相关实验视频
Updated: Jul 12, 2025
10:56
Long-term Behavioral Tracking of Freely Swimming Weakly Electric Fish
Published on: March 6, 2014
12.6K
空间域图像融合与粒子集群优化和轻量级AlexNet用于机器人鱼传感器故障诊断
Xuqing Fan1,2, Sai Deng1,2, Zhengxing Wu1,2
1Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China.
Biomimetics (Basel, Switzerland)
|October 27, 2023
概括
这项研究引入了一种新的故障诊断方法,用于使用格拉米安角场融合和轻量级AlexNet.Net的机器人鱼传感器. 该技术在识别传感器故障方面达到高精度 (99.72%),提高了机器人鱼的可靠性.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 传感器技术 传感器技术
背景情况:
- 机器人鱼需要高安全性和可靠性才能有效运行.
- 错误诊断对于保持机器人系统的性能至关重要.
- 在复杂的机器人鱼应用中,现有的方法可能缺乏效率或准确性.
研究的目的:
- 为机器人鱼传感器提出一种有效的故障诊断方法.
- 通过精确的故障检测,提高机器人鱼的安全性和可靠性.
- 开发一个计算高效的诊断模型.
主要方法:
- 将 1D 传感器时间序列数据转换为 2D 格拉米安角场 (GAF) 图像,使用滑动窗口增强.
- 实施GAF总和差异场图像的加权融合,以提取全面的信息.
- 使用轻量级的AlexNet模型,优化了粒子群优化 (PSO) 进行特征提取和分类.
主要成果:
- 拟议的GAF融合与PSO优化的轻量级AlexNet实现了99.72%的故障诊断准确度.
- 确定最佳加权聚变系数为0.276,以获得最大的准确性.
- 该方法在诊断机器人鱼的深度传感器故障方面表现出高效.
结论:
- 开发的故障诊断方法显著提高了机器人鱼中传感器故障检测的准确性和效率.
- 整合GAF成像,加权聚变和PSO优化的AlexNet为机器人系统可靠性提供了强大的解决方案.
- 这种方法为确保无人驾驶水下车辆的安全和可靠运行提供了宝贵的工具.
