CN117970932B - 一种轨道列车多机器人协同巡检的任务分配方法 - Google Patents
一种轨道列车多机器人协同巡检的任务分配方法 Download PDFInfo
- Publication number
- CN117970932B CN117970932B CN202410382430.8A CN202410382430A CN117970932B CN 117970932 B CN117970932 B CN 117970932B CN 202410382430 A CN202410382430 A CN 202410382430A CN 117970932 B CN117970932 B CN 117970932B
- Authority
- CN
- China
- Prior art keywords
- inspection
- robot
- task
- track
- path
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 230
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 7
- 238000003379 elimination reaction Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 5
- 238000007670 refining Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 230000005856 abnormality Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种轨道列车多机器人协同巡检的任务分配方法，包括环境地图建立步骤按场景按比例构建三维地图；任务状态初始化步骤，确定初始化股道集合和巡检机器人位置信息集合；分配模型构建步骤，将股道路径信息与巡检机器人移动路径信息以及巡检机器人的参数信息通过目标函数构建任务分配模型股道路径信息反映巡检机器人从当前需要执行巡检任务的股道至执行下一巡检任务的股道之间的路径长度；巡检任务分配步骤，根据任务分配模型通过解析函数得到巡检方案，根据巡检方案通过适应度函数求解分值，根据分值对应输出对应的巡检方案；本发明优点是动态且合理地将巡检任务分配给不同的机器人，使得机器人之间的协作达到最优，提高巡检的速度和精度。
Description
技术领域
本发明涉及轨道车辆检测的技术领域，更具体的说是涉及一种轨道列车多机器人协同巡检的任务分配方法。
背景技术
轨道列车是一种高速、高效、安全、环保的公共交通工具，其检修工作是保障轨道列车正常运行的重要环节，轨道列车的巡检工作涉及多个部件、多个工序、多个巡检点，且具有高精度、高复杂度、一定危险性等特点，传统的人工巡检方式存在效率低、质量差、成本高等问题。
为了提升轨道列车巡检的效率和质量、降低成本和风险，巡检机器人逐渐成为备受关注的技术应用，逐步取代了传统的人工巡检方式，尽管机器人在执行轨道列车的检修作业任务上表现出了巨大的潜力，但目前轨道列车巡检机器人依靠人工分配作业任务并控制巡检机器人进行巡检，这种情况下需要大量的人力投入，并且机器人只能按照单一的任务路径进行作业，导致作业时间较长、效率较低。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种轨道列车多机器人协同巡检的任务分配方法，该种任务分配方法动态且合理地将巡检任务分配给不同的机器人，使得机器人之间的协作和协调达到最优，从而充分利用机器人的灵活性、智能性、并行性和鲁棒性，提高巡检的速度和精度，减少人力资源的消耗，降低巡检的难度和危险。
为实现上述目的，本发明提供了如下技术方案：
一种轨道列车多机器人协同巡检的任务分配方法，包括：
环境地图建立步骤，根据检修库内的场景按比例构建三维地图；
任务状态初始化步骤，根据巡检任务工单确定初始化股道集合，获取各巡检机器人在三维地图中的位置信息集合；
分配模型构建步骤，根据所述初始化股道集合以及位置信息集合确定巡检机器人在进出股道的坐标点位信息，并计算得到股道路径信息，所述股道路径信息反映巡检机器人从当前需要执行巡检任务的股道至执行下一巡检任务的股道之间的路径长度，再根据股道路径信息、巡检机器人移动路径信息以及巡检机器人的参数信息通过目标函数构建任务分配模型；
巡检任务分配步骤，根据所述任务分配模型通过解析函数得到巡检方案，根据所述巡检方案通过适应度函数求解分值，若分值达到阈值，则输出对应的巡检方案，所述巡检方案包括各巡检机器人的全局巡检路径。
进一步的，还包括巡检冲突消除步骤，根据所述巡检方案获取各巡检机器人的全局巡检路径，再分析各巡检机器人的局部巡检路径，比较各巡检机器人的局部巡检路径是否存在等时等位的路径冲突，若存在，则通过冲突消解策略进行巡检方案调整。
进一步的，所述分配模型构建步骤中包括有模型约束策略，所述模型约束策略中包括有五条约束条件，分别第一约束条件为每个待作业的股道对应存在巡检机器人执行巡检任务，第二约束条件为每个待作业的股道对应一台巡检机器人执行巡检任务，第三约束条件为任意股道对应的巡检机器人不进行重复巡检，第四约束条件为任意一台巡检机器人均从出发点出发执行巡检任务，第五约束条件为每台巡检机器人完成巡检任务后回到放置点。
进一步的，所述分配模型构建步骤中还包括设定股道进出模式，所述坐标点位信息包括各巡检机器人路径点的横坐标值以及路径点的纵坐标值，所述坐标点位信息通过股道函数计算得到股道路径信息，其中股道函数配置为：
其中，为第k台巡检机器人从/>股道到/>股道的路径长度，/>为第k台巡检机器人需要执行巡检任务的股道集合中第i个股道的编号，J为股道进出模式，为第k台巡检机器人在第/>个股道采用J出入口模式时的出口点横坐标，为第k台巡检机器人在第/>个股道采用J出入口模式时的进口点横坐标，为第k台巡检机器人在第/>个股道采用J出入口模式时的出口点横坐标，为第k台巡检机器人在第/>个股道采用J出入口模式时的进口点横坐标。
进一步的，所述巡检机器人的参数信息包括巡检机器人移动速度、巡检机器人从启动到返回终止点的总时长、巡检机器人的出发点以及巡检机器人的放置点，所述目标函数配置为：
其中，为所有巡检机器人同时启动出发，直至最后一台巡检机器人返回放置点的巡检总时长，/>为第k台巡检机器人执行巡检的总时长，V为巡检机器人移动速度，/>为第k台巡检机器人从出发点到其分配的第一个股道路径长度，R为巡检机器人的放置点，为编号第k台巡检机器人从其分配的最后一个股道到放置点的路径长度，其中/>代表第k台移动机器人执行巡检任务移动的总路径长度，/>为第k台巡检机器人在其分配的所有股道内部行驶路径长度总和，/>为第k台巡检机器人在其分配的股道之间的路径长度总和，U为巡检机器人集合。
进一步的，所述适应度函数配置为：
其中，为惩罚因子，/>为能量因子，L为巡检机器人移动路径信息。
所述环境地图建立步骤中还包括地图细化子步骤，所述地图细化子步骤，将所述三维地图根据格点转化为栅格地图，根据概率值赋予每个栅格为自由栅格或障碍栅格。
进一步的，所述分配模型构建步骤中包括有路径规划策略，所述路径规划策略包括在栅格地图中搜索n个相邻栅格，采用关键点提取子策略以平滑算法所规划出的全局路径，过滤路径中不必要的节点和转弯。
进一步的，所述冲突消解策略包括对每台巡检机器人进行优先级分配，以优先级较高的巡检机器人正常通行，优先级较低的巡检机器人停止通行，当解除冲突后，优先级较低的巡检机器人继续按照规划路径通行。
进一步的，还包括巡检异常反馈步骤，根据任务状态以及巡检机器人自身状态分析是否存在异常，若存在异常，则重新进行巡检任务分配步骤。
本发明的有益效果：通过股道以及巡检机器人的各项数据进行模型的构建，再通过群智能算法从模型中解析出一套所有巡检机器人巡检的方案，将对应的巡检方案再通过适应函数进行评定，根据评定结果来反馈是否应用当前方案或重复方案迭代评定至最优方案，该种多巡检机器人的任务分配方法动态且合理地将巡检任务分配给不同的机器人，使得机器人之间的协作和协调达到最优，从而充分利用机器人的灵活性、智能性、并行性和鲁棒性，提高巡检的速度和精度，减少人力资源的消耗，降低巡检的难度和危险。
附图说明
图1是本发明的流程图；
图2是本发明中股道的出入模式图；
图3是本发明中栅格连接改进前的示意图；
图4是本发明中栅格连接改进后的示意图；
图5是本发明中路径关键点提取示意图；
图6是本发明中路径规划后的示意图。
具体实施方式
下面结合附图和实施例，对本发明进一步详细说明。其中相同的零部件用相同的附图标记表示。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“底面”和“顶面”、“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
由于目前轨道列车巡检机器人依靠人工分配作业任务并控制巡检机器人进行巡检，这种情况下需要大量的人力投入，并且机器人只能按照单一的任务路径进行作业，导致作业时间较长、效率较低，因此本发明设计这种轨道列车多机器人协同巡检的任务分配方法，如图1所示，包括：
环境地图建立步骤，根据检修库内的场景按比例构建三维地图；其利用一台搭载激光雷达的轨道列车巡检机器人采用SLAM（同时定位和建图）技术建立轨道列车检修库内的环境地图，环境地图中包含了检修库内的地沟、墙壁、柱子、通道等拓扑信息和位置信息；
其中环境地图建立步骤中还包括地图细化子步骤，地图细化子步骤，将三维地图根据格点转化为栅格地图，根据概率值赋予每个栅格为自由栅格或障碍栅格，具体的，首先通过激光雷达、摄像头等视觉传感器得到作业空间的原始环境信息，然后将原始环境信息离散为一系列的格点信息，由此转化为一个栅格地图，而每一个栅格都会被赋予特定的信息来表示此块栅格是自由栅格还是障碍栅格，通常使用概率值来表示，当一个栅格被占据的概率大于某一预定的阈值时，该栅格被认为障碍栅格，比如物品摆设或人的移动等等，否则被忽视为自由栅格。
为了方便存储、计算和可视化，栅格地图的状态信息通常被映射为一个二维矩阵，其中每个元素代表一个栅格的状态信息，如图3所示，栅格的边长设为巡检机器人的长度和宽度的最大值w，为了更准确的位置进行标记，在直角坐标系中，通常将栅格地图的左下角作为坐标系的原点，X轴正方向为水平向右，Y轴正方向为竖直向上，步长为w，所有栅格都可以与二维坐标形成映射关系，假设某点在原始环境地图中的坐标为(x,y)，则该点所对应的栅格地图坐标为(X,Y)，映射关系如下：
式中，符号“[]”为高斯取整函数。
任务状态初始化步骤，根据巡检任务工单确定初始化股道集合，获取各巡检机器人在三维地图中的位置信息集合，具体的，在初始化巡检任务序列之前首先需要设定检修库内检修股道的编号Q i，i为1,2，…，m，则检修库内股道集合为，股道编号一旦设定，后续不再进行改变；
初始化巡检任务序列是指：根据巡检任务工单确定待检轨道列车所在的股道，初始化股道结合，比如，工单显示需要进行巡检的股道编号是2、3、4、6、7，则初始化后的股道集合为；
另外还有巡检机器人状态量包括：巡检机器人的位置信息和巡检机器人的电量状态，电量状态具体为剩余电量占其总电量的百分比，巡检机器人集合为，其中k代表待巡检机器人的编号，由于每一个检修库内的巡检机器人数量是固定的，所以巡检机器人编号集合也是设定之后，如果没有新的巡检机器人加入情况下是不会改变，如果有新的巡检机器人加入，则按照同样的编号规则增加编号；
在初始化巡检机器人电量状态时需要判断每台巡检机器人的电量状态是否满足完成一列轨道列车巡检的最低要求，要求需根据不同型号的轨道列车具体设定为定量e，如果所述电量状态值小于e，则此编号所对应的巡检机器人需要自行进入特定位置进行充电，不编入参加此次巡检任务的机器人集合，即在机器人集合中删除此机器人编号，其余机器人编号保持不变，并更新，巡检机器人电量状态集合为，其中E k是第k台巡检机器人的电量状态；
巡检机器人位置信息集合为，其中S k是第k台巡检机器人所在位置在所述栅格地图中的坐标值。
分配模型构建步骤，根据初始化股道集合以及位置信息集合确定巡检机器人在进出股道的坐标点位信息，并计算得到股道路径信息，股道路径信息反映巡检机器人从当前需要执行巡检任务的股道至执行下一巡检任务的股道之间的路径长度，再根据股道路径信息、巡检机器人移动路径信息以及巡检机器人的参数信息通过目标函数构建任务分配模型，分配模型构建步骤中还包括设定股道进出模式，坐标点位信息包括各巡检机器人路径点的横坐标值以及路径点的纵坐标值，坐标点位信息通过股道函数计算得到股道路径信息，具体的，首先建立用于轨道列车巡检的多机器人协同作业的数学模型，每一条股道在两端都有用于巡检机器人的出入口，即每一条巡检任务有两种进出股道的出入模式，如图2所示，因此出入口模式设为，其中/>是第k台巡检机器人在第m个股道中采用的出入口模式；
其中股道函数配置为：
其中，D：代表两个股道之间的路径长度，其中代表从编号为1的股道到编号为2的股道之间的距离，/>为第k台巡检机器人从/>股道到/>股道的路径长度，为第k台巡检机器人需要执行巡检任务的股道集合中第i个股道的编号，J为股道进出模式，X为路径点的横坐标值，/>为第k台巡检机器人在第/>个股道采用J出入口模式时的出口点横坐标，/>为第k台巡检机器人在第/>个股道采用J出入口模式时的进口点横坐标，Y：路径点的纵坐标值，/>为第k台巡检机器人在第/>个股道采用J出入口模式时的出口点横坐标，/>为第k台巡检机器人在第/>个股道采用J出入口模式时的进口点横坐标。
巡检机器人的参数信息包括巡检机器人移动速度、巡检机器人从启动到返回终止点的总时长、巡检机器人的出发点以及巡检机器人的放置点，目标函数配置为：
其中，T：巡检机器人从启动到返回终止点的总时长，其中代表第k台巡检机器人执行任务的总时长，/>为所有巡检机器人同时启动出发，直至最后一台巡检机器人返回放置点的巡检总时长，/>为第k台巡检机器人执行巡检的总时长，V为巡检机器人移动速度，为第k台巡检机器人从出发点到其分配的第一个股道路径长度，R为巡检机器人的放置点，/>为编号第k台巡检机器人从其分配的最后一个股道到放置点的路径长度，其中/>代表第k台移动机器人执行巡检任务移动的总路径长度，/>为第k台巡检机器人在其分配的所有股道内部行驶路径长度总和，/>为第k台巡检机器人在其分配的股道之间的路径长度总和，/>为巡检机器人k分配到的所有股道的数目，U为巡检机器人集合。
其中的分配模型构建步骤中还包括有路径规划策略，路径规划策略包括在栅格地图中搜索4个相邻栅格，如图3所示的栅格为4个，然而将每个转向角固定并限制在90°是低效而且不符合巡检作业工况的，因此，如图4所示，使用8个相邻栅格连接来提高路径规划效率和路径平滑度，转角为45°或90°，采用LOS关键点提取子策略以平滑算法所规划出的全局路径，过滤路径中不必要的节点和转弯，如图5所示，（S,P1,P2,P3,P4.....P10,P11,P12,P13,G）是利用A*算法规划的一个地图中的所有路径点的集合，从S点开始，连接S和P1，如果S和P1连线不与障碍物相交，则S和P2连接，直到S和Pk(k=3,4, …, n)连线通过障碍物为止，然后S和Pk-1连接，删除中间的冗余点并更新路径，从节点Pk为起点重复上述操作区，直到搜索目标点G，并得到如图6中右侧的路径，此过程即为LOS关键点提取。
在模型建立过程中，还设置了约束条件以使模型更为准确，即分配模型构建步骤中包括有模型约束策略，模型约束策略中包括有五条约束条件，具体约束条件包括：
分别第一约束条件为每个待作业的股道对应存在巡检机器人执行巡检任务，第二约束条件为每个待作业的股道对应一台巡检机器人执行巡检任务，第三约束条件为任意股道对应的巡检机器人不进行重复巡检，第四约束条件为任意一台巡检机器人均从出发点出发执行巡检任务，第五约束条件为每台巡检机器人完成巡检任务后回到放置点。
巡检任务分配步骤，根据任务分配模型通过解析函数得到巡检方案，根据巡检方案通过适应度函数求解分值，若分值达到阈值，则输出对应的巡检方案，巡检方案包括各巡检机器人的全局巡检路径，具体的，考虑到巡检机器人的电量状态和巡检任务需求，采用解析函数得到巡检方案，其中解析函数包括：遗传算法、狼群算法、鱼群算法等等其中任意一种，得到的巡检方案中主要包括股道编号以及巡检机器人的运动序列号（轨迹的坐标点），巡检方案还需要验证是否最优，则通过适应度函数来评分验证，适应度函数配置为：
其中，为惩罚因子，当所有巡检机器人集合中的巡检机器人被分配巡检作业任务且所有股道集合中股道均被分配时，/>，否则/>。当/>时，在迭代求解过程中会由于适应度值远离最优解，被逐渐淘汰，/>为能量因子，当每一台巡检机器人被分配到巡检任务后，如果所有巡检机器人的电量状态可以满足其被分配的巡检任务需求，/>=0，否则，L为巡检机器人移动路径信息，上述/>为分值，当分值越小或达到阈值时，说明该巡检方案为最佳方案，可以输出进行执行。
如图1所示，还包括巡检冲突消除步骤，根据巡检方案获取各巡检机器人的全局巡检路径，再分析各巡检机器人的局部巡检路径，比较各巡检机器人的局部巡检路径是否存在等时等位的路径冲突，若存在，则通过冲突消解策略进行巡检方案调整，冲突消解策略包括对每台巡检机器人进行优先级分配，以优先级较高的巡检机器人正常通行，优先级较低的巡检机器人停止通行，当解除冲突后，优先级较低的巡检机器人继续按照规划路径通行；具体的，采用优先级分配法给不同的巡检机器人分配优先级，确保高优先级的巡检机器人所分配的巡检任务得到更及时的执行。在优先级较高的巡检机器人通过局部路径规划优先通行，同时优先级较低的巡检机器人暂停行驶，待优先级较高的巡检机器人通过解除冲突后，优先级较低的巡检机器人继续按照规划的路径运行，所述优先级H根据巡检机器人集合为来确定，巡检机器人的编号即为对应巡检机器人的优先级，数值越大，优先级越高。
还包括巡检异常反馈步骤，根据任务状态以及巡检机器人自身状态分析是否存在异常，若存在异常，则重新进行巡检任务分配步骤，具体的，异常包括是否有新的列车进入检修库并且巡检工单新增巡检任务时需要新增对应股道集合中的编号，另外，异常还包括电量耗尽、自身发出异常报警等机器人自身情况以及新的巡检机器人加入检修任务。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种轨道列车多机器人协同巡检的任务分配方法，其特征在于：包括：
环境地图建立步骤，根据检修库内的场景按比例构建三维地图；
任务状态初始化步骤，根据巡检任务工单确定初始化股道集合，获取各巡检机器人在三维地图中的位置信息集合；
分配模型构建步骤，根据所述初始化股道集合以及位置信息集合确定巡检机器人在进出股道的坐标点位信息，并计算得到股道路径信息，所述股道路径信息反映巡检机器人从当前需要执行巡检任务的股道至执行下一巡检任务的股道之间的路径长度，再根据股道路径信息、巡检机器人移动路径信息以及巡检机器人的参数信息通过目标函数构建任务分配模型；
巡检任务分配步骤，根据所述任务分配模型通过解析函数得到巡检方案，根据所述巡检方案通过适应度函数求解分值，若分值达到阈值，则输出对应的巡检方案，所述巡检方案包括各巡检机器人的全局巡检路径；
所述分配模型构建步骤中包括有模型约束策略，所述模型约束策略中包括有五条约束条件，分别第一约束条件为每个待作业的股道对应存在巡检机器人执行巡检任务，第二约束条件为每个待作业的股道对应一台巡检机器人执行巡检任务，第三约束条件为任意股道对应的巡检机器人不进行重复巡检，第四约束条件为任意一台巡检机器人均从出发点出发执行巡检任务，第五约束条件为每台巡检机器人完成巡检任务后回到放置点；
所述分配模型构建步骤中还包括设定股道进出模式，所述坐标点位信息包括各巡检机器人路径点的横坐标值以及路径点的纵坐标值，所述坐标点位信息通过股道函数计算得到股道路径信息，其中股道函数配置为：
其中，为第k台巡检机器人从/>股道到/>股道的路径长度，/>为第k台巡检机器人需要执行巡检任务的股道集合中第i个股道的编号，J为股道进出模式，为第k台巡检机器人在第/>个股道采用J出入口模式时的出口点横坐标，为第k台巡检机器人在第/>个股道采用J出入口模式时的进口点横坐标，为第k台巡检机器人在第/>个股道采用J出入口模式时的出口点横坐标，为第k台巡检机器人在第/>个股道采用J出入口模式时的进口点横坐标；
所述巡检机器人的参数信息包括巡检机器人移动速度、巡检机器人从启动到返回终止点的总时长、巡检机器人的出发点以及巡检机器人的放置点，所述目标函数配置为：
其中，为所有巡检机器人同时启动出发，直至最后一台巡检机器人返回放置点的巡检总时长，/>为第k台巡检机器人执行巡检的总时长，V为巡检机器人移动速度，/>为第k台巡检机器人从出发点到其分配的第一个股道路径长度，R为巡检机器人的放置点，为编号第k台巡检机器人从其分配的最后一个股道到放置点的路径长度，其中/>代表第k台移动机器人执行巡检任务移动的总路径长度，/>为第k台巡检机器人在其分配的所有股道内部行驶路径长度总和，/>为第k台巡检机器人在其分配的股道之间的路径长度总和，U为巡检机器人集合。
2.根据权利要求1所述一种轨道列车多机器人协同巡检的任务分配方法，其特征在于：还包括巡检冲突消除步骤，根据所述巡检方案获取各巡检机器人的全局巡检路径，再分析各巡检机器人的局部巡检路径，比较各巡检机器人的局部巡检路径是否存在等时等位的路径冲突，若存在，则通过冲突消解策略进行巡检方案调整。
3.根据权利要求1所述一种轨道列车多机器人协同巡检的任务分配方法，其特征在于：所述适应度函数配置为：
其中，为惩罚因子，/>为能量因子，L为巡检机器人移动路径信息。
4.根据权利要求1所述一种轨道列车多机器人协同巡检的任务分配方法，其特征在于：所述环境地图建立步骤中还包括地图细化子步骤，所述地图细化子步骤，将所述三维地图根据格点转化为栅格地图，根据概率值赋予每个栅格为自由栅格或障碍栅格。
5.根据权利要求4所述一种轨道列车多机器人协同巡检的任务分配方法，其特征在于：所述分配模型构建步骤中包括有路径规划策略，所述路径规划策略包括在栅格地图中搜索n个相邻栅格，采用关键点提取子策略以平滑算法所规划出的全局路径，过滤路径中不必要的节点和转弯。
6.根据权利要求2所述一种轨道列车多机器人协同巡检的任务分配方法，其特征在于：所述冲突消解策略包括对每台巡检机器人进行优先级分配，以优先级较高的巡检机器人正常通行，优先级较低的巡检机器人停止通行，当解除冲突后，优先级较低的巡检机器人继续按照规划路径通行。
7.根据权利要求1所述一种轨道列车多机器人协同巡检的任务分配方法，其特征在于：还包括巡检异常反馈步骤，根据任务状态以及巡检机器人自身状态分析是否存在异常，若存在异常，则重新进行巡检任务分配步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410382430.8A CN117970932B (zh) | 2024-04-01 | 2024-04-01 | 一种轨道列车多机器人协同巡检的任务分配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410382430.8A CN117970932B (zh) | 2024-04-01 | 2024-04-01 | 一种轨道列车多机器人协同巡检的任务分配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117970932A CN117970932A (zh) | 2024-05-03 |
| CN117970932B true CN117970932B (zh) | 2024-06-07 |
Family
ID=90863596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410382430.8A Active CN117970932B (zh) | 2024-04-01 | 2024-04-01 | 一种轨道列车多机器人协同巡检的任务分配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117970932B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113703472A (zh) * | 2021-07-23 | 2021-11-26 | 安徽有云智能科技有限公司 | 多无人机与车辆协同巡检的路径优化方法和装置 |
| WO2022021739A1 (zh) * | 2020-07-30 | 2022-02-03 | 国网智能科技股份有限公司 | 一种语义智能变电站机器人仿人巡视作业方法及*** |
| WO2022095616A1 (zh) * | 2020-11-03 | 2022-05-12 | 国网智能科技股份有限公司 | 一种变电站在线智能巡视***及方法 |
| US11340079B1 (en) * | 2018-05-21 | 2022-05-24 | AI Incorporated | Simultaneous collaboration, localization, and mapping |
| CN116307648A (zh) * | 2023-05-24 | 2023-06-23 | 国网江苏省电力有限公司南京供电分公司 | 变电站多巡检机器人巡检任务分配与遍历优化方法及*** |
| CN116382304A (zh) * | 2023-05-26 | 2023-07-04 | 国网江苏省电力有限公司南京供电分公司 | 基于dqn模型的多巡检机器人协同路径规划方法及*** |
| CN117075620A (zh) * | 2023-10-18 | 2023-11-17 | 华东交通大学 | 一种多巡检机器人的多任务导航调度方法及*** |
| CN117608288A (zh) * | 2023-11-21 | 2024-02-27 | 中车大连机车车辆有限公司 | 一种基于封闭场景的轨道车辆自动寻路***及方法 |
-
2024
- 2024-04-01 CN CN202410382430.8A patent/CN117970932B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11340079B1 (en) * | 2018-05-21 | 2022-05-24 | AI Incorporated | Simultaneous collaboration, localization, and mapping |
| WO2022021739A1 (zh) * | 2020-07-30 | 2022-02-03 | 国网智能科技股份有限公司 | 一种语义智能变电站机器人仿人巡视作业方法及*** |
| WO2022095616A1 (zh) * | 2020-11-03 | 2022-05-12 | 国网智能科技股份有限公司 | 一种变电站在线智能巡视***及方法 |
| CN113703472A (zh) * | 2021-07-23 | 2021-11-26 | 安徽有云智能科技有限公司 | 多无人机与车辆协同巡检的路径优化方法和装置 |
| CN116307648A (zh) * | 2023-05-24 | 2023-06-23 | 国网江苏省电力有限公司南京供电分公司 | 变电站多巡检机器人巡检任务分配与遍历优化方法及*** |
| CN116382304A (zh) * | 2023-05-26 | 2023-07-04 | 国网江苏省电力有限公司南京供电分公司 | 基于dqn模型的多巡检机器人协同路径规划方法及*** |
| CN117075620A (zh) * | 2023-10-18 | 2023-11-17 | 华东交通大学 | 一种多巡检机器人的多任务导航调度方法及*** |
| CN117608288A (zh) * | 2023-11-21 | 2024-02-27 | 中车大连机车车辆有限公司 | 一种基于封闭场景的轨道车辆自动寻路***及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于多AUV间任务协作的水下多目标探测路径规划;张美燕;蔡文郁;;传感技术学报;20180715(第07期);全文 * |
| 面向电力智能巡检的多机器人***协同路径规划算法;琚泽立;杨博;孙浩飞;黄小羽;蒲路;赵学风;辛建斌;;智慧电力;20200620(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117970932A (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230072997A1 (en) | Intelligent horizontal transportation system and method for automatic side-loading/unloading container tarminal | |
| CN106020189B (zh) | 基于邻域约束的空地异构机器人***路径规划方法 | |
| CN106251016B (zh) | 一种基于动态时间窗的泊车***路径规划方法 | |
| CN111103887B (zh) | 一种基于多传感器的多移动机器人调度***设计方法 | |
| CN105354648B (zh) | Agv调度管理的建模及其优化方法 | |
| CN111210184B (zh) | 一种数字孪生车间物料准时配送方法及*** | |
| CN100434932C (zh) | 多激光雷达协同工作与数据处理方法 | |
| CN102566576B (zh) | 一种用于变电站顺控***的多巡检机器人协同运作方法 | |
| Zeng et al. | Conflict detection of automated guided vehicles: a Petri net approach | |
| CN109895794A (zh) | 基于机器学习的列车自动驾驶***精准停车方法及装置 | |
| CN108268037B (zh) | 多移动机器人的冲突管理方法及*** | |
| CN107992036A (zh) | 一种智能停车库中存取车路径规划方法、装置及存储介质 | |
| CN113031621B (zh) | 一种桥式起重机安全避障路径规划方法及*** | |
| CN113312760B (zh) | 一种基于交通仿真的网联机动车右转轨迹规划方法和装置 | |
| CN112373521A (zh) | 多线路多交路列车时刻表自动编制检测调整***及方法 | |
| CN104951918A (zh) | 一种时间窗路径规划方法 | |
| CN116048062A (zh) | 多智能体超视距网联协同感知动态决策方法及相关装置 | |
| CN113536454A (zh) | 一种tacs***性能仿真方法、装置、电子设备及介质 | |
| CN115951691A (zh) | 一种5g通讯下密集库的穿梭车的轨迹规划方法及其*** | |
| CN114529073A (zh) | 装卸搬运***靠近集装箱过程的行走路径规划方法 | |
| CN115752474A (zh) | 非平坦地面环境下的机器人导航规划方法、装置及机器人 | |
| CN117970932B (zh) | 一种轨道列车多机器人协同巡检的任务分配方法 | |
| RU2685368C1 (ru) | Устройство построения прогнозных энергосберегающих графиков движения поездов | |
| Yong et al. | Typical train virtual coupling scenario modeling and analysis of train control system based on vehicle-vehicle communication | |
| CN117575847A (zh) | 一种箱梁智能建造施工方法 |
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 |