面向电力智能巡检的多机器人系统协同路径规划算法

针对在复杂电力智能巡检任务与环境下,多机器人路径规划算法计算量大、实时性差的问题,提出了面向电力智能巡检的多机器人系统协同路径规划算法。首先结合实际情况,提出了2种不同群体规模下的多机器人系统交通规则法;接着,在所提交通规则法的基础上融入单机器人路径规划算法,提出了多机器人系统协同路径规划算法,且通过加权改进提升其运行效率;最后,通过仿真实验表明了所提2种交通规则以及协同路径规划算法在多机器人系统上应用的可行性和有效性。     

基于改进遗传算法的变电站巡检机器人路径规划

变电站巡检机器人的路径规划是一个复杂的组合优化问题。与经典的TSP问题不同,变电站巡检线路中各坐标之间并不具备完全的连通性,传统的优化方法难以解决此类问题。为此,文中提出一种改进遗传算法用于巡检路径规划,采用拓扑图对机器人工作环境进行建模,然后采用特殊的交叉算子、自适应变异算子和淘汰算子,对每一代被淘汰的个体进行逆转变异并将产生的新个体重新加入种群,随迭代次数调整变异概率,从而对连续的规划空间直接进行寻优。仿真结果表明,该算法在巡检机器人路径规划中与模拟退火算法、传统遗传算法和基于个体相似度改进的自适应遗传算法(ISAGA)相比,得到的路径平均长度分别缩短了4.9%、8.3%和3.1%,并且具有更好的收敛性和稳定性,在实际的巡检任务中能够起到更好的效果。     

电力智能巡检机器人研究综述

电力智能巡检机器人搭载高清可见光相机,红外热成像仪、拾音设备等智能化检测装置以及智能分析算法软件,完成全天候数据快速采集、实时信息传输、智能分析预警到快速决策反馈的管控闭环,从而代替人工巡检实现电力设备状态的自动检测和智能分析,提高了电网和电力设备运行的可靠性。使用电力智能巡检机器人是电网智能化得以实现的重要手段,是智能电网未来发展的重要方向。文中针对目前国内外研究现状和不足,分别从电力智能巡检机器人的主要技术、前沿科技、功能定位及标准体系等方面展开讨论,对电力智能巡检机器人研究现状进行了综述性探讨,并在此基础上对未来的研究和发展方向提出了展望。该文章对电力智能巡检机器人研究具有指导作用和参考价值。     

5G信号约束下多无人机协同电力巡检路径规划技术

在多无人机协同电力巡检任务中，现有的路径规划方法普遍忽略了信号质量的影响，致使其难以在大范围的电力巡检任务中得到有效应用。因此，针对由于通信受限所引起的检测效果下降问题，提出了5G信号约束下的多无人机协同电力巡检路径规划方法。首先，基于5G信号传输特性，建立了面向电力巡检大尺度空间的传播损耗模型；继而，基于遗传算法架构，提出了综合5G信号质量、飞行里程、巡检目标共同约束的多无人机路径规划方法；最后，对基于5G信号的多无人机协同电力巡检路径规划方法进行了仿真验证。结果表明，相较于传统方法，约束后信号质量较差路径的飞行长度减少了452%，并且无人机会在距离相差较小的情况下优先巡检信号较强的杆塔，进而提升巡检任务的检测效果，从而可以保证在大范围环境下的使用。     

无人机电力巡检航线智能规划及自主巡检研究

为缓解无人机电力巡检航线规划效果差、巡航效率低的问题,以及规避非可靠路径的威胁,提出无人机电力巡检航线智能规划及自主巡检研究方法。计算目前航线存在威胁的概率及在每条路线上需要付出的代价,获取可飞行的无人机电力巡检航线;应用启发式算法,不断遍历计算出2节点的优先级,优化可飞行航线的静态、动态路线的规划效果,并根据巡检报告及电力巡检要求,采集输电线的最大安全距离及输电线中带有隐患的个数,实现无人机巡检航线智能规划及自主巡检。实验结果表明,应用获得的最优巡检路线进行巡检后,其航线规划效果好、巡航效率高,可以完全按照电力巡检要求进行智能避障,自主巡检效果得到了保证。     

面向表计读数的变电站巡检机器人路径规划

将巡检机器人应用于变电站内的表计自动读数可以降低人力成本、提高工作效率,但由于仪表通常悬挂在高处,为了获 取准确的读数,机器人观测时的位姿受到苛刻的约束。 此外,机器人读数时云台调整时间消耗大大降低了巡检效率。 针对此问 题,本文通过分析观测窗约束、路网约束,以及云台姿态调整时间消耗,以机器人完成巡检任务的总时间为代价,建立了面向表 计读数的机器人路径规划模型。 然后,提出一种信息素重利用的蚁群优化算法用以求解机器人的巡检路径与停靠方案。 仿真 实验表明本文方法得到的巡检路径在时间消耗上比初始时间代价节省了 66%,从而验证了模型的有效性与算法的可行性。     

电力巡检机器人机械臂的研制

阐述了电力巡检机器人机械臂的组成,介绍了其总体设计、控制系统设计、下位机控制程序设计、程序化操作设计以及上位机控制程序设计,探讨了电力巡检机器人机械臂进一步的研究方向。     

基于仿真优化智能变电站巡检机器人路径研究

智能变电站巡检机器人对于保证电力系统的安全、稳定、可靠运行具有重要意义,同时具有提高巡检质量及提升能效的作用。针对实际应用中巡检机器人路径规划基于静态地图、难以应对未建模环境信息以及系统存在随机因素的问题,文中提出了一种基于仿真优化方法的巡检机器人路径策略改进的方法。首先通过巡检过程中的实时观测信息,利用随机方法产生用于仿真优化的运行样本,然后在给定的规划策略的基础上利用仿真样本进行路径策略的改进,在保证路径策略性能的同时降低机器人的计算负荷。仿真实验结果表明,所提出的方法可以在栅格环境下有效的应用于给定的基于规则的路径策略和贪婪路径策略的性能改进。     

面向多目标联合电力巡检的车载无人机协同巡检路径规划方法

为了应对“碳达峰碳中和”新形势下日益严峻的输电线路电力巡检任务,以及针对现有对多目标联合电力巡检研究的不足和实际场景下无人机可悬停等待这一情形缺乏考虑等情况。在考虑电力杆塔和电力线路多目标联合电力巡检的基础上,提出了基于“图论”理论的车载无人机协同巡检路径规划方法。首先,考虑到电力巡检中无人机弧路由和巡检车节点路由相关特点,结合改进中国邮递员问题,设计了基于离散杆塔分割弧算法,以快速求得较优的协同巡检路径初步规划方案,并对比分析了不同场景下不同策略和自然灾害条件下对结果造成的影响。其次,考虑到初步规划方案并非全局最优解,设计了一种符合该研究的模拟退火算法,对初始规划方案进一步优化。最后通过算例验证了路径规划方法的有效性和实用性。     

小型化电力巡检机器人的材料与控制技术研究

巡检机器人的应用提高了电力企业的设备运转巡检效率,减少了工作人员的工作量。文章主要对小型化电力巡检机器人的材料选用和运动控制技术进行分析研究。     

对特高压变电站巡检机器人路径规划改进蚁群算法的研究

针对当前变电站巡检机器人路径规划算法存在的规划和适应性较弱等问题,在特高压变电站巡检机器人系统结构的基础上,提出了一种结合蚁群优化算法和人工势场算法的特高压变电站路径规划方法。将蚁群算法的传统单向搜索改进为双向搜索,在启发因子中加入人工势场力的合成方向,并对转移概率进行改进。通过栅格法构建特高压变电站仿真环境,进一步验证了所提规划方法的优越性。仿真结果表明,改进算法具有显著改善迭代次数和最小路径的效果,20×20栅格环境迭代15次收敛到长度26的最优路径,30×30栅格环境迭代70次收敛到长度43的最优路径。     

地面电力巡检机器人控制系统设计与实现

针对电网建设中电力巡检机器人在研发过程中缺乏通用性系统平台的问题,研制了一种由前端及后台显示分析控制系统构成的地面电力巡检机器人控制系统。系统前端底层采用工业级控制芯片STM32F103RCT6对步进电机、超声波传感器进行控制,同时引入μcos-II实现了底层程序进行任务划分;上层采用开源的Android系统设计了上层交互界面;后台采用MFC对系统后台界面进行设计,实现了前端图像、超声波传感器、电量信息的实时显示、视觉导航。测试结果表明,该系统有效解决了电力机器人研发过程中技术不兼容、系统功能单一、创新技术引入难、研发周期长且成本高等问题。     

关于电力巡检机器人的研究

随着智能化电网的快速发展,电力系统内的发电厂、变电站及输变电线路的智能化水平显著提高.作为电力系统末端的配电网,智能化水平稍显落后.以大兴国际机场为例,对电力巡检机器人进行了全面分析研究,并提出了大兴国际机场开闭站安装电力巡检机器人的实施方案,为改变传统运维人员巡检模式提供了思路,并为大兴国际机场电力系统提高智能化水平提供了探索方向。     

深度强化学习在机器人路径规划中的应用

针对深度强化学习算法在路径规划的过程中出现与所处环境交互信息不精确、回馈稀疏、收敛不稳定等问题，在竞争网络结构的基础上，提出一种基于自调节贪婪策略与奖励设计的竞争深度Q网络算法。智能体在探索环境时，采用基于自调节贪婪因子的ε-greedy探索方法，由学习算法的收敛程度决定探索率ε的大小，从而合理分配探索与利用的概率。根据人工势场法物理理论塑造一种势场奖励函数，在目标处设置较大的引力势场奖励值，在障碍物附近设置斥力势场奖励值，使智能体能够更快的到达终点。在二维网格环境中进行仿真实验，仿真结果表明，该算法在不同规模地图下都取得了更高的平均奖赏值和更稳定的收敛效果，路径规划成功率提高了48.04%,验证了算法在路径规划方面的有效性和鲁棒性。同时与Q-learning算法对比实验表明，所提算法路径规划成功率提高了28.14%,具有更好的环境探索和路径规划能力。     

空间机器人的任务规划和路径规划

本文给出我们开发的自主式空间机器人系统的结构,具体阐述了该系统的任务规划和路径规划的原理。在任务规划中,系统能够理解任务,并能分解任务在分解任务的过程中,系统对各状态进行碰 稳定性检查,形成较优化的基本动作序列,在路径规划中,通过划分状态空间,构造特征网,在特征网中搜索路径是到机器人运动的无碰路径,本系统通过任务规划和路径规划,实现了把随意摆放的规则物体搭成目标结构的操作。     

基于遗传算法的电力巡检机器人作业调度优化方法

目前研究的电力巡检机器人作业调度优化方法的适应度无法满足收敛原则,导致调度优化过程耗费时间过长.为此,基于遗传算法研究了一种新的电力巡检机器人作业调度优化方法.通过分析尺度特征,确定电力巡检机器人运行图像,计算偏移角度.引入遗传算法,利用编码/解码,设计适应度函数、选择、交叉和变异,选择操作的目标是能够在群体中选出优等...     

基于深度强化学习的变电站巡检机器人自动化控制方法研究

针对变电站巡检机器人在传统运动规划方法下存在的难以规划出平滑路径、不确定环境下动作不可测等问题,提出研究不确定条件下的变电站巡检机器人运动规划问题的深度强化学习方法.文中分析了深度学习中奖励值模型Ⅱ、探索策略和神经网络结构对整个运动规划的影响,设计了不同结构的神经网络,并开展了相关的对比实验.结果表明,在当前任务场景下...     

智能变电站巡检机器人研制及应用

介绍了一种基于移动机器人的设备巡检系统在智能变电站的应用情况。该系统携带可见光摄像机、红外热像仪、拾音器等传感器,基于磁轨迹实现最优路径规划和双向行走,以自主或遥控方式对站内一次设备进行巡检,及时发现设备热缺陷和外观异常;通过图像处理和模式识别,判别出开关和刀闸的分合状态,并在遥控或顺序控制操作时,与智能变电站顺控系统...     

基于变电站巡检机器人数字仪表识别算法

当前巡检机器人使用传统的图像识别算法,传统图像识别算法需要进行字符切割以及大量人工建模操作,受环境变化影响大。文章采用深度学习CRNN模型,对数字区域进行整行识别,简化了人工建模步骤,识别正确率高,数字表计识别率达到99%以上。针对部分场景识别错误率高的问题,结合attention机制,对模型进行扩展,实验结果表明,该扩展模型获得了良好的提升效果。