2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、用巡檢機(jī)器人替代傳統(tǒng)巡檢方式進(jìn)行高壓輸電線路巡檢和維護(hù),對于確保線路安全運(yùn)行、提高線路維護(hù)效率有迫切的現(xiàn)實(shí)意義。障礙識(shí)別是高壓輸電線路巡檢機(jī)器人實(shí)現(xiàn)完全智能化的關(guān)鍵技術(shù)之一,巡檢機(jī)器人要想在輸電線路上自主移動(dòng),完成更大范圍的巡檢工作,必須能夠識(shí)別輸電線路上的間隔器、防震錘等金具。本文針對500KV四分裂輸電線路設(shè)計(jì)了一種基于支持向量機(jī)的高壓輸電線路智能巡檢機(jī)器人障礙識(shí)別算法,輔助巡檢機(jī)器人識(shí)別線路上幾種典型金具。
  本文針對高壓

2、輸電線路進(jìn)行了調(diào)研分析,并重點(diǎn)分析了線路上間隔器、防震錘等金具的結(jié)構(gòu)特征和安裝特點(diǎn)。根據(jù)巡檢機(jī)器人越障方式選擇4種金具:間隔器、防震錘、絕緣子和懸垂線夾作為識(shí)別對象,提出了一種基于支持向量機(jī)(SpportVectorMachine,SVM)的障礙識(shí)別算法,該算法由特征提取模塊和分類模塊兩部分組成。
  在特征提取前對采集到的障礙物圖像用中值濾波法進(jìn)行降噪處理。特征提取是目標(biāo)識(shí)別的重要步驟,本文選擇目標(biāo)圖像的梯度方向直方圖(Hist

3、ogramofOrientedGradient,HOG)特征作為障礙的圖像描述,給出了HOG特征的提取過程,提取4種典型金具的HOG特征并給出其圖像表達(dá)。為了加速算法運(yùn)行速度,對提取到的HOG特征進(jìn)行主成份分析(PrincipalComponentAnalysis,PCA)。在PCA基礎(chǔ)上提出利用稀疏矩陣對HOG特征降維。
  本文提出基于SVM的多分類障礙識(shí)別算法。在線性分類原理基礎(chǔ)上引入支持向量機(jī)和多分類;首先利用交叉驗(yàn)證法獲

4、得最優(yōu)SVM參數(shù),對幾種常見的基于SVM的多分類方法進(jìn)行對比分析,提出使用決策樹法設(shè)計(jì)障礙識(shí)別系統(tǒng);然后在一對一分類基礎(chǔ)上提出基于編碼制的決策分類方法。通過對比實(shí)驗(yàn)獲取4種金具在不同分類策略下的最佳樣本組合方案。將特征作為變量進(jìn)行對比實(shí)驗(yàn),分析HOG特征和利用稀疏矩陣降維后的HOG特征對分類結(jié)果的影響。最后分別在最優(yōu)參數(shù)下用決策樹法和編碼制決策法進(jìn)行障礙物識(shí)別。實(shí)驗(yàn)結(jié)果表明,本文提出的基于SVM的障礙物識(shí)別算法識(shí)別準(zhǔn)確率高、實(shí)時(shí)性好,能

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論