论文部分内容阅读
长距离浆体管道输送技术,已经成功解决偏远山区矿产资源输送问题。浆体管道大部分铺设在山地、丘陵地带,极端天气一旦发生极易对管道造成危害,产生巨大的经济损失。管道巡线人员沿.山路对管线进行巡视,无法及时发现并确定事故管线地点,导致故障无法及时得到处理。因此,采取一种既能快速查找定位矿浆管道事故地点,又能节省人力物力的方式具有重要的意义。针对管道所处山地位置环境复杂,巡线人员不易到达现场,造成管道巡线维护成本较大问题,本文设计了一种四旋翼无人机的辅助巡线系统,用于矿浆管道运行状态的监测。巡线人员可以通过辅助巡线机器人,在无法到达管道位置的情况下,通过无人机上所携带的图像处理设备和图传设备自动地对管道进行跟踪巡视,观察矿浆管道运行状态。本文的主要工作内容和研究成果如下:(1)建立基于深度卷积神经网络(CNN)的管道分类模型。采集了实验室条件下的模拟管道数据作为数据集,对神经网络管道分类模型进行训练。通过在测试集上对模型进行验证,该管道识别分类模型可以识别复杂条件下的管道,结果显示其分类正确率基本满足要求。(2)设计了基于STM32F405单片机的飞行控制系统。首先对四旋翼飞行器进行数学建模,分析其模型特性,确定飞行器的控制策略。其次,对各个传感器,包括加速度计、陀螺仪和磁力计等进行拟合校正和数据滤波,计算得到较为准确的姿态信息。最后实现了基于串级PID算法的飞行控制器。(3)实现了管道分类模型软件、飞控系统软件和飞控系统硬件。使用Python脚本语言和TensorFlow深度学习框架实现了模型的软件部分。使用C语言完成了飞行控制系统的软件部分、传感器数据的处理与校准程序、姿态控制程序和位置控制程序,并最终在STM32单片机上运行。(4)将机载电脑和飞控系统搭载到四旋翼飞行器上,在实验室模拟管道下进行模拟矿浆管道巡线飞行,飞行器可按模拟管道路线自主飞行,达到了矿浆管道巡线要求,实现了对矿浆管道运行状态的监测。