变电站智能巡检机器人机械系统设计与巡检技术研究

  • 变电站智能巡检机器人机械系统设计与巡检技术研究已关闭评论
  • 170 views
  • A+
所属分类:AGV设计资料
摘要

近年来电力系统发展迅速,变电站向智能化的方向升级改造,变电站智能巡检机器人在这个过程中扮演的角色越来越重要。在巡检机器人系统设计中,机械系统设计,尤其是运动系统设计和导航定位算法以及指针式仪表识读算法的设计尤为重要。作为巡检机器人硬件和软件的重要构成,机械系统是巡检机器人巡检系统的主要载体,导航技术和仪表识读技术是机器人执行巡检工作主要技术手段。针对上述关键技术,本文主要围绕以下五部分进行叙述。一、介绍了巡检机器人的研究背景及意义,分析了国内外巡检机器人的发展状况,明确了巡检机器人的关键技术,并分析了变电站巡检机器人的市场前景和发展趋势。二、巡检机器人整体方案设计。概括的介绍了巡检机器人的整体组成方案和主要功能,明确了机器人的设计要求,归纳总结了关键技术的实现方案,经过对比分析,确定了机器人的四轮驱动、四轮转向的运动方案、基于引导线识别的视觉导航技术方案、改进ORB和Hough变换算法的仪表识读技术方案。三、巡检机器人机械系统设计。对比分析了不同的驱动方案,确定了轮毂电机驱动、转向电机转向的驱动方案,根据巡检机器人性能参数要求完成相关部件的选型工作,并建立三维模型。利用有限元分析方法对运动系统关键零部件进行了静力学分析,并按照分析结果进行优化设计。结合设计方案优化结果绘制工程图进行了样机加工和装配。最后建立巡检机器人的运动学和动力学模型并进行分析计算。四、巡检系统软件设计。进行巡检机器人的移动站和后台监控站的系统软件功能模块化设计,完成基于引导线识别的视觉导航算法和指针式仪表识读算法的开发,并详细介绍了算法的实现流程。其中,提出了一种具有较高准确性和实时性的改进ORB特征匹配算法和添加圆心约束的Hough变换算法,进行指针式仪表识读。针对指针圆心的确定,提出一种基于ORB特征匹配对的相似特征三角形方法。五、实验测试与分析。对巡检机器人的样机进行了性能参数测试,验证了基于引导线识别的视觉导航算法和指针式仪表识读算法的准确性和实时性。实验结果表明,该巡检机器人性能参数满足设计要求,视觉导航算法获取的导航参数平均相对误差低于4%,指针式仪表识读算法针对本文试验用压力表最大偏差为0.01MPa,算法实时性上较已有算法提高20.48%,满足巡检任务要求。

摘要

变电站智能巡检机器人机械系统设计与巡检技术研究

图 1.2 沈阳自动化研究所(左)和浙江国自(右)研究成果


ABSTRACT

第1章 绪论

  1.1 课题研究背景及意义
  1.2 研究现状与发展趋势
    1.2.1 国内研究现状
    1.2.2 国外研究现状
    1.2.3 市场分析和发展趋势
  1.3 关键技术概述
  1.4 本文主要研究内容

第2章 巡检机器人整体方案设计

  2.1 系统组成及设计原则
  2.2 设计要求
    2.2.1 主要性能要求
    2.2.2 主要功能要求
    2.2.3 本体设计要求
  2.3 关键技术实现方案
    2.3.1 运动方案
    2.3.2 导航定位系统方案
    2.3.3 仪表识读系统方案
  2.4 本章小结

第3章 巡检机器人机械系统设计

  3.1 运动机构系统设计
    3.1.1 驱动系统设计
    3.1.2 转向系统设计
  3.2 运动学与动力学分析
    3.2.1 运动学分析
    3.2.2 动力学分析
  3.3 驱动机构选型及建模分析
    3.3.1 轮毂电机的选择
    3.3.2 转向电机的选择
    3.3.3 编码器的选择
    3.3.4 三维建模
    3.3.5 有限元分析
  3.4 样机制作
  3.5 本章小结

第4章 巡检机器人巡检系统软件设计

  4.1 软件系统功能模块设计
    4.1.1 机器人移动站系统
    4.1.2 机器人后台监控站系统
  4.2 视觉导航算法设计
    4.2.1 引导线图像预处理
    4.2.2 引导线路径分割
    4.2.3 导航控制参数计算
  4.3 指针式仪表识读算法设计
    4.3.1 模板图像采集
    4.3.2 基于改进ORB算法的仪表识别
    4.3.3 基于相似特征三角形算法的仪表圆心定位
    4.3.4 基于改进Hough变换的仪表读数
  4.4 本章小结

第5章 实验测试与分析

  5.1 实验目的及实验平台
  5.2 样机性能参数测试
  5.3 视觉导航算法实验验证
  5.4 指针式仪表识读相关实验
    5.4.1 实验平台
    5.4.2 改进ORB算法实验
    5.4.3 指针旋转圆心提取
    5.4.4 仪表识别定位实验过程
    5.4.5 仪表读数实验
  5.5 性能测试结果
  5.6 本章小结

第6章 总结与展望

  6.1 总结
  6.2 研究展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果
图表目录

图目录

图 1.1 国家电网研制的五代巡检机器人
Figure 1.1 Five generations of inspection robots developed by the State Grid
图 1.2 沈阳自动化研究所(左)和浙江国自(右)研究成果
Figure 1.2 Research results of Shenyang Institute of Automation (the left) and Zhejiang Guozi Company (the right)
图 1.3 日本轨道式巡检机器人
Figure 1.3 Japanese orbit inspection robot
图 1.4 加拿大轮式巡检机器人
Figure 1.4 Canadian wheel inspection robot
图 1.5 巴西轨道式巡检机器人
Figure 1.5 Brazil orbit inspection robot
图 2.1 变电站巡检机器人系统组成
Figure 2.1 Substation inspection robot system composition
图 3.1 移动机器人常见驱动方案
Figure 3.1 Common drive schemes for mobile robots
图 3.2 轮毂电机实物图
Figure 3.2 Picture of wheel hub motor
图 3.3 运动机构简图
Figure 3.3 Schematic diagram of a moving mechanism
图 3.4 巡检机器人四轮转向模型
Figure 3.4 Inspection robot four-wheel steering model
图 3.5 巡检机器人差速计算原理图
Figure 3.5 Schematic diagram of inspection robot differential calculation
图 3.6 车轮与地面接触示意图
Figure 3.6 Schematic diagram of wheel contact with the ground
图 3.7 巡检机器人三维模型
Figure 3.7 Three-dimensional model of inspection robot
图 3.8 巡检机器人连接架和轮叉的有限元分析结果
Figure 3.8 Finite element analysis results of inspection robot linkage and wheel fork
图 3.9 巡检机器人样机
Figure 3.9 Inspection robot prototype
图 4.1 巡检机器人视觉导航算法流程图
Figure 4.1 Flow chart of inspection robot vision navigation algorithm
图 4.2 引导线原图与灰度化
Figure 4.2 Original picture of guiding line and grayscale picture
图 4.3 灰度拉伸处理结果
Figure 4.3 Result of grayscale stretching
图 4.4 闭运算处理结果
Figure 4.4 Result of closing operation
图 4.5 中值滤波处理结果
Figure 4.5 Result of median filter
图 4.6 中值滤波图像的灰度直方图
Figure 4.6 Grayscale histogram of the median filter image
图 4.7 阈值分割后的二值图
Figure 4.7 Binary image after threshold split
图 4.8 像素点 P1 八领域示意图
Figure 4.8 Schematic diagram of eight fields of pixel P1
图 4.9 图像骨架细化处理结果
Figure 4.9 Result of Image skeletonization
图 4.10 图像空间和参数空间点线对应关系
Figure 4.10 The correspondence between image space and parameter space
图 4.11 图像空间和极坐标空间的点线对应关系
Figure 4.11 Point-line correspondence between image space and polar coordinate space
图 4.12 引导线检测结果
Figure 4.12 Result of guide line detection
图 4.13 图像窗口和控制参数
Figure 4.13 Image window and control parameters
图 4.14 仪表识读算法流程图
Figure 4.14 Flow chart of the instrument reading algorithm
图 4.15 仪表模板图像
Figure 4.15 Instrument template image
图 4.16 仪表搜索和定位控制原理
Figure 4.16 Principle of instrument search and positioning control
图 4.17 仪表识别与搜索算法流程图
Figure 4.17 Flow chart of the instrument recognition and search algorithm
图 4.18 目标仪表定位至图像中央算法流程图
Figure 4.18 Flow chart of positioning the target instrument to the center of the image
图 4.19 相似特征三角形原理图
Figure 4.19 Schematic diagram of similar characteristic triangles
图 4.20 目标仪表定位至图像窗口中央示意图
Figure 4.20 Schematic diagram of positioning the target instrument to the center of the image window
图 4.21 指针提取结果
Figure 4.21 Pointer extraction results
图 4.22 指针定向投影图
Figure 4.22 Projected figures that determines the direction of the pointer
图 4.23 骨架细化的指针图
Figure 4.23 Results of pointers image by skeleton refinement
图 4.24 指针直线检测结果
Figure 4.24 The detection results of pointer line
图 5.1 雨中采集的引导线图像处理结果
Figure 5.1 Processing results of guideline image collected in rain
图 5.2 雨后采集的引导线图像处理结果
Figure 5.2 Processing results of guideline image collected after rain
图 5.3 指针式仪表识读实验环境
Figure 5.3 Pointer instrument reading experimental environment
图 5.4 FAST 角点检测
Figure 5.4 Corner detection by FAST
图 5.5 本文改进的 FAST 角点检测
Figure 5.5 Corner detection by improved FAST in this article
图 5.6 不同特征匹配算法实验结果对比
Figure 5.6 Comparison of experimental results for different feature matching algorithms
图 5.7 仪表识别定位实验过程
Figure 5.7 Experiment process of instrument identification and positioning
图 5.8 表盘带有水渍的仪表图像
Figure 5.8 Instrument image of dial with watermark
图 5.9 表盘带有水渍的仪表图像处理结果
Figure 5.9 Image processing result of instrument dial with watermark

表目录

表 2.1 机械系统主要设计指标
Table 2.1 Main design index of mechanical system
表 2.2 常见的三轮运动方案
Table 2.2 Common three-wheel movement program
表 2.3 常见的四轮运动方案
Table 2.3 Common four-wheel movement program
表 3.1 常见车轮与路面之间的摩擦系数
Table 3.1 Friction coefficient between common wheels and road surface
表 3.2 本文选用的轮毂电机参数
Table 3.2 Wheel motor parameters selected in this article
表 3.3 本文选用的转向电机参数
Table 3.3 Parameters of steering motor used in this paper
表 3.4 本文选用的编码器参数
Table 3.4 Encoder parameters used in this article
表 5.1 巡检机器人性能参数
Table 5.1 Inspection robot performance parameters
表 5.2 视觉导航算法导航参数计算结果误差及用时
Table 5.2 Navigation parameter calculation result error and time of visual navigation algorithm
表 5.3 雨中和雨后视觉导航算法导航参数计算结果和误差
Table 5.3 Navigation parameter calculation results and errors of visual navigation algorithm in rain and after rain
表 5.4 不同特征匹配算法实验数据对比
Table 5.4 Comparison of experimental data of different feature matching algorithm
表 5.5 相同指针旋转圆心位置相似特征三角形法与文献48方法对比
Table 5.5 Comparison of the method of similar feature triangle method and document 48 for the same center of rotation of the pointer
表 5.6 仪表读数实验结果
Table 5.6 Instrument reading experimental results
表 5.7 不同算法实时性比较
Table 5.7 Comparison of real-time performance of different algorithms

抱歉,此资源仅限赞助会员下载,请先
注意:本站资源多为网络收集,如涉及版权问题请及时与站长联系QQ:2766242327,我们会在第一时间内与您协商解决。如非特殊说明,本站所有资源解压密码均为:agvba.com。
weinxin
微信公众号
agvba是一个分享AGV知识和agv案例视频的网站。