电力机器人全局路径自动规划方法、系统、设备及介质

    公开(公告)号:CN118565486B

    公开(公告)日:2024-11-22

    申请号:CN202411002216.1

    申请日:2024-07-25

    Abstract: 本发明涉及电力机器人技术领域,尤其涉及一种电力机器人全局路径自动规划方法、系统、设备及介质,包括构建稠密点云模型的图表示;根据电力机器人位姿信息和环境特征,为每个路径决策点构建决策条件树;遍历决策条件树的每个条件分支,利用图论算法在稠密点云模型的图表示中求解从电力机器人起点到各个巡检目标的最短路径,生成潜在预选路径集合;基于潜在预选路径集合构建路径依赖网络,确定路径间的条件依赖关系,并利用基于环境感知的动态路径优化算法进行迭代优化,获取最优巡检路径。本发明提出的方法不仅提高了路径规划的效率和适应性,而且增强了机器人在面对环境变化时的决策能力,确保电力机器人能够高效准确地完成巡检任务。

    电力机器人目标动态捕捉识别方法、系统、设备及介质

    公开(公告)号:CN118379535A

    公开(公告)日:2024-07-23

    申请号:CN202410349253.3

    申请日:2024-03-26

    Abstract: 本发明涉及电力机器人技术领域,尤其涉及一种电力机器人目标动态捕捉识别方法、系统、设备及介质,包括通过改进AlexNet图像分类模型对采集的当前输电线路巡检图像数据进行动态目标捕捉,输出目标感知信息;基于目标感知信息生成最优模糊集合;根据最优模糊集合分析输入变量与输出变量之间的关系,建立不同动态目标类别的模糊规则,并根据输入变量的最优模糊集合,利用模糊规则进行模糊逻辑推理,计算输出变量模糊值;对输出变量模糊值进行去模糊化处理,得到电力机器人控制指令。本发明通过结合改进AlexNet图像分类模型、模糊逻辑控制与机器学习方法,能够更准确地捕捉和识别动态目标,提高复杂电力环境识别效率和准确性。

    一种面向电力数据共享的联邦学习聚合优化方法及系统

    公开(公告)号:CN118114781A

    公开(公告)日:2024-05-31

    申请号:CN202311523333.8

    申请日:2023-11-14

    Abstract: 本申请公开了一种面向电力数据共享的联邦学习聚合优化方法、系统及中心服务器,根据各个本地客户端的信息,初始化全局模型参数并选取参与优化的最优本地客户端集,以对初始化后的全局模型参数进行训练得到更新的本地模型参数,中心服务器对更新的本地模型参数进行可验证聚合运算,并对聚合结果进行验证,得到更新的全局模型参数,根据更新的全局模型参数判断全局模型的收敛情况,并根据收敛结果对本地模型参数和全局模型参数进行迭代更新,直至所述全局模型达到收敛。本申请提供的方法,采用基于CKKS加密的可验证安全聚合方式,提升数据安全性,优化模型的收敛方向,提高模型学习性能;最优本地客户端集可以减少通信消耗,提高训练速度。

Patent Agency Ranking