CN110695992A - 电力机车车顶检修智能机器人 - Google Patents
电力机车车顶检修智能机器人 Download PDFInfo
- Publication number
- CN110695992A CN110695992A CN201910924349.7A CN201910924349A CN110695992A CN 110695992 A CN110695992 A CN 110695992A CN 201910924349 A CN201910924349 A CN 201910924349A CN 110695992 A CN110695992 A CN 110695992A
- Authority
- CN
- China
- Prior art keywords
- robot
- slide bar
- positioning
- electric locomotive
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000003137 locomotive effect Effects 0.000 title claims abstract description 30
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 35
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 229910052573 porcelain Inorganic materials 0.000 claims abstract description 26
- 230000007547 defect Effects 0.000 claims abstract description 24
- 239000012212 insulator Substances 0.000 claims abstract description 22
- 230000008447 perception Effects 0.000 claims abstract description 9
- 230000004927 fusion Effects 0.000 claims abstract description 7
- 238000013528 artificial neural network Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 25
- 238000005516 engineering process Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 6
- 238000012795 verification Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 208000037805 labour Diseases 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012459 cleaning agent Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
- B25J9/1666—Avoiding collision or forbidden zones
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manipulator (AREA)
Abstract
本发明公开了电力机车车顶检修智能机器人，属于智能检修设备领域，所述的电力机车车顶检修智能机器人包括步骤1.受电弓检测方式及数学分析模型构建；步骤2.建立机器人多模态感知下的融合控制规律；步骤3.建立机器人约束操作动态环境的重构，实现实时避障；步骤4.结合实时重构的动态环境，融合多传感信息，利用神经网络算法实现机器人运动路径的实时动态规划，提高机器人的自我学习能力，优化路径的平滑性与运动效率；步骤5.对表面缺陷特征进行采集，对软件进行训练，使其具有自动判别能力；步骤6.对受电弓碳滑条及瓷瓶的定位。
Description
技术领域
本发明属于智能机器人检修领域，更具体的说涉及电力机车车顶检修智能机器人。
背景技术
车顶设备为机车五项关键项点设备之一，承担机车从接触网取电的任务，其故障后机车无法获取25KV交流电源，机车失去动力源后无法继续完成牵引任务。其中瓷瓶、受电弓为车顶设备最主要、最关键的设备，也是机车质量控制中最难管理和控制的设备之一，其检修、保养作业被作为重中之重的环节进行控制，由于其安装位置高、长期裸露在外、与接触网25KV高压电距离近等特点，构成了其设备安装位置险、作业地表滑、设备表面脏等设备检修客观困难，给检修、保养作业带来巨大的工作量及劳动性危险性，为此，投入了大量的人力、物力，但依旧改变不了质量难于控制、劳动生产率低下的现状。如何摆脱传统作业方式带来的弊端和解决检修作业自动化程度不高的现状，是目前检修作业工装建设迫在眉睫需要思考和解决的问题。目前国内动车车顶检测与清洁已有研发样机，但技术尚不成熟，工程应用尚未具备，而运用较为广泛的电力机车，尚无车顶受电弓检测及机瓷瓶清洁机器人研发成功信息。按照本方案研究思路及实施路线，实现满足现场作业条件，完全替代人工检测、清洗作业的机器人具有先进性、实用性和潜在的经济社会价值。我国的电力机车、动车组等，数以万计。如何对机车关键性易损、易耗、易污零部件进行及时科学检测与维护，以有效提高运输效率，保障机车质量，研发高效智能检修机器人替代人工作业方式势在必行。
发明内容
本发明专利帮助铁路实现机器人车顶瓷瓶自动化清洗，自动精确测量受电弓滑板磨损量，实现机械缺陷分析判别，达到安全、高效、精准、优质智能化作业，较人工提高工效2倍以上，实现操作监控一体化设计作业流程自动化，形成具有自主知识产权、适用于各型机车车顶作业的智能检测维养机器人装备研发及应用示范基地；，构建电力机车关键设备之受电弓健康度诊断系统，为保障铁路牵引动力设备完好，提高运输品质，实现出入省物资多拉快跑提供技术支持。
为了实现上述目的，本发明是通过以下技术方案实现的：所述的电力机车车顶检修智能机器人采用以下步骤实现：
步骤1.受电弓检测方式及数学分析模型构建；
步骤2.建立机器人多模态感知下的融合控制规律；
步骤3.建立机器人约束操作动态环境的重构，实现实时避障；
步骤4.结合实时重构的动态环境，融合多传感信息，利用神经网络算法实现机器人运动路径的实时动态规划，提高机器人的自我学习能力，优化路径的平滑性与运动效率；
步骤5.对表面缺陷特征进行采集，对软件进行训练，使其具有自动判别能力；
步骤6.通过通过线扫相机在滑条侧面扫描从而计算出碳滑条厚度；
步骤7.对受电弓碳滑条及瓷瓶的定位。
优选的，所述的步骤1.受电弓检测方式及数学分析模型构建，具体方式如下：3D扫描技术与逆向工程技术在此处发挥了关键作用，3D扫描技术可以直接在实物通过扫描得到其点云数据，进而利用逆向工作技术把得到的点云数据进行三维建模，并最终得到实物的三维模型，以用于机器人的离线编程及RobotStudio与VisualStusio的联合仿真；
把相关数据在模型构建时以参数化的形式表示，在仿真时通过给参数赋不同的值就模拟工件的不同状况。
优选的，所述的步骤2.建立机器人多模态感知下的融合控制规律，具体方式如下：各种传感器均可以达到感知环境信息检测障碍物的作用，但是由于作用原理不同所以效果不尽相同，任何一种基于单传感器的障碍物检测定位方法都有优缺点，以视觉传感和测距传感，融合两类传感器的信息事项障碍物的检测定位。
优选的，所述的步骤3建立机器人约束操作动态环境的重构，实现实时避障，具体方式如下：机器视觉与是用集合、学习技术和统计学的方法来处理视觉传感器获取的外接信息来模拟人类视觉系统的功能，障碍物检测的目的是为了机器人避障路径规划提供足够的障碍物信息，通过分析视觉信息，估计出障碍物与机器人相对位置关系，包括位置、与机器人的距离和宽度等信息；机器人控制策略整体上采用基于行为控制思想的机器人控制模块，最终实现避障。
优选的，所述的步骤5对表面缺陷特征进行采集，对软件进行训练，使其具有自动判别能力；具体方式如下：针对受电弓滑板裂纹缺损等特点，对裂纹缺损图像进行去噪处理，并利用边缘提取算法截取碳滑板区域，然后采用算法对裂纹缺损及滑板上表面其他类似裂纹缺损的伪故障进行区分以识别滑板裂纹缺损，并对定位到的裂纹区域进行形态学处理，以确定裂纹长度宽度等。
优选的，所述的步骤6通过线扫相机在滑条侧面扫描从而计算出碳滑条厚度，具体实施方式如下：其技术关键点在于相机距碳滑条的水平距离控制及在高度方向碳滑条在相机视野范围内的控制，通过对碳滑条Y方向以及Z轴方向的精准定位，将滑条的精准空间坐标位置发送给机器人，机器人控制线扫相机运行路径，以及控制其开启和关闭，对滑条进行拍照，检测系统再对所拍摄照片进行分析计算，从而得出滑条各个位置厚度值。
优选的，所述的步骤7.对受电弓碳滑条及瓷瓶的定位，具体方式如下：所述的定位方式分为间接定位和直接定位；间接定位是通过定位滑条位置，以及滑条与瓷瓶相对位置，确定瓷瓶位置；直接定位是根据瓷瓶特征，通过视觉定位，对瓷瓶进行精准定位。
本发明有益效果：
帮助铁路实现机器人车顶瓷瓶自动化清洗，自动精确测量受电弓滑板磨损量，实现机械缺陷分析判别，达到安全、高效、精准、优质智能化作业，较人工提高工效2倍以上，实现操作监控一体化设计作业流程自动化，形成具有自主知识产权、适用于各型机车车顶作业的智能检测维养机器人装备研发及应用示范基地；，构建电力机车关键设备之受电弓健康度诊断系统，为保障铁路牵引动力设备完好，提高运输品质，实现出入省物资多拉快跑提供技术支持。
附图说明
图1为受电弓绝缘子清洗；
图2为机器视觉瑕疵检测试；
图3为滑条厚度激光检测试验。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
所述的电力机车车顶检修智能机器人采用以下步骤实现：
步骤1.受电弓检测方式及数学分析模型构建；
步骤2.建立机器人多模态感知下的融合控制规律；
步骤3.建立机器人约束操作动态环境的重构，实现实时避障；
步骤4.结合实时重构的动态环境，融合多传感信息，利用神经网络算法实现机器人运动路径的实时动态规划，提高机器人的自我学习能力，优化路径的平滑性与运动效率；
步骤5.对表面缺陷特征进行采集，对软件进行训练，使其具有自动判别能力；
步骤6.通过通过线扫相机在滑条侧面扫描从而计算出碳滑条厚度；
步骤7.对受电弓碳滑条及瓷瓶的定位。
不管是机器人离线编程还是RobotStudio与VisualStusio的联合仿真，准确的模型是完成以上工作的前提条件，因此基于ProE软件对所研究的机车重新进行三维模型构建显得至关重要。3D扫描技术与逆向工程技术在此处发挥了关键作用，3D扫描技术可以直接在实物通过扫描得到其点云数据，进而利用逆向工作技术把得到的点云数据进行三维建模，并最终得到实物的三维模型，以用于机器人的离线编程及RobotStudio与VisualStusio的联合仿真。
把相关数据在模型构建时以参数化的形式表示，在仿真时通过给参数赋不同的值就模拟工件的不同状况。
为分析整个工作流程的节拍及验证机器人程序的合理性，机器人在正式投入工作前需要进行必要的验证工作。虽然采用真实机器人在实际工件上进行验证可以得到准确的结果，但由于需要测试的工况非常多，造成所需的时间成本及各种人力物力成本非常大，因此我们在项目开发过程中采用RobotStudio与VisualStusio的联合仿真，以达到实验验证的目的。其中采用RobotStudio编写机器人控制程序，采用VisualStusio编写整个系统的控制程序，在程序中设置必要的参数用于模拟实际系统中各种传感器，做到完全模拟真实的工作环境。采用仿真程序验证整个系统工作流程的合理性，会大大节约开发时间，且能够通过各项参数的调整模拟不同的工况，最终达到验证程序的目的。
在仿真完成后，可以基于仿真结果再进行必要的实物验证，一是证实仿真过程听准确性，二是对部分在仿真过程中出现的不确定性因素进行实物验证，最终保证整个系统的可靠性。
所述的步骤2.建立机器人多模态感知下的融合控制规律，具体方式如下：目前应用于机器人外部环境感知传感器有超声、激光雷达、红外、摄像机等，根据信息的来源可以吧环境感知传感器分为主动和被动两种，通过发生测量信号再接收外界环境对信号的反射信号的传感器称为主动传感器，而摄像机等的工作原理则是通过感受物体对光线的反射或者物体自身所发出的信息而得的环境图像信息，这种传感器称为被动传感器。
各种传感器均可以达到感知环境信息检测障碍物的作用，但是由于作用原理不同所以效果不尽相同，任何一种基于单传感器的障碍物检测定位方法都有优缺点，以视觉传感和测距传感，融合两类传感器的信息事项障碍物的检测定位。
所述的步骤3建立机器人约束操作动态环境的重构，实现实时避障，具体方式如下：机器视觉与是用集合、学习技术和统计学的方法来处理视觉传感器获取的外接信息来模拟人类视觉系统的功能，障碍物检测的目的是为了机器人避障路径规划提供足够的障碍物信息，通过分析视觉信息，估计出障碍物与机器人相对位置关系，包括位置、与机器人的距离和宽度等信息。机器人控制策略整体上采用基于行为控制思想的机器人控制模块，最终实现避障。
优选的，所述的步骤5对表面缺陷特征进行采集，对软件进行训练，使其具有自动判别能力；具体方式如下：针对受电弓滑板裂纹缺损等特点，对裂纹缺损图像进行去噪处理，并利用边缘提取算法截取碳滑板区域，然后采用算法对裂纹缺损及滑板上表面其他类似裂纹缺损的伪故障进行区分以识别滑板裂纹缺损，并对定位到的裂纹区域进行形态学处理，以确定裂纹长度宽度等。训练的过程其实就是学习的过程，学习的越多，检测的准确率就越高。
优选的，所述的步骤6通过线扫相机在滑条侧面扫描从而计算出碳滑条厚度，具体实施方式如下：其技术关键点在于相机距碳滑条的水平距离控制及在高度方向碳滑条在相机视野范围内的控制，通过对碳滑条Y方向以及Z轴方向的精准定位，将滑条的精准空间坐标位置发送给机器人，机器人控制线扫相机运行路径，以及控制其开启和关闭，对滑条进行拍照，检测系统再对所拍摄照片进行分析计算，从而得出滑条各个位置厚度值。在碳滑条厚度检测过程中，因在线扫相机扫描过程中不可避免的会把碳滑条后方的部件在图像中显示出来，通过图像处理的方式把碳滑条的轮廓与后方其他部件分离出来，并利用碳滑条的轮廓来完成厚度的测试。
优选的，所述的步骤7.对受电弓碳滑条及瓷瓶的定位，具体方式如下：所述的定位方式分为间接定位和直接定位；间接定位是通过定位滑条位置，以及滑条与瓷瓶相对位置，确定瓷瓶位置；直接定位是根据瓷瓶特征，通过视觉定位，对瓷瓶进行精准定位。
车型及进车状态的智能识别，因车顶支持绝缘子、避雷器等需要清洗的部件不同车型其分布不同，通过图像识别的方式完成车型的验证，以保证机器人调用相应的清洗程序。
车顶支持绝缘子、避雷器等智能清洗技术，通过对车型及进车状态的判断，机器人从操作界面获取相应信息，自动调用相关程序对车顶支持绝缘子、避雷器进行清洗，并在清洗过程中根据被清洗部件的表面状态自动选择是否使用清洗剂。
受电弓碳滑条及瓷瓶精准定位技术，从前述可知，要完成受电弓碳滑条检测以及瓷瓶清洗任务，其前提是准确的定位，而电力机车车顶复杂，标准化强度不高，需要针对车顶研究开发专用的定位技术，以满足检测清洗要求。
车顶定位算法研究，该算法从根本上解决了碳滑条在行车及高度两个方向都存在偏差时的定位问题，使得碳滑条的精确定位成为了可能。研究车顶瓷瓶的位置及结构特点，通过微机控制机器人实现自动清洗瓷瓶，通过自动检测末端检测滑条厚度、缺损情况及裂纹瑕疵，对不合格受电弓发出报警提醒。
尽管已经示出和描述了本申请的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本申请的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本申请的范围由所附权利要求及其等同物限定。
Claims (7)
1.电力机车车顶检修智能机器人，其特征在于：所述的电力机车车顶检修智能机器人采用以下步骤实现：
步骤1.受电弓检测方式及数学分析模型构建；
步骤2.建立机器人多模态感知下的融合控制规律；
步骤3.建立机器人约束操作动态环境的重构，实现实时避障；
步骤4.结合实时重构的动态环境，融合多传感信息，利用神经网络算法实现机器人运动路径的实时动态规划，提高机器人的自我学习能力，优化路径的平滑性与运动效率；
步骤5.对表面缺陷特征进行采集，对软件进行训练，使其具有自动判别能力；
步骤6.通过通过线扫相机在滑条侧面扫描从而计算出碳滑条厚度；
步骤7.对受电弓碳滑条及瓷瓶的定位。
2.根据权利要求1所述的电力机车车顶检修智能机器人，其特征在于：所述的步骤1.受电弓检测方式及数学分析模型构建，具体方式如下：3D扫描技术与逆向工程技术在此处发挥了关键作用，3D扫描技术可以直接在实物通过扫描得到其点云数据，进而利用逆向工作技术把得到的点云数据进行三维建模，并最终得到实物的三维模型，以用于机器人的离线编程及RobotStudio与VisualStusio的联合仿真；
把相关数据在模型构建时以参数化的形式表示，在仿真时通过给参数赋不同的值就模拟工件的不同状况。
3.根据权利要求1所述的电力机车车顶检修智能机器人，其特征在于：所述的步骤2.建立机器人多模态感知下的融合控制规律，具体方式如下：各种传感器均可以达到感知环境信息检测障碍物的作用，但是由于作用原理不同所以效果不尽相同，任何一种基于单传感器的障碍物检测定位方法都有优缺点，以视觉传感和测距传感，融合两类传感器的信息事项障碍物的检测定位。
4.根据权利要求1所述的电力机车车顶检修智能机器人，其特征在于：所述的步骤3建立机器人约束操作动态环境的重构，实现实时避障，具体方式如下：机器视觉与是用集合、学习技术和统计学的方法来处理视觉传感器获取的外接信息来模拟人类视觉系统的功能，障碍物检测的目的是为了机器人避障路径规划提供足够的障碍物信息，通过分析视觉信息，估计出障碍物与机器人相对位置关系，包括位置、与机器人的距离和宽度等信息；机器人控制策略整体上采用基于行为控制思想的机器人控制模块，最终实现避障。
5.根据权利要求1所述的电力机车车顶检修智能机器人，其特征在于：所述的步骤5对表面缺陷特征进行采集，对软件进行训练，使其具有自动判别能力；具体方式如下：针对受电弓滑板裂纹缺损等特点，对裂纹缺损图像进行去噪处理，并利用边缘提取算法截取碳滑板区域，然后采用算法对裂纹缺损及滑板上表面其他类似裂纹缺损的伪故障进行区分以识别滑板裂纹缺损，并对定位到的裂纹区域进行形态学处理，以确定裂纹长度宽度等。
6.根据权利要求1所述的电力机车车顶检修智能机器人，其特征在于：所述的步骤6通过线扫相机在滑条侧面扫描从而计算出碳滑条厚度，具体实施方式如下：其技术关键点在于相机距碳滑条的水平距离控制及在高度方向碳滑条在相机视野范围内的控制，通过对碳滑条Y方向以及Z轴方向的精准定位，将滑条的精准空间坐标位置发送给机器人，机器人控制线扫相机运行路径，以及控制其开启和关闭，对滑条进行拍照，检测系统再对所拍摄照片进行分析计算，从而得出滑条各个位置厚度值。
7.根据权利要求1所述的电力机车车顶检修智能机器人，其特征在于：所述的步骤7.对受电弓碳滑条及瓷瓶的定位，具体方式如下：所述的定位方式分为间接定位和直接定位；间接定位是通过定位滑条位置，以及滑条与瓷瓶相对位置，确定瓷瓶位置；直接定位是根据瓷瓶特征，通过视觉定位，对瓷瓶进行精准定位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910924349.7A CN110695992A (zh) | 2019-09-27 | 2019-09-27 | 电力机车车顶检修智能机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910924349.7A CN110695992A (zh) | 2019-09-27 | 2019-09-27 | 电力机车车顶检修智能机器人 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110695992A true CN110695992A (zh) | 2020-01-17 |
Family
ID=69196867
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910924349.7A Pending CN110695992A (zh) | 2019-09-27 | 2019-09-27 | 电力机车车顶检修智能机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110695992A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111238393A (zh) * | 2020-01-20 | 2020-06-05 | 成都铁安科技有限责任公司 | 受电弓碳滑板检测系统及其控制方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102128593A (zh) * | 2010-12-31 | 2011-07-20 | 朱晓东 | 受电弓监测系统 |
| CN102288614A (zh) * | 2011-05-19 | 2011-12-21 | 西南交通大学 | 基于曲波域移动平行窗的受电弓裂纹故障检测方法 |
| CN102507600A (zh) * | 2011-11-08 | 2012-06-20 | 南京大学 | 高速机车受电弓滑板磨损自动检测装置 |
| CN105910604A (zh) * | 2016-05-25 | 2016-08-31 | 武汉卓拔科技有限公司 | 一种基于多传感器的自主避障导航系统 |
| CN106052575A (zh) * | 2016-08-02 | 2016-10-26 | 易讯科技股份有限公司 | 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 |
| CN106970581A (zh) * | 2017-04-30 | 2017-07-21 | 中南大学 | 一种基于无人机群三维全视角的列车受电弓实时智能监测方法及系统 |
| CN107167098A (zh) * | 2017-04-21 | 2017-09-15 | 南京理工大学 | 城轨列车受电弓在线检测装置与方法 |
| CN107458420A (zh) * | 2017-09-15 | 2017-12-12 | 北京新联铁集团股份有限公司 | 机车车顶的整备机器人、作业装置及系统 |
| CN109358071A (zh) * | 2018-09-21 | 2019-02-19 | 浙江大学 | 自主覆盖式作业的大型设备表面损伤检测系统及其方法 |
| CN110059631A (zh) * | 2019-04-19 | 2019-07-26 | 中铁第一勘察设计院集团有限公司 | 接触网非接触式监测缺陷识别方法 |
-
2019
- 2019-09-27 CN CN201910924349.7A patent/CN110695992A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102128593A (zh) * | 2010-12-31 | 2011-07-20 | 朱晓东 | 受电弓监测系统 |
| CN102288614A (zh) * | 2011-05-19 | 2011-12-21 | 西南交通大学 | 基于曲波域移动平行窗的受电弓裂纹故障检测方法 |
| CN102507600A (zh) * | 2011-11-08 | 2012-06-20 | 南京大学 | 高速机车受电弓滑板磨损自动检测装置 |
| CN105910604A (zh) * | 2016-05-25 | 2016-08-31 | 武汉卓拔科技有限公司 | 一种基于多传感器的自主避障导航系统 |
| CN106052575A (zh) * | 2016-08-02 | 2016-10-26 | 易讯科技股份有限公司 | 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 |
| CN107167098A (zh) * | 2017-04-21 | 2017-09-15 | 南京理工大学 | 城轨列车受电弓在线检测装置与方法 |
| CN106970581A (zh) * | 2017-04-30 | 2017-07-21 | 中南大学 | 一种基于无人机群三维全视角的列车受电弓实时智能监测方法及系统 |
| CN107458420A (zh) * | 2017-09-15 | 2017-12-12 | 北京新联铁集团股份有限公司 | 机车车顶的整备机器人、作业装置及系统 |
| CN109358071A (zh) * | 2018-09-21 | 2019-02-19 | 浙江大学 | 自主覆盖式作业的大型设备表面损伤检测系统及其方法 |
| CN110059631A (zh) * | 2019-04-19 | 2019-07-26 | 中铁第一勘察设计院集团有限公司 | 接触网非接触式监测缺陷识别方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111238393A (zh) * | 2020-01-20 | 2020-06-05 | 成都铁安科技有限责任公司 | 受电弓碳滑板检测系统及其控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | A review of applications of visual inspection technology based on image processing in the railway industry | |
| Santur et al. | A new rail inspection method based on deep learning using laser cameras | |
| Yanan et al. | Rail surface defect detection method based on YOLOv3 deep learning networks | |
| Karakose et al. | A new computer vision based method for rail track detection and fault diagnosis in railways | |
| CN108657223B (zh) | 一种城市轨道交通自动巡检系统及隧道形变检测方法 | |
| CN104759379B (zh) | 基于喷涂目标三维成像技术的全流程闭环智能喷涂机器人 | |
| CN115916452A (zh) | 基于焊接数字数据模型的原位检查方法 | |
| Lu et al. | SCueU-Net: Efficient damage detection method for railway rail | |
| CN102279190B (zh) | 一种激光焊接不等厚板焊缝表面缺陷图像检测方法 | |
| KR102017870B1 (ko) | 실시간 선로 결함 검측 시스템 | |
| CN106679567A (zh) | 基于双目立体视觉的接触网及支柱几何参数检测测量系统 | |
| CN107471028A (zh) | 修磨方法及系统 | |
| CN108389256A (zh) | 二三维交互式无人机电力杆塔巡检辅助方法 | |
| KR102634535B1 (ko) | 포인트 집단 분석을 이용한 작업대상물의 터치교시점 인식방법 | |
| Rowshandel et al. | A robotic approach for NDT of RCF cracks in rails using an ACFM sensor | |
| CN114037703B (zh) | 基于二维定位和三维姿态解算的地铁阀门状态检测方法 | |
| CN108274187A (zh) | 一种复杂曲面零件缺陷修复系统及修复方法 | |
| CN112934518A (zh) | 基于点云的自动喷涂装置及方法 | |
| CN115482195A (zh) | 一种基于三维点云的列车部件变形检测方法 | |
| CN110695992A (zh) | 电力机车车顶检修智能机器人 | |
| Wang et al. | A machine vision system based on driving recorder for automatic inspection of rail curvature | |
| CN108180871B (zh) | 一种定量评价复合绝缘子表面粉化粗糙度的方法 | |
| CN113295094A (zh) | 一种受电弓动态包络线侵限检测方法、装置和系统 | |
| CN112101450A (zh) | 一种基于深度学习和多传感融合的无接触测振设备和方法 | |
| Zhu et al. | Design and implementation of a manipulator system for roadway crack sealing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200117 |
|
| RJ01 | Rejection of invention patent application after publication |