。首先利用一种改进的SURF算法从待拼接地图中提取特征,然后利用随机抽样一致性(RANSAC)算法剔除误匹配得到初始拼接参数,并将拼接参数作为ICP算法的初值来求解目标函数。最后分别利用公开数据集和Turletbot2移动机器人进行了实验,结果表明该方法能对多机器人建立的栅格地图实现可靠拼接,鲁棒性好且精度高,拼接速度快适用于较大规模环境栅格地图拼接。     

一种基于图像处理的目标识别算法

在未知环境中,移动机器人的同步定位与地图创建是机器人研究领域的一个非常重要的问题.作为自主机器人,能够可靠地探索未知环境中的目标或局部环境,是否具有视觉信息采集能力是非常重要的,基于尺度不变的特征变换算法(SIFT)在图像匹配与检测方面具有强大的功能.提出了一种方法来优化SIFT特征向量的维度,降低算法的复杂度,提高算...     

基于惯性导航角度补偿的室内激光SLAM方法

针对传统二维激光同步定位与地图构建(SLAM)方法无法适用于非平坦、复杂的非结构化环境的问题,提出了一种基于惯性导航角度补偿的激光SLAM方法。该方法通过基于高斯牛顿法的扫描匹配估计出机器人的位置,使得机器人位置的计算不再依赖里程计模型。同时,通过卡尔曼滤波器得到精确的角度信息并对激光数据进行补偿,提高构建地图的精度。实验平台为搭载二维激光雷达,基于ROS(robot operating system)系统的两轮差速移动机器人。实验结果表明,该算法创建的地图墙体角度误差由11°降到1°,匹配位置误差由±15 cm降到±5 cm。通过对地图精度和机器人位置的误差对比证实了该方法具有良好的场景适应性和实用性。     

基于AMC算法的变电站巡检机器人地图创建与定位

变电站的设备巡检工作对于保证供电可靠性起着至关重要的作用,传统的人工巡检方式效率低,工作量大,难以取得理想的结果。机器人巡检已成为智能电网未来发展的趋势。文中研究变电站巡检机器人实时定位和地图创建(SLAM),根据巡检业务特征实现SLAM建模,提出一种基于自适应蒙特卡洛(AMC)算法的巡检机器人SLAM方法,考虑变电站实际环境动态和巡检机器人特征的复杂性,实现机器人二维地图的创建和实时定位。仿真结果表明,基于AMC的巡检机器人SLAM定位精度更高,针对不同过程噪声的抗干扰性更强,更适用于变电站巡检机器人的SLAM问题解决和实践应用。     

基于改进离散烟花算法的变电站巡检机器人路径规划研究

变电站巡检机器人的路径规划旨在为机器人在障碍物空间中搜索全局最优路径.全局路径规划研究主要包括环境建模和路径搜索两个子问题.首先在全面分析变电站环境后创建了半拓扑的地图环境模型,然后测试了相关算法的离散优化性能,最后得到了变电站路径规划的仿真测试结果.测试结果证明了基于改进离散烟花算法的路径规划方法的有效性。     

基于改进离散烟花算法的变电站巡检机器人路径规划研究

变电站巡检机器人的路径规划旨在为机器人在障碍物空间中搜索全局最优路径。全局路径规划研究主要包括环境建模和路径搜索两个子问题。首先在全面分析变电站环境后创建了半拓扑的地图环境模型,然后测试了相关算法的离散优化性能,最后得到了变电站路径规划的仿真测试结果。测试结果证明了基于改进离散烟花算法的路径规划方法的有效性。     

室内移动机器人的三层规划导航策略

针对室内移动机器人导航问题，提出一种包括全局规划层、局部路径优化层、反应式导航．控制层的导航策略。根据已知环境建立全局拓扑地图，为机器人提供全局导航信息；根据机器人当前位置，从全局地图中提取信息生成采用有向线段描述的局部地图，在机器人运行过程中，不断利用传感器信息更新局部地图，并根据图中有向线段之间的拓扑关系获得机器人的局部路径点，机器人采用传感器信息、地图信息、历史轨迹信息的反应式导航方法趋向局部路径点。仿真试验表明，导航策略可以产生优良的运行轨迹，并确保机器人在复杂环境中安全运行。     

基于Kinetis K60的探测预警机器人的设计

针对矿井、洞穴等特殊场景的探测问题,设计了一款能够在复杂环境下进行探测并能够及时预警的机器人.该机器人以Kinetis60为核心处理器,使用多种传感器作为数据采集终端,采集周围环境信息,并根据相应阈值设置做出预警提示,采用ZigBee无线传感器技术进行数据传输和记录,同时采用三角步态算法,以保证探测过程中机器人的稳定,使得探索过程更加智能高效.实验结果表明,该设计能够完成周围环境信息采集,并针对危险情况做出预警提示,从而为地下工作人员提供一定的参考和保障,具有一定的工程意义及现实作用.     

辐射接线模式的配电馈线单线图自动绘制算法

研究基于CIM_SVG的电网数据模型基础上的配电线路单线图自动布局算法,给出了一种辐射状单线图自动绘图的完整方案。提出一种馈线分级分支的干线-支路模型,结合CIM_SVG数据模型垂直、水平逐级交叉布置馈线各支线;应用面向对象思想建立一种支线图元区域模型,通过模型数据判别图形中的极不对称支线以及重叠或交叉区域,进而根据判别的结果对图形的整体对称化处理以及重叠或交叉区域的消除,最终完成整条馈线的绘制。最后以10 kV辐射状配电馈线为例对算法进行验证,结果表明算法能在数秒内完成典型配电网络布局,适用于更广泛的配电网可视化分析应用。     

基于公共信息模型的配电网拓扑分析算法研究

根据公共信息模型(common information model,CIM)的特点,提出基于CIM的配电网数据映射到关系数据库的一些规则,并基于建立的数据库提出一种改进的深度优先搜索算法以完成对配电网最短路径的搜索,最后以IEEE69节点系统为算例进行验证,结果表明该算法不仅搜索速度快、节省内存,而且能够满足配电网重构...     

基于多中心-校正内点法的加权最小绝对值状态估计

针对原-对偶内点法加权最小绝对值状态估计收敛速度方面的不足,提出一种基于多中心-校正内点法的WLAV（Weighted Least Absolute Value加权最小绝对值）抗差状态估计算法。该算法在PDIPM（Primal-dual Interior Point Method对偶内点法）的基础上,采用超立体空间映射技术,通过合理配置一些关键映射参数改善空间的数值结构,从而保证在每次迭代中获得较大的迭代步长和较好的中心方向,大大减少迭代次数,节省计算时间。最后,借助IEEE算例仿真和我国桌省网的测试验证所提方法的有效性,与含不良数据辨识功能的WLS（Weighted Least Squares加权最小二乘法）算法进行比较,结果表明所提方法的抗差能力具有明显的优势。     

有源RFID测试系统中低复杂度多读写器检测方法*

针对采用快跳频模式的有源RFID测试系统,提出了一种用于多读写器测试的低复杂度非相干最大似然检测算法。该算法首先基于期望元素选择方式解跳出每读写器的时频矩阵图样并采用最大行原理进行预检测,然后对预检测的数据重映射及跳频地址编码,最后采用子空间最大似然检测算法恢复出读写器信号。该算法在复杂度与性能取得了很好的折衷,具有很好的实用价值。计算机仿真验证了本文研究方法的有效性。     

AMOLED灰阶补偿算法研究

为了解决一种小型AMOLED显示屏由灰阶丢失导致的图像变形问题,提出了一种AMOLED灰阶补偿算法。首先测试不同亮度下AMOLED显示灰阶时亮度变化的数据,然后依据测试数据建立亮度变化与灰阶丢失的映射关系,最后使用非线性灰阶压缩的方法对输入图像进行变换,补偿灰阶丢失引起的图像失真。通过软件仿真和硬件测试表明,该算法可以有效地补偿由于AMOLED亮度变化而无法正常显示的灰阶的问题,使图像能够正常显示。因此该算法可以保证小型AMOLED显示屏在不同亮度下工作时能够正常显示灰阶。     

基于Adaboost-INGO-HKELM的变压器故障辨识

针对目前变压器故障诊断准确率低的问题,提出一种多策略集成模型。首先通过等度量映射(isometric mapping, Isomap)对高维非线性不可分的变压器故障数据进行降维处理。其次,利用混合核极限学习机(hybrid kernel based extreme learning machine, HKELM)进行训练学习,考虑到HKELM模型易受参数影响,所以利用北方苍鹰优化算法(northern goshawk optimization, NGO)对其参数进行寻优。但由于NGO收敛速度较慢,易陷入局部最优,引入切比雪夫混沌映射、择优学习、自适应t分布联合策略对其进行改进。同时为了提高模型整体的准确率,通过结合Adaboost集成算法,构建Adaboost-INGO-HKELM变压器故障辨识模型。最后,将提出的Adaboost- INGO-HKELM模型与未进行降维处理的INGO-HKELM模型、Isomap-INGO-KELM模型、Adaboost-Isomap- GWO-SVM等7种模型的测试准确率进行对比。提出的Adaboost-INGO-HKELM模型的准确率可达96%,均高于其他模型,验证了该模型对变压器故障辨识具有很好的效果。     

基于规约编码和缓存的智能用电数据处理技术

针对智能用电信息采集系统的数据集中采集、数据项和用户数量大的特点,提出了一种基于编码的算法并结合缓存技术的批量数据入库的新技术。先对采集的数据项进行预编码,运用P/T映射技术将数据项和存储字段关联并映射到缓存中,通过内存寻址方式先缓存数据,再定时批量提交到数据库,减少了数据库的操作频率,提高了系统的数据入库效率和稳定性,介绍了其中的主要功能模块以及关键技术的实现。     

基于小波和长短期记忆混合神经网络的电力用户异常用电模式检测

为了约束输配电系统中存在的异常用电行为,文中提出一种基于小波和长短期记忆混合神经网络的电力用户异常用电模式检测模型。提出异常用电模拟算法用于生成异常用电数据序列;利用长短期记忆网络构建特征提取网络,从用电数据中提取出不同的序列特征;以小波神经网络为核心构建模式映射网络,实现序列特征到用电模式的映射,完成异常用电模式检测。通过CER Smart Metering Project数据集测试,文章提出的异常用电检测模型与传统网络模型相比,具有更高的检出率、更低的误检率和更高的贝叶斯检出率。     

基于形态小波和支持向量机的高压断路器状态监测和故障诊断

针对现场运行的断路器故障数据难以获取的现状,搭建了一个断路器故障模拟试验平台对部分常见故障进行了故障模拟。传统的基于单一特征量的状态监测难以有效判断断路器的故障,提出了一种多维映射的思路:研发了一种形态开闭加权复合滤波算法对断路器合分闸线圈电流信号进行滤波,从故障波形和正常波形的对比中充分挖掘其差异特征量,并利用形态小波分解包含丰富机械状态信息的振动信号,将不同频段的能量值作为判断断路器状态的特征量,利用支持向量机将断路器合分闸线圈电流信号的各差异特征量与振动信号特征量相结合形成多维映射,对断路器的状态进行诊断。本研究进行了大量的实验,实验分析结果验证了该思路和算法的有效性。     

改进北方苍鹰算法在光伏阵列中应用研究

针对北方苍鹰优化算法(NGO)存在收敛精度低和易陷入局部最优等问题,提出一种改进北方苍鹰算法(INGO),并应用于光伏阵列故障诊断。首先,利用Circle映射、自适应权重因子和Levy飞行策略改进了北方苍鹰优化算法,结合高斯检测机制和混合核极限学习机(HKELM)搭建INGO-HKELM故障诊断模型。其次,将INGO算法与NGO、粒子群算法(PSO)、鲸鱼算法(WOA)在测试函数上进行比较,表明在寻优能力、稳定性等方面具有优越性。然后,分析不同运行状态下光伏阵列运行特征,提出一种5维故障特征向量,作为数据的输入。最后,将4种算法分别对HKELM的核参数进行优化并实现故障分类。结果表明,所提方法能够准确地检测出光伏组件发生的异常状态,INGO-HKELM模型准确率达到93.74%,验证了所提算法的有效性和可行性。