1 / 11
文档名称:

OPGW巡线机器人障碍识别算法的研究.doc

格式:doc   页数:11
下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

OPGW巡线机器人障碍识别算法的研究.doc

上传人:1006108867 2014/1/10 文件大小:0 KB

下载得到文件列表

OPGW巡线机器人障碍识别算法的研究.doc

文档介绍

文档介绍:毕业设计(论文)开题报告
学生姓名: 郑君美学号: 0606220208
专业: 通信工程
设计(论文)题目: OPGW巡线机器人障碍识别算法的研究
指导教师: 陈晓娟
2010 年3月28日
开题报告填写要求
(含“文献综述”)作为毕业设计(论文)答辩委员会对学生答辩资格审查的依据材料之一。此报告应在指导教师指导下,由学生在毕业设计(论文)工作前期内完成,经指导教师签署意见及所在系审查后生效;
,禁止打印在其它纸上后剪贴,完成后应及时交给指导教师签署意见;
3.“文献综述”应按论文的格式成文,并直接书写(或打印)在本开题报告第一栏目内,学生写文献综述的参考文献应不少于10篇(不包括辞典、手册);
,应当按照国标GB/T 7408—94《数据元和交换格式、信息交换、日期和时间表示法》规定的要求,一律用阿拉伯数字书写。如“2002年4月26日”或“2002-04-26”。
毕业设计(论文)开题报告
(论文)课题情况,根据所查阅的文献资料,每人撰写
2000字左右的文献综述:
文献综述
一、课题的研究背景及目的意义
采用高压和超高压架空电力线是长距离输配电力的主要方式。高压输电线及杆塔附件长期暴露在野外,因受到持续的机械张力、电气闪络、材料老化的影响而产生断股、磨损、腐蚀等损伤,如不及时修复更换,原本微小的破损和缺陷就可能扩大,最终导致严重事故。因此,电力公司需要定期对线路设备进行巡检,及时发现早期损伤和缺陷并加以评估,根据评估结果安排必要的维护和修复,从而确保供电的安全可靠性。
传统的人工巡检方法不仅工作量大而且条件艰苦,一些巡检项目靠常规方法都难以完成。巡线机器人可以减轻工人巡线的劳动强度,降低高压输电的运行维护成本,提高巡检作业的质量和科学管理技术水平,对于增强电力生产自动化综合能力,创造高的经济效益和社会效益都具有重要意义。因此,专用巡线机器人的研制及其技术研发已成为当前特种机器领域的一个研究热点[5]。
现阶段随着OPGW光缆在电力系统的广泛应用,对于OPGW光缆的检测要求也不断地提高。OPGW光缆会经常受到雷电、腐蚀及人工采矿等现象造成损害。因此对光缆进行定期的检测是必不可少的。因此研制光纤复合架空地线(OPGW)巡检移动机器人成为热点[1],但是在OPGW线路上存在着防震锤、耐张线夹等障碍物,给机器人的巡线带来困难,本文应用随机hough变换对障碍物进行检测,以满足了巡线机器人对实时越障的要求。
二、国内外的发展现状

国内关于架空电力线路巡线机器人研究的报道较少。1998年武汉水利电力大学的吴功平教授研制出了架空高压线路巡线小车,小车采用单体三驱动轮结构,具有稳定的行走功能和越障功能,能顺利越过绝缘子、防振锤、悬垂线夹等主要障碍物,并利用携带的近距离红外故障诊断仪完成线路的诊断。巡线小车的行走、越障通过人工遥控加机械控制器来实现.。目前,该研究组正在进行智能化程度较高、越障能力强的自治巡线机器人的研制工作。
中科院沈阳自动化所、中科院自动化所在863 基金项目资助下也开展了架空电力线路巡线机器人的研究[2]。

移动机器人技术的发展为架空电力线路巡检提供了新的技术平台。20世纪80年代,国际上开始研制高压输电线路巡线机器人。早期日本、美国和加拿大等国相继开发了不同用途的巡线机器人,并取得了较大的进展,尤其是可在两个杆塔之间巡检的机器人技术较为成熟,有些已达到产品化的程度。
美国TRC公司1989年研制了一台悬臂自治巡检机器人模型,能沿架空导线进行较长距离的行走,可进行电晕损耗、绝缘子、结合点、压接头等视觉检查任务,并将探测到的线路故障参数进行预处理后传送给地面人员。然而仅在两个杆塔之间爬行的巡线机器人已远远不能满足实际线路巡检工作的要求,输电线路不仅存在着支撑杆塔,而且还存在着多种线路附件构成的障碍物,如防震锤、悬垂线夹、耐张线夹和绝缘子等。因此具有越障功能的巡线机器人成为该领域研究的重点。
三、研究方法
本文重点研究基于视觉的障碍物检测识别方法,利用视觉传感器采集图像,提取包含障碍物的边缘信息,在边缘图像中运用霍夫变换等方法分别检测直线、圆和角点等图形基元,并利用导线与障碍的位置关系以及障碍本身的特点来进行结构约束,识别出障碍物。研究的内容主要包含以下几个方面:
1. 图像边缘检测
图像最基本的特征是边缘,边缘是图像性区域和另一个属性区域的交接处,是区域属性发生突变的地方,是图像中不确定性最大的地方,也是图像信息最集中的地方,图像的边缘包含着丰富的信息。因此,图像的边缘提取在计算机视觉系统的初级处