基于SVM的高壓輸電線路巡檢機(jī)器人障礙識(shí)別研究與應(yīng)用.pdf

1、用巡檢機(jī)器人替代傳統(tǒng)巡檢方式進(jìn)行高壓輸電線路巡檢和維護(hù)，對(duì)于確保線路安全運(yùn)行、提高線路維護(hù)效率有迫切的現(xiàn)實(shí)意義。障礙識(shí)別是高壓輸電線路巡檢機(jī)器人實(shí)現(xiàn)完全智能化的關(guān)鍵技術(shù)之一，巡檢機(jī)器人要想在輸電線路上自主移動(dòng)，完成更大范圍的巡檢工作，必須能夠識(shí)別輸電線路上的間隔器、防震錘等金具。本文針對(duì)500KV四分裂輸電線路設(shè)計(jì)了一種基于支持向量機(jī)的高壓輸電線路智能巡檢機(jī)器人障礙識(shí)別算法，輔助巡檢機(jī)器人識(shí)別線路上幾種典型金具。
　　本文針對(duì)高壓

2、輸電線路進(jìn)行了調(diào)研分析，并重點(diǎn)分析了線路上間隔器、防震錘等金具的結(jié)構(gòu)特征和安裝特點(diǎn)。根據(jù)巡檢機(jī)器人越障方式選擇4種金具：間隔器、防震錘、絕緣子和懸垂線夾作為識(shí)別對(duì)象，提出了一種基于支持向量機(jī)（SpportVectorMachine,SVM）的障礙識(shí)別算法，該算法由特征提取模塊和分類模塊兩部分組成。
　　在特征提取前對(duì)采集到的障礙物圖像用中值濾波法進(jìn)行降噪處理。特征提取是目標(biāo)識(shí)別的重要步驟，本文選擇目標(biāo)圖像的梯度方向直方圖（Hist

3、ogramofOrientedGradient,HOG）特征作為障礙的圖像描述，給出了HOG特征的提取過程，提取4種典型金具的HOG特征并給出其圖像表達(dá)。為了加速算法運(yùn)行速度，對(duì)提取到的HOG特征進(jìn)行主成份分析（PrincipalComponentAnalysis,PCA）。在PCA基礎(chǔ)上提出利用稀疏矩陣對(duì)HOG特征降維。
　　本文提出基于SVM的多分類障礙識(shí)別算法。在線性分類原理基礎(chǔ)上引入支持向量機(jī)和多分類；首先利用交叉驗(yàn)證法獲

4、得最優(yōu)SVM參數(shù)，對(duì)幾種常見的基于SVM的多分類方法進(jìn)行對(duì)比分析，提出使用決策樹法設(shè)計(jì)障礙識(shí)別系統(tǒng)；然后在一對(duì)一分類基礎(chǔ)上提出基于編碼制的決策分類方法。通過對(duì)比實(shí)驗(yàn)獲取4種金具在不同分類策略下的最佳樣本組合方案。將特征作為變量進(jìn)行對(duì)比實(shí)驗(yàn)，分析HOG特征和利用稀疏矩陣降維后的HOG特征對(duì)分類結(jié)果的影響。最后分別在最優(yōu)參數(shù)下用決策樹法和編碼制決策法進(jìn)行障礙物識(shí)別。實(shí)驗(yàn)結(jié)果表明，本文提出的基于SVM的障礙物識(shí)別算法識(shí)別準(zhǔn)確率高、實(shí)時(shí)性好，能