電力是社會(huì)運(yùn)行的重要基石,發(fā)電廠的穩(wěn)定運(yùn)行是電力供應(yīng)的保障。發(fā)電廠日常運(yùn)營(yíng)需要人工定班次的巡檢,該巡檢方式存在著勞動(dòng)強(qiáng)度大、質(zhì)量不穩(wěn)定、工作環(huán)境惡劣等問(wèn)題,引入巡檢機(jī)器人可以減輕巡檢的人力投入、提高巡檢的質(zhì)量和效率。發(fā)電廠有著眾多的設(shè)備和管道,這些設(shè)備需要通過(guò)視覺對(duì)其外觀變化觀察,做出是否出現(xiàn)故障的判斷。但是傳統(tǒng)的人工巡檢缺乏對(duì)巡檢圖像數(shù)據(jù)的自動(dòng)化處理,無(wú)法對(duì)需要?dú)v史存檔對(duì)比的故障進(jìn)行有效檢測(cè)。使用基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)算法可以對(duì)龐大的圖片數(shù)據(jù)進(jìn)行快速、準(zhǔn)確的分類,提高巡檢質(zhì)量。為了巡檢更加高效,本文研究了巡檢機(jī)器人基于單目攝像頭的自主定位導(dǎo)航和基于深度學(xué)習(xí)的視覺感知,其中感知部分包括目標(biāo)檢測(cè)和分類。機(jī)器人操作系統(tǒng)和目標(biāo)感知均為同一系統(tǒng)環(huán)境,算法可以移植性良好。本文的研究?jī)?nèi)容及成果如下:（1）總結(jié)分析了目前巡檢機(jī)器人導(dǎo)航定位的方法和不足,提出使用單目攝像頭基于視覺的V-SLAM方法對(duì)巡檢機(jī)器人進(jìn)行位姿估計(jì)和導(dǎo)航定位。使用ORB-SLAM算法通過(guò)單目攝像頭提取ORB特征點(diǎn),構(gòu)建稀疏三維特征地圖,在實(shí)驗(yàn)室環(huán)境下完成定位、構(gòu)圖、路徑規(guī)劃、導(dǎo)航。（2）針對(duì)移動(dòng)機(jī)器人計(jì)算性能不足、目標(biāo)檢測(cè)算... 

【文章來(lái)源】：上海電機(jī)學(xué)院上海市

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

機(jī)7小機(jī)油箱就地油位計(jì)排污門Fig.1-17thsmallmachineoiltankon-siteoillevelgaugedraindoor

上海電機(jī)學(xué)院碩士學(xué)位論文-2-以日常巡檢質(zhì)量能否達(dá)到電廠的要求和標(biāo)準(zhǔn)與電廠的穩(wěn)定運(yùn)行至關(guān)重要。傳統(tǒng)的實(shí)時(shí)監(jiān)控和巡檢方法存在著很大的不足：（1）巡檢需要投入大量的人力物力。長(zhǎng)期單調(diào)而又繁雜的巡檢任務(wù)難免使得巡檢人員掉以輕心，主觀的消極怠工會(huì)給巡檢質(zhì)量帶來(lái)不確定性因素，也給電廠的穩(wěn)定運(yùn)行帶來(lái)安全隱患；（2）有些故障具有長(zhǎng)期性和累積性，例如小機(jī)油箱的漏油狀況，管道漏油速度十分緩慢，每次短時(shí)的巡檢無(wú)法對(duì)漏油狀況做出準(zhǔn)確判斷。如圖1-1所示是小機(jī)油箱就地油位計(jì)排污門油污的緩慢滲出，需要地面的油污圖像作為參考。如圖1-2所示是油污排污痕跡，需要對(duì)該位置的多天圖像進(jìn)行比對(duì)，才可以得出可靠地結(jié)論。巡檢目標(biāo)的圖像檔案對(duì)于日常巡檢任務(wù)和故障分析有著重要意義。同時(shí)，巡檢圖像數(shù)據(jù)分析的必要條件是具對(duì)海量數(shù)據(jù)進(jìn)行快速目標(biāo)提取和分類的能力。圖1-2小機(jī)油地面排污痕跡Fig.1-2Smalloildrainsontheground圖1-1機(jī)7小機(jī)油箱就地油位計(jì)排污門Fig.1-17thsmallmachineoiltankon-siteoillevelgaugedraindoor

sualRecognitionChallenge）競(jìng)賽中獲得了冠軍。他們首次在卷積神經(jīng)網(wǎng)絡(luò)中使用ReLU、Dropout和LRN等技巧。其作者認(rèn)為神經(jīng)網(wǎng)絡(luò)過(guò)多參數(shù)帶來(lái)的強(qiáng)大的擬合能力，很容易造成模型對(duì)于訓(xùn)練集過(guò)擬合（over-fitting），從而使得模型在使用上表現(xiàn)不如驗(yàn)證集。減少這種過(guò)擬合的主要思路是把網(wǎng)絡(luò)的參數(shù)更加稀疏，對(duì)網(wǎng)絡(luò)神經(jīng)元的連接增加一些隨機(jī)性。Hinton等認(rèn)為在卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)隨機(jī)的使某些神經(jīng)元失活，可以有效減少網(wǎng)絡(luò)參數(shù)數(shù)量、避免模型的過(guò)擬合，提升泛化能力。這種神經(jīng)元隨機(jī)失活的做法稱為dropout。其網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1-3所示圖1-3AlexNet網(wǎng)絡(luò)結(jié)構(gòu)Fig.1-3AlexNetnetworkstructure

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)YOLO v3的安全帽佩戴檢測(cè)方法[J]. 施輝,陳先橋,楊英.  計(jì)算機(jī)工程與應(yīng)用. 2019(11)
[2]淺析電力變電設(shè)備的日常巡檢和維護(hù)[J]. 楊偉林.  電子測(cè)試. 2018(23)
[3]改進(jìn)YOLO V3遙感圖像飛機(jī)識(shí)別應(yīng)用[J]. 鄭志強(qiáng),劉妍妍,潘長(zhǎng)城,李國(guó)寧.  電光與控制. 2019(04)
[4]基于深度卷積神經(jīng)網(wǎng)絡(luò)的紅外船只目標(biāo)檢測(cè)方法[J]. 王文秀,傅雨田,董峰,李鋒.  光學(xué)學(xué)報(bào). 2018(07)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的光學(xué)遙感圖像目標(biāo)檢測(cè)[J]. 盧藝帆,張松海.  中國(guó)科技論文. 2017(14)
[6]基于單目視覺的同時(shí)定位與地圖構(gòu)建方法綜述[J]. 劉浩敏,章國(guó)鋒,鮑虎軍.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(06)
[7]微電網(wǎng)能量管理系統(tǒng)研究綜述[J]. 吳雄,王秀麗,劉世民,祝振鵬,劉春陽(yáng),段杰,侯菲.  電力自動(dòng)化設(shè)備. 2014(10)
[8]我國(guó)電力工業(yè)發(fā)展預(yù)測(cè)[J]. 羅建國(guó),何百磊,邢翼騰.  中國(guó)能源. 2014(06)
[9]圖像物體分類與檢測(cè)算法綜述[J]. 黃凱奇,任偉強(qiáng),譚鐵牛.  計(jì)算機(jī)學(xué)報(bào). 2014(06)
[10]基于紅外圖像的電力變壓器油位自動(dòng)檢測(cè)方法[J]. 劉健,解辰,藺麗華.  高電壓技術(shù). 2010(04)

碩士論文
[1]山西長(zhǎng)治久安變電站巡檢機(jī)器人的應(yīng)用研究[D]. 高青.華北電力大學(xué) 2012
[2]基于紅外熱像儀的變電站電力變壓器過(guò)熱故障在線監(jiān)測(cè)[D]. 史欽鋒.南京理工大學(xué) 2009



本文編號(hào)：3347250