CN117470250A - 一种水下巡检机器人导航方法及*** - Google Patents
一种水下巡检机器人导航方法及*** Download PDFInfo
- Publication number
- CN117470250A CN117470250A CN202311811188.3A CN202311811188A CN117470250A CN 117470250 A CN117470250 A CN 117470250A CN 202311811188 A CN202311811188 A CN 202311811188A CN 117470250 A CN117470250 A CN 117470250A
- Authority
- CN
- China
- Prior art keywords
- underwater
- subarea
- inspection
- abnormal
- area
- 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.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 179
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 claims abstract description 174
- 230000005856 abnormality Effects 0.000 claims abstract description 14
- 238000012300 Sequence Analysis Methods 0.000 claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 50
- 238000012876 topography Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 238000009360 aquaculture Methods 0.000 description 2
- 244000144974 aquaculture Species 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Classifications
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种水下巡检机器人导航方法及***,涉及水下导航技术领域,该方案的技术要点为:将目标巡检区域划分为若干个子区域,通过目标巡检区域异常事件数据以及子区域的异常事件发生分布数据,计算获得子区域的异常事件发生概率,结合子区域的面积,计算获得子区域的异常事件发生系数;对子区域的水下环境指标数据进行时间序列分析,获得水下环境指标数据的变化速率,计算获得子区域水下环境异常系数,将子区域的异常事件发生系数和水下环境异常系数进行关联,生成子区域异常系数,预先设置异常阈值,当子区域异常系数达到异常阈值时,对所在子区域进行重点巡检,提高巡检的效率和准确性。
Description
技术领域
本发明涉及水下导航技术领域,具体为一种水下巡检机器人导航方法及***。
背景技术
水下巡检机器人是一种用于水下环境巡检的智能设备。它通常配备有多种传感器和设备,能够实时监测水下环境参数,发现异常事件,并通过导航***自动调整巡检路径,实现高效、准确的水下巡检。
在申请公布号为CN114489046A的中国发明申请中,公开了一种水下巡检机器人导航方法、装置、***及存储介质,该水下巡检机器人导航方法应用于水下养殖设备,包括以下步骤:在水下巡检机器人对养殖网衣进行巡检的过程中,通过水下巡检机器人搭载的定位装置持续获取水下巡检机器人的观测航姿信息,并持续获取养殖网衣的运动信息;基于观测航姿信息和运动信息,通过全局路径规划算法得出水下巡检机器人的期望航姿信息;基于观测航姿信息与期望航姿信息的偏差,通过卡尔曼滤波算法框架对水下巡检机器人的航行参数进行校正。
在申请公布号为CN111007071A的中国发明申请中,公开了一种水下巡检控制方法和水下巡检***。一种水下巡检控制方法,用于对水下建筑进行检测,其包括以下步骤:接收扫描水下环境的图像数据并形成水下环境图;根据水下环境图与预设水下建筑工程图得到水下作业图;根据水下作业图规划第一巡检路径及第二巡检路径;控制机器人按照第一巡检路径巡检,并接收安装在机器人上的摄像设备采集的第一图像信息;控制机器人按照第二巡检路径巡检,并接收摄像设备采集的第二图像信息;合并第一图像信息及第二图像信息,得到水下建筑缺陷情况图。
结合现有技术,以上发明存在以下不足:
1、由于水下环境的复杂性可能导致不同区域的水流速度、水质、水温等参数存在显著差异,这些参数的变化可能会影响异常事件的类型和发生概率,而现有的水下巡检机器人没有对目标巡检区域进行细致的划分,导致巡检的精度不够。
2、某些子区域可能由于水流湍急、地形复杂或存在大量障碍物等因素,更容易发生异常事件,如水流速度异常、障碍物碰撞等,而另一些子区域可能由于水下环境相对稳定,异常事件的发生概率相对较低,现有的水下巡检机器人未根据目标巡检区域不同区域的水下异常情况进行区分巡检,导致巡检效率较低。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种水下巡检机器人导航方法及***,确定目标巡检区域,将目标巡检区域划分为若干个子区域,通过目标巡检区域异常事件数据以及子区域的异常事件发生分布数据,计算获得子区域的异常事件发生概率,结合子区域的面积,计算获得子区域的异常事件发生系数;对子区域的水下环境指标数据进行时间序列分析,获得水下环境指标数据的变化速率,将子区域所有水下环境指标数据的变化速率结合,计算获得子区域水下环境异常系数,将子区域的异常事件发生系数和水下环境异常系数进行关联,生成子区域异常系数,预先设置异常阈值,当子区域异常系数达到异常阈值时,对所在子区域进行重点巡检,解决了背景技术中提到的不足。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种水下巡检机器人导航方法,包括以下步骤:
确定目标巡检区域,将目标巡检区域划分为若干个子区域,在所有子区域内分别部署传感器,采集水下环境数据;
获取目标巡检区域的地形和水下状况数据,并制定初始巡检路线;
通过目标巡检区域异常事件数据以及子区域的异常事件发生分布数据,计算获得子区域的异常事件发生概率,结合子区域的面积,计算获得子区域的异常事件发生系数;
对子区域的水下环境指标数据进行时间序列分析,获得水下环境指标数据的变化速率,将子区域所有水下环境指标数据的变化速率结合,计算获得子区域水下环境异常系数;
将子区域的异常事件发生系数和水下环境异常系数进行关联,生成子区域异常系数,预先设置异常阈值,当子区域异常系数达到异常阈值时,对所在子区域进行重点巡检。
进一步的,制定巡检初始路线包括:
获取目标巡检区域的地形和水下状况数据,地形数据包括水下地形、障碍物以及水下建筑,水下状况数据包括水流方向和水流速度;
将水流方向作为水下巡检机器人的巡检方向,以减少水下巡检机器人的能源消耗;
预先设置流速阈值,将水流速度大于流速阈值的区域标注为危险区域,使巡检路线避开危险区域,以确保水下巡检机器人的安全和稳定;
依据水下地形、障碍物以及水下建筑,使用路径规划算法设置巡检路线,避开障碍物较多的区域,以避免与障碍物发生碰撞。
进一步的,通过目标巡检区域异常事件数据以及子区域的异常事件发生分布数据,对子区域的异常事件发生情况进行分析,计算获得子区域的异常事件发生概率,计算公式如下:
其中,表示子区域的异常事件发生概率,表示子区域异常事件发生次数,N表示
总异常事件发生次数,i表示子区域标记。
进一步的,通过子区域的异常事件发生概率和子区域的面积,进行无量纲化处理后,计算获得子区域的异常事件发生系数,计算公式如下:
其中,表示子区域的异常事件发生系数,i表示子区域标记,表示子区域的异
常事件发生概率,S表示子区域的面积。
进一步的,对子区域的水下环境指标数据进行时间序列分析,获得水下环境指标数据的变化速率;
将子区域所有水下环境指标数据的变化速率结合,获得子区域水下环境异常系数,计算公式如下:
其中,表示子区域水下环境异常系数,i表示子区域标记,M表示水下环境指标
的数量,j表示水下环境指标的标记,表示第j个水下环境指标的预设比例系数,,表示第j个水下环境指标的变化速率。
进一步的,将子区域的异常事件发生系数和水下环境异常系数进行关联,对子区域的异常状况进行分析,生成子区域异常系数,计算公式如下:
其中,表示子区域异常系数,表示异常事件发生系数,表示水下环境异常
系数。
进一步的,预先设置异常阈值,当子区域异常系数达到异常阈值时,对所在子区域进行重点巡检,包括增加巡检时间和频次,以及样本数据收集量。
一种水下巡检机器人导航***,包括:数据采集模块、初始路线制定模块、子区域异常分析模块以及路线调整模块;其中,
数据采集模块,确定目标巡检区域,将目标巡检区域划分为若干个子区域,在所有子区域内分别部署传感器,采集水下环境数据;
巡检路线制定模块,获取目标巡检区域的地形和水下状况数据,将水流方向作为水下巡检机器人的巡检方向,预先设置流速阈值,将水流速度大于流速阈值的区域标注为危险区域,使巡检路线避开危险区域以及避开障碍物较多的区域;
子区域异常分析模块,通过目标巡检区域异常事件数据以及子区域的异常事件发生分布数据,计算获得子区域的异常事件发生概率,结合子区域的面积,计算获得子区域的异常事件发生系数;对子区域的水下环境指标数据进行时间序列分析,获得水下环境指标数据的变化速率,将子区域所有水下环境指标数据的变化速率结合,计算获得子区域水下环境异常系数;
巡检路线调整模块,将子区域的异常事件发生系数和水下环境异常系数进行关联,生成子区域异常系数,预先设置异常阈值,当子区域异常系数达到异常阈值时,对所在子区域进行重点巡检。
(三)有益效果
本发明提供了一种水下巡检机器人导航方法及***,具备以下有益效果:
(1)通过将目标巡检区域划分为子区域,可以更好地针对每个子区域的特点进行针对性的巡检和数据采集,提高巡检的效率和准确性,每个子区域部署传感器也有助于更全面地收集水下环境数据,以确保数据的准确性和完整性,将目标巡检区域划分为子区域也有助于更好地管理巡检任务,通过将大任务分解为小任务,可以更容易地分配和监控巡检任务,提高工作效率和可靠性。
(2)通过对子区域的异常事件发生情况进行分析,计算获得子区域的异常事件发生概率,了解哪些子区域更容易发生异常事件,评估了各个子区域的风险,为后续的巡检路线和计划的制定提供支持。
(3)通过获取子区域水下环境指标数据,并进行时间序列分析,可以全面了解子区域的水下环境状况,包括水温、水质以及水流速度等指标的变化趋势和规律,对水下环境指标数据的变化速率进行分析,可以及时发现异常情况,如水温异常升高、水质恶化、水流速度异常等,对子区域水下环境异常系数的计算,可以为后续巡检路线的制定提供依据。
(4)通过对子区域异常事件发生系数和水下环境异常系数的关联分析,为决策者提供更加科学和准确的依据,提高决策的科学性和准确性,根据子区域异常系数的大小和分布情况,合理安排巡检路线、时间和资源,确保巡检任务的顺利进行和安全完成。
附图说明
图1为本发明水下巡检机器人导航方法步骤示意图;
图2为本发明水下巡检机器人导航方法流程示意图;
图3为本发明水下巡检机器人导航***结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1及图2,本发明提供一种水下巡检机器人导航方法,包括以下步骤:
步骤一:确定目标巡检区域,将目标巡检区域划分为若干个子区域,在所有子区域内分别部署传感器,采集水下环境数据;
所述步骤一包括以下内容:
步骤101:确定目标巡检区域,将目标巡检区域划分为若干个子区域,在所有子区域内分别部署传感器,采集水下环境数据,包括水温、水质以及水流速度等;
需要说明的是,为了提高巡检的精度和效率,可以对目标巡检区域进行划分,将相似的地理特征、水文特征或异常事件频率的区域划分为同一个子区域,这样,机器人可以根据每个子区域的特征进行定制化的巡检,提高巡检的精度和效率。
步骤102:根据目标巡检区域的地形和水下状况设定水下巡检机器人的巡检初始路线;
步骤103:水下巡检机器人按照设定的巡检初始路线进行巡检,同时采集传感器数据;
步骤104:对采集到的数据进行清洗、去噪等预处理,提高数据质量。
需要说明的是,将目标巡检区域划分成若干个子区域,是由于水下环境复杂多变,不同的子区域可能具有不同的水下状况和环境特征,同时,由于每个子区域的水下环境可能存在差异,因此需要针对每个子区域的特点选择合适的传感器类型和数量。
使用时,结合步骤101至步骤104的内容:
通过将目标巡检区域划分为子区域,可以更好地针对每个子区域的特点进行针对性的巡检和数据采集,提高巡检的效率和准确性,每个子区域部署传感器也有助于更全面地收集水下环境数据,以确保数据的准确性和完整性,将目标巡检区域划分为子区域也有助于更好地管理巡检任务,通过将大任务分解为小任务,可以更容易地分配和监控巡检任务,提高工作效率和可靠性。
步骤二:获取目标巡检区域的地形和水下状况数据,将水流方向作为水下巡检机器人的巡检方向,预先设置流速阈值,将水流速度大于流速阈值的区域标注为危险区域,使巡检路线避开危险区域以及避开障碍物较多的区域,使用路径规划算法设置初始巡检路线;
所述步骤二包括以下内容:
步骤201:获取目标巡检区域的地形和水下状况数据,地形数据包括水下地形、障碍物以及水下建筑等,水下状况数据包括水流方向和水流速度等;
步骤202:将水流方向作为水下巡检机器人的巡检方向,以减少水下巡检机器人的能源消耗;
步骤203:预先设置流速阈值,将水流速度大于流速阈值的区域标注为危险区域,使巡检路线避开危险区域,确保水下巡检机器人的安全和稳定;
步骤204:通过水下地形、障碍物以及水下建筑,使用路径规划算法设置巡检路线,避开障碍物较多的区域,避免与障碍物发生碰撞。
需要说明的是,水流方向通常是阻力最小的方向,因此沿着水流方向进行巡检可以使机器人更加省力,延长其工作时间和续航能力,高流速区域可能会对机器人造成损坏或使其失去控制,因此避开这些区域是必要的安全措施。
使用时,结合步骤201至步骤204的内容:
将水流方向作为水下巡检机器人的巡检方向,可以减少机器人的能源消耗,预先设置流速阈值并将水流速度大于该阈值的区域标注为危险区域,可以避免由于水流过快对机器人安全和稳定性造成影响,避开障碍物较多的区域,可以避免机器人与障碍物发生碰撞,导致机器人的损坏或影响其正常工作。
步骤三:通过目标巡检区域异常事件数据以及子区域的异常事件发生分布数据,计算获得子区域的异常事件发生概率,结合子区域的面积,计算获得子区域的异常事件发生系数;
所述步骤三包括以下内容:
步骤301:获取目标巡检区域异常事件数据,以及子区域的异常事件发生分布数据;
步骤302:通过目标巡检区域异常事件数据以及子区域的异常事件发生分布数据,对子区域的异常事件发生情况进行分析,计算获得子区域的异常事件发生概率,计算公式如下:
其中,表示子区域的异常事件发生概率,表示子区域异常事件发生次数,N表示
总异常事件发生次数,i表示子区域标记;
步骤303:通过子区域的异常事件发生概率和子区域的面积,进行无量纲化处理后,计算获得子区域的异常事件发生系数,计算公式如下:
其中,表示子区域的异常事件发生系数,i表示子区域标记,表示子区域的异
常事件发生概率,S表示子区域的面积。
需要说明的是,某些子区域可能由于水流湍急、地形复杂或存在大量障碍物等因素,更容易发生异常事件,如水流速度异常、障碍物碰撞等,而另一些子区域可能由于水下环境相对稳定,异常事件的发生概率相对较低,因此,需要通过计算子区域的异常事件发生系数,评估每个子区域的风险程度,系数越高说明该区域的风险越大,需要更加关注和重视。
使用时,结合步骤301至步骤303的内容:
通过对子区域的异常事件发生情况进行分析,计算获得子区域的异常事件发生概率,可以了解哪些子区域更容易发生异常事件,评估了各个子区域的风险,为后续的巡检路线和计划的制定提供了有力的支持。
步骤四:对子区域的水下环境指标数据进行时间序列分析,获得水下环境指标数据的变化速率,将子区域所有水下环境指标数据的变化速率结合,计算获得子区域水下环境异常系数;
所述步骤四包括以下内容:
步骤401:获取子区域水下环境指标数据,包括水温、水质以及水流速度等指标数据;
步骤402:对子区域的水下环境指标数据进行时间序列分析,获得水下环境指标数据的变化速率;
需要说明的是,时间序列分析是一种动态数据处理的统计方法,它基于随机过程理论和数理统计学方法,研究随机数据序列所遵从的统计变化规律,以用于解决实际问题,这种方法通常用于对一个现象在不同时间上的相继观测值进行分析,以揭示其随时间变化而变化的趋势、周期、时期和不稳定因素;
步骤403:将子区域所有水下环境指标数据的变化速率结合,获得子区域水下环境异常系数,计算公式如下:
其中,表示子区域水下环境异常系数,i表示子区域标记,M表示水下环境指标
的数量,j表示水下环境指标的标记,表示第j个水下环境指标的预设比例系数,,表示第j个水下环境指标的变化速率。
需要说明的是,系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预设比例系数,也可说是根据实际进行预设规定的,只要不影响参数与量化后数值的比例关系即可,对于其他公式中说明的预设比例系数、常数修正系数中,也同样采取上述的说明。
使用时,结合步骤401至步骤403的内容:
通过获取子区域水下环境指标数据,并进行时间序列分析,可以全面了解子区域的水下环境状况,包括水温、水质以及水流速度等指标的变化趋势和规律,对水下环境指标数据的变化速率进行分析,可以及时发现异常情况,如水温异常升高、水质恶化、水流速度异常等,对子区域水下环境异常系数的计算,可以为后续巡检路线的制定提供依据。
步骤五:将子区域的异常事件发生系数和水下环境异常系数进行关联,生成子区域异常系数,预先设置异常阈值,当子区域异常系数达到异常阈值时,对所在子区域进行重点巡检。
所述步骤五包括以下内容:
步骤501:获取子区域的异常事件发生系数和水下环境异常系数;
步骤502:将子区域的异常事件发生系数和水下环境异常系数进行关联,对子区域的异常状况进行分析,生成子区域异常系数,计算公式如下:
其中,表示子区域异常系数,表示异常事件发生系数,表示水下环境异常
系数;
步骤503:预先设置异常阈值,当子区域异常系数达到异常阈值时,对所在子区域进行重点巡检,包括优先进行巡检,增加巡检时间和巡检频率,收集更多数据等。
需要说明的是,异常事件发生系数反映了子区域发生异常事件的风险程度,而水下环境异常系数则反映了子区域水下环境的异常程度,通过对这两个系数的关联分析,可以了解子区域异常状况的整体情况,从而为巡检路线和计划的制定提供依据。
使用时,结合步骤501至步骤503的内容:
通过对子区域异常事件发生系数和水下环境异常系数的关联分析,可以为决策者提供更加科学和准确的依据,提高决策的科学性和准确性,同时,根据子区域异常系数的大小和分布情况,合理安排巡检路线、时间和资源,确保巡检任务的顺利进行和安全完成。
请参阅图3,本发明还提供了一种水下巡检机器人导航***,包括:数据采集模块、初始路线制定模块、子区域异常分析模块以及路线调整模块;其中,
数据采集模块,确定目标巡检区域,将目标巡检区域划分为若干个子区域,在所有子区域内分别部署传感器,采集水下环境数据;
初始巡检路线制定模块,获取目标巡检区域的地形和水下状况数据,将水流方向作为水下巡检机器人的巡检方向,预先设置流速阈值,将水流速度大于流速阈值的区域标注为危险区域,使巡检路线避开危险区域以及避开障碍物较多的区域;
子区域异常分析模块,通过目标巡检区域异常事件数据以及子区域的异常事件发生分布数据,计算获得子区域的异常事件发生概率,结合子区域的面积,计算获得子区域的异常事件发生系数;对子区域的水下环境指标数据进行时间序列分析,获得水下环境指标数据的变化速率,将子区域所有水下环境指标数据的变化速率结合,计算获得子区域水下环境异常系数;
巡检路线调整模块,将子区域的异常事件发生系数和水下环境异常系数进行关联,生成子区域异常系数,预先设置异常阈值,当子区域异常系数达到异常阈值时,对所在子区域进行重点巡检。
在申请中,所述涉及到的若干个公式均是去量纲后取其数值计算,而所述公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的系数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (8)
1.一种水下巡检机器人导航方法,其特征在于,包括以下步骤:
确定目标巡检区域,将目标巡检区域划分为若干个子区域,在所有子区域内分别部署传感器,采集水下环境数据;
获取目标巡检区域的地形和水下状况数据,并制定初始巡检路线;
通过目标巡检区域异常事件数据以及子区域的异常事件发生分布数据,计算获得子区域的异常事件发生概率,结合子区域的面积,计算获得子区域的异常事件发生系数;
对子区域的水下环境指标数据进行时间序列分析,获得水下环境指标数据的变化速率,将子区域所有水下环境指标数据的变化速率结合,计算获得子区域水下环境异常系数;
将子区域的异常事件发生系数和水下环境异常系数进行关联,生成子区域异常系数,预先设置异常阈值,当子区域异常系数达到异常阈值时,对所在子区域进行重点巡检。
2.根据权利要求1所述的一种水下巡检机器人导航方法,其特征在于,
制定巡检初始路线包括:获取目标巡检区域的地形和水下状况数据,地形数据包括水下地形、障碍物以及水下建筑,水下状况数据包括水流方向和水流速度;将水流方向作为水下巡检机器人的巡检方向,将水流速度大于流速阈值的区域标注为危险区域,使巡检路线避开危险区域;依据水下地形、障碍物以及水下建筑,使用路径规划算法设置巡检路线。
3.根据权利要求1所述的一种水下巡检机器人导航方法,其特征在于,
通过目标巡检区域异常事件数据以及子区域的异常事件发生分布数据,对子区域的异常事件发生情况进行分析,计算获得子区域的异常事件发生概率,计算公式如下:
;
其中,表示子区域的异常事件发生概率,/>表示子区域异常事件发生次数,N表示总异常事件发生次数,i表示子区域标记。
4.根据权利要求3所述的一种水下巡检机器人导航方法,其特征在于,
通过子区域的异常事件发生概率和子区域的面积,进行无量纲化处理后,计算获得子区域的异常事件发生系数,计算公式如下:
;
其中,表示子区域的异常事件发生系数,i表示子区域标记,/>表示子区域的异常事件发生概率,S表示子区域的面积。
5.根据权利要求1所述的一种水下巡检机器人导航方法,其特征在于,
对子区域的水下环境指标数据进行时间序列分析,获得水下环境指标数据的变化速率;
将子区域所有水下环境指标数据的变化速率结合,获得子区域水下环境异常系数,计算公式如下:
;
其中,表示子区域水下环境异常系数,i表示子区域标记,M表示水下环境指标的数量,j表示水下环境指标的标记,/>表示第j个水下环境指标的预设比例系数,/>,/>表示第j个水下环境指标的变化速率。
6.根据权利要求1所述的一种水下巡检机器人导航方法,其特征在于,
将子区域的异常事件发生系数和水下环境异常系数进行关联,对子区域的异常状况进行分析,生成子区域异常系数,计算公式如下:
;
其中,表示子区域异常系数,/>表示异常事件发生系数,/>表示水下环境异常系数。
7.根据权利要求6所述的一种水下巡检机器人导航方法,其特征在于,
当子区域异常系数达到异常阈值时,对所在子区域进行重点巡检,包括增加巡检时间和频次,以及样本数据收集量。
8.一种水下巡检机器人导航***,用于实现权利要求1至7中任一项所述方法,其特征在于,包括:数据采集模块、初始路线制定模块、子区域异常分析模块以及路线调整模块;其中,
数据采集模块,确定目标巡检区域,将目标巡检区域划分为若干个子区域,在所有子区域内分别部署传感器,采集水下环境数据;
巡检路线制定模块,获取目标巡检区域的地形和水下状况数据,将水流方向作为水下巡检机器人的巡检方向,预先设置流速阈值,将水流速度大于流速阈值的区域标注为危险区域,使巡检路线避开危险区域以及避开障碍物较多的区域;
子区域异常分析模块,通过目标巡检区域异常事件数据以及子区域的异常事件发生分布数据,计算获得子区域的异常事件发生概率,结合子区域的面积,计算获得子区域的异常事件发生系数;对子区域的水下环境指标数据进行时间序列分析,获得水下环境指标数据的变化速率,将子区域所有水下环境指标数据的变化速率结合,计算获得子区域水下环境异常系数;
巡检路线调整模块,将子区域的异常事件发生系数和水下环境异常系数进行关联,生成子区域异常系数,预先设置异常阈值,当子区域异常系数达到异常阈值时,对所在子区域进行重点巡检。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311811188.3A CN117470250A (zh) | 2023-12-27 | 2023-12-27 | 一种水下巡检机器人导航方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311811188.3A CN117470250A (zh) | 2023-12-27 | 2023-12-27 | 一种水下巡检机器人导航方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117470250A true CN117470250A (zh) | 2024-01-30 |
Family
ID=89636560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311811188.3A Pending CN117470250A (zh) | 2023-12-27 | 2023-12-27 | 一种水下巡检机器人导航方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117470250A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118014310A (zh) * | 2024-04-08 | 2024-05-10 | 绿城科技产业服务集团有限公司 | 应用于园区巡检下的点位巡更方法及*** |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805779A (zh) * | 2018-06-11 | 2018-11-13 | 深圳明创自控技术有限公司 | 基于水下机器人的海洋环境实时监测*** |
CN110766179A (zh) * | 2019-11-21 | 2020-02-07 | 中冶华天工程技术有限公司 | 一种采用风险优先策略的多站点巡检路径设计方法 |
CN111007071A (zh) * | 2019-12-20 | 2020-04-14 | 清华四川能源互联网研究院 | 一种水下巡检控制方法和水下巡检*** |
US20200331772A1 (en) * | 2017-12-20 | 2020-10-22 | Intellitect Water Ltd. | A water network monitor, monitoring system and method |
CN111855945A (zh) * | 2020-07-28 | 2020-10-30 | 王艳捷 | 一种智慧型流域水质污染溯源的船载监测技术及方法 |
CN112232705A (zh) * | 2020-11-05 | 2021-01-15 | 交通运输部规划研究院 | 一种基于不确定性分析的区域溢油风险分析方法和装置 |
CN113091745A (zh) * | 2021-04-06 | 2021-07-09 | 中国水利水电科学研究院 | 一种水库消落带的无人机巡航路线规划方法及*** |
CN113238232A (zh) * | 2021-05-06 | 2021-08-10 | 中国海洋大学 | 面向海洋静态目标的自主水下航行器***目标搜索方法 |
CN113761234A (zh) * | 2021-07-29 | 2021-12-07 | 湖南五凌电力科技有限公司 | 水电厂设备的巡检方法、装置、电子设备及存储介质 |
CN115454042A (zh) * | 2021-05-20 | 2022-12-09 | 中移***集成有限公司 | 巡检机器人的路径决策方法、装置、设备及存储介质 |
CN116625327A (zh) * | 2023-07-24 | 2023-08-22 | 海南智慧海事科技有限公司 | 一种大数据驱动的海洋环境监测与预警方法 |
CN116821685A (zh) * | 2023-07-06 | 2023-09-29 | 东莞市华复实业有限公司 | 一种巡航机器人的声信号识别方法及*** |
CN116954233A (zh) * | 2023-08-24 | 2023-10-27 | 南方电网数字电网科技(广东)有限公司 | 一种巡检任务与航线自动匹配方法 |
CN117029838A (zh) * | 2023-10-09 | 2023-11-10 | 广东电网有限责任公司阳江供电局 | 一种水下机器人导航控制方法和*** |
-
2023
- 2023-12-27 CN CN202311811188.3A patent/CN117470250A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200331772A1 (en) * | 2017-12-20 | 2020-10-22 | Intellitect Water Ltd. | A water network monitor, monitoring system and method |
CN108805779A (zh) * | 2018-06-11 | 2018-11-13 | 深圳明创自控技术有限公司 | 基于水下机器人的海洋环境实时监测*** |
CN110766179A (zh) * | 2019-11-21 | 2020-02-07 | 中冶华天工程技术有限公司 | 一种采用风险优先策略的多站点巡检路径设计方法 |
CN111007071A (zh) * | 2019-12-20 | 2020-04-14 | 清华四川能源互联网研究院 | 一种水下巡检控制方法和水下巡检*** |
CN111855945A (zh) * | 2020-07-28 | 2020-10-30 | 王艳捷 | 一种智慧型流域水质污染溯源的船载监测技术及方法 |
CN112232705A (zh) * | 2020-11-05 | 2021-01-15 | 交通运输部规划研究院 | 一种基于不确定性分析的区域溢油风险分析方法和装置 |
CN113091745A (zh) * | 2021-04-06 | 2021-07-09 | 中国水利水电科学研究院 | 一种水库消落带的无人机巡航路线规划方法及*** |
CN113238232A (zh) * | 2021-05-06 | 2021-08-10 | 中国海洋大学 | 面向海洋静态目标的自主水下航行器***目标搜索方法 |
CN115454042A (zh) * | 2021-05-20 | 2022-12-09 | 中移***集成有限公司 | 巡检机器人的路径决策方法、装置、设备及存储介质 |
CN113761234A (zh) * | 2021-07-29 | 2021-12-07 | 湖南五凌电力科技有限公司 | 水电厂设备的巡检方法、装置、电子设备及存储介质 |
CN116821685A (zh) * | 2023-07-06 | 2023-09-29 | 东莞市华复实业有限公司 | 一种巡航机器人的声信号识别方法及*** |
CN116625327A (zh) * | 2023-07-24 | 2023-08-22 | 海南智慧海事科技有限公司 | 一种大数据驱动的海洋环境监测与预警方法 |
CN116954233A (zh) * | 2023-08-24 | 2023-10-27 | 南方电网数字电网科技(广东)有限公司 | 一种巡检任务与航线自动匹配方法 |
CN117029838A (zh) * | 2023-10-09 | 2023-11-10 | 广东电网有限责任公司阳江供电局 | 一种水下机器人导航控制方法和*** |
Non-Patent Citations (1)
Title |
---|
谢明山: "物联网传感器的受限部署与数据采集关键技术研究", 中国优秀博士学位论文全文数据库信息科技辑, no. 01, 15 January 2020 (2020-01-15), pages 2 - 5 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118014310A (zh) * | 2024-04-08 | 2024-05-10 | 绿城科技产业服务集团有限公司 | 应用于园区巡检下的点位巡更方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11486548B2 (en) | System for detecting crack growth of asphalt pavement based on binocular image analysis | |
CN105181898B (zh) | 基于大密度部署传感器的大气污染监控及管理方法及*** | |
US9229132B2 (en) | Meteorological parameter forecasting | |
CN103279949B (zh) | 基于自定位机器人的多相机参数自动标定***运行方法 | |
CN117470250A (zh) | 一种水下巡检机器人导航方法及*** | |
CN104103005A (zh) | 一种有限条件下突发性水环境事件污染源的溯源方法 | |
CN116822969B (zh) | 基于模型组合的水利模型云计算方法与*** | |
JP2019008431A (ja) | 経路探索装置および経路探索方法 | |
CN108257365B (zh) | 一种基于全局不确定性证据动态融合的工业报警器设计方法 | |
CN116051313A (zh) | 基于数字孪生的水利工程全生命周期管理*** | |
CN117761261B (zh) | 一种基于大数据的碳排放监测***及方法 | |
CN117149857A (zh) | 一种基于深度学习的电气设备故障预警与自动化维护*** | |
CN117635719B (zh) | 基于多传感器融合的除草机器人定位方法、***及装置 | |
Hu et al. | Phenotyping of poplar seedling leaves based on a 3D visualization method | |
CN117891274B (zh) | 用于水利测绘的无人机航线大数据规划***及方法 | |
CN117172959A (zh) | 一种林业生态环境监测***及方法 | |
US20230314169A1 (en) | Method and apparatus for generating map data, and non-transitory computer-readable storage medium | |
CN116630078A (zh) | 一种基于物联网的智慧农业*** | |
CN116167211A (zh) | 一种电网输电通道复杂地形区域的风场预测***及方法 | |
CN115860248A (zh) | 风速数值同化短临预测方法及*** | |
CN115790629A (zh) | 一种自动驾驶观光车路径跟踪精度检测方法 | |
CN115166211A (zh) | 输电线路全地形土壤侵蚀模数的自动计算方法及*** | |
Raiyn et al. | Naturalistic Driving Studies Data Analysis Based on a Convolutional Neural Network. | |
WO2020105151A1 (ja) | 設備保守点検支援システム及び点検順序決定方法 | |
CN114545529B (zh) | 一种基于高频格点化雨量探测方法、***、介质及设备 |
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 |