常规的电力机器人巡检方法主要利用激光仿真定位和映射(simulation localization and mapping,SLAM)模型获取巡检静态/动态特征,易受环境特征值变化影响,导致巡检避障故障,因此,需要基于门循环神经网络设计一种全新的电力机器人巡检方...常规的电力机器人巡检方法主要利用激光仿真定位和映射(simulation localization and mapping,SLAM)模型获取巡检静态/动态特征,易受环境特征值变化影响,导致巡检避障故障,因此,需要基于门循环神经网络设计一种全新的电力机器人巡检方法。为此,利用电力线路巡检飞行机器人(flying robot for overhead powerline inspection,FROPI)获取了巡检环境空间先验信息,规划了电力机器人巡检路径,再基于门循环神经网络设计了电力机器人逐级巡检算法,从而实现了有效巡检。实验结果表明,设计的电力机器人巡检方法的巡检效果较好,能实现有效避障,不易发生巡检故障,具有可靠性,有一定的应用价值,为提高电力巡检安全性作出了一定的贡献。展开更多
文摘常规的电力机器人巡检方法主要利用激光仿真定位和映射(simulation localization and mapping,SLAM)模型获取巡检静态/动态特征,易受环境特征值变化影响,导致巡检避障故障,因此,需要基于门循环神经网络设计一种全新的电力机器人巡检方法。为此,利用电力线路巡检飞行机器人(flying robot for overhead powerline inspection,FROPI)获取了巡检环境空间先验信息,规划了电力机器人巡检路径,再基于门循环神经网络设计了电力机器人逐级巡检算法,从而实现了有效巡检。实验结果表明,设计的电力机器人巡检方法的巡检效果较好,能实现有效避障,不易发生巡检故障,具有可靠性,有一定的应用价值,为提高电力巡检安全性作出了一定的贡献。
