架空碳纤维导线探伤巡检机器人设计与实现

来源 :东南大学 | 被引量 : 0次 | 上传用户:fongyu061440
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
碳纤维复合芯导线是一种应用广泛的新型导线,具有较好的抗拉强度与较差的抗剪强度,易在非规范施工过程中被卡线器等牵引装备损伤,形成用电安全隐患。近年来,因内部芯棒受损导致的断线事故时有发生,严重威胁电网运行安全。现有的巡检探伤技术受限于无损探伤设备的重量体积、对碳纤维导线适用性等因素,均无法对已在网运行的碳纤维导线内部碳纤维芯的损伤进行有效检测。因此,设计一种新型碳纤维导线探伤巡检机器人具有重大和迫切的工程应用需求。本文针对架空碳纤维复合芯导线内部探伤检测难题,提出了一种基于数字射线成像的新型碳纤维导线探伤巡检机器人设计方法。采用单线包裹式机构,搭载便携式X射线无损探伤系统,具有自主探伤功能。机器人能够在线路端部30m内的工作空间内,自动进行无损探伤以排除因施工造成的导线断裂隐患,并能对疑似缺陷位置进行定位,用于后期导线加固维护。机器人具有包裹式侧边安装的本体结构;基于X射线数字成像的无损探伤系统按射线源—被测对象—成像板的顺序布置,射线出射方向向上;线上运动系统能够使机器人在工作空间内具有良好的爬坡越障能力,对缺陷疑似区域覆盖无死角,并使用ANSYS有限元分析工具以及ADAMS动力学仿真分析工具进行仿真分析优化;动态减振控制系统由基于重锤的稳定控制机构和基于对数的稳定控制方法构成,使机器人具有较好的抗扰稳定性,能够提升机器人探伤成像质量。碳纤维导线探伤巡检机器人的控制系统采用冗余备份的硬件设计,通过对控制器、供电系统、通讯系统进行功能上的冗余备份,提高控制系统的可靠性;控制系统软件部分通过射线图像采集预处理、成像清晰度评价筛选以及并行多线程的任务调度程序,提升探伤控制系统的自动化程度与效率;通过地面用户终端的人机交互界面与基于振动反馈的人机接口,提高机器人系统的人机交互能力。为验证碳纤维导线探伤巡检机器人的实际运行效果,在完成机器人样机研制和系统集成后,对其进行实验验证研究。在模拟实验场地完成机器人行走、越障、爬坡等机器人动力性能与动态减振系统稳定效果、探伤效果、定位精度、控制系统效率和稳定性等测控性能的测试。机器人在无障碍时最大爬坡角度为35°,在有障碍时最大爬坡角度约为25°;搭载稳定控制系统的机器人在受到模拟扰动作用后能平均提升12.4%的回复速度,平均降低15.6%的振动幅度;机器人定位系统在间歇启停的工况下,定位精度会受上下坡过程中打滑造成的随机误差影响,在小坡度、中坡度、大坡度环境下平均相对定位精度分别为:0.4%、0.2%、0.6%。在实际线上实验中,机器人各部分系统均正常运作,机器人探伤单帧平均耗时5.9s,比优化前的单线程调度方式耗时减少38.5%,探伤图像合格率为99.8%。实验结果表明,本文的碳纤维导线探伤巡检机器人能够满足工程实际运用需求,解决了架空碳纤维复合芯导线内部损伤检测难题。
其他文献
基因作为遗传的基本单位,控制着生物的基本性状,对于个体识别和血缘鉴定都具有决定性的作用。通过基因预测人体的面部形态在刑侦以及法医领域一直是研究的热点,目前比较流行的DNA分子画像技术主要通过全基因组关联分析(Genome-wide Association Study,GWAS)结合单变量差异分析技术或者基于三维稠密数据点研究基因与面部形态之间的关联性,然后通过机器学习算法建立对应的预测模型,这些方
随着信息技术的发展,数字图像深入到我们生活中的方方面面。深度学习是近年来在人工智能领域引起关注的研究主题。作为深度学习的经典模型,卷积神经网络(CNN)在图像分类,对象检测和自然语言处理方面取得了一系列重要的突破。卷积神经网络模型具有计算复杂度高和参数量大的特点,正是这种复杂的多层网络结构为模型提供了强大的特征表示能力。智能设备的普及增加了将卷积神经网络移植到嵌入式设备的需求,但是其巨大的参数冗余
颅骨面貌复原领域中,面部特征点软组织厚度的获取是一个十分重要的步骤。目前颅骨面部特征点处的软组织厚度的获取主要是通过先进的医疗设备和专业的医护人员进行相应的配合得以实现,但是这种方法存在一个很大的缺陷即对于骸骨则无法进行面部厚度测量。近年来广泛的做法是采用平均值法,但由于未考虑骸骨之间的差异性,使得复原的面貌具有相似性。本论文采用深度学习方法,通过网络中隐含层构成的非线性映射,学习头骨和面貌之间的
数据采集是无线传感器网络领域的重要研究方向,传统基于固定汇聚节点和移动汇聚节点的采集方式均存在明显不足。随着无人机技术的不断成熟,基于无人机的数据采集可以有效弥补传统方式的不足,得到学术界广泛关注。由于无人机携能有限,大部分相关研究主要围绕提高网络吞吐率或延长网络生命周期对无人机能耗进行优化,取得一定进展,但仍面临如下挑战:一方面无人机能耗建模不精准,以距离相关能耗模型为主流,忽略了飞行速度与飞行
心脏功能分析在临床心脏病学中对患者管理、疾病诊断、风险评估和治疗决策起着重要作用。心脏磁共振(Cardiac Magnetic Resonance,CMR)图像主要用于心功能评估和心血管疾病诊断。CMR图像被认为是进行非侵入性心功能分析、估算临床参数的金标准。从医学图像中描绘重要的器官和结构常是估算临床参数、疾病诊断、预后预测和制定手术计划的主要步骤。在临床诊断中,放射科医生通过手动或半自动绘制包
随着无线网络技术(如5G)的快速发展和高服务质量(Qo S)需求的增加,对网络资源的有效管理变得越来越重要。为了提高业务调度的Qo S和网络资源利用率,许多学者进行了大量研究。实现这一目标的一种有效方法是对网络流量进行队列管理和调度。然而,队列管理调度的排队特性有一个隐含的缺点。由于需要通过检查网络链路上的剩余带宽来实时计算网络流的可行路由,在顺序处理队列中的流量时,计算可行路由可能很耗时。值得注
人们的交通出行发展从传统的燃油汽车转向新能源汽车,并向共享化和智能化发展,特别近年来以深度学习为主的人工智能技术的发展带动了自动驾驶汽车技术的发展和落地,深度学习算法在图像和自然语言处理等领域展现出强大的性能和泛化能力,为自动驾驶汽车的感知定位系统提供了强有力的解决方案。同时激光雷达器件的发展,感知距离越来越远,激光雷达线束也越来越多,分辨率也越来越高,赋予了自动驾驶汽车等智能移动机器人系统直接感
感知外部环境是机器人实现智能化控制和交互的前提,是机器人完成精细操作的基础。触觉作为机器人系统中一种重要的传感模态,它不仅反映了机器人与环境的交互情况,也刻画和描述了所接触物体的物理属性和空间信息。近20年来,传感器技术快速发展,柔性阵列式的、高敏的、高分辨率的触觉传感器已逐步成为新型智能机器人灵巧手的“标配”,研究如何获取、理解和利用这些触觉信息,对于提高机器人环境感知能力和进行灵巧手精细操作具
恶劣海况下无人船的对准技术,作为无人船系统导航与制导技术的重要前提,是保证无人船在恶劣海况下自主航行以及正常工作的关键。为解决自主和智能化的无人船系统在对准中面对不确定干扰时,要求具有强健自适应调节能力的问题,本文结合无人船在恶劣海况下的运动学特性,基于大失准角的运动背景,对恶劣海况下无人船对准技术进行研究,确定不同海况等级以及海浪复杂干扰下的初始对准技术方案,保证恶劣海况下无人船的对准性能。本文
随着机器人领域的不断发展,机器人的导航定位问题成为了当下的研究热点。本文针对室内场景下的移动机器人平台,设计实现了基于单目相机的视觉里程计算法,并进行了实验系统的搭建。主要研究内容如下:(1)研究了针孔相机模型与相机畸变模型,并推导了相关的模型参数。针对传统相机标定方法精度不高的问题,在张氏标定法的基础上,研究了一种基于改进Harris角点检测算法的相机标定方法,进一步提高提取的角点坐标精度,为后