电力线除冰机器人基于粒子群优化的小波神经网络障碍物识别方法

摘要：

由于除冰机器人工作在覆冰的电力线上,障碍物的识别存在着各类障碍物区分较难,准确率较低等不足.为提高机器人自主识别能力,设计一种自适应阀值的小波变换边缘提取算法来提取出障碍物的图像边缘,并针对电力线障碍物结构特点,在障碍物边缘提取过程中设计一种基于电力线位置约束的有效剔除部分干扰背景的方法;引入小波矩,通过提取边缘图像的小波矩作为障碍物的特征匹配数据;根据神经网络和粒子群算法的原理,设计一种粒子群优化的小波神经网络进行障碍物的识别分类,该方法用粒子群算法取代传统的梯度下降法,并改进惯性权重因子,优化小波网络的各个参数.试验结果表明所提出的方法对电力线上防震锤、悬垂线夹和耐张线夹等障碍物能够有效地识别,并具有比普通识别方法更高的识别精度.

关键词：除冰机器人、障碍物识别、粒子群优化算法、小波神经网络、小波矩

所属期刊栏目：53

分类号：TP24(自动化技术及设备)

资助基金：国家科技支撑计划2015BAF11B01;湖南省科技计划2016TP1023;湖南省教育厅科研14C1015

在线出版日期：2017-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：55-63