为了获得复杂环境下智能巡检机器人最优巡检路径,提升巡检效率,提出了基于改进遗传算法的巡检机器人路径规划算法。在种群初始化阶段使用混沌算法降低算法陷入局部最优的概率,使用自适应策略优化交叉算子与变异算子,进一步提升算法的收敛速度、执行性能和求解质量;针对遗传算法局部寻优能力差的问题,采用模拟退火算法强化其整体寻优能力。对比实验结果显示,提出的算法较经典遗传算法、蚁群算法等具有更好的表现力,规划的路径也更为合理。

遗传算法具有全局搜索能力强的特点,但易出现"早熟"现象;蚁群算法局部具有搜索能力强的特点。因此将遗传算法与蚁群算法结合,与此同时融合了云模型,提出一种适用于跨越越障式巡检机器人的求逆算法。为了提高算法的局部搜索能力及收敛速度,引入了网格划分策略的连续域蚁群算法;为了避免"早熟",采用了适应度值尺度变换;为了使参数自适应,采用了云模型进行修正。用遗传算法进行全局搜索,用蚁群算法进行局部迭代寻优,用云模型实现交叉算子和变异算子中参数的自适应。并以跨越机器人为对象,开展与遗传算法的对比实验,结果表明该算法可以在避免局部收敛的基础上保证算法的稳定性以及提高收敛的速度和精度。

在移动机器人跟踪目标过程中,主动视觉是经常被采用的方法之一。针对以PTZ摄像机为主体的主动视觉跟踪问题中由于控制等级频繁变化造成视场不稳定和振荡的问题,提出了基于带死区的模糊PID控制方法。通过架空高压输电线巡检机器人搭建PTZ摄像头主动视觉跟踪平台,对选定的杆塔目标进行跟踪,并对比跟踪过程中带死区和不带死区的控制等级变化曲线。实验表明,该方法能较好的控制PTZ摄像头主动视觉跟踪过程中采集图像的稳定性,降低图像振荡。

为提高无动力下坡能量回收效率,优化巡检机器人的性能指标,提出了一种能量回收最优原则的无动力下坡系统参数匹配方法。在建立无动力下坡系统理论模型的基础上,分析了系统重要参数对能量回收效率的影响。以满足最大速度、爬坡性能、回收总能量要求为前提,分别确定了电机的有效功率、减速器的减速比以及超级电容器容量的取值范围;以提高能量回收效率为目标对各个参数进行了优化选取。通过ADVISOR软件建立巡检机器人仿真模型,并对参数匹配结果进行了仿真分析。结果表明,在给定的下坡档段循环工况下,无动力下坡能量回收效率提高了7%。

基于隧道电缆的运行维护与日常管理工作带来的困难,针对目前已有的电缆隧道巡检机器人存在的缺陷,提出了一款基于单轨吊的新型电缆隧道巡检机器人设计方案。该方案使用1对导向轮、2对悬挂轮、1个齿轨驱动轮实现行走机构的设计,使用TSM57-36V-10步进电动机和整合式单板嵌入控制系统作为系统行走部的控制系统,步进电动机和齿轨驱动轮之间使用90°转向的1∶1齿轮连接器连接,实现速度最大为2.73 m/s、最小为0.04 m/s的行走控制。仿真结果表明,该系统可实现大部分行走状态的功能转化,且各行走状态的行走速度误差不超过±2.3%,但当系统在最大速度行走时,如果立即切换到逆向最大速度,系统可能出现较大的温度上升,对系统有一定的破坏作用并造成安全隐患。

为提高基于机器视觉的巡检机器人目标识别准确率和检测速度,提出一种基于改进YOLOv3网络的目标检测识别方法。所提方法利用PANet优化YOLOv3网络路径和自适应池化结构,采用深度可分离卷积替代其标准卷积,以提高YOLOv3网络识别精度和检测速度,并基于改进的YOLOv3网络进行目标检测,实现了高精度、快速率的巡检机器人目标检测。仿真结果表明,所提方法相较于标准YOLOv3网络和常规目标检测网络SSD、DenseBox以及Faster RCNN,在准确率和检测速度方面具有明显的优势,均值平均精度达到84.44%,每秒帧率达到30帧/s,可实现基于机器视觉的巡检机器人实时检测。

针对配电网地下电缆沟的环境特征,研制了配电网电缆沟巡检作业机器人。详细进行了巡检机器人机械方案设计,并进行了巡检机器人运动分析,从性能和越障能力两方面进行模型分析,计算得到巡检机器人最佳参数;对巡检机器人控制系统进行设计,并利用改进A~*算法设计了巡检机器人越障控制策略。由工控机运行控制策略,实现对机器人巡检、传动、感知和动力4个子系统的控制,指导机器人完成电缆通道内部巡检作业。对设计的巡检机器人进行实验验证,经水平直线实验、爬坡实验、越障实验验证,该巡检机器人可满足配网电缆明沟内复杂环境下巡检作业的要求。