本文關(guān)鍵詞： 引流板螺栓 RBF神經(jīng)網(wǎng)絡(luò) 帶電作業(yè)機器人 機械手 擰緊控制　出處：《東北大學學報(自然科學版)》2017年10期 　論文類型：期刊論文

【摘要】：針對完全依靠人工帶電擰緊高壓輸電線路耐張?zhí)�引流板螺栓作業(yè)效率低、勞動強度大、高空高壓危險設(shè)計了一種雙臂、雙機械手的螺栓緊固帶電作業(yè)機器人.在整個作業(yè)過程中著重對螺栓擰緊的關(guān)鍵問題進行了理論分析,建立了螺栓擰緊過程控制的RBF神經(jīng)網(wǎng)絡(luò)模型.將機器人的螺栓擰緊過程抽象為神經(jīng)網(wǎng)絡(luò)的非線性逼近控制問題,提出了基于RBF神經(jīng)網(wǎng)絡(luò)的機器人螺栓擰緊狀態(tài)監(jiān)測控制方法.最后帶電作業(yè)試驗結(jié)果顯示經(jīng)過該控制方法機器人擰緊的螺栓聯(lián)接可靠性增強,驗證了所提出方法具有較強的工程實用性,同時進一步提高了作業(yè)效率、作業(yè)安全性及作業(yè)可操作性.
[Abstract]:A kind of double arms is designed in view of the low working efficiency, the high labor intensity and the high altitude high voltage danger of tightening the tension jumper draining plate bolt of the high voltage transmission line completely relying on the manual live. In the whole working process, the key problems of bolt tightening are analyzed theoretically. The RBF neural network model of bolt tightening process control is established. The bolt tightening process of robot is abstracted as a nonlinear approximate control problem of neural network. The monitoring and control method of bolt tightening state based on RBF neural network is proposed. Finally, the test results of live operation show that the reliability of bolt fastened by the control method is enhanced. It is verified that the proposed method has strong engineering practicability, and further improves the work efficiency, job safety and operation maneuverability.
【作者單位】： 武漢大學動力與機械學院;國網(wǎng)吉林省電力有限公司白山供電公司;
【基金】：國家自然科學基金資助項目(51105281) 國網(wǎng)吉林省電力有限公司資助項目(JDK2016-19)
【分類號】：TM75;TP242
【正文快照】： 耐張桿塔是高壓輸電線路的主要組成部分之一,位于這類桿塔兩側(cè)的高壓輸電導線都是由耐張?zhí)�和引流板兩個關(guān)鍵部件聯(lián)接起來的.由于惡劣自然環(huán)境下的外力震動及桿塔的施工工藝等各種因素容易造成引流板的螺栓發(fā)生松動導致接觸不良后其接頭處電阻變大,引流板的溫度會大幅升高,在

【相似文獻】

相關(guān)期刊論文 前10條

1 張毅;姜思博;李錚;;改進的遺傳灰色RBF模型的短期電力負荷預(yù)測[J];電測與儀表;2014年05期

2 胡迎松,陳明,范志明;一種電力系統(tǒng)短期負荷預(yù)測的RBF優(yōu)化算法[J];華中科技大學學報(城市科學版);2003年03期

3 苗青,曹廣益,朱新堅;基于一種改進的RBF神經(jīng)網(wǎng)絡(luò)的直接甲醇燃料電池建模[J];系統(tǒng)仿真學報;2005年02期

4 郭金偉;周渝慧;;基于RBF改進模型的電力系統(tǒng)短期負荷預(yù)測[J];電力信息化;2007年07期

5 楊胡萍;白慧;劉家學;張力;;基于改進RBF神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負荷預(yù)測[J];東華大學學報(自然科學版);2008年02期

6 郭偉偉;劉家學;馬云龍;李書琰;;基于改進RBF網(wǎng)絡(luò)算法的電力系統(tǒng)短期負荷預(yù)測[J];電力系統(tǒng)保護與控制;2008年23期

7 張曉亮;;一種改進的RBF網(wǎng)絡(luò)在電力系統(tǒng)短期負荷預(yù)測中的應(yīng)用[J];煤礦機電;2008年03期

8 李強;田大林;夏迎迎;付煒;王亦飛;于遵宏;;新型兩段組合式氣化產(chǎn)氣熱值的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型及遺傳算法優(yōu)化[J];計算機與應(yīng)用化學;2008年10期

9 夏長亮;李志強;王明超;劉均華;;基于RBF神經(jīng)網(wǎng)絡(luò)在線辨識的永磁無刷直流電機單神經(jīng)元PID模型參考自適應(yīng)控制[J];電工技術(shù)學報;2005年11期

10 曹安照;田麗;;基于RBF神經(jīng)網(wǎng)絡(luò)的短期電力負荷預(yù)測[J];電子科技大學學報;2006年04期

相關(guān)會議論文 前3條

1 蔣勁;譚少華;符向前;陶志建;;基于徑向基函數(shù)(RBF)網(wǎng)絡(luò)的大型水輪發(fā)電機故障診斷[A];全國水電廠技術(shù)改造學習交流研討會論文集[C];2005年

2 劉偉;王科俊;姚杰;;基于RBF神經(jīng)網(wǎng)絡(luò)采用混合粒子群優(yōu)化的電力負荷短期預(yù)測[A];2007年中國智能自動化會議論文集[C];2007年

3 侯樹文;王建偉;段愛霞;;基于RBF的同步發(fā)電機模糊PID勵磁控制系統(tǒng)[A];第八屆工業(yè)儀表與自動化學術(shù)會議論文集[C];2007年

相關(guān)碩士學位論文 前4條

1 李志強;基于RBF神經(jīng)網(wǎng)絡(luò)在線辨識的永磁無刷直流電機單神經(jīng)元自適應(yīng)PID控制[D];天津大學;2005年

2 王聰;基于RBF神經(jīng)網(wǎng)絡(luò)與模糊控制的電力系統(tǒng)短期負荷預(yù)測[D];華北電力大學（河北）;2005年

3 李琳;基于RBF神經(jīng)網(wǎng)絡(luò)無刷直流電機控制系統(tǒng)的基礎(chǔ)研究[D];安徽理工大學;2015年

4 左志文;基于HHT和RBF神經(jīng)網(wǎng)絡(luò)的異步電動機故障診斷的研究[D];太原理工大學;2015年

，

本文編號：1463430