一种基于云边协同的风机叶片机器人维护方法及系统技术方案

本发明专利技术属于智能机器人领域，一种基于云边协同的风机叶片机器人维护方法及系统，所述方法包括：智能机器人实时采集风机叶片损坏图像，并进行初步特征提取；边缘节点利用多任务学习支持向量机对损坏类型进行分类，通过融合多传感器数据与SLAM算法，进行机器人定位，生成初步维护策略，机器人根据边缘节点的指令执行维护任务，并反馈至云端；云端通过卷积神经网络重新训练分类模型，优化损失函数及模型参数，并向边缘节点推送参数优化结果；边缘节点替换原有模型参数，优化风机叶片损伤分类与维护策略；本发明专利技术通过将高实时性任务在边缘节点处理，复杂任务上传至云端的云边协同工作方法，能够有效解决风机叶片维护的资源配置与维护效率问题。

【技术实现步骤摘要】

本专利技术属于智能机器人领域，具体涉及一种基于云边协同的风机叶片机器人维护方法及系统。

技术介绍

1、随着风机发电组单机容量的逐年增加以及装机量的不断扩大，风机的可靠性维护和风机叶片的高效检修已逐渐成为行业发展的焦点。传统的目式检测、红外热像检测、振动检测等技术检测耗时较长，且检测后维护较复杂。停机时间过长将导致产能损失和经济效益降低，不满足人们实际需求。因此，开发高效的风机叶片维护机器人维护系统，降低维护成本具有实际工程意义。

技术实现思路

1、为解决以上现有技术存在的问题，本专利技术提出了一种基于云边协同的风机叶片机器人维护方法及系统。

2、一方面，本专利技术提供一种基于云边协同的风机叶片机器人维护方法，该方法包括：

3、s1：机器人通过高分辨率摄像头和传感器采集风机叶片损坏图像，并进行特征提取；

4、s2：边缘计算节点对图像数据进行预处理，并利用多任务学习支持向量机(mtl-svm)对特征参数进行分类，识别损坏类型，结合多传感融合的slam算法获取机器人位置信息，并与本文档来自技高网...

【技术保护点】

1.一种基于云边协同的风机叶片机器人维护方法，其特征在于，包括：

2.根据权利要求1所述的一种基于云边协同的风机叶片机器人维护方法，其特征在于，边缘计算节点对图像数据进行预处理，包括：

3.根据权利要求1所述的一种基于云边协同的风机叶片机器人维护方法，其特征在于，机器人通过高分辨率摄像头和传感器采集风机叶片损坏图像，并进行特征提取，包括：

4.根据权利要求3所述的一种基于云边协同的风机叶片机器人维护方法，其特征在于，相关性函数表达式为：

5.根据权利要求1所述的一种基于云边协同的风机叶片机器人维护方法，其特征在于，利用多任务学习支持向量机(...

【技术特征摘要】

1.一种基于云边协同的风机叶片机器人维护方法，其特征在于，包括：

2.根据权利要求1所述的一种基于云边协同的风机叶片机器人维护方法，其特征在于，边缘计算节点对图像数据进行预处理，包括：

3.根据权利要求1所述的一种基于云边协同的风机叶片机器人维护方法，其特征在于，机器人通过高分辨率摄像头和传感器采集风机叶片损坏图像，并进行特征提取，包括：

4.根据权利要求3所述的一种基于云边协同的风机叶片机器人维护方法，其特征在于，相关性函数表达式为：

5.根据权利要求1所述的一种基于云边协同的风机叶片机器人维护方法，其特征在于，利用多任务学习支持向量机(mtl-svm)对特征参数进行分类，识别损坏类型，包括：

6.根据权利要求1所述的一种基于云边协同的风机叶片机器人维护方法，其特征在于，结合多传感融合的slam算法获取机器人位置信息，包括：

7.根据权利要求6所述的一种基于云边协同的风机叶片机器人维护方法，其特征在于，采用概率匹配模型将三...

【专利技术属性】
技术研发人员：禄盛，雷宇铖，李海青，罗久飞，黄帅，杨宝军，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：