基于Res-CapsNet与改进YOLOv4的绝缘子破损识别与定位
这是一篇关于绝缘子破损检测,Res-CapsNet,YOLOV4,智能巡检的论文, 主要内容为随着中国铁路的发展,对输电线路的安全运行也提出了较高的要求,作为铁路架空线上的重要部件,绝缘子的完整性直接影响输电过程的安全,因此需加强对绝缘子的定期巡检。目前对绝缘子的巡检主要依靠人力完成,效率低下,不能及时发现并处理其故障问题。传统的卷积神经网络(CNN)在绝缘子破损检测方面存在一些问题,如识别效果差和速度慢等。胶囊网络(CapsNet)的输入输出均为矢量,能较好的保留绝缘子的位置特征,从而更加准确的检测出复杂环境下的绝缘子。因此本文提出一种基于Res-CapsNet(残差胶囊网络)与改进YOLOv4相结合的算法,包括绝缘子分类检测及破损定位两部分,实现对绝缘子破损部位的精确识别与定位。由于绝缘子破损部位较小,因此对特征的提取要求较高,传统的胶囊网络只有一层卷积层,不能较为精确的获取绝缘子特征,而不断增加卷积层会产生梯度消失(爆炸)和退化问题。梯度消失(爆炸)问题可以通过批标准化解决,退化问题会使得模型效果变差,而残差网络可以较好的解决模型退化问题,因此提出将Res Net34与CapsNet相结合的算法。首先,以ResNet34为预训练模型提取绝缘子特征;同时删除深层池化层及全连接层,并在其后增加1×1卷积层进行降维,将卷积特征转化成胶囊特征,然后通过动态路由机制进行传递。最后,将本文提出算法与SSD、Resnet、AlexNet等网络进行对比,实验结果表明,改进后的网络对绝缘子破损识别准确率达到97.98%,较原网络提升了0.75%,不仅使输出量保留其方向和角度,还可提取绝缘子更深层的特征,从而更准确的对复杂环境下远距离的破损绝缘子进行识别。在绝缘子破损定位方面,由于传统的YOLO网络模型参数多,运算量大,对复杂环境下的绝缘子破损小目标定位精度差,因此建立一种基于改进YOLOv4的破损绝缘子定位模型。首先,在CPSDarknet53中使用Res2Net残差单元提取绝缘子细微特征,然后在定位网络中引入CBAM注意力机制关注绝缘子轮廓、位置等特征以提高模型精度;同时由于引入Res2Net残差单元使得模型复杂度增加,因此采用通道剪枝压缩网络,减少运算量,可以实现在保持较高精度的同时加快模型训练速度。最后将改进网络进行消融实验,并与SSD、Resnet、AlexNet等网络进行对比,实验结果表明,对破损绝缘子的定位准确率达到96.57%,较原网络提升了2.31%,且模型参数量减少了48.7M,能够快速准确的定位出不同天气、距离下的破损绝缘子,大大提高了对绝缘子进行智能巡检的效率。
三维可视化智能巡检平台的设计与实现
这是一篇关于化工园区,智能巡检,物联网,SLAB气体扩散的论文, 主要内容为制造业是国民经济的主体。近年来随着我国经济的迅速发展,制造业面临着国内外双重作用下的巨大压力,迫切需要进行产业的升级转型。尤其对于化工制造业来说,加快推进数字化转型更为重要。因为园区内通常设置了大量不同种类的生产仪器设备和输送管道,且生产加工过程中通常会产生具有易燃易爆、强腐蚀性的有毒有害危化品,一旦发生设备损坏或者危化品泄漏等情况,如果巡检不到位,很可能会引发重大生产事故。但是传统的巡检模式极易受到天气环境、人员素质等不可控因素的影响,导致巡检不及时,完成质量差的情况时有发生,威胁到企业的生产安全和员工的生命健康。物联网等信息技术的不断成熟,为彻底解决传统制造业的生产弊端提供了契机。巡检业务的线上化、智能化不仅能提高巡检业务效率,降低化工园区的管理成本,还能大幅度提升化工企业生产过程的安全性。本文通过对化工园区线下巡检流程中所存问题进行需求调研和流程梳理,设计并实现了满足工厂巡检业务功能需求的三维可视化智能巡检平台。该平台基于Spring Cloud技术栈进行架构设计,将化工园区所有设备设施模型化处理,并在系统中可视化展现,便于巡检人员在线上远程对所有巡检点进行数据监测。对于巡检业务,从逻辑上将其划分为巡检模式选择、巡检路线管理、巡检记录管理和巡检报告管理四个子模块,实现了巡检人员在执行巡检任务时切换巡检模式、选择巡检路线、记录巡检问题、生成巡检报告等相关功能。除此之外,针对巡检过程中产生的实时报警信息,系统会同步至应急指挥中心进行处理,并利用SLAB气体扩散模型算法对泄漏气体进行实时扩散状况模拟,辅助应急决策。作者于项目立项初期加入,协助参与了前期需求分析、系统架构设计及技术方案设计,在项目开发阶段实现了部分核心功能及SLAB气体扩散模型,参与了系统测试与验收。目前,此项目已经上线使用,在园区内部环境下稳定运行,满足了企业对于巡检业务的全部功能需求,提高了企业巡检效率和质量,为企业安全生产提供了有力保障。
石化智能巡检系统的设计与实现
这是一篇关于智能巡检,STM32,Android,区块链的论文, 主要内容为石油炼化企业的生产过程中的物料介质都含有高度危险性,并且在生产过程中伴随着高温高压的生产条件,任何一丝细小疏忽都有可能引起极其严重的后果,如何保证生产装置的安全稳定的运行是各个石化企业生产工作中的重中之重,而现场巡检工作是保证企业安全平稳运行的最基本的也是最重要的手段。目前大多数石化企业巡检工作仍然采用传统的人工串牌方式,巡检数据只能靠人工记录,事后要进行查询的话需要花费大量的精力去查阅每一条记录。所以,如何将巡检技术数字化、信息化、智能化就成为了石化企业当前需要解决的问题。本文通过对某石化企业现有巡检工作的调研分析,结合企业对巡检的要求,总结出了该企业对巡检工作的要求,并针对该要求设计出一套智能巡检系统。系统由数据采集设备、4G通讯模块、手持终端APP和综合管理系统组成。数据采集设备基于STM32微处理器开发,采集现场测量传感器的数据并进行处理,通过串口通讯分别送至显示屏模块显示和4G通讯模块,由4G模块发送给综合管理系统。基于Android系统的手持终端APP可以定位人员巡检路线,上传报警信息和接收巡检任务,通过综合管理系统可以查阅采集的数据、人员的巡检路线、报警信息和发布新的任务。通过该系统管理可以很好的对巡检人员的巡检路线、巡检任务以及现场故障信息进行管理。考虑到数据的安全,采用区块链与IPFS技术相结合,在采集设备与服务器之间进行双向认证,确保设备之间的合法性,这样通过一系列的措施保证了采集数据的真实可靠和防篡改,有效的保证了采集数据的安全性。通过该系统在对中央控制室空调机组进行了巡检测试,采集了控制室中相关参数并对比实际情况,测试的综合结果达到了设计的预期目标功能,满足企业对于巡检过程的管控要求。
基于EfficientDet与Vision Transformer网络的接触网吊弦状态检测
这是一篇关于吊弦状态检测,EfficientDet,Vision Transformer,智能巡检的论文, 主要内容为吊弦是接触网的重要悬挂部件,一年四季都暴露在自然环境中,容易出现松弛、断裂等情况,影响列车安全行驶。而传统检测方法存在耗时长、故障识别率低等问题,不能满足实时性、高效性的要求,故本文提出一种基于改进Efficient Det与Vision Transformer网络的吊弦定位与识别智能检测算法。针对传统神经网络在对接触网中尺寸较小的吊弦进行目标定位时,不能同时兼顾准确率与实时性的问题,而轻量型网络Efficient Det具有高效的双向特征金字塔与复合缩放方法,可实现定位精度和效率的平衡,因此提出一种基于改进Efficient Det网络的吊弦目标定位算法。首先在主干网络的P1、P2层中引入空洞卷积,以扩大感受野,提取出更完整的特征信息;其次将CBAM注意力机制引入P1-P5层中代替SE注意力机制,从空间与通道双方面进行特征提取,使网络更加关注含有目标特征信息的区域,抑制不相关的特征信息,提高目标检测的准确率;最后与YOLOv3、Faster R-CNN等算法进行对比分析,改进Efficient Det网络的定位精准率为96.19%,较原网络增大了4.95%,检测速度为32帧/秒,可快速、准确的定位出接触网中的吊弦。通过定位坐标信息提取出目标吊弦,然后对其进行具体状态检测。针对吊弦结构单一,特征少的问题,Vision Transformer网络具有多头注意力机制,可以从不同空间中提取到多层次的吊弦特征,因此提出一种改进Vision Transformer网络的吊弦状态分类检测算法。首先引入四层3×3的小卷积代替图像直接硬性分块的操作,保留较大局部范围的特征相关性,防止因直接硬性分块造成图像信息丢失的问题;其次选择合理的多头注意力的头数,使其更加关注吊弦区域,忽略干扰信息;然后利用Focal Loss损失函数动态调整不同样本的分类权重,缓解样本分布不均衡的问题,提高难样本的预测准确率;最后经消融实验证明了改进算法的有效性,并与Alex Net、VGG16、Res Net-50、Mobile Net V2等网络进行对比分析,改进后的Vision Transformer网络的准确率为96.41%,召回率为96.04%,可准确的识别出接触网中吊弦的运行状态。
基于Res-CapsNet与改进YOLOv4的绝缘子破损识别与定位
这是一篇关于绝缘子破损检测,Res-CapsNet,YOLOV4,智能巡检的论文, 主要内容为随着中国铁路的发展,对输电线路的安全运行也提出了较高的要求,作为铁路架空线上的重要部件,绝缘子的完整性直接影响输电过程的安全,因此需加强对绝缘子的定期巡检。目前对绝缘子的巡检主要依靠人力完成,效率低下,不能及时发现并处理其故障问题。传统的卷积神经网络(CNN)在绝缘子破损检测方面存在一些问题,如识别效果差和速度慢等。胶囊网络(CapsNet)的输入输出均为矢量,能较好的保留绝缘子的位置特征,从而更加准确的检测出复杂环境下的绝缘子。因此本文提出一种基于Res-CapsNet(残差胶囊网络)与改进YOLOv4相结合的算法,包括绝缘子分类检测及破损定位两部分,实现对绝缘子破损部位的精确识别与定位。由于绝缘子破损部位较小,因此对特征的提取要求较高,传统的胶囊网络只有一层卷积层,不能较为精确的获取绝缘子特征,而不断增加卷积层会产生梯度消失(爆炸)和退化问题。梯度消失(爆炸)问题可以通过批标准化解决,退化问题会使得模型效果变差,而残差网络可以较好的解决模型退化问题,因此提出将Res Net34与CapsNet相结合的算法。首先,以ResNet34为预训练模型提取绝缘子特征;同时删除深层池化层及全连接层,并在其后增加1×1卷积层进行降维,将卷积特征转化成胶囊特征,然后通过动态路由机制进行传递。最后,将本文提出算法与SSD、Resnet、AlexNet等网络进行对比,实验结果表明,改进后的网络对绝缘子破损识别准确率达到97.98%,较原网络提升了0.75%,不仅使输出量保留其方向和角度,还可提取绝缘子更深层的特征,从而更准确的对复杂环境下远距离的破损绝缘子进行识别。在绝缘子破损定位方面,由于传统的YOLO网络模型参数多,运算量大,对复杂环境下的绝缘子破损小目标定位精度差,因此建立一种基于改进YOLOv4的破损绝缘子定位模型。首先,在CPSDarknet53中使用Res2Net残差单元提取绝缘子细微特征,然后在定位网络中引入CBAM注意力机制关注绝缘子轮廓、位置等特征以提高模型精度;同时由于引入Res2Net残差单元使得模型复杂度增加,因此采用通道剪枝压缩网络,减少运算量,可以实现在保持较高精度的同时加快模型训练速度。最后将改进网络进行消融实验,并与SSD、Resnet、AlexNet等网络进行对比,实验结果表明,对破损绝缘子的定位准确率达到96.57%,较原网络提升了2.31%,且模型参数量减少了48.7M,能够快速准确的定位出不同天气、距离下的破损绝缘子,大大提高了对绝缘子进行智能巡检的效率。
铁路无人化牵引变电所智能巡检系统研究
这是一篇关于铁路,牵引变电所,无人化,智能巡检,机器人的论文, 主要内容为随着我国新建铁路的快速建成投产,在牵引供电系统中承担“心脏”功能的牵引变电所数量急剧增加,但变电值班员的数量却未明显增加,导致变电值班员劳动强度大幅增加、疲于奔命。因此,铁路供电段既有的有人值班、有人值守模式已无法适应现代化的管理模式,牵引变电所的无人化工作迫在眉睫。与此同时,综合自动化技术的发展、牵引供电远动系统的投运和通信通道的建设,为牵引变电所实现远方集中监控和调度奠定了设备基础,因此,在牵引变电所无人化的迫切需求下,研究调度站对牵引变电所情况的可视化管理具有理论意义和工程价值。论文以太原局集团公司太原供电段管内的忻州西牵引变电所为例,分析了现有牵引变电所的巡视关键项点,研究了调度站功能和机器人功能实现,提出在所内使用轮式机器人、导轨式机器人和安装大量视频监控装置三种方案。具体内容如下:明确了铁路无人化牵引变电所智能巡检系统需求及设计方案。论文分析了铁路无人化牵引变电所智能巡检系统的使用需求,提出了所内增设移动巡视设备及在调度指挥中心建立该系统的调度站平台的可行性方案。同时建立牵引变电所的3D模型,并在此基础上与既有信息系统进行数据联通,解决“信息孤岛”问题,实现信息集成和共享。提出了轮式机器人的功能实现方案。为了保证机器人检查、巡视等功能的实现,明确轮式机器人系统应由机器人、自主充电房和无线通信系统三部分组成。在明确调度站人员对3D可视化系统需求的基础上,细化了调度站系统的各项功能及实现过程;在确保牵引变电所整体模型和设备布局准确性的基础上,实现了对模型的快速加载,提高了系统的响应速度。实现了无人化牵引变电所智能巡检系统的现场应用及3D可视化系统在调度站的应用。开发完成的机器人可按照前期设计要求,通过配备的可见光摄像机、红外测温装置,实现了对设备的实时监控、红外测温、表计拍照、告警信息展示等功能。3D可视化系统采用B/S架构,通过交换机、防火墙等网络通信设备布置在太原供电段机房内,可在调度指挥中心终端显示,实现了巡视效率的提升和调度站设备的集中利用。
阀厅及户内直流场智能巡检机器人应用研究
这是一篇关于智能巡检,机器人,阀厅,直流场的论文, 主要内容为换流阀是直流输电过程中的关键设备,为保证其可靠运行,需要定期巡检。本文介绍了阀厅及户内直流场设备的日常巡检情况,针对直流换流站强电磁、封闭环境的特点,通过对组合式轨道系统的设计、巡检机器人本体的设计、通讯系统的设计和导航定位系统的设计,研制出用于阀厅及户内直流场的可对换流阀塔、套管等设备进行外观检测和红外测温的新型组合轨道式智能巡检机器人,填补了在直流换流站阀厅内巡视检查机器人方面技术的缺失,为直流换流站户内设备的即时在线状态的监控提出了高效和有用的技术方法。该智能巡检机器人既可通过人工操作执行巡检任务,也可根据预设任务全自主进行巡检,及时发现换流设备的异常现象。文中介绍了系统架构设计,并分别对轨道驱动系统、通信控制系统和应用软件系统设计做了说明。就智能巡检机器人室内布置及走线方案、轨道设备安装、直线区域行驶和转弯区域行驶进行了说明并就应用情况的实际效益分析和潜在效益分析进行了举证,应用表明该智能巡检机器人的系统结构设计合理,运行可靠,检测效率和质量高,可较好地替代人工进行常规巡检工作。所设计的智能巡检机器人系统硬件采用工字型组合式轨道、可见光摄像仪、红外热像仪等,实现智能巡检机器人的精确定位、视频检测、温度检测等功能。智能巡检机器人系统软件部分基于计算机硬件、微软Windows操作系统、SQL数据库系统和.Net Framework2.0语言编辑器组件,完成对各种数据的计算与展示。现场工业运行表明,直流换流站的后台实时在线监控系统与阀厅及户内直流场智能巡检机器人系统的非在线式移动监测完美组合,实现了直流换流站全面的监视和控制,极大的提高了直流换流站内电网的安全和稳定。
油气安全智能巡检系统设计与研究
这是一篇关于智能巡检,路径规划,运动控制,安全监测,人机交互的论文, 主要内容为油气系统生产车间环境复杂、设备种类繁多且易发生有毒有害气体泄漏,稍有不慎便会酿成安全事故。生产车间设备密集,对于一些特殊区域,巡检工作人员无法及时获得相关信息,且传统安全监测系统传感器位置固定,存在监控盲区,开发设计油气安全智能巡检系统显得十分必要。本论文设计了一套油气安全智能巡检系统,系统主要由智能巡检机器人和上位机组成,巡检机器人采用DSP作为核心控制器,利用搭载的WIFI模块与上位机建立通信,通过各类环境传感器检测环境信息,上位机负责接收各类信息数据并实时显示。选择栅格法根据车间环境信息建立环境模型,利用改进的A*算法为巡检机器人规划路径;同时研究了复杂车间环境下的多巡检机器人路径规划方案,并进行了仿真研究。研究了巡检机器人的运动控制方案,结合实际情况设计了姿态控制器与速度控制器,两个控制器并行运行,实现了巡检机器人在预设路径上的自动循迹功能。针对复杂环境下多巡检机器人的协调工作要求,设计了集中式的群控结构,在上位机基于C++Builder开发设计了群控模糊控制算法程序,实现了多巡检机器人的协同运行控制。研究了多机器人无线通信中的节点隐藏问题,采用带有RTS/CTS四次握手原则的DCF接入机制予以解决。基于C++Builder开发设计了上位机监控软件,包括主界面,系统运行状态监测界面,气体源定位界面等。最后对整个系统进行了联合调试,实验证明巡检机器人可以在A*算法规定的路径上完成巡检任务,多巡检机器人可以同时协调运行而不会发生紊乱,WIFI模块建立的通信网络可完成数据传输任务,上位机可以实时的显示各环境监测量的变化情况,能够对巡检车间的异常情况发出及时预警。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕业设计客栈 ，原文地址：https://bishedaima.com/lunwen/48720.html
