输电线路带电作业机器人机械手RBF神经网络控制

doi:10.12068/j.issn.1005-3026.2017.10.005

东北大学学报:自然科学版 ›› 2017, Vol. 38 ›› Issue (10): 1388-1394.DOI: 10.12068/j.issn.1005-3026.2017.10.005

输电线路带电作业机器人机械手RBF神经网络控制

江维¹，吴功平¹，曹琪²，杨松²

(1. 武汉大学动力与机械学院，湖北武汉430072； 2. 国网吉林省电力有限公司白山供电公司，吉林白山134300)

收稿日期:2016-05-03 修回日期:2016-05-03 出版日期:2017-10-15 发布日期:2017-10-13
通讯作者: 江维
作者简介:江维(1984-)，男，湖北武汉人，武汉大学博士研究生；吴功平( 1961－ ) ，男，湖北麻城人，武汉大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(51105281) ; 国网吉林省电力有限公司资助项目 (JDK2016-19).

RBF Neural Network Control of Live Operation Robot Manipulator for High Voltage Transmission Line

JIANG Wei¹， WU Gong-ping¹， CAO Qi²， YANG Song²

1. School of Power and Mechanical Engineering， Wuhan University， Wuhan 430072， China; 2. Baishan Power Supply Bureau， State Grid Jilin Electric Power Co.，Ltd.， Baishan 134300， China.

Received:2016-05-03 Revised:2016-05-03 Online:2017-10-15 Published:2017-10-13
Contact: JIANG Wei
About author:-
Supported by:
-

摘要/Abstract

摘要： 针对完全依靠人工带电拧紧高压输电线路耐张跳线引流板螺栓作业效率低、劳动强度大、高空高压危险设计了一种双臂、双机械手的螺栓紧固带电作业机器人.在整个作业过程中着重对螺栓拧紧的关键问题进行了理论分析，建立了螺栓拧紧过程控制的RBF神经网络模型.将机器人的螺栓拧紧过程抽象为神经网络的非线性逼近控制问题，提出了基于RBF神经网络的机器人螺栓拧紧状态监测控制方法.最后带电作业试验结果显示经过该控制方法机器人拧紧的螺栓联接可靠性增强，验证了所提出方法具有较强的工程实用性，同时进一步提高了作业效率、作业安全性及作业可操作性.

关键词: 引流板螺栓, RBF神经网络, 带电作业机器人, 机械手, 拧紧控制

Abstract: Due to the shortage of manual tension clamp drainage board bolt tighten for high voltage transmission line， such as low operation efficiency， labor-intensive， high-altitude and high risk， an bolt tighten live operation robot was designed which had double arms and double manipulators. The key issues of bolt tighten was analyzed theoretically during the entire operation process， and a RBF neural network model of bolt tighten process control was established. The robot bolt tighten process was abstracted into nonlinear approximation， and a robot bolt tighten status monitoring control method based on the RBF neural network was proposed. Finally the live operation result showed that the connection reliability of the robot tighten bolts is greatly enhanced by using the proposed method that has strong engineering practicability， and the operation efficiency ，operation safety and operation operability are all improved.

Key words: drainage board bolt, RBF neural networks, live operation robot, manipulator, tighten control

中图分类号:

TP242.3

江维，吴功平，曹琪，杨松. 输电线路带电作业机器人机械手RBF神经网络控制[J]. 东北大学学报:自然科学版, 2017, 38(10): 1388-1394.

JIANG Wei， WU Gong-ping， CAO Qi， YANG Song. RBF Neural Network Control of Live Operation Robot Manipulator for High Voltage Transmission Line[J]. Journal of Northeastern University Natural Science, 2017, 38(10): 1388-1394.

[1]	井元伟，谢海修，白云. TCP/AWM网络系统的自适应有限时间漏斗拥塞控制[J]. 东北大学学报（自然科学版）, 2022, 43(10): 1369-1375.
[2]	张颖，赵长盛，苑文博，郝丽娜. 仿人机械手设计与硬度感知研究[J]. 东北大学学报:自然科学版, 2020, 41(3): 349-355.
[3]	郝国成，锅娟，谭淞元，曾佐勋5. 混沌参数优化RBF算法的震前ENPEMF信号强度趋势预测[J]. 东北大学学报:自然科学版, 2020, 41(12): 1692-1698.
[4]	黄裘俊，张凯，宋锦春，于忠亮. 基于改进粒子群算法的取件机械手轨迹综合优化设计[J]. 东北大学学报:自然科学版, 2018, 39(11): 1636-1641.
[5]	赵石铁，高宪文，车昌杰. 基于RBF神经网络的非线性磁悬浮系统控制[J]. 东北大学学报:自然科学版, 2014, 35(12): 1673-1677.
[6]	杨伟，杨珊，张钦礼，任少峰. 基于RBF神经网络的采场回采工艺改进试验[J]. 东北大学学报:自然科学版, 2014, 35(11): 1641-1645.
[7]	常玉清，张红燕，王姝. 基于RBF神经网络逆系统的注射速度控制[J]. 东北大学学报(自然科学版), 2013, 34(2): 174-177.
[8]	叶成荫;井元伟;. 基于RBF的TCP网络自适应滑模控制[J]. 东北大学学报(自然科学版), 2011, 32(6): 765-768.
[9]	王福斌;刘杰;陈至坤;曾秀丽;. 挖掘机器人阀控缸系统RBF神经网络参数辨识[J]. 东北大学学报(自然科学版), 2010, 31(10): 1475-1478.
[10]	王明顺;. 机器人程序设计中的状态转换方法[J]. 东北大学学报(自然科学版), 2008, 29(2): 166-169.
[11]	吴峰华;岳恒;柴天佑;. 竖炉焙烧过程生产质量监控系统[J]. 东北大学学报(自然科学版), 2007, 28(7): 913-916.
[12]	王宏;姬彦巧;赵长宽;李琪;. 基于肌肉电信号控制的假肢用机械手的设计[J]. 东北大学学报(自然科学版), 2006, 27(9): 1018-1021.
[13]	王明顺;关守平;陈述平;李丹;. 一种分类机械手的研制与开发[J]. 东北大学学报(自然科学版), 2006, 27(9): 957-960.
[14]	王宏;赵长宽;姬彦巧;. 人类手指运动轨迹的计算机仿真[J]. 东北大学学报(自然科学版), 2006, 27(8): 891-894.
[15]	柳洪义;王磊;王菲. 在未知环境下基于阻抗模型的受限机械手模糊力控制方法[J]. 东北大学学报(自然科学版), 2005, 26(8): 766-769.

输电线路带电作业机器人机械手RBF神经网络控制

RBF Neural Network Control of Live Operation Robot Manipulator for High Voltage Transmission Line

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价