開啟主選單

求真百科

高精度5G電力巡檢機器人

來自 搜狐網 的圖片

高精度5G電力巡檢機器人合肥哈工庫訊智能科技有限公司,系哈工大機器人集團(HRG)「創新-創業-產業生態圈」內專業從事工業機器人、智能設備、智能物流系統研發、生產、銷售、服務的高科技企業。公司位於合肥「智能裝備科技園」暨哈工大機器人(合肥)智能裝備雙創基地(合肥市經濟技術開發區宿松路3963號),基地占地面積500畝,廠房20萬平方米,辦公面積6萬平方米。

目錄

項目簡介

依託哈工大機器人集團領先的科技儲備和平台優勢,憑藉豐富的行業資源和專業的運營團隊,哈工庫訊在「智慧工廠」解決方案設計與創新等方面,精耕細作,成果豐碩,得到了廣泛的認可與好評。

其業務涉及電力巡檢機器人、AGV及智能倉儲應用工程等多個領域,覆蓋醫藥、食品、家電、日化、糧油、紡織、化工、飼料、低壓電氣、汽車及其零部件、3C、物流[1]、電池、軍工等20多個行業,中國電子科技集團、銅陵有色金屬集團、聯寶電子(聯想)、LG、齊魯藥業、德力西電氣、施耐德電氣、萬博電氣、東風汽車、奇瑞汽車、金龍汽車、中通客車、重慶天勤、彧寰科技、摩臣智聯股份、潁上縣水資源管理所等國內外知名企業及政府機構成功合作,並成為國家電網及諸多大型企業集團的指定供應商。

哈工庫訊的變電站與智能巡檢機器人,更是具備技術先進、安全穩定、專業智能的特點和優勢,已經廣泛應用於電廠、輸變電系統及互聯網企業的機房。在國家電網、中國大唐集團公司、中國華電集團公司等眾多應用項目中,庫訊變電站智能巡檢機器人,不僅滿足了輸變電設備全天候巡檢、數據採集、視頻監控、溫濕度測量、氣壓檢測等作業與管理需要,而且在發生異常緊急情況時,可作為移動式監控平台,代替人工及時查明設備故障,降低人員的安全風險,全面有效地保障了輸變電站內設備的安全運行。

價值

在哈工大機器人集團(HRG)「創新研究、產業協同」的背景下,哈工庫訊將發揮自身細分行業多年深耕和銷售服務全網覆蓋的獨特優勢,進一步應用新技術,研發新產品,不斷鞏固和拓展市場空間,提升服務能力,為客戶創造更大的價值。

合肥哈工庫訊傾力研發、生產的高精度5G電力智能巡檢機器人;具有技術先進、安全穩定、專業智能的特點,該產品的主要功能:智能識別、紅外測溫、數據採集、視頻監控、氣體分析、氣壓檢測、溫濕度檢測;不僅滿足電力生產、輸變電設備全天候的自主檢測、監控、安防和數據遠程集控管理需要,在無人值守的變電站,以自主或遙控的方式對室外高壓設備進行巡檢,及時發現電力設備的熱缺陷、異物懸掛等設備異常現象;在發生異常緊急情況時,可作為移動式監控平台,代替人工及時查明設備故障,降低人員的安全風險,全面有效的保障了電廠、輸變電站內設備的安全運行。

創新點

本項目完成4個方面的工作,集中體現有3個重要的創新點,分別是:

(1)自適應場景的室內定位算法,該算法屬於理論上的創新,也有應用技術的創新。

(2)室外的基於視覺(Visual)、GPS、慣導(IMU)等多元傳感信息的室外融合定位算法方案,該方案屬於技術上的創新。

(3)提出一種基於5G高品質圖像傳輸與多儀表識別技術研究,該技術屬於:

①自適應場景的基於激光數據的室內定位算法的理論和技術應用創新Gmapping是激光出現以來應用最廣的機器人[2]定位與建圖方法,它主要應用粒子濾波中的RBPF方法。掃描匹配的過程是首先估計機器人位姿,利用梯度下降的方法,以當前構建的地圖、激光點和機器人位姿作為初始估計值。Gmapping算法結合線性估計和圖形理論,在對所涉及的協方差矩陣的結構的溫和假設下,檢索到SLAM的閉合近似。線性近似不需要初始預估結果或使用自舉法非線性技術。Gmapping算法的優勢主要有兩方面:在前端運算中,結合了線性估計和圖論的工具,以圖形模型深入分析SLAM;在後端運算中,應用這個理論分析工具,在對所涉及的協方差矩陣的結構的溫和假設下,迭代檢索出全SLAM問題的近似解。Gmapping算法中最關鍵的是使用了Rao-Blackwellized粒子濾波來估計SLAM過程中後驗估計的概率。粒子濾波算法中最常用的一個採樣方法是重要性重採樣方法(SIR)。Rao-Blackwellized重要性重採樣濾波器通過更新關於地圖和運動軌跡的後驗概率的一組樣本來完成在建圖過程中逐步處理觀測值和里程計讀數。基於粒子濾波方法的SLAM建圖過程粒子在不斷地迭代更新,通常需要大量的粒子數來得到一個較好的建圖效果,但這樣也會大幅提升算法計算的複雜度。粒子是一個依據過程的觀測逐漸更新權重進行收斂的過程,這種重採樣的過程必然會代入粒子耗散問題(depletionproblem),大權重粒子顯著,小權重粒子會消失。因此粒子數量的選擇非常重要,合適數量的粒子不僅可以保持定位的精度,而且可以保證算法的效率

參考文獻

  1. 物流的概念 ,搜狐,2019-09-26
  2. 機器人史上最全分類和明細 ,搜狐,2016-09-29