摘要:本文使用在自主机器人中实现的光检测和范围传感器提出了一种新技术,用于对高压传输线(LARA)的多模式预测检查。该方法通过使用人工智能技术提供垂直感知并分类传输线组件,从而增强了机器人的功能。基于激光雷达的系统着重分析对象的二维(2D)切片,减少数据量并提高计算效率。对象分类是通过计算2D切片中的绝对差异来创建唯一签名来实现的。当在真实机器人上使用Raspberry Pi上的K-Nearest邻居网络进行实验评估时,该系统在线性运动实验中准确检测到的对象,例如减震器,信号和绝缘体。结果表明,这种方法显着提高了Lara识别电力线组件,达到高分类精度并具有先进自主检查应用的潜力。
摘要。本文介绍了一种系统,用于根据安装在塔和绝缘体上的传感器来监视高架电源线和变电站的绝缘条件。传感器在电容耦合上与绝缘结构一起工作,并在绝缘子附近注册电气放电的外观和生长。传感器的数据具有预定频率(从1分钟或更长时间)是将蜂窝通信传输到操作服务计算机(智能手机),并显示为更改屏幕上的图形。在本文中,提出了系统的运行和功能图,并在实验室和现场条件下使用了110 kV线的实验室和现场条件中的制成产品样品进行了描述的测试和实验结果。现场实验的结果显示了与传统诊断设备相比,监测绝缘材料的优势。
大的身体,额外的视力差,并且偏爱夜间活动;在幼鸟中缺乏飞行经验,可能会增加碰撞的脆弱性;偏爱栖息,栖息或筑巢的高架位置;偏爱无树的开放式栖息地,并吸引升高的杆子;植入和群体行为可能会损害大浓度的可见性;对干扰的敏感性;偏爱低空栖息地,那里的电源线密度很高;低物种密度(替代潜力较低);低生殖潜力,这意味着成人死亡率的增加会导致人口恢复的时间增加;低繁殖力,低自然死亡率和长寿的预期;长途洲际移民,可能通过一个区域,可能会受到新线和其他线路的影响。