[发明专利]高压输电线缠绕异物的跟踪预测方法

权利要求书

1.高压输电线缠绕异物的跟踪预测方法，其特征在于，具体包括如下步骤：

步骤1，接收摄像机返回的缠绕异物图像，计算异物位置包括异物相对于实际跟踪装置的俯仰角度和水平角度，并对异物位置数据进行归一化；

步骤2，创建人工神经网络，拟合异物位置与时间的函数关系；

步骤3、利用人工神经网络预测异物位置，调整跟踪装置位置；

步骤4、接收装置返回的异物真实位置，将预测结果与真实结果进行比较，若误差小于设定的允许值，则继续利用该神经网络预测异物的位置，否则重新收集数据训练神经网络；

步骤2中，将连续N个时刻的异物位置数据作为输入，对网络进行训练，得到最优的权值，具体为：

步骤2-1，构建人工神经网络，其输入为t_j，代表第j个时刻，输出为代表神经网络拟合出的第l个时刻对应的俯仰角，并随机初始化权值w_ij；

神经网络包括N个神经元的输入层，输入层节点输出值的计算方法为：

其中，t_j代表第j个时刻，的上小标(1)，(2)，(3)分别对应输入层、隐含层和输出层，右侧的(k)表示第k次迭代过程；

包括M个神经元的隐含层，隐含层输入与输出值得计算方法分别为：

式中为隐含层权值系数，f[·]＝tanh(x)为隐含层激励函数；

以及N个神经元的输出层，输出层输入与输出值得计算方法分别为：

式中为输出层权值系数，g[·]＝sigmoid(x)为输出层激励函数；

步骤2-2，选取误差平方和函数为性能指标，其表达式为：

其中，为输出层的输出构成的矩阵，为N个时刻的俯仰角构成的矩阵；

步骤2-3，按照最速下降法修正权值，则隐含层到输出层权值变化的表达式为：

其中η为学习速率，α为动量系数，的表达式如下：

权值变化表达式为：

同理，输入层到隐含层权值调整的表达式为：

步骤2-4，利用式(5)计算性能指标J(k)，若其小于设定的常数ε，则不再调整权值，否则重复步骤3-3和步骤3-4。

2.根据权利要求1所述的高压输电线缠绕异物的跟踪预测方法，其特征在于，步骤1中，将异物位置数据归一化到(-1,1)之间，公式为：

其中，表示第i个时刻，表示第i个时刻的俯仰角，表示第i个时刻的水平角，t_i表示归一化后的第i个时刻，v_i表示归一化后的第i个时刻的俯仰角，h_i表示归一化后的第i个时刻的水平角。

3.根据权利要求1所述的高压输电线缠绕异物的跟踪预测方法，其特征在于，步骤3中，将需要预测的时刻t_N+1，与之前的N-1个时刻组成新的输入数据x_i＝t_i(i＝2,3,…,N+1)，利用神经网络求出预测结果则为预测出的t_N+1时刻的俯仰角和水平角。