基于bp神经网络的巡线机器人电磁导航方法.docxVIP

基于bp神经网络的巡线机器人电磁导航方法 在输电线上，巡逻线机器人工作，而不是手动操作外部或高地环境中的巡逻线或带电作业，从而大大降低了工作强度和风险，提高了线路管理的自动化水平。自主越障是机器人运动控制研究的重点内容,其中,抓线控制是自主越障研究中的一项关键技术,其核心问题是确定机器人离线手臂与所行驶导线间的相对空间位姿关系,再采取特定的控制策略调整机器人位姿,使其离线手臂逐步逼近最佳位姿,实现机器人手臂对导线的夹持。 机器人越障过程中,存在刚体和柔索接触耦合的非线性动力学问题,如输电线路扭曲变形、打滑等现象。这些因素导致机器人自身姿态定位困难,并难以建立精准的环境模型,因而造成机器人越障过程中抓线困难。 针对抓线控制问题,国内外相关领域的研究机构和学者分别提出不同的实现方法,主要分为基于视觉的处理方法和基于非视觉的处理方法。将多传感器信息融合技术应用于机器人领域,使得机器人能够对外界环境有更全面的认识,并能够充分利用信息的互补性,从而降低了信息采集过程中的不确定性影响,目前该方法在未知环境可移动机器人的自主导航控制方面得到成功应用。 基于神经网络的信息融合技术是人工智能信息融合技术的一个重要分支。在机器人导航、障碍物识别、自主控制等方面得到广泛的研究探索和应用。国外方面,文献等在这方面研究比较深入;而国内方面,文献等对信息融合技术在机器人的应用方面也作了深入研究。目前,大部分