变电所轨道式巡检机器人控制系统设计与实现

针对变电所智能化巡检的相关需求,研制一种以STM32微控制器为核心的轨道式巡检机器人控制系统。巡检机器人以轨道和运动机构为基础,集成可见光摄像机、红外摄像仪、局放检测仪和拾音器装置,通过局域网与监控中心建立连接,在接收到命令后,应用该控制系统实现变电所室内设备的遥控或自主巡检。实际运行结果表明,该控制系统在导航、定位、刹车和避障方面表现良好,配合上位机软件,能够安全、稳定、高效地对变电所室内设备进行全覆盖巡检,具有显著的应用推广价值。     

轨道式巡检机器人系统设计与研究

为了解决轨道式巡检机器人在运行过程中振动冲击大、信息传输效率低、定位精度不足的问题,对轨道式巡检机器人设计的关键技术进行了研究,通过跨式柔性轨道技术解决了在轨道连接处振动冲击大的不足;通过综合通信网络解决了数据传输效率低、干扰性大的不足;通过利用精确位技术,解决了井下定位精度差的不足。根据实际应用表明,新的轨道式巡检机器人能够将巡检效率提升19.4%,巡检精度提升77.4%。     

高压换流站组合轨道式巡检机器人的研制

根据机器人巡检的工作状况及环境,开发了一种适于换流站巡检的组合式轨道机器人,该机器人装有控制检测系统,可以沿室内某一高度水平距离轨道不低于4×140米,垂直导轨不低于7米,以水平运行速度0~16m/min、垂直运行速度0~3.5m/min在轨道上两方向组合式运动,并且按预先规划的任务,自动在预置位精确停靠;机器人可以携带红外检测仪、可见光检测仪、紫外检测仪等有关的电气检测装置,代替人对阀厅及户内直流场设备进行巡测,以便及时发现设备的内部热缺陷、外部机械或电气问题。     

变电站机器人沿轨道自主巡检的方法研究

为了克服对未铺设道路的变电站巡检的困难,设计了一种能导电和传输数据的巡检轨道,提出了一种机器人沿轨道运动并对变电站设备进行自主巡检的方法,机器人通过在轨道上移动,收集选定目标的热图像,并处理数据和预测电气元件的机械强度,从而实现对电气元件的故障诊断。将设计的自主巡检机器人识别的热图像测量结果与美国FLIR SC660红外热像仪的测量结果进行了比较,结果表明,该机器人能准确识别部件和测量部件的温度。     

基于神经网络深度强化学习的分拣机器人避障规划技术

分拣机器人的避障决策过程较为复杂,为提高分拣机器人的工作效果,设计基于神经网络深度强化学习的分拣机器人避障规划技术。首先,在动力学场景中设置障碍物,利用马尔科夫决策过程获取分拣机器人的运动状态后,判断障碍目标。在对神经网络实施深度优化学习后,设置了导引奖赏机制,并结合人工势场法建立连续型奖励函数,引导机器人向正确方向运动。将分拣机器人运动状态输入到神经网络中,在导引奖赏机制的引导下实现分拣机器人的避障。在环境中设置了障碍物,实现环境搭建,仿真测试实验结果表明：该方法具有较高的避障能力,可引导机器人在运动过程中做出正确的动作,进而实现精准避障。     

轨道式变电站巡检机器人投入试运行

一台轨道式巡检机器人日前在辽宁鞍山220千伏王铁变电站投入试运行,其代替人工巡视变电站线路,可节省人力,保障人身安全,并且比其他类型巡检机器人更具稳定性和实用性。这台机器人由中国科学院沈阳自动化研究所历时两年研制。据介绍,其巡视时回转可以达     

基于强化学习的机器人操作手轨迹规划方法研究

由于机器人操作手具有高度非线性、强耦合和变结构的动态特性,因此,利用传统控制理论很难实现对机器人操作手的有效控制.文章对基于径向基函数网络的强化学习在机器人操作手的多智能体环境中的轨迹规划进行了研究.仿真实验结果证明了研究方法的可行性.     

阀厅智能巡检机器人系统

换流阀是直流输电过程中的关键设备,为保证其可靠运行,需要定期巡检。介绍了用于阀厅设备巡检的机器人开发背景,研制了用于阀厅室内的可对换流阀塔、套管等设备进行外观检测和红外测温的轨道式巡检机器人。该巡检机器人既可通过人工操作执行巡检任务,也可根据预设任务全自主进行巡检。设计了其系统架构,并分别对轨道驱动系统、通信控制系统和应用软件系统设计做了说明。机器人样机的应用表明该巡检机器人的系统结构设计合理,运行可靠,检测效率和质量高,可较好地替代人工进行常规巡检工作。     

基于深度强化学习的工业机器人避障路径规划方法

常规方法定义机器人避障奖赏函数时,仅在机器人到达目标位置后给出奖励,避障奖励稀疏,导致避障路径规划时间和长度较长、规划成功率较低。提出基于深度强化学习的工业机器人避障路径规划方法。利用传感器,探测机器人与障碍物和目标点之间的距离方位,构成状态空间,定义机器人避障决策奖赏函数,包括机器人与目标点的方位奖赏、距离奖赏、到达奖赏、每个避障动作奖赏,将状态空间信息输入神经网络,通过深度强化学习,输出下一时刻奖赏值最大的避障动作,形成最优避障路径。选择工厂厂房作为测试环境,改变障碍物数量和位置,布置工业机器人移动的简单场景和复杂场景,实验结果表明,设计方法减少了避障路径规划时间和长度,提高了规划成功率。     

基于递阶强化学习的自主机器人路径规划智能体

递阶强化学习是解决状态空间庞大的复杂系统智能体决策的有效方法.通过引入启发式算法思想,对一种递阶强化学习方法进行改进,使得智能体在学习过程中融入了历史信息,提高了学习效率,解决了在庞大状态空间和动态变化环境中对智能体进行最优行为策略学习的问题.以扩展的信念、愿望和意图意识模型为基础.提出了一种具有主动性、自治性、反应性、社会性的自主机器人路径规划智能体体系结构,通过仿真实验,证明了路径规划智能体的可行性和有效性.     

基于强化学习的机器人手臂仿人运动规划方法

面向入-机器人交互共融环境对机械臂仿人运动规划的重大需求,本文提出了一种基于强化学习的机器人手臂仿人运动规划方法.首先,基于人体手臂的结构特征,设计了体现机械臂运动特性的肩夹角、肘夹角和腕关节运动角,并采用正态性和相关性分析方法,对VICON运动捕捉系统获取的人体手臂运动数据进行分析,以获取人臂运动特性规则.然后,根据...     

混合现实装配检测中深度学习的数据增强方法

针对混合现实装配检测中,装配者的视觉检测位姿具有不确定性极易发生误检漏检的问题,提出一种混合现实装配检测中深度学习的数据增强方法.采用人为最佳数据增强策略的数据预处理方法,通过图像增强、几何变换、少量噪声干扰和随机遮挡的方式生成增强数据集,并改善图像增强过程中的特征失真,不仅能有效解决深度学习中人工标注样本任务量大的问...     

桥梁检测机器人作业规划与位姿优化方法研究

针对桥梁底部病害人工检测的作业难题,介绍了桥梁检测机器人的工作原理,结合桥梁的结构化特征和视觉检测拍摄参数约束,研究了桥梁检测机器人作业规划与位姿优化方法。首先,提出一种以最佳拍摄模型约束的桥梁检测机器人拍摄作业位姿规划方法。在最佳拍摄规划方法的基础上,针对小箱梁桥梁和T型梁桥梁底部的褶皱结构,研究了以安全拍摄模型为约束的拍摄位姿优化方法,设计了结合拍摄偏角和拍摄距离的权重函数,推导了优化算法公式并给出了收敛证明。通过对不同拍摄参数的配置,进行了针对空心板桥梁的拍摄作业位姿规划方法仿真;针对小箱梁桥梁的结构,在位姿规划仿真结果基础上进行了位姿优化方法的仿真。最后以研制的桥梁检测机器人为对象,进行了现场测试与验证,仿真和实验结果均表明,该规划和优化方法符合桥梁拍摄检测的要求,具有很好的鲁棒性和实时性。     

A new automatic convolutional neural network based on deep reinforcement learning for fault diagnosis

Convolutional neural network (CNN) has achieved remarkable applications in fault diagnosis. However, the tuning aiming at obtaining the well-trained CNN model is mainly manual search. Tuning requires considerable experiences on the knowledge on CNN training and fault diagnosis, and is always time consuming and labor intensive, making the automatic hyper parameter optimization (HPO) of CNN models essential. To solve this problem, this paper proposes a novel automatic CNN (ACNN) for fault diagnosis, which can automatically tune its three key hyper parameters, namely, learning rate, batch size, and L2-regulation. First, a new deep reinforcement learning (DRL) is developed, and it constructs an agent aiming at controlling these three hyper parameters along with the training of CNN models online. Second, a new structure of DRL is designed by combining deep deterministic policy gradient and long short-term memory, which takes the training loss of CNN models as its input and can output the adjustment on these three hyper parameters. Third, a new training method for ACNN is designed to enhance its stability. Two famous bearing datasets are selected to evaluate the performance of ACNN. It is compared with four commonly used HPO methods, namely, random search, Bayesian optimization, tree Parzen estimator, and sequential model-based algorithm configuration. ACNN is also compared with other published machine learning (ML) and deep learning (DL) methods. The results show that ACNN outperforms these HPO and ML/DL methods, validating its potential in fault diagnosis.     

基于强化学习的模式驱动调度系统研究

目前,还没有一种调度规则能够根据系统环境状态的改变来进行自适应调整.对此,提出一种基于智能体的模式驱动调度系统,由智能体和仿真环境两个主要部分构成.其中,智能体将利用强化学习(Q学习算法)进行训练,以提高其动态选择合适调度规则的能力.仿真结果表明,这种模式驱动调度系统能够很好地根据系统环境状态的改变选择出对应的最优调度规则,且其调度性能优于单一调度规则,适合于系统环境不断变化的动态调度.     

基于强化学习的分布式光伏运维资源动态调度

针对分布式光伏运维资源调度过程中因动态因素影响导致调度计划难以实施的问题,提出基于强化学习的分布式光伏运维资源动态调度方法.该方法通过构建动态调度规则同步调整运维任务的优先级,并以新计划完成成本最低和完成时间最短为优化目标构建动态调度模型.采用Q-Learning求解模型,通过实验对比,Q-Learning算法的求解速...     

输电线巡检机器人障碍物定位与识别

针对巡检机器人运行中对线路障碍物的自主定位与识别,分析了巡检机器人自主运行中对障碍物信息感知的精度和实时性要求,提出了一种用于线路障碍物定位与识别的多传感器集成结构,并介绍了各个阶段的障碍物定位与识别算法.实验表明该方法可以实现机器人稳定自主行驶、可靠定位与识别障碍物,满足各阶段机器人对障碍物信息感知的精度和实时性要求...     

基于免疫强化学习机制的多机器人动态协作

利用免疫系统中T细胞对抗体的调节作用，本文提出的免疫强化学习方法以强化学习形式，动态调整抗体间相互作用系数，优化网络结构，充分利用了免疫系统的自学习、自适应和免疫记忆特性。将免疫强化学习应用于机器人系统，机器人基于行为集，在实际运行中在线学习未知环境信息，优化行为选择。在基于免疫学习的单机器人系统基础上，考虑多机器人协作性，并应用于多机器人多目标探测中。仿真验证了基于免疫学习机制的多机器人系统对未知动态环境的学习能力和动态协作的有效性。