CN112254657A - 一种基于视觉感知的智能清雪机器人调度方法 - Google Patents

一种基于视觉感知的智能清雪机器人调度方法 Download PDF

Info

Publication number
CN112254657A
CN112254657A CN202010996803.2A CN202010996803A CN112254657A CN 112254657 A CN112254657 A CN 112254657A CN 202010996803 A CN202010996803 A CN 202010996803A CN 112254657 A CN112254657 A CN 112254657A
Authority
CN
China
Prior art keywords
snow
standard
melting speed
photovoltaic panel
model
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.)
Withdrawn
Application number
CN202010996803.2A
Other languages
English (en)
Inventor
赵华
曹剑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan Songda Information Technology Co ltd
Original Assignee
Henan Songda Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Henan Songda Information Technology Co ltd filed Critical Henan Songda Information Technology Co ltd
Priority to CN202010996803.2A priority Critical patent/CN112254657A/zh
Publication of CN112254657A publication Critical patent/CN112254657A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0616—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of coating
    • G01B11/0683—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of coating measurement during deposition or removal of the layer
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01H—STREET CLEANING; CLEANING OF PERMANENT WAYS; CLEANING BEACHES; DISPERSING OR PREVENTING FOG IN GENERAL CLEANING STREET OR RAILWAY FURNITURE OR TUNNEL WALLS
    • E01H5/00—Removing snow or ice from roads or like surfaces; Grading or roughening snow or ice
    • E01H5/04—Apparatus propelled by animal or engine power; Apparatus propelled by hand with driven dislodging or conveying levelling elements, conveying pneumatically for the dislodged material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明提供了一种基于视觉感知的智能清雪机器人调度方法，该方法包括：在停止降雪后，根据标准雪量感知模型和标准融雪速度模型判断是否需要调用清雪机器人；其中，对于光伏面板每个测量区域：以光伏面板表面的温度数据为自变量，预测积雪体积为因变量构建雪量感知模型，根据每个测量区域内的预测积雪体积和标准积雪体积得到第一误差函数，利用第一误差函数对雪量感知模型进行评估，得到标准雪量感知模型；以环境温度数据、空气湿度数据以及随机选取的一个测量区域的光伏面板表面温度数据为自变量，预测融雪速度为因变量构建融雪速度模型，利用根据预测融雪速度和标准融雪速度得到的第二误差函数对融雪速度模型进行评估，得到标准融雪速度模型。

Description

一种基于视觉感知的智能清雪机器人调度方法
技术领域
本发明属于机器人调度领域，尤其涉及一种基于视觉感知的智能清雪机器人调度方法。
背景技术
发明专利申请CN111112270A提出一种清雪机器人调度方法，该方法在获取到即将下雪的气象数据时，以是否开始下雪为是否调用清雪机器人的判决条件，只要开始下雪就调用机器人开始持续清扫光伏面板，未考虑雪量这一因素，因此，该方法中清洁指令下发不准确，下小雪时，雪量较小，光伏面板自身的温度可以很快把光伏面板表面的积雪融化，而此时调用清雪机器人会造成清雪机器人的滥用，从而资源的浪费。
发明内容
为了解决现有技术存在的问题，本发明提出一种基于视觉感知的智能清雪机器人调度方法，该方法包括：
步骤一，在停止下雪时，利用深度相机采集光伏面板的深度图，根据深度图获取光伏面板上不同位置的积雪的厚度，得到三维雪深曲线；
步骤二，将光伏面板划分为多个测量区域，对多个测量区域进行标号，获取每个测量区域中光伏面板表面的温度数据，对于每个测量区域：以光伏面板表面的温度数据为自变量，预测积雪体积为因变量构建雪量感知模型；
对三维雪深曲线进行处理得到每个测量区域的标准积雪体积，根据每个测量区域内的预测积雪体积和标准积雪体积得到第一误差函数，利用第一误差函数对雪量感知模型进行评估，得到每个测量区域的标准雪量感知模型；
步骤三，获取环境温度数据、空气湿度数据，以环境温度数据、空气湿度数据以及随机选取的一个测量区域中光伏面板表面温度数据为自变量，预测融雪速度为因变量构建融雪速度模型；
根据该随机选取的一个测量区域中的标准积雪体积在时间上的变化得到标准融雪速度，根据预测融雪速度和标准融雪速度得到第二误差函数，利用第二误差函数对融雪速度模型进行评估，得到的随机选取的一个测量区域的标准融雪速度模型作为整个光伏面板的标准融雪速度模型；
步骤四，将相关数据分别输入到标准模型中，根据每个测量区域的标准雪量感知模型和整个光伏面板的标准融雪速度模型判断是否需要调用智能清雪机器人。
所述测量区域为由四个电池片组成的正方形，光伏面板表面的温度数据由放置在测量区域中心点位置的温度传感器采集得到。
每个测量区域的雪量感知模型具体为：
V(ci,W)＝W0+W1ci+W2ci 2+…+WMci M
其中，M为雪量感知模型的阶数；W0、W1……WM为雪量感知模型的系数，记做W；i为测量区域对应的标号，ci为标号为i的测量区域中光伏面板表面的温度数据；V(ci,W)为标号为i的测量区域的预测积雪体积。
标准积雪体积为对三维雪深曲线进行二重积分得到，标号为i的测量区域的标准积雪体积记为Vi；第一误差函数是均方误差函数，具体为：
Figure BDA0002692872870000021
其中，n为测量区域的个数。
融雪速度模型为：
Figure BDA0002692872870000022
其中，tem为环境温度数据，cd为随机选取的一个测量区域中光伏面板表面的温度数据，d为随机选取的一个测量区域的标号，a、b、m为待定系数，H(tem,hum,cd)为预测融雪速度。
以固定的时间间隔，按照计算Vi的方法得到随机选取的一个测量区域中不同时刻的多个标准积雪体积，根据多个标准积雪体积和时间间隔得到标准融雪速度Hj，第二误差函数是均方误差函数，具体为：
Figure BDA0002692872870000023
Figure BDA0002692872870000024
其中，Hj为第j个时间段内的标准融雪速度，g为时间段的个数或数据采集次数，temj为第j次采集的环境温度数据，humj为第j次采集的空气湿度数据，cdj为第j次采集的该随机选取的测量区域的光伏面板表面温度数据。
根据标准雪量感知模型和标准融雪速度模型判断是否需要调用智能清雪机器人的具体方法为：
Figure BDA0002692872870000025
当α为1时，需要调用智能清雪机器人；α为0时，不需要调用智能清雪机器人；其中，T为规定的时间阈值，α为判别因子。
本发明的有益效果在于：
1.本发明结合雪量和雪的融化速度判断是否需要调用清雪机器人，根据雪的融化速度得到一定时间内雪的融化量，当融化量小于雪量时调用清雪机器人，可以更加高效的运用智能清雪机器人，不会造成清雪机器人的滥用。
2.本发明根据光伏面板表面的温度构建雪量感知模型，根据环境温度、空气湿度、光伏面板表面温度构建融雪速度模型，在得到标准雪量感知模型和标准融雪速度模型后，通过容易获得的传感器数据就可以判断是否需要调用智能清雪机器人，该方法操作过程简单。
3.本发明利用深度相机获取光伏面板表面积雪的深度信息，从而可以根据深度信息得到积雪体积，计算速度快，且结果精确。
附图说明
图1为本发明的实施流程图。
具体实施方式
为了让本领域技术人员更好的理解本发明，下面结合实施例和附图对本发明进行详细描述。
本发明提出一种基于视觉感知的智能清雪机器人调度方法，其实施流程如图1所示，利用可以观测到的环境参数和正常发电下光伏面板的表面温度构建雪量感知模型和融雪速度模型，具体地，首先利用深度相机获取光伏面板表面的深度图像，从而得到光伏面板表面的雪量信息，利用薄膜温度传感器感知光伏面板不同区域的温度信息，建立温度和雪量的非线性映射关系，得到标准雪量感知模型V；在时序上分析雪的融化速度，与环境因素建立非线性关系，得到标准融雪速度模型H；根据两个模型来综合判断是否需要调用智能清雪机器人。
实施例一：
在天气停止降雪时，启用本发明，根据两个模型判断是否需要调用智能清雪机器人。
具体地，标准雪量感知模型的获取过程为：
首先，采用航拍的方式，利用深度相机采集光伏面板的正视深度图，正视深度图中包括光伏面板的表面纹理信息和深度信息，根据正视图中的深度信息获取光伏面板上不同位置的雪的厚度，具体地，实施例中默认光伏面板的四个角点不被积雪覆盖，以四个角点所在的平面为基准面，在该基准面上建立坐标系，以整个光伏面板的左下角这一角点为原点，向右为X轴，向上为Y轴，根据右手定则得到Z轴，得到三维右手坐标系O-XYZ，利用正视深度图中基准面的深度值减去有积雪覆盖的光伏面板区域的深度值，可以得到光伏面板上不同位置的雪的厚度，将雪的厚度作为Z轴的值，以x，y代表平面上的坐标信息，反应了在光伏电池片的位置信息，得到三维雪深曲线S(x,y)。
其中，在三维雪深曲线中z值为0的点代表该点未被积雪覆盖，z值越大代表雪越厚，以一个正方形电池片为例，该电池片中积雪体积的计算方法为：
Figure BDA0002692872870000031
其中，
Figure BDA0002692872870000032
分别代表x、y的积分区间的起始下标即该电池片左下角顶点的坐标，k代表一个光伏电池片的尺寸。
将光伏面板划分为n个测量区域，对多个测量区域进行标号1，2，3…n，在每个测量区域中心点位置部署可靠性高、一致性好且对温度变化敏感的薄膜温度传感器，获取标号为i的测量区域中光伏面板表面的温度数据ci；其中，一个测量区域由四个电池片组成，且每个测量区域的形状都为正方形，且薄膜温度传感器的坐标值为电池片尺寸k的倍数；i为测量区域对应的标号，其取值范围为[1，n]。
对于每个测量区域：以光伏面板表面的温度数据为自变量，预测积雪体积为因变量构建雪量感知模型：
V(ci,W)＝W0+W1ci+W2ci 2+…+WMci M
其中，M为雪量感知模型的阶数；W0、W1……WM为雪量感知模型的系数，记做W；V(ci,W)为标号为i的测量区域的预测积雪体积。
对三维雪深曲线进行处理得到标号为i的测量区域的标准积雪体积：
Figure BDA0002692872870000033
其中，(xi,yi)为标号为i的测量区域的中心点的坐标。
根据每个测量区域内的预测积雪体积和标准积雪体积得到第一误差函数：
Figure BDA0002692872870000034
利用第一误差函数对雪量感知模型进行评估，当第一误差函数的值小于一定值时，评估结束，求解出W和M，得到每个测量区域的标准雪量感知模型；
至此，得到了标准雪量感知模型，建立起了薄膜温度传感器数据与积雪体积之间的非线性映射关系。
目前，现有的融雪速度模型考虑到土壤含水量、降雨量等等多种因素，显而易见，光伏面板上雪的融化速度与现有的融雪模型不同，所以要建立属于本发明的融雪速度模型。基于先验知识，可以知道光伏面板表面的融雪速度与空气湿度和环境温度有关，光伏面板发电其自身发热，所以同时与光伏面板的表面温度相关。
实施例二：
标准融雪速度模型的获取过程为：
通过相应的传感器获取环境温度数据、空气湿度数据，以环境温度数据、空气湿度数据以及随机选取的一个测量区域中光伏面板表面温度数据为自变量，预测融雪速度为因变量构建融雪速度模型；融雪速度模型为：
Figure BDA0002692872870000041
其中，tem为环境温度数据，hum为空气湿度数据，cd为随机选取的一个测量区域中光伏面板表面的温度数据，d为随机选取的一个测量区域的标号，a、b、m为待定系数，H(tem,hum,cd)为预测融雪速度。
根据该随机选取的一个测量区域中的积雪体积在时间上的变化得到标准融雪速度：首先，以固定的时间间隔，按照计算Vi的方法得到随机选取的一个测量区域中不同时刻的多个标准积雪体积Vd(tj)，根据在时序上相邻的两个标准积雪体积和时间间隔得到标准融雪速度Hj：
Figure BDA0002692872870000042
其中，tj表示第j次采集正视深度图的时间，tj+1-tj表示相邻两次采集正视深度图的时间间隔，Vd(tj+1)为第j+1次计算得到的该测量区域的标准积雪体积，Vd(tj)为第j次计算得到的该测量区域的标准积雪体积，Hj为该测量区域第j个时间段内的标准融雪速度。
根据预测融雪速度和标准融雪速度得到第二误差函数：
Figure BDA0002692872870000043
其中，g为时间段的个数或数据采集次数，temj为第j次采集的环境温度数据，humj为第j次采集的空气湿度数据，cdj为第j个时间段开始时即第j次温度传感器获取的该随机选取的测量区域的光伏面板表面温度数据。
利用第二误差函数对融雪速度模型进行评估，当第二误差函数的值小于一定值时，评估结束，得到待定系数a、b、m，将得到的随机选取的一个测量区域的标准融雪速度模型作为整个光伏面板的标准融雪速度模型。
至此，得到整个光伏面板的标准融雪速度模型。
根据每个测量区域的标准雪量感知模型和整个光伏面板的标准融雪速度模型判断是否需要调用智能清雪机器人，设定时间阈值T，如果在时间T内，积雪可以自行融化则不需调用智能清雪机器人，否则需要调用光伏清雪机器人，具体地，判断调用模型为：
Figure BDA0002692872870000051
当停止降雪时，输入环境温度数据、空气湿度数据、光伏面板表面温度数据，输出判别因子α。当α为1时，需要调用智能清雪机器人；α为0时，说明在规定时间内积雪可以自行融化，不需要调用智能清雪机器人。
以上所述仅为本发明部分实施例，且以上所述旨在让本领域技术人员更好的理解本发明，并不用于限制本发明，凡在本发明精神和原则之内做出的修改与变动皆在本发明的保护范围内。

Claims (7)

1.一种基于视觉感知的智能清雪机器人调度方法，其特征在于，该方法包括：
步骤一，在停止下雪时，利用深度相机采集光伏面板的深度图，根据深度图获取光伏面板上不同位置的积雪的厚度，得到三维雪深曲线；
步骤二，将光伏面板划分为多个测量区域，对多个测量区域进行标号，获取每个测量区域中光伏面板表面的温度数据，对于每个测量区域：以光伏面板表面的温度数据为自变量，预测积雪体积为因变量构建雪量感知模型；
对三维雪深曲线进行处理得到每个测量区域的标准积雪体积，根据每个测量区域内的预测积雪体积和标准积雪体积得到第一误差函数，利用第一误差函数对雪量感知模型进行评估，得到每个测量区域的标准雪量感知模型；
步骤三，获取环境温度数据、空气湿度数据，以环境温度数据、空气湿度数据以及随机选取的一个测量区域中光伏面板表面温度数据为自变量，预测融雪速度为因变量构建融雪速度模型；
根据该随机选取的一个测量区域中的标准积雪体积在时间上的变化得到标准融雪速度，根据预测融雪速度和标准融雪速度得到第二误差函数，利用第二误差函数对融雪速度模型进行评估，得到的随机选取的一个测量区域的标准融雪速度模型作为整个光伏面板的标准融雪速度模型；
步骤四，将相关数据分别输入到标准模型中，根据每个测量区域的标准雪量感知模型和整个光伏面板的标准融雪速度模型判断是否需要调用智能清雪机器人。
2.如权利要求1所述的方法，其特征在于，所述测量区域为由四个电池片组成的正方形，光伏面板表面的温度数据由放置在测量区域中心点位置的温度传感器采集得到。
3.如权利要求1所述的方法，其特征在于，每个测量区域的雪量感知模型具体为：
V(ci，W)＝W0+W1ci+W2ci 2+…+WMci M
其中，M为雪量感知模型的阶数；W0、W1……WM为雪量感知模型的系数，记做W；i为测量区域对应的标号，ci为标号为i的测量区域中光伏面板表面的温度数据；V(ci，W)为标号为i的测量区域的预测积雪体积。
4.如权利要求3所述的方法，其特征在于，标准积雪体积为对三维雪深曲线进行二重积分得到，标号为i的测量区域的标准积雪体积记为Vi；第一误差函数是均方误差函数，具体为：
Figure FDA0002692872860000011
Figure FDA0002692872860000012
其中，n为测量区域的个数。
5.如权利要求4所述的方法，其特征在于，融雪速度模型为：
Figure FDA0002692872860000013
其中，tem为环境温度数据，cd为随机选取的一个测量区域中光伏面板表面的温度数据，d为随机选取的一个测量区域的标号，a、b、m为待定系数，H(tem，hum，cd)为预测融雪速度。
6.如权利要求5所述的方法，其特征在于，以固定的时间间隔，按照计算Vi的方法得到随机选取的一个测量区域中不同时刻的多个标准积雪体积，根据多个标准积雪体积和时间间隔得到标准融雪速度Hj，第二误差函数是均方误差函数，具体为：
Figure FDA0002692872860000021
其中，Hj为第j个时间段内的标准融雪速度，g为时间段的个数或数据采集次数，temj为第j次采集的环境温度数据，humj为第j次采集的空气湿度数据，cdj为第j次采集的该随机选取的测量区域的光伏面板表面温度数据。
7.如权利要求6所述的方法，其特征在于，根据标准雪量感知模型和标准融雪速度模型判断是否需要调用智能清雪机器人的具体方法为：
Figure FDA0002692872860000022
当α为1时，需要调用智能清雪机器人；α为0时，不需要调用智能清雪机器人；其中，T为规定的时间阈值，α为判别因子。
CN202010996803.2A 2020-09-21 2020-09-21 一种基于视觉感知的智能清雪机器人调度方法 Withdrawn CN112254657A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010996803.2A CN112254657A (zh) 2020-09-21 2020-09-21 一种基于视觉感知的智能清雪机器人调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010996803.2A CN112254657A (zh) 2020-09-21 2020-09-21 一种基于视觉感知的智能清雪机器人调度方法

Publications (1)

Publication Number Publication Date
CN112254657A true CN112254657A (zh) 2021-01-22

Family

ID=74231500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010996803.2A Withdrawn CN112254657A (zh) 2020-09-21 2020-09-21 一种基于视觉感知的智能清雪机器人调度方法

Country Status (1)

Country Link
CN (1) CN112254657A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114355988A (zh) * 2022-01-07 2022-04-15 辽宁太阳能研究应用有限公司 光伏组件检测点位积雪深度检测方法
CN117040430A (zh) * 2023-07-04 2023-11-10 北京意科瑞思能源技术有限公司 太阳能光伏发电系统及方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002038417A (ja) * 2000-07-27 2002-02-06 Kajima Corp 自走式ケーブル除雪ロボット
US20110137458A1 (en) * 2008-12-26 2011-06-09 Masujiro Hisatani Cleaning robot system and method of controlling same
WO2014103291A1 (ja) * 2012-12-25 2014-07-03 株式会社未来機械 自走式掃除ロボット
CA2936369A1 (en) * 2015-07-16 2017-01-16 Iain Wilson Robotic apparatus for plowing of snow from a predefined area
US20170031368A1 (en) * 2013-12-19 2017-02-02 Husqvarna Ab Navigation for a robotic working tool
CN106774346A (zh) * 2017-02-10 2017-05-31 苏州瑞得恩光能科技有限公司 用于太阳能面板清扫机器人的定位装置及其定位方法
CN107947723A (zh) * 2017-11-23 2018-04-20 浙江国自机器人技术有限公司 一种光伏清洗机器人的清洗方法
KR20190130944A (ko) * 2018-05-15 2019-11-25 안재욱 태양광 패널 청소 로봇 관리 시스템
CN110560404A (zh) * 2019-09-30 2019-12-13 北京中电博顺智能设备技术有限公司 一种光伏板清洁机器人及其控制方法
CN209935316U (zh) * 2019-05-06 2020-01-14 南京天创电子技术有限公司 一种光伏组件清洁机器人的扫雪装置
CN111463714A (zh) * 2020-05-29 2020-07-28 西南交通大学 输电线缆防冰除冰机器人的数据采集与监控方法及其系统
CN112588764A (zh) * 2020-11-28 2021-04-02 李振环 基于人工智能的光伏组件上多机器人协同清洁方法及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002038417A (ja) * 2000-07-27 2002-02-06 Kajima Corp 自走式ケーブル除雪ロボット
US20110137458A1 (en) * 2008-12-26 2011-06-09 Masujiro Hisatani Cleaning robot system and method of controlling same
WO2014103291A1 (ja) * 2012-12-25 2014-07-03 株式会社未来機械 自走式掃除ロボット
US20170031368A1 (en) * 2013-12-19 2017-02-02 Husqvarna Ab Navigation for a robotic working tool
CA2936369A1 (en) * 2015-07-16 2017-01-16 Iain Wilson Robotic apparatus for plowing of snow from a predefined area
CN106774346A (zh) * 2017-02-10 2017-05-31 苏州瑞得恩光能科技有限公司 用于太阳能面板清扫机器人的定位装置及其定位方法
CN107947723A (zh) * 2017-11-23 2018-04-20 浙江国自机器人技术有限公司 一种光伏清洗机器人的清洗方法
KR20190130944A (ko) * 2018-05-15 2019-11-25 안재욱 태양광 패널 청소 로봇 관리 시스템
CN209935316U (zh) * 2019-05-06 2020-01-14 南京天创电子技术有限公司 一种光伏组件清洁机器人的扫雪装置
CN110560404A (zh) * 2019-09-30 2019-12-13 北京中电博顺智能设备技术有限公司 一种光伏板清洁机器人及其控制方法
CN111463714A (zh) * 2020-05-29 2020-07-28 西南交通大学 输电线缆防冰除冰机器人的数据采集与监控方法及其系统
CN112588764A (zh) * 2020-11-28 2021-04-02 李振环 基于人工智能的光伏组件上多机器人协同清洁方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
J.H.LEVER等: "Revised solar-power budget for Cool Robot polar science campaigns", 《COLD REGIONS SCIENCE AND TECHNOLOGY》 *
沈伟等: "基于PID的光伏清洁机器人速度控制及仿真研究", 《造纸装备及材料》 *
王亚丽等: "光伏板清洁机器人运动学建模与仿真", 《机床与液压》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114355988A (zh) * 2022-01-07 2022-04-15 辽宁太阳能研究应用有限公司 光伏组件检测点位积雪深度检测方法
CN114355988B (zh) * 2022-01-07 2024-03-22 辽宁太阳能研究应用有限公司 光伏组件检测点位积雪深度检测方法
CN117040430A (zh) * 2023-07-04 2023-11-10 北京意科瑞思能源技术有限公司 太阳能光伏发电系统及方法
CN117040430B (zh) * 2023-07-04 2024-01-26 北京意科瑞思能源技术有限公司 太阳能光伏发电系统及方法

Similar Documents

Publication Publication Date Title
CN110223341B (zh) 一种基于图像识别的智能水位监测方法
CN111414991B (zh) 一种基于多元回归的气象锋面自动识别方法
CN104200484B (zh) 基于云团特征分析的分布式光伏系统超短期出力预测方法
WO2021129680A1 (zh) 融雪性洪水预测方法、装置、电子设备和存储介质
CN112254657A (zh) 一种基于视觉感知的智能清雪机器人调度方法
CN110646867A (zh) 一种城市排水监测预警方法和系统
CN111598098B (zh) 一种基于全卷积神经网络的水尺水位线检测及有效性识别方法
CN107576432A (zh) 一种动态裂纹尖端应力场量测方法及装置
CN108621844B (zh) 一种暴雨道路无人驾驶车辆电量预测方法及预警系统
CN111507375A (zh) 一种城市内涝风险快速评估方法及系统
CN113189678B (zh) 基于多源观测资料的降水现象综合识别方法及装置
CN116757097A (zh) 一种数字孪生水利工程运维监测系统和方法
CN112818260A (zh) 实时天气感知与推送方法、系统、共享单车、终端、介质
CN115937167A (zh) 电池极片陶瓷的缺陷检测方法、装置及电子设备
CN106772697B (zh) 云海自然景观预报方法及系统
CN110441830B (zh) 基于自动气象站的小区域天气预测方法及存储介质
CN105302980B (zh) 一种基于sar数据的城区空气动力学粗糙度反演方法
CN116596106A (zh) 风电场站的功率预测方法、装置、电子设备及存储介质
CN112149281B (zh) 基于冰厚模型的输电线路风冰联合概率预测方法
CN110738208A (zh) 一种高效的尺度规范化目标检测训练方法
CN110060339A (zh) 一种基于云计算图形图像的三维建模方法
CN109523509A (zh) 小麦抽穗期的检测方法、装置及电子设备
CN115248075A (zh) 一种多源声学大数据融合的水声探测效能评估系统
CN114154300A (zh) 一种城市热环境与空气污染物浓度实时感知地图建立方法
CN114611788A (zh) 一种基于gru网络的寒潮天气客观判别方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210122

WW01 Invention patent application withdrawn after publication