基于IMU-GNSS-VO的输电线无人机巡检定位和目标跟踪自适应方法

无人机巡检在220 kV输电线的日常巡检工作中占据越来越多的比重,然而无人机巡检存在定位不准、巡检目标识别与跟踪困难等系列问题。为此,基于惯性测量单元(inertial measurement unit, IMU)、全球导航卫星系统(global navigation satellite systems, GNSS)、视觉测程(visual odometry, VO)等多路传感器融合信息,提出了一种无人机输电线巡检定位与目标跟踪自适应方法。为解决GNSS信号中断以及视觉传感器在复杂场景中缺乏足够特征点导致的自主定位困难问题,提出一种基于联邦卡尔曼滤波的鲁棒自适应定位算法,该算法确保了无人机自主导航和定位的准确性;同时,为了实现输电线目标自动识别和跟踪,提出一种变化场景最佳阈值选择算法,实现预测性和连续的参数选择,以提高输电线跟踪的准确性。最后,以唐山某典型案例为试点,验证了方法的有效性,并进一步全面优化输电线路无人机巡检工作流程,为后续输电线巡检的智能巡检多维应用奠定较好的基础。     

基于机器视觉的指针式仪表读表方法研究

针对指针式仪表读数方法受限于仪表类型多样、环境复杂、表盘及指针检测困难、读表精度不高的问题, 提出一种基于机器视觉的指针式仪表读表方法.首先,由数据采集设备获取高质量的图像,并且通过图像预处理减少 干扰.其次,利用Hough直线检测及Hough圆检测方法,检测指针所在直线和旋转中心,此外,对不同类型的指针 采用交点法与距离法确定仪表指针指向,并通过几何关系计算指针偏转角度.最后,根据比例法得到仪表读数.实验 结果表明,该方法具有算法简单、精度高、速度快的特点,具备实际部署应用的条件.     

基于循环相关滤波算法的复杂背景目标跟踪方法研究

为了实现在复杂情况中对特定目标的路线跟踪,主要研究了基于循环相关滤波器的目标跟踪算法,并针对复杂环境情况下影响跟踪性能的条件进行分析比较。该算法是一种基于线性分类器的监督学习算法,通过添加空间正则化分量减少边界效应,提取准确目标。在OTB-50和OTB-100数据集上进行算法验证,实验表明,该算法的跟踪结果优于其他算法,在快速移动、背景杂乱、光照变化、遮挡、移出视线和运动模糊6种复杂情况下跟踪准确度比传统算法均高出0.1以上。     

基于粒子滤波的运动机器人目标定位

机器人完成各种应用的前提是准确获知自身及运动目标的相对位置,由于机器人在运动控制的过程中自身携带的传感器获取的位置和角度信息存在误差,会导致移动机器人在目标定位过程中出现误差。为提高定位的准确性,提出了基于相对定位的方法,建立目标运动的相对运动模型,并基于观测距离和角度的测量方程运用粒子滤波方法对运动目标进行定位,实验与仿真结果表明,在不同强度的非高斯噪声影响下,粒子滤波算法都能够有效的对其进行定位,且具良好的精度。     

基于同步相关滤波技术的谐波检测方法研究

为实现有源滤波装置补偿电流的准确、实时跟踪,电流的实时检测是关键。传统的各种谐波检测方法特性各不相同,但它们都仅适用于电压基准比较明确场合。将基于频谱搬移原理的同步相关滤波技术应用于电力系统谐波检测,并借助于多分辨率分析思想和小波分析概念得到了一种降采样频率方法以适应谐波频率变化的情况,即自适应同步相关滤波。以交交变频器输出谐波为例,用Matlab软件仿真。仿真结果表明,这种自适应谐波检测技术可有效解决电压基准变化时的谐波检测的难题,同时为谐波抑制的实施奠定了基础。     

基于边端轻量级网络的电力仪表设备检测方法

电力仪表设备边端智能化检测,是构建数字化变电站的必要环节。在利用移动边端视觉设备检测电力仪表时,边端算力难以实现对复杂环境下的小尺度、高似然目标图像的快速检测,为此,提出一种基于轻量级EF-YOLOv4网络的电力仪表图像目标检测方法。通过改进模型的主干特征网络,利用深度可分离卷积(depthwise separable convolutions,DSC)计算方法提取仪表多属性特征,同时降低模型计算复杂度,提高检测速度;改进特征融合结构,增加具有高分辨率以及颜色、纹理等仪表信息的浅层特征层,提升模型对小尺度仪表目标的注意力;融入最近邻快速特征匹配(fast library for approximate nearest neighbors,FLANN)方法,通过单位符号特征细粒度检测仪表目标。利用迁移学习参数共享机制调整模型权重,使模型快速适应于电力仪表小样本数据集。最后构建电力仪表图像测试集对模型进行验证。实验结果表明,相比于传统目标检测方法,所提方法对于电能表、电压表等多尺度、细粒度仪表设备图像的目标检测保持了较高的精确度与速度。可为电力仪表的可视化、信息化与智能化提供可行的技术方案...     

基于同步相关滤波的广义谐波检测

采用三相系统复信号的频域表示并根据频谱搬移原理,本文提出了一种基于同步相关涉波的谐波检测方法,可用于三相电路中除正序基波以外广义谐波的有效检测。针对三相交、交变频器励磁发电系统的谐波检测进行的仿真研究。验证了本文方法的有效性。     

基于kalman滤波的机器人三维视觉定位

针对三维视觉定位问题,提出了一种基于kalman滤波的机器人眼在手上视觉定位方法。利用图像的全局特征描述子—图像矩来提取目标的三维图像特征,在不标定摄像机和机器人坐标变换关系的情况下,采用kalman滤波估计算法对图像雅可比矩阵进行在线辨识,并建立图像特征反馈控制,使定位目标物体的图像坐标始终保持在图像平面的中心位置。利用MATLAB仿真软件建立了基于kalman滤波的机器人眼在手上视觉定位仿真模型,实现了机器人的三维视觉定位。实验研究表明,该方法可以使机器人到达目标位置,且定位精度较高。     

基于相关检测的漏点定位系统设计

利用管道泄漏时产生频率相对稳定的振动现象的特点,使用互相关函数峰点跟踪系统的设计原理,结合单片机系统,设计使用方便的泄漏点定位测试系统.该系统首先将振动传感器信号转化为频率信号,由单片机及其辅助模块对频率信号进行计数、计算并显示结果.该系统能有效地抑制噪声,快捷而准确地检测到漏点位置,且可以自评定测量结果是否准确.     

基于形态学滤波的惯导里程定位方法研究

针对于捷联惯导系统(SINS)测量过程中异常数据对测试精度影响的问题,文中提出了一种基于形态学滤波的高精度惯导里程定位方法。系统利用所提出的三角形形态学滤波的方法对惯性测量单元(IMU)的测量数据进行修正,减少测量数据中的异常值,利用基于里程计校准的惯导定位方法对经过形态学滤波预处理的数据进行计算,实现对被测管道路径的精确定位。为了了解经三角形形态学滤波后的惯性导航定位效果,对104 m的管道进行了模拟对比试验。由试验结果分析表明,经三角形形态学滤波预处理后,系统水平方向的测量精度由原来的0.58%提高到0.29%,增长了1倍;高度方向的测量精度由原来的0.096%提高到0.077%,提高了24.6%,取得了良好的效果。     

一种基于改进滤波的单相谐波检测方法

随着电力电子设备的广泛应用,基于三相四线制系统的有源电力滤波器(APF)不仅需要对电网电流中的谐波和无功进行补偿,还需要保证电网三相有功电流的动态平衡。传统单相谐波检测方法会使检测结果中含有二次交流量,进而导致电网电流产生3次谐波。为解决该问题,提出一种基于改进滤波的单相谐波检测方法。通过反馈迭代,基本消除了传统方法检测结果中的2次交流量,提高了谐波检测的精度。在Matlab中仿真验证了该检测方法的正确性,并在以DSP为控制芯片的实验平台验证了该检测方法的可行性。     

基于DHNN的化工厂数显式仪表的数值识别

为了保障化工厂数显式仪器设备的正常运行及故障及时检测、减少人力巡检的工作量,达到化工厂安全生产的要求,需要对带有数显式仪表的设备进行准确的读数检测。但化工厂仪表盘表面颗粒粗糙、灰尘堆积造成采集到的图像存在大量噪点,加之由于巡检机器人采集图像过程中的位置偏移,造成图像扭曲,对仪表数值的读取产生很大的影响,因此需要提高数显式仪表的数值识别精度。通过构建Hopfield三神经元网络模型进行仿真,并进行随机噪声检验,发现噪声水平在0.1及以下的识别效果最佳。通过对图像进行灰度化、降噪等预处理操作消除噪声,然后对仪表盘的数值区域进行定位、分割、校正、识别,实验结果表明,数值区域的平均识别准确率为90.15%,满足化工厂巡检机器人对数显式仪表的识别要求。     

基于同步相关滤波的交流励磁发电系统电力谐波检测

根据数字信号处理理论 ,导出基于频谱搬移原理的同步相关滤波技术 ,用于基波频率变化、谐波频谱与基波接近且包含低于基频的次谐波成分信号的谐波检测之中。理论分析与实验运行表明 ,这是一种解决交 -交变频器交流励磁发电系统电力谐波检测的有效方法。     

汽车挡风玻璃定位与支架粘合视觉检测系统的设计与实现

针对企业提出的汽车前挡风玻璃自动制造需求,设计了一套基于机器视觉的前挡风玻璃定位与支架粘合检测系统。阐述了系统的整体设计方案,详细介绍了电气控制部分、机器人控制部分和机器视觉部分。系统采用底部背光与双侧面条形光相结合的光学控制策略。针对产品的特征,提出了自适应阈值图像分割算法和基于改进的随机霍夫变换特征提取算法,实现汽车挡风玻璃定位和支架粘合质量检测。实验结果表明,设计的系统能够很好地降低粘合支架的次品率,次品率仅为4%,满足了企业生产现场的精度和时间要求,实现粘合精度小于0.5 mm,智能制造系统生产效率为人工的4.5倍,大大提高企业的生产效率。     

融合粒子滤波和环境标签矫正的巡检机器人自主定位算法

随着巡检机器人的需求量增加,巡检机器人在复杂环境中的自主定位问题越来越重要。提出了融合粒子滤波和环境标签矫正的自主定位算法,充分利用巡检机器人的工作环境特性和蒙特卡罗定位算法的特性,提高机器人自主定位的效率和效果。基于ROS建立了机器人仿真环境,对定位算法的效果进行了测试。实验结果表明融合粒子滤波和环境标签矫正的自主定位算法的效率和准确性有所提高,能够很快实现定位恢复。     

基于深度学习的元器件视觉识别和定位技术

为解决当前装配机器人视觉系统对元器件误检率高、效率低、难获取有效定位信息的问题,提出了一种基于深度学习的元器件视觉识别和定位方法。首先,设计基于深度聚合和解耦头的高精度检测算法,提高元器件识别和主体检测的精度;其次,设计标注和判定规则,细化定位主体轮廓和抓取点;最后,设计基于网络剪枝的轻量化检测算法,实现模型压缩,提高引脚检测和装配点定位的效率。研究结果表明：该方法在元器件的识别和定位上取得了较好表现,类别识别平均错误率仅为0.27%,计算量减少了29.8%,参数量减少了22.7%,并将传统的元器件轮廓检测扩展到抓取点和装配点定位,得到丰富的类别和位置指引信息,为工业机器人精准、可靠、稳定地抓取和装配做好基础。     

基于几何模型的快速视觉检测方法

本文提出了基于几何模型的快速视觉检测方法。该方法采用几何模型驱动的图像处理策略，利用产品的几何模型，根据用户的检测要求，制定检测索引表，用检测索引表导计算机进行数据处理，以提高机器视觉的智能程度和数据处理速度。实验表明，采用该方法的激光机器视觉检测系统，在速度和精度上都可达到在线检测的要求。     

基于相模变换的互相关故障定位方法

对容易受故障影响的配电网,若直接使用三相电流量进行定位,互相关算法定位故障效果不明显。为解决该问题,采用Clarke变换对多个监测点的三相故障电流进行解耦,得到的三个电流模量更能反映各种故障的特征。为了避免单一模量不能反映所有故障特征,结合三个电流模量通过最大值对其进行筛选,选用合适的模量进行互相关算法分析,得到的相关系数反映两个监测点信号波形的相似度,相关系数与配电网各监测点位置结合分析可有效地定位普通故障与雷击故障,提高配电网运行的稳定性。使用 PSCAD/EMTDC 软件进行仿真,经过大量的仿真数据验证,以上方法可以准确有效地定位故障。