一种输电线路巡检机器人控制系统的设计与实现

介绍了一种超高压输电线路巡检机器人控制系统的设计与实现方法．根据巡检作业任务的要求，采用遥控与局部自主相结合的控制模式实现巡检机器人沿线行走及跨越障碍．设计了巡检机器人有限状态机模型，实现了机器人遥控与局部自主控制的有机结合．采用基于激光传感器定位的方法实现了巡检机器人的自主越障控制．实验结果表明，该机器人可实现沿线行走及自主跨越障碍，从而验证了控制系统设计的有效性与合理性．     

基于知识库的输电线路巡检机器人的越障控制

介绍了一种高压输电线路巡检机器人越障控制方法。高压输电线路巡检机器人在翻越同一障碍物时重复同一套操作动作,可通过在实验室进行越障过程示教,离线学习形成操作知识库,实际越障时自动调用操作知识库并与在线信号相结合完成自主越障动作。讨论了知识库的一般组成和功能,并分析了激光传感器定位的方法以实现巡检机器人滚动轮与导线“对中”。经过实验验证,该控制方法具有稳定可靠,硬件结构简便,能可靠地完成控制任务,实现自主越障。     

超高压输电线路巡检机器人越障控制问题的研究

给出了一种超高压输电线路巡检机器人控制系统的设计与实现方法．根据机器人的作业任务,提出了基于传感器信息、约束信息以及动作反馈信息作为输入,产生式系统作为动作输出的越障控制方式．仿真结果表明此方法对于机器人的越障过程是有效的．     

架空线移动机器人行走越障特点

面向电力巡检及维护作业任务需求,以电力输电线路为对象,分析了架空线移动机器人运动环境的特点,对典型架空线移动机器人行走越障过程的特点以及质心调节的影响情况进行了分析,探讨了机器人质心调节方法.提出了一种新型双臂四轮机器人结构以及被动适应的手臂方案,并提出了一种主被动结合的运动协调控制方法.提出的方法在巡检机器人系统中得到了实际应用,实验室模拟线路及实际线路的运行情况表明了机器人系统设计的合理性以及所提出方法的有效性.     

基于B样条曲线的电力巡检机器人越障控制

为了提高电力巡检机器人越障控制能力,该文提出基于B样条曲线的电力巡检机器人越障控制技术,首先构建电力巡检机器人的被控对象模型,结合电力巡检机器人驱动动力学分布,进行电力巡检机器人的定位控制,同时采用避障算法进行电力巡检机器人巡检过程中的越障控制,结合位姿参数的自适应调节方法进行电力巡检机器人越障运动学模型构造。在此基础上,建立电力巡检机器人越障控制目标函数,采用B样条曲线跟踪寻优方法进行机器人的越障路径规划,采用自适应的模糊信息加权方法,进行电力巡检机器人越障控制优化。仿真结果表明,采用该方法进行电力巡检机器人运动轨迹测定分布结果稳定,接近运动轨迹的标准值。其越障控制的灵敏度较高,自适应控制能力较强,电力巡检机器人运动轨迹测定分布结果稳定,提高了电力巡检机器人越障性能。     

基于分布式专家系统的超高压输电线路巡检机器人控制系统的研究

探讨了基于分布式专家系统的超高压输电线路巡检机器人控制系统，给出了一种利用CLIPS和C、VC++混合编程构成分布式专家系统作为机器人控制器的方法,并且提出了一种基于规则和证据的可信度(CF)的分布式专家系统的协调算法.经过试验论证,该控制方法能很好地实现超高压输电线路巡检机器人的作业功能.􀁱     

一种改进的超高压输电线路巡检机器人越障方法

介绍了一种新型的超高压输电线路巡检机器人，阐述了分阶段的控制策略．主要针对越障的工程实际问题，从理论上分析了越障阶段的难点：质心调节，输电线的辨识与定位问题．进行了仿真和试验，验证了控制策略和理论分析的正确性．     

基于粒子群模糊的除冰机器人越障规划

由于除冰机器人多在天气恶劣,覆冰较厚的输电线路上工作,现有的基于视觉伺服越障策略存在图像质量差,冰、线区分难等不足。根据模糊逻辑和粒子群优化原理,提出了一种除冰机器人在线越障和路径规划方法。该方法通过模糊规划器实现除冰机器人机械臂的无障跟踪和平稳越障。在此基础上,以机械臂末端经过路径长度和与目标点距离的综合最小为目标,利用粒子群算法对模糊规划器输出角度进行在线优化。仿真结果表明:与传统的模糊越障规划相比,该方法不仅满足除冰机器人实时规划和自主越障的要求,缩短了机械臂经过轨迹的长度,提高了除冰机器人的工作效率和续航能力,为实际工程应用中除冰机器人的能源短缺问题,提供了一种节约使用方案,具有一定的工程应用价值。     

基于遗传算法的输电线路无人机巡检路径规划

针对无人机有效、安全巡检输电线路的路径问题,提出了一种基于遗传算法的输电线路无人机巡检路径规划方法,采用极坐标编码方式对无人机巡检路径构造染色体;结合实际情况中的无人机巡检各种约束问题,设计了适合于无人机巡检路径规划的遗传算子;实验结果证明算法能综合考虑各种因素,提高了全局寻优能力,是解决实际输电线路无人机巡检路径规划问题的较好办法.     

变电设备巡检机器人为保护国家输变电财产保驾护航

为了更好确保高压线路安全稳定运行,针对超高压输电线路障碍物类型及特点,中国科学院沈阳自动化研究所机器人学国家重点实验室与锦州超高压局在国家科技部“863”计划、国家电网公司及东北电网公司的支持下,经过七年多的艰苦努力,共同研制开发了一种全新的双臂自主越障巡检机器人—“超高压输电线路巡检机器人”,不仅成功地减轻了送电职工“千里巡线”的劳动强度,降低高压输电的运行维护成本,提高了巡检作业的质量和科学管理技术水平,对于增强超高压企业生产自动化综合能力、创造更高的经济效益和社会效益都具有重要意义,真正的为输电线路和国家财产保驾护航。     

基于视觉伺服的输电线巡检机器人抓线控制

巡检机器人在自动越障时，需要完成机器人手臂的准确抓线控制。结合输电线的几何特征和摄像机成像原理，提出了一种基于单摄像机的立体视觉方法来确定输电线的位置和姿态。结合该定位方法及视觉伺服理论建立机械手抓线伺服控制模型。在自行研制的巡检机器人进行了视觉伺服抓线实验。实验结果验证了该方法的有效性。     

基于结构约束的架空输电线路巡线机器人障碍识别

巡线机器人沿相线行走时必须探测识别各种障碍，并根据障碍类型规划越障行为．针对220 kV架空输电线路的结构特点，利用视觉传感器，设计了基于结构约束的障碍识别算法．算法利用图像的边缘信息，采用改进的基于存在概率图的圆/椭圆检测方法和分层决策机制，以减少自然环境中光线变化和机器人运动对识别质量的影响，满足了巡线机器人的实时越障要求．实验室模拟线路和实际线路实验结果表明，算法能可靠地识别出复杂背景中的防震锤、悬垂线夹和耐张线夹等障碍物．     

架空输电线路巡线机器人的视觉导航

巡线机器人沿相线行走时必须探测识别和定位各种障碍物,并根据障碍类型规划越障行为。针对220 kV架空输电线路的结构特点,利用视觉传感器,设计了基于结构约束的障碍识别算法,完成了障碍识别和分类。根据障碍物的结构特点,设计了一种自适应多窗口区域立体匹配算法,实现了障碍物的双目视觉定位。模拟线路实验结果表明,算法能可靠地从复杂背景中识别并定位出防振锤、悬垂线夹和耐张线夹等障碍物,满足了巡线机器人导航要求。     

基于规则库的巡线机器人自主越障动作规划

在电力线巡检机器人的控制系统中,采用分层规划的方式,利用产生式推理从行为规划的层次上进行在线规划,生成行为序列,然后将生成的行为序列与离线规划出的知识库相结合,生成自主越障的动作序列,实现机器人越障的自动控制．本文探讨了整个越障规划的控制过程和规划方法,并通过实验验证了动作规划的可行性．     

Optimal Navigation for a Differential Drive Disc Robot: A Game Against the Polygonal Environment

This paper considers the problem of globally optimal navigation with respect to minimizing Euclidean distance traveled by a disc-shaped, differential-drive robot (DDR) to reach a landmark. The robot is equipped with a gap sensor, which indicates depth discontinuities and allows the robot to move toward them. In this work we assume that a topological representation of the environment called GNT has already been built, and that the landmark has been encoded in the GNT. A motion strategy is presented that optimally navigates the robot to any landmark in the environment, without the need of using a previously known geometric map of the environment. To our knowledge this is the first time that the shortest path for a DDR (underactuated system) is found in the presence of obstacle constraints without knowing the complete geometric representation of the environment. The robot’s planner or navigation strategy is modeled as a Moore Finite State Machine (FSM). This FSM includes a sensor-feedback motion policy. The motion policy is based on the paradigm of avoiding the state estimation to carry out two consecutive mappings, that is, from observation to state and then from state to control, but instead of that, there is a direct mapping from observation to control. Optimality is proved and the method is illustrated in simulation.     

Reactive navigation of underwater mobile robot using ANFIS approach in a manifold manner

Learning and self-adaptation ability is highly required to be integrated in path planning algorithm for underwater robot during navigation through an unspecified underwater environment. High frequency oscillations during underwater motion are responsible for nonlinearities in dynamic behavior of underwater robot as well as uncertainties in hydrodynamic coefficients. Reactive behaviors of underwater robot are designed considering the position and orientation of both target and nearest obstacle from robot’s current position. Human like reasoning power and approximation based learning skill of neural based adaptive fuzzy inference system (ANFIS) has been found to be effective for underwater multivariable motion control. More than one ANFIS models are used here for achieving goal and obstacle avoidance while avoiding local minima situation in both horizontal and vertical plane of three dimensional workspace. An error gradient approach based on input-output training patterns for learning purpose has been promoted to spawn trajectory of underwater robot optimizing path length as well as time taken. The simulation and experimental results endorse sturdiness and viability of the proposed method in comparison with other navigational methodologies to negotiate with hectic conditions during motion of underwater mobile robot.     

Reactive navigation in dynamic environment using a multisensorpredictor

A reactive navigation system for an autonomous mobile robot in unstructured dynamic environments is presented. The motion of moving obstacles is estimated for robot motion planning and obstacle avoidance. A multisensor-based obstacle predictor is utilized to obtain obstacle-motion information. Sensory data from a CCD camera and multiple ultrasonic range finders are combined to predict obstacle positions at the next sampling instant. A neural network, which is trained off-line, provides the desired prediction on-line in real time. The predicted obstacle configuration is employed by the proposed virtual force based navigation method to prevent collision with moving obstacles. Simulation results are presented to verify the effectiveness of the proposed navigation system in an environment with multiple mobile robots or moving objects. This system was implemented and tested on an experimental mobile robot at our laboratory. Navigation results in real environment are presented and analyzed.