基于姿态传感器数据的改进 ICNN-LSTM 分类模型用于磁吸附爬墙机器人危险状态评估
机器人学
2024-12-31 v1 信号处理
仪器与探测器
摘要
磁吸附轨迹爬墙机器人因能在垂直或倾斜墙面上执行各种操作而广泛应用于高空检验、焊接与清洁等场景。然而，机器人在运行中可能因自重及外部荷载产生翻转扭矩，导致磁盘脱离从而引发安全风险。本文提出一种基于微电机系统（MEMS）姿态传感器数据的改进 ICNN-LSTM 网络分类方法，用于磁吸附轨迹爬墙机器人的实时监测与危险状态评估。首先设计一种能捕捉细微振动的姿态传感器数据获取策略；其次提出一种结合改进卷积神经网络（ICNN）与长短期记忆网络（LSTM）的特征提取与分类模型。实验验证表明，所提细微振动感知方法取得显著效果，改进分类模型在各类模型中始终表现出高准确率。研究结果为爬墙机器人的安全运行提供了有效技术支持。
引用
@article{arxiv.2412.20675,
title = {Improved ICNN-LSTM Model Classification Based on Attitude Sensor Data for Hazardous State Assessment of Magnetic Adhesion Climbing Wall Robots},
author = {Zhen Ma and He Xu and Jielong Dou and Yi Qin and Xueyu Zhang},
journal= {arXiv preprint arXiv:2412.20675},
year = {2024}
}
备注
20 pages, 8 figures, manuscript for Journal of Autonomous Robots