高压输电线路除冰机器人的机构设计

在分析高压输电线路巡检工作的特点和国内外高压输电线路巡线机器人的发展现状和发展趋势的基础上,结合高压输电线路上覆冰的去除方法,主要介绍了设计的一种新型的高压输电线路除冰机器人.该机器人结构简单,可以在输电线上稳定地行走,能够较好地解决自主越障的问题,完成输电线上的除冰任务,具有广泛的应用前景.     

基于小波模极大值的边缘检测

图像的边缘检测技术对于图像处理、模式识别等都具有重要研究意义。如何提高边缘检测的准确性,使边缘提取算法具有更高的信噪比是图像处理的经典难题,所以好的边缘提取算法一直是众多学者研究的重点。本文首先介绍了小波变换对于边缘检测技术的应用,然后针对图像边缘检测中噪声抑制和提取边缘细节的矛盾,详细阐述了小波模极大值法的原理以及选取不同阈值对于处理结果的影响。最后通过实验对本文选用的方法和经典算法进行了比较,对比评价了它们各自的优缺点以及对噪声的抑制。     

基于小波变换的模极大值图像边缘检测算法

将小波分析技术运用到图像边缘检测中以勾勒图像轮廓，提出了基于小波变换的模极大值边缘检测算法．利用二次B样条小波和Mallat算法对图像进行了边缘检测．仿真结果表明：该方法去噪效果好，能提取图像中较弱的边缘，且边缘具有很强的连续性，明显优于传统的边缘检测算子．     

基于卷积神经网络的壁面清洗机器人障碍物检测识别算法

结合机器人的工作原理以及卷积神经网络(CNN)在图像分类中的应用,提出了一种基于卷积神经网络的壁面障碍物检测识别算法.首先,以壁面障碍物准确识别为目标,构建壁面障碍物图像库;然后,通过对VGG-16网络简化后进行优化,得到适合壁面障碍物准确识别的卷积神经网络模型.在此基础上,设计该网络由输入层、4层卷积层、2层池化层、1层全连接层以及输出层组成,进一步利用3×3卷积核对训练样本进行卷积操作,并将所获取的特征图以2×2领域进行池化操作.重复上述操作后,通过学习获取并确定网络模型参数,得到最佳网络模型.实验结果表明,障碍物的识别准确率可达99.0%,具有良好的识别能力.     

基于小波神经网络的输电线路故障类型识别

电力系统故障类型识别是对电力系统故障进行快速准确处理的重要保证。本文所提出的故障类型识别技术是基于150km双端电气量输电线路准确故障的数字仿真,根据故障前后所测的三相电流和零序电流数据,利用db1小波对数据分解,将低频部分归一化处理后,用过渡电阻Rs=5Ω,100km处的样本来训练网络,再利用BP神经网络来判断50km和150km处接地过渡电阻Rs=10Ω,相间过渡电阻Rr=0．2Ω时的10种短路故障类型,均没有发生误判。从网络的训练和检测结果可以看出,小波神经网络训练时收敛速度较快,并且检测故障速度和准确度都很高。这说明,小波神经网络能够满足现代电力系统的要求,为以后的故障定位和诊断工作打下了良好的基础。     

基于方向小波变换的图像边缘检测

研究了方向小波变换的原理和特点,提出一种基于方向小波变换的图像边缘检测方法。首先对图像进行多个方向的小波变换,再求小波变换结果的平均值,最后对平均值进行阈值处理得到边缘检测结果。实验表明,方向小波变换充分体现了图像的方向性,能检测出某一方向的边缘,具有良好的边缘检测效果。     

基于小波变换的奇异信号检测研究

奇异信号的奇异点经常携带有比较重要的信息,它是信号的重要特征之一.证明了小波变换能用来检测信号的奇异性,利用小波变换模的极大值和信号奇异点的关系,可以分析信号局部奇异性.信号局部奇异性用李氏指数来描述.研究了奇异性检测小波基的选择条件.给出了实例分析,结果表明,小波变换在信号奇异性检测和局部化分析方面具有优异特性.     

基于小波变换的X-射线图像边缘检测

讨论了小波变换在图像边缘检测中的应用，并且根据X－射线图像的特点，利用三次样条二进小波，采用Mallat快速算法进行小波分解，成功的检测出了X－射线图像的边缘。     

基于小波神经网络的输电线路故障检测

在分析了小波函数时频特性和人工神经网络学习能力和算法鲁棒性的基础上，提出了一个利用小波神经网络检测电力系统输电线路故障的方法。理论分析和基于EMTP仿真测试结果表明，该小波神经网络故障检测模型和算法是有效的，与传统的人工神经网络相比，具有收敛速度快，鲁棒性强的特点。     

基于小波变换模极大值的橡胶薄层厚度超声检测

为解决同一薄层界面处的各次反射回波在时域上不可分离导致无法测厚的问题,提出利用小波变换模极大值对橡胶薄层超声回波信号奇异点进行检测的方法.信号奇异点构成模极大值曲线,极大值曲线产生周期性,相邻的极大值曲线对应入射时基体/橡胶界面和反射时橡胶/基体界面回波信号的到达时间,其差值为超声波在橡胶薄层中传播时间的2倍,取其平均值,计算出橡胶薄层的厚度.仿真结果表明,该方法的相对误差均在10%以内.经实例验证该方法是可行的.     

关节式移动机器人自主越障中基于模糊神经网络的障碍识别方法

提出了一种关节式移动机器人自主超障时的障碍识别方法，该方法利用模糊神经网络对障碍物进行识别，确定障碍的类型和特征，并以此来控制移动机器人越障和避障时的行进速度和摆臂的动作，开发了在未知环境中障碍物辨识的模糊神经网络系统。实验证明，该方法是可行有效的。     

基于形态学小波理论和SVM神经网络的人脸识别

主要研究了快速识别人脸的基本算法,它包括人脸检测和人脸识别两部分.人脸检测部分利用肤色电平的聚类特性和形态学处理检测出准人脸图像,再利用小波特征提取出特征进行人脸认证.人脸识别部分采用支持向量机(SVM)神经网络进行人脸识别.支持向量机神经网络对二类判别具有很强的识别能力.对于N类判别需连续使用N次.该方法识别速度快,且不受发型、头饰、眼镜等的影响.仿真证明了该方法的有效性.     

小波与多小波变换在支持向量机人脸识别中的研究

以ORL人脸库为基础,采用不同的小波和多小波,对人脸图像进行不同层次的小波和多小波分解,提取低频分量作为特征向量,利用支持向量机(SVM)进行人脸识别,通过实验具体给出了在采用不同的小波和多小波对人脸图像进行不同层数的小波分解时,支持向量机的识别率,该文对实际应用具有良好的指导价值和参考价值.     

利用独立成分分析和小波矩对车牌字符特征的识别

车牌识别技术作为智能交通系统的核心,起着举足轻重的作用.通过将独立成分分析和小波矩方法引入到车牌字符识别研究中来,提出了一种对车牌字符按照汉字组、数字与字母组进行分组,然后对不同组提取不同的特征进行识别的新方案.实验结果证明,所提方案可以达到很高的识别率.     

移动智能机器人避障规划研究

文章针对环境信息不确定情况下的避障问题,利用摄像机逆透视映射原理,实现单摄像机获取环境深度信息,并提出了一种基于视觉的局部路径规划的算法,实现了移动智能机器人在不确定环境中利用视觉传感器实时获取外部信息进行路径规划,仿真与实验结果表明,移动智能机器人能快速地跟踪规划路径,实现避障。     

基于后验概率SVM的交通标志识别研究

在无人车交通标志识别系统中,以传统的神经网络算法或标准的支持向量机算法(SVM)设计的分类器,只能反映样本是否属于某类而不能确定样本属于某类的可信度,提出一种后验概率SVM交通标志识别方法。首先对检测与跟踪得到的交通标志大概区域图像进行彩色分割以精确定位交通标志区域,然后采用最大类间方差法分割交通标志的内部图案,最后将分割的结果进行大小归一化作为交通标志的特征图像以训练分类器和进行识别。实验结果表明,基于后验概率SVM的交通标志识别系统在复杂的室外环境下具有很强的鲁棒性和可行性。     

基于产生式规则的机器人动态避障

以中型自主足球机器人为对象,研究其动态避障情况.依据传感器输入信息进行特征识别,选择距离机器人最近的为首要躲避障碍,利用产生式规则进行机器人避障控制,对远距离和近距离障碍采用不同的避障策略,并引入虚拟点以躲避碰撞.在仿真和实时环境下进行了实验,分析了障碍位置不同和输入参数不同情况下的避障情况,并与传统人工势场法进行对比,避免了传统人工势场法进行机器人避障时会出现陷入局部极小、抖动等问题.实验结果表明该方法能使机器人快速有效的躲避障碍.     

一种基于障碍物群的移动机器人数据融合方法

首先给出了一种通过融合多个超声波传感器和一台激光全局定位系统的数据建立机器人环境地因的方法，并在此基础上，首次提出了机器人在非结构环境下识别障碍物的一种新方法，即基于障碍物群的方法．该方法的最大特点在于它可以更加简洁、有效地提取和描述机器人的环境特征，这对于较好地实现机器人的导航、避障，提高系统的自主性和实时性是至关重要的．大量的实验结果表明了该方法的有效性．     

四足偏心轮腿机器人的越障研究

针对轮式移动机器人越障效果不够理想的现状,提出一种基于偏心轮作为行走单元的四足偏心轮腿机器人的模型,经过理论研究证明该设想具有一定的可行性.设计制作了一种四足偏心轮腿机器人样机,以高层建筑物的楼梯作为连续台阶障碍物,进行攀爬障碍物的实验,实验结果表明该机器人具有较好的越障效果.