[發明專利]一種應用于高鐵機房的巡檢方法及巡檢機器人系統

有效

• 申請號: 201810022438.8
• 申請日: 2018-01-10
• 公開（公告）號: CN108189043B
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 宗孝鵬
• 申請（專利權）人: 北京飛鴻云際科技有限公司
• 主分類號: B25J11/00
• 分類號: B25J11/00;B25J9/16
• 代理公司: 北京汲智翼成知識產權代理事務所(普通合伙) 11381
• 代理人: 陳曦;王鵬麗

1.一種應用于高鐵機房的巡檢方法，其特征在于包括如下步驟：

(1)巡檢機器人啟動，開機狀態自檢及設備初始化；

(2)讀取巡檢任務文件，獲取需檢測的目標機柜號，從機柜位置數據庫中導出與所述目標機柜號對應的目標機柜的位置信息；

(3)巡檢機器人根據激光雷達采集的環境特征進行實時定位，進行全局路徑規劃與局部路徑規劃，依次到達目標機柜位置；當巡檢機器人到達目標機柜位置時進行環境檢測，并對目標機柜的狀態進行檢測；其中，進一步包括如下子步驟：(31)判斷目標機柜是否走完，若結果為否，則執行步驟(32)；若結果為是，執行步驟(34)；(32)開始到達下一個目標機柜位置，通過激光雷達進行實時定位，判斷巡檢機器人是否成功到達，當成功到達時，采集聲音數據和溫濕度數據，并依次采集低位置、中位置及高位置的目標機柜狀態數據，然后進入步驟(33)；當沒有成功到達時，記錄失敗的目標機柜號，然后進入步驟(33)；(33)讀取巡檢機器人的電量值，判斷是否需要充電；若是，則巡檢機器人回到充電樁位置，進行自主充電；若否，則返回步驟(31)；(34)判斷是否有失敗的目標機柜位置，若結果為否，則直接進入步驟(4)；若結果為是，執行步驟(35)：重新組合失敗的目標機柜位置，依次到達失敗的目標機柜，當成功到達目標機柜時，采集聲音數據和溫濕度數據，并依次采集低位置、中位置及高位置的目標機柜狀態數據，如果有未成功到達的目標機柜，則再次記錄失敗的目標機柜號，然后進入步驟(4)；

(4)回到充電樁位置，進行自主充電，結束巡檢。

2.如權利要求1所述的巡檢方法，其特征在于：

在步驟(3)中，加載高鐵機房的地圖，通過激光雷達感知的環境特征，提取激光雷達測量得到的激光數據中的局部特征信息，并利用SLAM技術將局部特征信息融合成一個統一的全局特征地圖，進而實現對巡檢機器人的實時定位，并更新到地圖中；然后根據已獲取的地圖，導航模塊根據自身當前位置、目的地位置及可通行性的分析，并結合巡檢任務的需求，對全局路徑和局部路徑進行規劃，選擇快捷的路徑進行巡檢。

3.如權利要求1所述的巡檢方法，其特征在于：

在步驟(3)中，使用預先生成的包含深度學習神經網絡模型的狀態燈識別算法對機柜狀態燈進行檢測；并且，包含不同深度學習神經網絡模型的狀態燈識別算法分別與相應目標機柜號及高、中、低位置關聯存儲。

4.如權利要求3所述的巡檢方法，其特征在于：

在步驟(3)中所使用的深度學習神經網絡模型的訓練過程如下：

S1：采集每個機柜的視頻，按照機柜類別進行視頻分類及編號；對采集的視頻進行切片，分割成圖片的格式；

S2：建立訓練的數據集，將所有的機柜狀態燈分為六大類：綠燈、紅燈、黃燈、白燈、滅燈、燈組；

S3：根據對機柜狀態燈的分類，對切片后的圖片進行標注；

S4：將數據集分為兩大類，分別是訓練數據集和測試數據集；

S5：對于訓練數據集，定義深度學習神經網絡模型，設計合適的神經網絡結構；并定義損失函數，用來描述神經網絡的訓練效果；

S6：將訓練數據集數據傳入深度學習神經網絡模型，進行模型參數訓練，得到深度學習神經網絡模型的連接權值和偏置參數；判斷損失函數是否收斂，若是，輸出深度學習神經網絡模型，否則，繼續訓練；

S7：將測試數據集傳入訓練后的深度學習神經網絡模型，判斷準確率是否大于設定閾值，若是，獲得最終的深度學習神經網絡模型，結束訓練流程；否則，返回S6重新訓練。