CN110737264B - 一种实验室远程监控*** - Google Patents
一种实验室远程监控*** Download PDFInfo
- Publication number
- CN110737264B CN110737264B CN201910859708.5A CN201910859708A CN110737264B CN 110737264 B CN110737264 B CN 110737264B CN 201910859708 A CN201910859708 A CN 201910859708A CN 110737264 B CN110737264 B CN 110737264B
- Authority
- CN
- China
- Prior art keywords
- resistor
- monitoring
- laboratory
- module
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 claims abstract description 168
- 239000003990 capacitor Substances 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 19
- 241000700605 Viruses Species 0.000 claims description 13
- 230000035772 mutation Effects 0.000 claims description 11
- 238000010191 image analysis Methods 0.000 claims description 9
- 238000002922 simulated annealing Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- ZXQYGBMAQZUVMI-GCMPRSNUSA-N gamma-cyhalothrin Chemical compound CC1(C)[C@@H](\C=C(/Cl)C(F)(F)F)[C@H]1C(=O)O[C@H](C#N)C1=CC=CC(OC=2C=CC=CC=2)=C1 ZXQYGBMAQZUVMI-GCMPRSNUSA-N 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Selective Calling Equipment (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明提供了一种实验室远程监控***,监控终端,用于发送可控制监控模块进行相应工作的远程监控指令,监控模块,用于对实验室中的实验设备进行远程监控,并对所远程监控到的实验设备的数量进行记录;服务器,用于当监控模块对实验室中的实验设备进行远程监控时,标记并判断监控模块所移动的实际速度和实际路线是否与对应的预设速度和预设路线相一致;若是,获取监控模块所记录的实验设备的数量,并判断所记录的实验设备的数量是否与预设地图上的预设数量相一致;若是,控制监控模块按照预设间隔时间段进行工作,可降低对实验设备进行监测出现遗漏的可能性。
Description
技术领域
本发明涉及远程监控技术领域,特别涉及一种实验室远程监控***。
背景技术
传统的实验室而言,一般都是检测人员到实验室内后,对实验室中的实验设备进行检查,而且在对实验室的实验设备进行检查的过程中,可能还会存在人为的检测误差,例如,在对实验设备进行挨个检查的过程中出现遗漏等的情况,因此,利用智能化***进行实验设备进行监测,就显得尤为重要。
发明内容
本发明提供一种实验室远程监控***,用以通过控制监控模块按照相应预设速度和预设路线对实验室中的实验设备进行监测,并对监测过程中的实验设备进行记录,可降低对实验设备进行监测出现遗漏的可能性。
本发明实施例提供一种实验室远程监控***,包括:
监控终端,用于发送可控制监控模块进行相应工作的远程监控指令,其中,所述远程监控指令包括:所述监控模块按照预设速度移动指令、所述监控模块按照预设路线实时监控指令;
所述监控模块,用于基于所述监控终端所传输的远程监控指令,对实验室中的实验设备进行远程监控,并对所远程监控到的所述实验设备的数量进行记录;
服务器,用于当所述监控模块基于所述监控终端所传输的远程监控指令,对实验室中的实验设备进行远程监控时,标记并判断所述监控模块所移动的实际速度和实际路线是否与对应的预设速度和预设路线相一致;
若是,获取所述监控模块所记录的所述实验设备的数量,并判断所记录的实验设备的数量是否与实验室相关的预设地图上所标注的预设数量相一致;
若是,控制所述监控模块按照预设间隔时间段进行工作;
否则,向警示模块发送第一警示指令;
所述警示模块,用于根据所述服务器所发送的第一警示指令执行相应的第一警示操作。
在一种可能实现的方式中,
所述监控模块,还用于获取与所述实验设备相关的监控结果,所述监控结果包括:所述实验室内的每个实验设备的当前运转数据、及每个实验设备所处预设区域的当前环境信息;
所述服务器,用于基于预先存储的监控数据分析库,对所述监控模块所获取到的所述监控结果进行预处理,获得相应的设备信息,并将所获得的设备信息传输到所述监控终端进行显示。
在一种可能实现的方式中,
所述监控模块包括:
第一摄像单元,设置在所述实验室中的内部,用于对所述实验室的内部结构进行拍摄,获得实验室的内部场景图;
第二拍摄单元,用于对所述实验室内的每个实验设备进行拍摄,获得每个所述实验设备的设备图像;
所述服务器,用于根据所述第一拍摄单元所拍摄的内部场景图和所述第二拍摄单元所拍摄的设备图像,确定所述设备图像中的实验设备在所述内部场景图中的位置信息。
在一种可能实现的方式中,
所述监控模块还包括:
判断单元,用于判断所确定的位置信息是否与预先存储的预设位置对应表相对应,若是,向所述监控终端发送所述设备图像中的实验设备在所述内部场景图中的位置信息相关的设备位置图;
若否,所述服务器向所述警示模块发送第二警示指令;
所述警示模块,根据所述第二警示指令执行相应的第二警示操作;
其中,所述预设位置对应表中包括:与实验设备相关的设备型号、及与所述实验设备相关的设备型号一一对应的所述实验设备的预设位置。
在一种可能实现的方式中,
所述服务器,还用于基于图像分析库,对所述第二拍摄单元所获得的每个所述实验设备的设备图像进行图像分析,并根据对应的图像分析结果判断所述设备图像中对应的实验设备是否出现故障,若是,向所述警示模块发送第三警示指令,同时控制定位模块开始工作,
定位模块,用于当所述服务器判断出所述设备图像中对应的实验设备出现故障时,对出现故障的所述实验设备进行定位,并由所述服务器将对应的定位结果传输到监控终端。
在一种可能实现的方式中,还包括:
监测模块,用于对所述实验室中的实验设备上的已启动的应用程序进行监测,获得相应的监测结果;
确定模块,用于根据所述监测模块所获得的监测结果,确定所述已启动的应用程序中是否有病毒出现;
所述服务器,用于根据所述确定模块所确定的当所述已启动的应用程序中有病毒出现时,控制所述实验设备上的拦截软件开启,对所述病毒进行拦截,并向所述监控终端发送相关的拦截结果。
在一种可能实现的方式中,还包括:
充电模块,用于分别给所述实验室内的每个实验设备进行充电;
其中,所述充电模块中设置有一保护电路,且所述保护电路包括:第一电阻R1、第二电阻R2、第三电阻R3、第四电阻R4、第五电阻R5、第六电阻R6、第七电阻R7、第八电阻R8、第九电阻R9、第十电阻R10、第十一电阻R11、第十二电阻R12、第一电容C1、第二电容C2、第三电容C3、第一二极管Q1、第二二极管Q2、第三二极管Q3、第四二极管Q4、第五二极管Q5、第六二极管Q6、第一NPN晶体管N1、第二NPN晶体管N2、第三NPN晶体管N3、第四NPN晶体管N4、第一PNP晶体管P1、第二PNP晶体管P2、地GND、电源VDD、功率放大器A,
其中,电源VDD的正极与第一二极管Q1的正极连接,第一二极管Q1的负极分别与第二二极管Q2的正极、及第一PNP晶体管P1的基极、第十电阻R10的一端连接,第二二极管Q2的负极与第三NPN晶体管N3的基极连接,第三NPN晶体管N3的集电极分别与第十二电阻R12、第三电容C3、第十一电阻R11的一端、及第五二极管Q5的负极连接,第十一电阻R11的另一端与第六二极管Q6的正极连接,第六二极管Q6的负极与第五二极管Q5的正极、第四NPN晶体管N4的基极连接;
第三NPN晶体管N3的发射极、第十二电阻R12与第三电容C3的另一端、第四NPN晶体管N4的发射极与地GND连接;
第一PNP晶体管P1的集电极同时与第一电容C1、第一电阻R1的一端连接,第一电容C1、第一电阻R1的另一端同时与第一NPN晶体管N1的基极连接,第一NPN晶体管N1的集电极与第二电容C2、第四电阻R4的一端连接,第二电容C2的另一端与第二电阻R2的一端连接,第四电阻R4的另一端与第三电阻R3的一端连接;
第十电阻R10的另一端分别与第二PNP晶体管P2的集电极、第二电阻R2、第三电阻R3的一端、第四NPN晶体管N4的集电极、第八电阻R8的一端、第四二极管Q4的正极、第五电阻R5的一端、功率放大器A的正向输入端连接;
第二PNP晶体管P2的发射极与第三二极管Q3的正极连接,第三二极管Q3的负极与第九电阻R9的一端连接,第九电阻R9的另一端与第二NPN晶体管N2的基极连接,第二NPN晶体管N2的集电极分别与第四二极管Q4的负极、第八电阻R8、功率放大器A的输出端连接;
第五电阻R5的另一端与第六电阻R6的一端连接,第六电阻R6的另一端与电源VDD连接,功率放大器A的反向输入端与第七电阻R7的一端连接,第七电阻R7的另一端与地GND连接;
第一PNP晶体管P1的发射极与第二PNP晶体管P2的基极连接。
在一种可能实现的方式中,
所述充电模块是采用无线充电线路和/或有线充电线路为所述实验设备充电的。
在一种可能实现的方式中,还包括:
所述监控模块,还能根据当前所处位置,以及需要到达的实验设备的位置,智能控制运动轨迹,使得监控模块在运动过程中转弯次数最少,同时减少被障碍物碰撞几率,其中所述智能控制运动轨迹包含如下步骤:
步骤A1、将实验室构建为一个栅格地图,根据所述栅格位置进行编号,将监控模块当前所处位置标注为start,将需要到达的实验设备的位置标注为end,接着,用黑色栅格表示障碍物位置,并将障碍物多对应的编号剔除;
步骤A2、进行初始运动轨迹规划,形成一个初始路径库;
步骤A3、针对初始路径库中的每条路径,获取路径的转折点,将转择点的转折角度转变为转折时间;
y=(2-cos(θ))*λ
其中,y为转折时间,θ为转折角度,λ为预设的直线转折时间;
步骤A4、根据转折点,将路径分为N段,即N为节点数加1,并计算路径时间复杂度;
其中,Tk为第k条路径的时间复杂度,Dk,i为第k条路径的第i段的距离,Vk,i为第k条路径的第i段的速度,yk,j为第k条路径的第j个节点的转折时间,i=1、2、3…N,j=1、2、3…N-1;
步骤A4、利用改进模拟退火算法进行运动轨迹优化,其中包含如下步骤:
步骤A401、以初始路径库中的运动轨迹作为种群库;
步骤A402、从初始种群库中随机选择两个运动轨迹作为父代种群,并计算父代种群的交叉节点数;
其中,Jj为种群的交叉节点数,ηj为预设的交叉系数,预设值为0.5到1,Tmin为父代种群中的两个运动轨迹中小的时间复杂度的值,min(T)为种群库中所有运动轨迹中时间复杂度最小的值,max(T)为种群库中所有运动轨迹中时间复杂度最大的值,floot()为对括号内的值取整;
从两个父代种群中随机选出一个相同的节点,并以这个节点为交叉点,对连续的Jj个节点进行交叉,从而形成新的子代;
步骤A403、从选择的两个父代群中选择运动轨迹的时间复杂度较小的父代变异种群,并计算变异节点数;
其中,Bj为变异节点数,ηb为预设的变异系数,预设值为0.5到1,T为父代变异种群的运动轨迹的时间复杂度;
在父代变异种群中进行Bj次变异,每次变异一个节点,形成Bj个子代;
步骤A404、计算两个父代种群和形成的子代的路径的运动轨迹的时间复杂度,选择时间复杂度中较小的4个运动轨迹进入新的种群库,并将两个父代种群从初始种群库中剔除;
步骤A405、重复步骤A402步骤A404,直至初始种群库中剩余的运动轨迹不足两个,则结束重复操作,并计算新的种群库中所有运动轨迹的时间复杂度的最小值作为比较值;
步骤A406、将新的种群库作为初始种群库,重复步骤A402到步骤A406,直至比较值连续10次不再变化,则将此时比较值所对应的运动轨迹作为监控模块的运动轨迹。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种实验室远程监控***的结构示意图;
图2为本发明实施例中保护电路的电路图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供一种实验室远程监控***,如图1所示,包括:
监控终端,用于发送可控制监控模块进行相应工作的远程监控指令,其中,所述远程监控指令包括:所述监控模块按照预设速度移动指令、所述监控模块按照预设路线实时监控指令;
所述监控模块,用于基于所述监控终端所传输的远程监控指令,对实验室中的实验设备进行远程监控,并对所远程监控到的所述实验设备的数量进行记录;
服务器,用于当所述监控模块基于所述监控终端所传输的远程监控指令,对实验室中的实验设备进行远程监控时,标记并判断所述监控模块所移动的实际速度和实际路线是否与对应的预设速度和预设路线相一致;
若是,获取所述监控模块所记录的所述实验设备的数量,并判断所记录的实验设备的数量是否与实验室相关的预设地图上所标注的预设数量相一致;
若是,控制所述监控模块按照预设间隔时间段进行工作;
否则,向警示模块发送第一警示指令;
所述警示模块,用于根据所述服务器所发送的第一警示指令执行相应的第一警示操作。
上述监控模块可实施为机器人。
上述预设速度和预设路线,是按照实验室的实验设备所处的位置,进行设定的。
上述预设地图,是实验室的内部构造图,包括每个实验设备在实验室中的位置、实验室中可供监控模块移动的通道等。
上述第一警示指令,例如可以是速度不一致指令、路线不一致指令、数量不一致指令中的任一种或多种的组合;
上述对于不同的实验室,其监控模块可按照不同的预设速度进行移动、及预设路线进行实时监控等。
其对应的第一警示操作,例如可以是振动、声、光等一种或多种的组合。
上述监控终端,例如可以是,笔记本、手机、电脑中的任一种或多种。
上述控制监控模块按照预设间隔时间段进行工作,是为了降低监控模块的功耗,提高监控模块的使用寿命。
上述技术方案的有益效果是:用以通过控制监控模块按照相应预设速度和预设路线对实验室中的实验设备进行监测,并对监测过程中的实验设备进行记录,可降低对实验设备进行监测出现遗漏的可能性。
本发明实施例提供一种实验室远程监控***,
所述监控模块,还用于获取与所述实验设备相关的监控结果,所述监控结果包括:所述实验室内的每个实验设备的当前运转数据、及每个实验设备所处预设区域的当前环境信息;
所述服务器,用于基于预先存储的监控数据分析库,对所述监控模块所获取到的所述监控结果进行预处理,获得相应的设备信息,并将所获得的设备信息传输到所述监控终端进行显示。
上述预处理,例如是对获取的实验室内的每个实验设备的当前运转数据、及每个实验设备所处预设区域的当前环境信息进行叠加处理。
上述每个实验设备的当前运转数据例如为:B实验设备网络传输速度2MB/S,对应的所处预设区域的当前环境信息为,A区域的环境良好,则对应的设备信息为,A区域的环境良好,且对应的B实验设备网络传输速度2MB/S。
若预设信息为A区域的环境良好,且对应的C实验设备网络传输速度2MB/S。
上述技术方案的有益效果是:将获取的与实验设备相关的监控结果进行显示,方便随时查看。
本发明实施例提供一种实验室远程监控***,所述监控模块包括:
第一摄像单元,设置在所述实验室中的内部,用于对所述实验室的内部结构进行拍摄,获得实验室的内部场景图;
第二拍摄单元,用于对所述实验室内的每个实验设备进行拍摄,获得每个所述实验设备的设备图像;
所述服务器,用于根据所述第一拍摄单元所拍摄的内部场景图和所述第二拍摄单元所拍摄的设备图像,确定所述设备图像中的实验设备在所述内部场景图中的位置信息。
上述位置信息是实验设备在内部场景图中的位置。
上述技术方案的有益效果是:便于对设备图像中的实验设备的位置进行确定。
本发明实施例提供一种实验室远程监控***,所述监控模块还包括:
判断单元,用于判断所确定的位置信息是否与预先存储的预设位置对应表相对应,若是,向所述监控终端发送所述设备图像中的实验设备在所述内部场景图中的位置信息相关的设备位置图;
若否,所述服务器向所述警示模块发送第二警示指令;
所述警示模块,根据所述第二警示指令执行相应的第二警示操作。
优选地,所述预设位置对应表中包括:与实验设备相关的设备型号、及与所述实验设备相关的设备型号一一对应的所述实验设备的预设位置。
上述预设位置对应表例如可以是,实验设备C1对应的位置为c1、实验设备C2对应的位置为c2、实验设备C3对应的位置为c3等以此类推。
其中,C1为实验设备的型号,c1为实验设备的预设位置。
上述第二警示指令,例如可以为位置错误指令。
对应的第二警示操作,例如可以是语音警示。
上述技术方案的有益效果是:降低实验设备正确放置到相应位置的可能性。
本发明实施例提供一种实验室远程监控***,
所述服务器,还用于基于图像分析库,对所述第二拍摄单元所获得的每个所述实验设备的设备图像进行图像分析,并根据对应的图像分析结果判断所述设备图像中对应的实验设备是否出现故障,若是,向所述警示模块发送第三警示指令,同时控制定位模块开始工作,
定位模块,用于当所述服务器判断出所述设备图像中对应的实验设备出现故障时,对出现故障的所述实验设备进行定位,并由所述服务器将对应的定位结果传输到监控终端。
上述实验设备出现的故障,例如可以是,实验设备的外壳出现损坏等,其对应的故障是针对实验设备可肉眼看见的。
上述技术方案的有益效果是:通过及时获取出现故障的实验设备的位置,便于及时对其进行处理。
本发明实施例提供一种实验室远程监控***,还包括:
监测模块,用于对所述实验室中的实验设备上的已启动的应用程序进行监测,获得相应的监测结果;
确定模块,用于根据所述监测模块所获得的监测结果,确定所述已启动的应用程序中是否有病毒出现;
所述服务器,用于根据所述确定模块所确定的当所述已启动的应用程序中有病毒出现时,控制所述实验设备上的拦截软件开启,对所述病毒进行拦截,并向所述监控终端发送相关的拦截结果。
上述病毒,包括但不限于木马病毒、蠕虫病毒等。
应用程序,是设置在实验设备上的,可以对其应用程序进行病毒拦截等操作。
上述拦截软件,例如可以是,腾讯管家。
上述技术方案的有益效果是:便于对实验设备进行保护,提高其的使用寿命。
本发明实施例提供一种实验室远程监控***,还包括:
充电模块,用于分别给所述实验室内的每个实验设备进行充电;
其中,所述充电模块中设置有一保护电路,且所述保护电路包括:第一电阻R1、第二电阻R2、第三电阻R3、第四电阻R4、第五电阻R5、第六电阻R6、第七电阻R7、第八电阻R8、第九电阻R9、第十电阻R10、第十一电阻R11、第十二电阻R12、第一电容C1、第二电容C2、第三电容C3、第一二极管Q1、第二二极管Q2、第三二极管Q3、第四二极管Q4、第五二极管Q5、第六二极管Q6、第一NPN晶体管N1、第二NPN晶体管N2、第三NPN晶体管N3、第四NPN晶体管N4、第一PNP晶体管P1、第二PNP晶体管P2、地GND、电源VDD、功率放大器A,
其中,电源VDD的正极与第一二极管Q1的正极连接,第一二极管Q1的负极分别与第二二极管Q2的正极、及第一PNP晶体管P1的基极、第十电阻R10的一端连接,第二二极管Q2的负极与第三NPN晶体管N3的基极连接,第三NPN晶体管N3的集电极分别与第十二电阻R12、第三电容C3、第十一电阻R11的一端、及第五二极管Q5的负极连接,第十一电阻R11的另一端与第六二极管Q6的正极连接,第六二极管Q6的负极与第五二极管Q5的正极、第四NPN晶体管N4的基极连接;
第三NPN晶体管N3的发射极、第十二电阻R12与第三电容C3的另一端、第四NPN晶体管N4的发射极与地GND连接;
第一PNP晶体管P1的集电极同时与第一电容C1、第一电阻R1的一端连接,第一电容C1、第一电阻R1的另一端同时与第一NPN晶体管N1的基极连接,第一NPN晶体管N1的集电极与第二电容C2、第四电阻R4的一端连接,第二电容C2的另一端与第二电阻R2的一端连接,第四电阻R4的另一端与第三电阻R3的一端连接;
第十电阻R10的另一端分别与第二PNP晶体管P2的集电极、第二电阻R2、第三电阻R3的一端、第四NPN晶体管N4的集电极、第八电阻R8的一端、第四二极管Q4的正极、第五电阻R5的一端、功率放大器A的正向输入端连接;
第二PNP晶体管P2的发射极与第三二极管Q3的正极连接,第三二极管Q3的负极与第九电阻R9的一端连接,第九电阻R9的另一端与第二NPN晶体管N2的基极连接,第二NPN晶体管N2的集电极分别与第四二极管Q4的负极、第八电阻R8、功率放大器A的输出端连接;
第五电阻R5的另一端与第六电阻R6的一端连接,第六电阻R6的另一端与电源VDD连接,功率放大器A的反向输入端与第七电阻R7的一端连接,第七电阻R7的另一端与地GND连接;
第一PNP晶体管P1的发射极与第二PNP晶体管P2的基极连接。
优选地,所述充电模块是采用无线充电线路和/或有线充电线路为所述实验设备充电的。
上述技术方案的有益效果是:通过在充电模块中设置一保护电路,可以确保再给实验设备充电的过程中,充电电流、充电电压的稳定性,降低充电电流、充电电压的波动性,提高其的稳定性,进而有效的提高实验设备在使用过程中的使用寿命。
本发明实施例提供一种实验室远程监控***,还包括:
所述监控模块,还能根据当前所处位置,以及需要到达的实验设备的位置,智能控制运动轨迹,使得监控模块在运动过程中转弯次数最少,同时减少被障碍物碰撞几率,其中所述智能控制运动轨迹包含如下步骤:
步骤A1、将实验室构建为一个栅格地图,根据所述栅格位置进行编号,将监控模块当前所处位置标注为start,将需要到达的实验设备的位置标注为end,接着,用黑色栅格表示障碍物位置,并将障碍物多对应的编号剔除;
其中,对栅格进行编号时,以标注为start对应的位置编号为1,依次向标注为end的位置增大,并将标注为end的位置编号为最大值,
例如,start在右下角时,就以左下角为1,向左依次增大,即start右边一个栅格的值为2,依次类推,直到最下面一行的栅格都已经编号安全,且最下面一行的最右边的栅格编号为K,则将start上一行的栅格的值标为K+1,向左又依次增加1,直至将标注为end的位置编号完成。
步骤A2、进行初始运动轨迹规划,形成一个初始路径库;
在初始规划时进行如下步骤:
步骤A201、首先将监控模块每次的运动方向都限制为不会使得到标注为end的位置的距离更远的方向;
例如,当start在右下角时,监控模块每次的运动方向就可以为向左、向上、左上、右上、坐下五个方向,即因为向左、向上都会使得监控模块距离end少1,右上、坐下会使得监控模块距离end不变,左上会使得距离end少2。
步骤A202、在路径规划过程中不能进入黑色栅格,同时在在路径生成过程中若出现陷入死角等情况,则放弃本次路径规划,从start处重新开始进行路径规划;
步骤A203、对生成的路径进行平滑处理,即从路径的起始节点向目标节点遍历,当某一节点前后节点连线上无障碍物时,则将这一中间节点删除以生成新路径;
例如路径为73->83->93->84可以直接变为73->84。
步骤A204、重复以上步骤,直至初始路径库中路径数量达到预设值,且相同的路径不会超过两个。
步骤A3、针对初始路径库中的每条路径,获取路径的转折点,将转择点的转折角度转变为转折时间;
y=(2-cos(θ))*λ
其中,y为转折时间,θ为转折角度,λ为预设的直线转折时间;
λ一般预设为1秒。
步骤A4、根据转折点,将路径分为N段,即N为节点数加1,并计算路径时间复杂度;
其中,Tk为第k条路径的时间复杂度,Dk,i为第k条路径的第i段的距离,Vk,i为第k条路径的第i段的速度,yk,j为第k条路径的第j个节点的转折时间,i=1、2、3…N,j=1、2、3…N-1;
步骤A4、利用改进模拟退火算法进行运动轨迹优化,其中包含如下步骤:
步骤A401、以初始路径库中的运动轨迹作为种群库;
步骤A402、从初始种群库中随机选择两个运动轨迹作为父代种群,并计算父代种群的交叉节点数;
其中,Jj为种群的交叉节点数,ηj为预设的交叉系数,预设值为0.5到1,Tmin为父代种群中的两个运动轨迹中小的时间复杂度的值,min(T)为种群库中所有运动轨迹中时间复杂度最小的值,max(T)为种群库中所有运动轨迹中时间复杂度最大的值,floot()为对括号内的值取整;
从两个父代种群中随机选出一个相同的节点,并以这个节点为交叉点,对连续的Jj个节点进行交叉,从而形成新的子代;
例如,原始两个父代种群的运动轨迹分部如下,且jj为2:
运动轨迹1:start→2→5→7→22→36→40→45→66→end
运动轨迹2:start→2→3→12→24→36→38→42→77→end
则选择节点36作为交叉节点,形成4个新的子代;
子代1:start→2→5→12→24→36→40→45→66→end
子代2:start→2→5→7→22→36→38→42→66→end
子代3:start→2→3→7→22→36→38→42→77→end
子代4:start→2→3→12→24→36→40→45→77→end
步骤A403、从选择的两个父代群中选择运动轨迹的时间复杂度较小的父代变异种群,并计算变异节点数;
其中,Bj为变异节点数,ηb为预设的变异系数,预设值为0.5到1,T为父代变异种群的运动轨迹的时间复杂度;
在父代变异种群中进行Bj次变异,每次变异一个节点,形成Bj个子代;
例如,原始两个父代种群的运动轨迹的时间复杂度分部为40秒或者70秒,且jj为2,则将第一个父代种群的运动轨迹进行2次变异,且变异满足步骤A201和步骤A202;
父代变异种群:start→2→5→7→22→36→40→45→66→end
则第一次对节点7变异,变异为12,且5→12→22满足步骤A201和步骤A202,形成start→2→5→12→22→36→40→45→66→end;
第一次对节点36变异,变异为30,且22→30→40满足步骤A201和步骤A202,形成start→2→5→7→22→30→40→45→66→end;
步骤A404、计算两个父代种群和形成的子代的路径的运动轨迹的时间复杂度,选择时间复杂度中较小的4个运动轨迹进入新的种群库,并将两个父代种群从初始种群库中剔除;
步骤A405、重复步骤A402步骤A404,直至初始种群库中剩余的运动轨迹不足两个,则结束重复操作,并计算新的种群库中所有运动轨迹的时间复杂度的最小值作为比较值;
步骤A406、将新的种群库作为初始种群库,重复步骤A402到步骤A406,直至比较值连续10次不再变化,则将此时比较值所对应的运动轨迹作为监控模块的运动轨迹。
有益效果:
利用上述技术可以根据智能的控制监控模块的运动路径,使得所述运动路径最优,且在智能的控制过程中,不仅使得监控模块能够避开障碍物,还能够满足从监控模块到需要到达的实验设备的位置所用时间少,并且在所述过程中,能减少转弯次数,使得监控模块的运动路径更平滑,也减少了运动过程中碰到障碍物的几率;
且在上述过程中,得到最优的路径,采用改进模拟退火算法,动态的规划模拟退火算法的交叉率和遗传率,使得交叉率和遗传率更能适合父代种群,且交叉和遗传时每次都只选择一个节点进行交叉或者遗传,使得所述过程能够变得更为简单,并且在形成新的种群库时,并不是仅仅选择时间复杂度最小的一条路径进入新的种群库,而是选择了四条路径,使得可选择路径更多,避免了路径规划时进入局部最优解的情况。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种实验室远程监控***,其特征在于,包括:
监控终端,用于发送可控制监控模块进行相应工作的远程监控指令,其中,所述远程监控指令包括:所述监控模块按照预设速度移动指令、所述监控模块按照预设路线实时监控指令;
所述监控模块,用于基于所述监控终端所传输的远程监控指令,对实验室中的实验设备进行远程监控,并对所远程监控到的所述实验设备的数量进行记录;
服务器,用于当所述监控模块基于所述监控终端所传输的远程监控指令,对实验室中的实验设备进行远程监控时,标记并判断所述监控模块所移动的实际速度和实际路线是否与对应的预设速度和预设路线相一致;
若是,获取所述监控模块所记录的所述实验设备的数量,并判断所记录的实验设备的数量是否与实验室相关的预设地图上所标注的预设数量相一致;
若是,控制所述监控模块按照预设间隔时间段进行工作;
否则,向警示模块发送第一警示指令;
所述警示模块,用于根据所述服务器所发送的第一警示指令执行相应的第一警示操作;
所述监控模块,还能根据当前所处位置,以及需要到达的实验设备的位置,智能控制运动轨迹,使得监控模块在运动过程中转弯次数最少,同时减少被障碍物碰撞几率,其中所述智能控制运动轨迹包含如下步骤:
步骤A1、将实验室构建为一个栅格地图,根据所述栅格位置进行编号,将监控模块当前所处位置标注为start,将需要到达的实验设备的位置标注为end,接着,用黑色栅格表示障碍物位置,并将障碍物多对应的编号剔除;
步骤A2、进行初始运动轨迹规划,形成一个初始路径库;
步骤A3、针对初始路径库中的每条路径,获取路径的转折点,将转择点的转折角度转变为转折时间;
y=(2-cos(θ))*λ
其中,y为转折时间,θ为转折角度,λ为预设的直线转折时间;
步骤A4、根据转折点,将路径分为N段,即N为节点数加1,并计算路径时间复杂度;
其中,Tk为第k条路径的时间复杂度,Dk,i为第k条路径的第i段的距离,Vk,i为第k条路径的第i段的速度,yk,j为第k条路径的第j个节点的转折时间,i=1、2、3…N,j=1、2、3… N;
步骤A4、利用改进模拟退火算法进行运动轨迹优化,其中包含如下步骤:
步骤A401、以初始路径库中的运动轨迹作为种群库;
步骤A402、从初始种群库中随机选择两个运动轨迹作为父代种群,并计算父代种群的交叉节点数;
其中,Jj为种群的交叉节点数,ηj为预设的交叉系数,预设值为0.5到1,Tmin为父代种群中的两个运动轨迹中小的时间复杂度的值,min(T)为种群库中所有运动轨迹中时间复杂度最小的值,max(T)为种群库中所有运动轨迹中时间复杂度最大的值,floot( ) 为对括号内的值取整;
从两个父代种群中随机选出一个相同的节点,并以这个节点为交叉点,对连续的Jj个节点进行交叉,从而形成新的子代;
步骤A403、从选择的两个父代群中选择运动轨迹的时间复杂度较小的父代变异种群,并计算变异节点数;
其中,Bj为变异节点数,ηb为预设的变异系数,预设值为0.5到1,T为父代变异种群的运动轨迹的时间复杂度;
在父代变异种群中进行Bj次变异,每次变异一个节点,形成Bj个子代;
步骤A404、计算两个父代种群和形成的子代的路径的运动轨迹的时间复杂度,选择时间复杂度中较小的4个运动轨迹进入新的种群库,并将两个父代种群从初始种群库中剔除;
步骤A405、重复步骤A402到步骤A404,直至初始种群库中剩余的运动轨迹不足两个,则结束重复操作,并计算新的种群库中所有运动轨迹的时间复杂度的最小值作为比较值;
步骤A406、将新的种群库作为初始种群库,重复步骤A402到步骤A406,直至比较值连续10次不再变化,则将此时比较值所对应的运动轨迹作为监控模块的运动轨迹。
2.如权利要求1所述的一种实验室远程监控***,其特征在于,
所述监控模块,还用于获取与所述实验设备相关的监控结果,所述监控结果包括:所述实验室内的每个实验设备的当前运转数据、及每个实验设备所处预设区域的当前环境信息;
所述服务器,用于基于预先存储的监控数据分析库,对所述监控模块所获取到的所述监控结果进行预处理,获得相应的设备信息,并将所获得的设备信息传输到所述监控终端进行显示。
3.如权利要求1所述的一种实验室远程监控***,其特征在于,所述监控模块包括:
第一拍摄单元,设置在所述实验室的内部,用于对所述实验室的内部结构进行拍摄,获得实验室的内部场景图;
第二拍摄单元,用于对所述实验室内的每个实验设备进行拍摄,获得每个所述实验设备的设备图像;
所述服务器,用于根据所述第一拍摄单元所拍摄的内部场景图和所述第二拍摄单元所拍摄的设备图像,确定所述设备图像中的实验设备在所述内部场景图中的位置信息。
4.如权利要求3所述的一种实验室远程监控***,其特征在于,所述监控模块还包括:
判断单元,用于判断所确定的位置信息是否与预先存储的预设位置对应表相对应,若是,向所述监控终端发送所述设备图像中的实验设备在所述内部场景图中的位置信息相关的设备位置图;
若否,所述服务器向所述警示模块发送第二警示指令;
所述警示模块,根据所述第二警示指令执行相应的第二警示操作;
其中,所述预设位置对应表包括:与实验设备相关的设备型号、及与所述实验设备相关的设备型号一一对应的所述实验设备的预设位置。
5.如权利要求3所述的一种实验室远程监控***,其特征在于,
所述服务器,还用于基于图像分析库,对所述第二拍摄单元所获得的每个所述实验设备的设备图像进行图像分析,并根据对应的图像分析结果判断所述设备图像中对应的实验设备是否出现故障,若是,向所述警示模块发送第三警示指令,同时控制定位模块开始工作,
定位模块,用于当所述服务器判断出所述设备图像中对应的实验设备出现故障时,对出现故障的所述实验设备进行定位,并由所述服务器将对应的定位结果传输到监控终端。
6.如权利要求1所述的一种实验室远程监控***,其特征在于,还包括:
监测模块,用于对所述实验室中的实验设备上的已启动的应用程序进行监测,获得相应的监测结果;
确定模块,用于根据所述监测模块所获得的监测结果,确定所述已启动的应用程序中是否有病毒出现;
所述服务器,用于根据所述确定模块所确定的当所述已启动的应用程序中有病毒出现时,控制所述实验设备上的拦截软件开启,对所述病毒进行拦截,并向所述监控终端发送相关的拦截结果。
7.如权利要求1所述的一种实验室远程监控***,其特征在于,还包括:
充电模块,用于分别给所述实验室内的每个实验设备进行充电;
其中,所述充电模块中设置有一保护电路,且所述保护电路包括:第一电阻R1、第二电阻R2、第三电阻R3、第四电阻R4、第五电阻R5、第六电阻R6、第七电阻R7、第八电阻R8、第九电阻R9、第十电阻R10、第十一电阻R11、第十二电阻R12、第一电容C1、第二电容C2、第三电容C3、第一二极管Q1、第二二极管Q2、第三二极管Q3、第四二极管Q4、第五二极管Q5、第六二极管Q6、第一NPN晶体管N1、第二NPN晶体管N2、第三NPN晶体管N3、第四NPN晶体管N4、第一PNP晶体管P1、第二PNP晶体管P2、地GND、电源VDD、功率放大器A,
其中,电源VDD的正极与第一二极管Q1的正极连接,第一二极管Q1的负极分别与第二二极管Q2的正极、及第一PNP晶体管P1的基极、第十电阻R10的一端连接,第二二极管Q2的负极与第三NPN晶体管N3的基极连接,第三NPN晶体管N3的集电极分别与第十二电阻R12、第三电容C3、第十一电阻R11的一端、及第五二极管Q5的负极连接,第十一电阻R11的另一端与第六二极管Q6的正极连接,第六二极管Q6的负极与第五二极管Q5的正极、第四NPN晶体管N4的基极连接;
第三NPN晶体管N3的发射极、第十二电阻R12与第三电容C3的另一端、第四NPN晶体管N4的发射极与地GND连接;
第一PNP晶体管P1的集电极同时与第一电容C1、第一电阻R1的一端连接,第一电容C1、第一电阻R1的另一端同时与第一NPN晶体管N1的基极连接,第一NPN晶体管N1的集电极与第二电容C2、第四电阻R4的一端连接,第二电容C2的另一端与第二电阻R2的一端连接,第四电阻R4的另一端与第三电阻R3的一端连接;
第十电阻R10的另一端分别与第二PNP晶体管P2的集电极、第二电阻R2、第三电阻R3的一端、第四NPN晶体管N4的集电极、第八电阻R8的一端、第四二极管Q4的正极、第五电阻R5的一端、功率放大器A的正向输入端连接;
第二PNP晶体管P2的发射极与第三二极管Q3的正极连接,第三二极管Q3的负极与第九电阻R9的一端连接,第九电阻R9的另一端与第二NPN晶体管N2的基极连接,第二NPN晶体管N2的集电极分别与第四二极管Q4的负极、第八电阻R8、功率放大器A的输出端连接;
第五电阻R5的另一端与第六电阻R6的一端连接,第六电阻R6的另一端与电源VDD连接,功率放大器A的反向输入端与第七电阻R7的一端连接,第七电阻R7的另一端与地GND连接;
第一PNP晶体管P1的发射极与第二PNP晶体管P2的基极连接。
8.如权利要求7所述的一种实验室远程监控***,其特征在于,所述充电模块是采用无线充电线路和/或有线充电线路为所述实验设备充电的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910859708.5A CN110737264B (zh) | 2019-09-11 | 2019-09-11 | 一种实验室远程监控*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910859708.5A CN110737264B (zh) | 2019-09-11 | 2019-09-11 | 一种实验室远程监控*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110737264A CN110737264A (zh) | 2020-01-31 |
CN110737264B true CN110737264B (zh) | 2022-09-06 |
Family
ID=69267620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910859708.5A Active CN110737264B (zh) | 2019-09-11 | 2019-09-11 | 一种实验室远程监控*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110737264B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325746B (zh) * | 2021-04-30 | 2022-06-17 | 北京戴纳实验科技有限公司 | 一种实验室设备的统一管理控制方法及*** |
CN114755920B (zh) * | 2022-04-07 | 2024-05-14 | 青岛沃柏斯智能实验科技有限公司 | 一种用于生物安全实验室环境安全监测*** |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1096724A1 (en) * | 1999-10-27 | 2001-05-02 | Micro Web Servers | Method and system for monitoring computer networks and equipment |
CN101071950A (zh) * | 2006-05-09 | 2007-11-14 | 罗姆股份有限公司 | 充电电路、过电压保护电路 |
CN102708517A (zh) * | 2011-12-29 | 2012-10-03 | 中华电信股份有限公司 | 机房电力设备管理***与方法 |
CN103049805A (zh) * | 2013-01-18 | 2013-04-17 | 中国测绘科学研究院 | 基于改进粒子群优化的带时间窗约束的车辆路径优化方法 |
CN103235562A (zh) * | 2013-03-07 | 2013-08-07 | 河海大学常州校区 | 变电站基于巡检机器人的综合参数检测***及巡检方法 |
CN103472828A (zh) * | 2013-09-13 | 2013-12-25 | 桂林电子科技大学 | 基于改进蚁群粒子群算法的移动机器人路径规划方法 |
CN104123489A (zh) * | 2014-07-02 | 2014-10-29 | 珠海市君天电子科技有限公司 | 可执行程序的监控方法和装置 |
CN104809732A (zh) * | 2015-05-07 | 2015-07-29 | 山东鲁能智能技术有限公司 | 一种基于图像比对的电力设备外观异常检测方法 |
CN105259899A (zh) * | 2015-12-01 | 2016-01-20 | 国网重庆市电力公司电力科学研究院 | 一种变电站巡检机器人的控制*** |
CN105760954A (zh) * | 2016-02-15 | 2016-07-13 | 南通大学 | 一种基于改进蚁群算法的泊车***路径规划方法 |
CN107256358A (zh) * | 2017-07-04 | 2017-10-17 | 北京工业大学 | 工业组态监控软件执行过程动态保护方法 |
CN109116841A (zh) * | 2018-07-23 | 2019-01-01 | 昆明理工大学 | 一种基于蚁群算法的路径规划平滑优化方法 |
CN109500827A (zh) * | 2018-11-23 | 2019-03-22 | 北京中大科慧科技发展有限公司 | 机房智能巡检机器人 |
-
2019
- 2019-09-11 CN CN201910859708.5A patent/CN110737264B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1096724A1 (en) * | 1999-10-27 | 2001-05-02 | Micro Web Servers | Method and system for monitoring computer networks and equipment |
CN101071950A (zh) * | 2006-05-09 | 2007-11-14 | 罗姆股份有限公司 | 充电电路、过电压保护电路 |
CN102708517A (zh) * | 2011-12-29 | 2012-10-03 | 中华电信股份有限公司 | 机房电力设备管理***与方法 |
CN103049805A (zh) * | 2013-01-18 | 2013-04-17 | 中国测绘科学研究院 | 基于改进粒子群优化的带时间窗约束的车辆路径优化方法 |
CN103235562A (zh) * | 2013-03-07 | 2013-08-07 | 河海大学常州校区 | 变电站基于巡检机器人的综合参数检测***及巡检方法 |
CN103472828A (zh) * | 2013-09-13 | 2013-12-25 | 桂林电子科技大学 | 基于改进蚁群粒子群算法的移动机器人路径规划方法 |
CN104123489A (zh) * | 2014-07-02 | 2014-10-29 | 珠海市君天电子科技有限公司 | 可执行程序的监控方法和装置 |
CN104809732A (zh) * | 2015-05-07 | 2015-07-29 | 山东鲁能智能技术有限公司 | 一种基于图像比对的电力设备外观异常检测方法 |
CN105259899A (zh) * | 2015-12-01 | 2016-01-20 | 国网重庆市电力公司电力科学研究院 | 一种变电站巡检机器人的控制*** |
CN105760954A (zh) * | 2016-02-15 | 2016-07-13 | 南通大学 | 一种基于改进蚁群算法的泊车***路径规划方法 |
CN107256358A (zh) * | 2017-07-04 | 2017-10-17 | 北京工业大学 | 工业组态监控软件执行过程动态保护方法 |
CN109116841A (zh) * | 2018-07-23 | 2019-01-01 | 昆明理工大学 | 一种基于蚁群算法的路径规划平滑优化方法 |
CN109500827A (zh) * | 2018-11-23 | 2019-03-22 | 北京中大科慧科技发展有限公司 | 机房智能巡检机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN110737264A (zh) | 2020-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3940494B1 (en) | Path planning method for substation inspection robot | |
US11062617B2 (en) | Training system for autonomous driving control policy | |
CN110737264B (zh) | 一种实验室远程监控*** | |
Buniyamin et al. | Robot global path planning overview and a variation of ant colony system algorithm | |
Zhou et al. | A deep Q-network (DQN) based path planning method for mobile robots | |
CN106647744B (zh) | 一种机器人路径规划方法及装置 | |
CN106695802A (zh) | 基于多自由度机械臂的改进式rrt*的避障运动规划方法 | |
CN105956232A (zh) | 一种变电站三维实景仿真***及实现方法 | |
Sariff et al. | Ant colony system for robot path planning in global static environment | |
CN108985516B (zh) | 基于元胞自动机的室内路径规划方法 | |
Srivastava et al. | An approach of optimal path generation using ant colony optimization | |
JP2009048453A (ja) | 災害復旧過程シミュレーション装置、災害復旧過程シミュレーション方法および災害復旧過程シミュレーションプログラム | |
Mokhtari et al. | Safe deep q-network for autonomous vehicles at unsignalized intersection | |
Zhu et al. | Deep reinforcement learning for real-time assembly planning in robot-based prefabricated construction | |
Chen et al. | Design and collaborative operation of multimobile inspection robots in smart microgrids | |
CN107392398A (zh) | 一种农业管理方法、雾计算平台及*** | |
Lazirkha | The impact of artificial intelligence in smart city air purifier systems | |
CN113705539A (zh) | 一种智能消防炮控制灭火方法及控制*** | |
CN114386675A (zh) | 变电站智能鸟害防治管理***和装置 | |
CN116700199A (zh) | 一种基于数字孪生技术的工厂生产控制方法及*** | |
CN117742337A (zh) | 一种巡检路线控制方法和装置 | |
Mei et al. | Autonomous navigation through intersections with graph convolutionalnetworks and conditional imitation learning for self-driving cars | |
Li et al. | Vision-based obstacle avoidance algorithm for mobile robot | |
CN112168074A (zh) | 一种智能清洁机器人的清洁方法及*** | |
CN115548958A (zh) | 传输线清洁方法和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |