缪思怡
- 作品数：5 被引量：48H指数：4
- 供职机构：湖南大学电气与信息工程学院更多>>
- 发文基金：国家科技支撑计划教育部“新世纪优秀人才支持计划”国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于视觉的输电线路除冰机器人障碍识别方法
- 障碍物检测识别是高压输电线路除冰机器人的关键技术之一,要实现除冰机器人的自主越障,必须先对高压输电线路上存在的防震锤、悬垂线夹、耐张线夹等障碍物进行识别。本文针对220kV单分裂输电线路的结构特点,重点研究了基于视觉的障...
- 缪思怡
- 关键词：除冰机器人矩特征粒子群算法快速独立分量分析
- 文献传递网络资源链接
- 电力线除冰机器人基于粒子群优化的小波神经网络障碍物识别方法被引量：15
- 2017年
- 由于除冰机器人工作在覆冰的电力线上,障碍物的识别存在着各类障碍物区分较难,准确率较低等不足。为提高机器人自主识别能力,设计一种自适应阀值的小波变换边缘提取算法来提取出障碍物的图像边缘,并针对电力线障碍物结构特点,在障碍物边缘提取过程中设计一种基于电力线位置约束的有效剔除部分干扰背景的方法;引入小波矩,通过提取边缘图像的小波矩作为障碍物的特征匹配数据;根据神经网络和粒子群算法的原理,设计一种粒子群优化的小波神经网络进行障碍物的识别分类,该方法用粒子群算法取代传统的梯度下降法,并改进惯性权重因子,优化小波网络的各个参数。试验结果表明所提出的方法对电力线上防震锤、悬垂线夹和耐张线夹等障碍物能够有效地识别,并具有比普通识别方法更高的识别精度。
- 唐宏伟孙炜张文洋缪思怡杨懿
- 关键词：除冰机器人障碍物识别粒子群优化算法小波神经网络小波矩
- 高压输电线路除冰机器人障碍物识别方法研究被引量：22
- 2011年
- 障碍物检测识别是高压输电线路自主除冰机器人的关键技术之一。针对220 kV输电线路特殊的机器人工作环境,提出一种基于视觉的障碍物识别方法。首先对拍摄的障碍物图像进行中值滤波、膨胀腐蚀等预处理,经OTSU阈值优化计算后,用小波模极大值算法提取图像边缘。然后计算障碍物边缘图像的联合不变矩特征,再把矩特征输入小波神经网络进行障碍物图像的分类识别。并选取防震锤、悬垂线夹、耐张线夹三类障碍物做识别试验,还把小波神经网络与普通BP神经网络识别性能进行了比较,实验表明:以联合不变矩作为障碍物识别特征具有良好的可靠性和稳定性;小波神经网络识别分类的性能良好,比普通BP神经网络具有更快的收敛速度和更高的识别精度。
- 曹文明王耀南印峰伍锡如缪思怡
- 关键词：除冰机器人小波神经网络
- 高压输电线除冰机器人的建模及运动控制被引量：4
- 2010年
- 针对高压输电线除冰机器人工作环境的特殊性以及工作任务的复杂性,建立了机器人的运动学与动力学模型。在此基础上,通过采用粒子群算法对PID控制器三个参数进行在线寻优,实现了除冰机器人的运动控制。最后针对除冰机器人在斜坡爬行的情况进行仿真实验,证明了所设计的模型与运动控制方法的可行性。
- 张海霞孙炜缪思怡
- 关键词：除冰机器人粒子群算法运动控制
- 基于小波矩的高压输电线路除冰机器人障碍智能视觉识别方法被引量：13
- 2010年
- 针对220kV单分裂线路的结构特点,提出了一种基于小波矩的障碍物智能视觉识别方法.该方法采用Ostu算法二值化图像,采用小波模极大值算法提取图像边缘.通过提取障碍物边缘图像的小波矩,来得到一组局部最优的小波矩特征值,并在此基础上用小波神经网络进行障碍物的识别与分类.实验结果表明:所提出的方法能有效地识别高压输电线上的防震锤、悬垂线夹、耐张线夹等障碍物,并具有比普通3层BP神经网络方法更高的精度和更快的收敛速度.
- 缪思怡孙炜张海霞
- 关键词：除冰机器人小波矩小波神经网络
