电力系统架空线巡线机器人对于提高架空输电线的维护效率进而保障电力系统的安全稳定运行具有重要作用。针对架空线巡线机器人巡线过程中需要有效识别线路中的附属障碍物并采取相应障碍规避动作的问题,文章研究了基于深度学习的巡线机...电力系统架空线巡线机器人对于提高架空输电线的维护效率进而保障电力系统的安全稳定运行具有重要作用。针对架空线巡线机器人巡线过程中需要有效识别线路中的附属障碍物并采取相应障碍规避动作的问题,文章研究了基于深度学习的巡线机器人架空线附属障碍物识别方法。论述了基于深度学习的架空线巡线机器人系统的整体结构,在整体系统结构的基础上分析了YOLOv8(you only look once version 8)模型的结构及其应用,进而基于增强的架空线障碍物数据集对所述方法进行了有效性验证。实验结果表明,文中所述基于YOLOv8的巡线机器人障碍物识别模型具有更快的识别速度和更高的识别率,能够更好满足巡线机器人的避障需求。展开更多
本文提出了一种结合Voronoi图和深度强化学习的机器人路径规划方法.在全局规划方面,通过Voronoi图构建“安全区域”,利用A*算法和关键路径点提取算法优化路径点,为局部规划提供目标.局部规划采用融合阶段关键点与均衡回放策略的RainbowD...本文提出了一种结合Voronoi图和深度强化学习的机器人路径规划方法.在全局规划方面,通过Voronoi图构建“安全区域”,利用A*算法和关键路径点提取算法优化路径点,为局部规划提供目标.局部规划采用融合阶段关键点与均衡回放策略的RainbowDQN(stage-key&weight-balanced replay Rainbow deep Q-network,SW-RDQN)算法,通过3项关键设计提升复杂动态环境下的导航适应性:首先,采用多阶段路径分割策略对全局路径进行划分与剪枝,提取并保留关键路径点信息;其次,结合轨迹落点预测与环境势场设计奖励函数,引导智能体学习更安全有效的避障行为;最后,采用基于奖励与TD误差动态加权的优先经验回放,通过偏移与对数归一化提升关键经验采样概率,从而提高训练效率.状态输入融合了卷积和多层感知机提取信息,取若干场景帧送入长短期记忆网络模型,最后由稠密层做出决策,提升了机器人对动态环境的感知和响应能力.该方法有效提升了机器人在动态环境中的路径规划精度与鲁棒性.展开更多
文摘电力系统架空线巡线机器人对于提高架空输电线的维护效率进而保障电力系统的安全稳定运行具有重要作用。针对架空线巡线机器人巡线过程中需要有效识别线路中的附属障碍物并采取相应障碍规避动作的问题,文章研究了基于深度学习的巡线机器人架空线附属障碍物识别方法。论述了基于深度学习的架空线巡线机器人系统的整体结构,在整体系统结构的基础上分析了YOLOv8(you only look once version 8)模型的结构及其应用,进而基于增强的架空线障碍物数据集对所述方法进行了有效性验证。实验结果表明,文中所述基于YOLOv8的巡线机器人障碍物识别模型具有更快的识别速度和更高的识别率,能够更好满足巡线机器人的避障需求。
文摘本文提出了一种结合Voronoi图和深度强化学习的机器人路径规划方法.在全局规划方面,通过Voronoi图构建“安全区域”,利用A*算法和关键路径点提取算法优化路径点,为局部规划提供目标.局部规划采用融合阶段关键点与均衡回放策略的RainbowDQN(stage-key&weight-balanced replay Rainbow deep Q-network,SW-RDQN)算法,通过3项关键设计提升复杂动态环境下的导航适应性:首先,采用多阶段路径分割策略对全局路径进行划分与剪枝,提取并保留关键路径点信息;其次,结合轨迹落点预测与环境势场设计奖励函数,引导智能体学习更安全有效的避障行为;最后,采用基于奖励与TD误差动态加权的优先经验回放,通过偏移与对数归一化提升关键经验采样概率,从而提高训练效率.状态输入融合了卷积和多层感知机提取信息,取若干场景帧送入长短期记忆网络模型,最后由稠密层做出决策,提升了机器人对动态环境的感知和响应能力.该方法有效提升了机器人在动态环境中的路径规划精度与鲁棒性.
