CN114756026B - 一种实验环境安全检查的巡视控制系统 - Google Patents
一种实验环境安全检查的巡视控制系统 Download PDFInfo
- Publication number
- CN114756026B CN114756026B CN202210362597.9A CN202210362597A CN114756026B CN 114756026 B CN114756026 B CN 114756026B CN 202210362597 A CN202210362597 A CN 202210362597A CN 114756026 B CN114756026 B CN 114756026B
- Authority
- CN
- China
- Prior art keywords
- path
- patrol
- sub
- inspection
- determining
- 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 53
- 238000004891 communication Methods 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims description 58
- 210000002569 neuron Anatomy 0.000 claims description 35
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 9
- 238000009423 ventilation Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 3
- 238000005314 correlation function Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000008030 elimination Effects 0.000 description 4
- 238000003379 elimination reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012954 risk control Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011112 process operation Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
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
- G05D1/0212—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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to 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
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- 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)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种实验环境安全检查的巡视控制系统，包括：第一控制层、执行层、通讯层及第二控制层；其中，所述第一控制层与所述执行层通过有线或无线信号连接；所述第一控制层与所述通讯层通过MODBUS连接；所述通讯层与所述第二控制层通过以太网或5G网络连接；通过第一控制层、执行层、通讯层、第二控制层，层次清晰，管理高效，功能划分合理，实现实验室风险操作的预判、报警、联动的集中控制系统。
Description
技术领域
本发明涉及控制技术领域，特别涉及一种实验环境安全检查的巡视控制系统。
背景技术
根据实验工艺要求，实验室等实验环境使用过程中科研人员需使用有毒有害的试剂操作、需要参与有安全风险的实验操作、实验产物可能为有爆炸风险的物质，由于试剂、产物和操作不当引发的安全事故频率较高，对人员人身安全和职业健康影响较大，对科研成果的完成效率有较大影响。目前已有的室内常规安防监控系统，仅对实验室内的日常操作做监控记录，对于风险操作无预判和报警能力。目前已有的BMS和EMS控制系统仅对机组和房间温湿度压力做单独控制，不涉及安全风险的控制和排除。目前现有火灾自动报警技术为公共建筑常规控制系统，仅对火灾危险做识别和联动报警，尚未有针对实验工艺和科研人员的操作安全风险的识别技术。目前科研单位多采用人工例行检查方式，人工成本较高且不能实时进行检查，安全风险控制滞后，只有在风险发生后才有管控。目前尚未有实验室日常操作安全风险数据库，科研单位科普教育无大数据支撑，科普难度较大且效果不佳。
发明内容
本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此，本发明的目的在于提出一种实验环境安全检查的巡视控制系统，通过实时监控系统、AGV巡视机器人联动、室内环境监测系统实现基于实验环境安全风险的智能检测和预警，并依此联动相关设备和系统实现风险报警、风险控制和风险排除，降低科研人员实验操作过程安全风险。控制系统集成大数据模块，可针对风险行为分析的动态数据形成数据库，通过神经网络算法和行为预测模型算法迭代数据库和优化智能判据，提高科研效率减低科研风险。
为达到上述目的，本发明实施例提出了一种实验环境安全检查的巡视控制系统，包括：
第一控制层、执行层、通讯层及第二控制层；其中，
所述第一控制层与所述执行层通过有线或无线信号连接；
所述第一控制层与所述通讯层通过MODBUS连接；
所述通讯层与所述第二控制层通过以太网或5G网络连接；
所述第一控制层包括控制器和人机界面；
所述控制器为嵌入式控制器，用于：
根据存储运行程序和大数据控制策略，对执行层发出动作指令并采集执行层反馈数据；
接收上位机操作指令；
所述人机界面，用于显示系统运行参数以及状态；
所述控制器包括监控模块、AGV运动模块、通讯模块、大数据模块；所述通讯模块分别与所述监控模块、AGV运动模块、大数据模块连接。
根据本发明的一些实施例，所述监控模块用于获取监控数据，采用K-means行为分析算法做预测预警分析。
根据本发明的一些实施例，所述大数据模块中存储有神经网络机器学习算法，所述神经网络机器学习算法包括离散型神经网络演化方程：
；
；
其中，为第/>个神经元的当前状态；/>为第/>个神经元的输出信息；表示在t+1时刻时，第i个神经元的当前状态；/>表示在t+1时刻时，第i个神经元的输出信息；/>表示第i个神经元和第j个神经元之间连接的权值；/>为在t时刻时，第j个神经元的输出信息；/>为神经元i的外部连续输入值；n为神经元的数量；/>为第/>个神经元的当前状态与输出信息的关联函数。
根据本发明的一些实施例，所述执行层用于接收控制器动作指令完成动作并且反馈各种运行数据给控制器。
根据本发明的一些实施例，所述执行层包括监控系统、报警系统、AGV运动控制系统、消防联动系统、通风控制系统、室内环境监测系统。
根据本发明的一些实施例，所述室内环境监测系统包括温度监测系统、压力监测系统、湿度监测系统、气体监测系统中的至少一种。
根据本发明的一些实施例，所述通讯层包括远程通讯模块，所述远程通讯模块用于读取所述控制器内的所有的数据参数上传到第二控制层。
根据本发明的一些实施例，所述第二控制层包括移动端和集成管理平台端；
所述移动端和所述集成管理平台端均可通过互联网远程查看系统的运行状态、参数并且能按权限进行反向控制和所述大数据模块调用进行数据处理。
根据本发明的一些实施例，所述AGV运动控制系统包括巡视机器人；
所述AGV运动模块，用于：
获取巡视指令；
根据所述巡视指令确定巡视路径起点及巡视路径终点；
获取所述巡视路径起点的第一属性信息，根据所述第一属性信息查询预设路径数据表，确定第一目标路径；
获取所述巡视路径终点的第二属性信息，根据所述第二属性信息查询预设路径数据表，确定第二目标路径；
确定所述第一目标路径与所述第二目标路径的位置信息，根据所述位置信息确定朝向信息；
根据所述第一目标路径及所述朝向信息，遍历多段预设子路径，确定第一子路径集合；
根据所述第二目标路径及所述朝向信息的相反方向，遍历多段预设子路径，确定第二子路径集合；
在确定所述第一子路径集合与所述第二子路径集合包括相同的两条子路径，且所述相同的两条子路径位置相邻，则根据相同的两条子路径对应的所述第一子路径集合中的第一筛选路径及对应的所述第二子路径集合的第二筛选路径，确定巡视路径，进而得到若干条巡视路径；
基于预设的最长路径巡视原则，在若干条巡视路径中确定执行巡视路径；
获取巡视机器人在执行巡视路径上的定位信息，确定当前巡视子路径；
获取所述当前巡视子路径上的巡视图像，将所述巡视图像输入预先训练好的图像识别模型中，确定巡视图像中的障碍物及障碍物的当前位置信息；
根据所述当前位置信息，预测所述障碍物在第一时刻处于当前巡视子路径的第一位置；
根据所述巡视图像，获取障碍物在第二时刻处于当前巡视子路径的第二位置；
判断所述第一位置与所述第二位置是否匹配，在确定所述第一位置与所述第二位置不匹配时，将所述当前巡视路径作为障碍路径；
根据所述障碍路径的起点和终点，确定新的若干条替换路径；
基于预设的最长路径巡视原则，在若干条替换路径中确定目标替换路径，根据所述目标替换路径对所述执行巡视路径进行更新。
根据本发明的一些实施例，所述AGV运动模块获取巡视机器人在执行巡视路径上的定位信息执行以下步骤：
获取所述巡视机器人的巡视里程；
根据所述巡视里程确定目标区域；
获取所述目标区域对应的移动图像，建立所述移动图像与GPS信息的关联关系；
获取所述机器人在当前位置的GPS信息，根据所述当前位置的GPS信息，确定所述巡视机器人在所述移动图像中的位置信息，进而确定巡视机器人在执行巡视路径上的定位信息。
本发明的有益效果：
1、本系统通过第一控制层、执行层、通讯层、第二控制层，层次清晰，管理高效，功能划分合理，实现实验室风险操作的预判、报警、联动的集中控制系统。将室内环境监测系统、安防监控系统、消防控制系统、通风控制系统、AGV运动控制系统进行集中控制，实现跨系统的联动，自动而高效的解决实验环境的风险控制和风险排除。
2、针对传统的安防监控系统，引入K-means算法，可以满足实验工艺操作的复杂性高、操作类型多的判定需求，不断通过机器学习算法优化数据库，提高识别准确度，降低误报警率。
3、同时引入AGV运动控制系统，作为风险检查的巡视机器人，在安防监控系统提出预测报警后，机器人定位至风险点进行风险确认；优化人工例行检查，平时工况，由AGV运动机器人做日常风险检查巡视。
4、该集成控制系统集成的安防监控系统、室内环境监测系统和AGV控制系统监测的实时数据形成实验环境的安全风险数据库，通过神经网络算法，增加行为预测预警分析功能，增加了前馈控制，在风险发生前做预测报警提示。
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是根据本发明一个实施例的一种实验环境安全检查的巡视控制系统的示意图。
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。
如图1所示，本发明实施例提出了一种实验环境安全检查的巡视控制系统，包括：
第一控制层、执行层、通讯层及第二控制层；其中，
所述第一控制层与所述执行层通过有线或无线信号连接；
所述第一控制层与所述通讯层通过MODBUS连接；
所述通讯层与所述第二控制层通过以太网或5G网络连接；
所述第一控制层包括控制器和人机界面；
所述控制器为嵌入式控制器，用于：
根据存储运行程序和大数据控制策略，对执行层发出动作指令并采集执行层反馈数据；
接收上位机操作指令；
所述人机界面，用于显示系统运行参数以及状态；
所述控制器包括监控模块、AGV运动模块、通讯模块、大数据模块；所述通讯模块分别与所述监控模块、AGV运动模块、大数据模块连接。
根据本发明的一些实施例，所述监控模块用于获取监控数据，采用K-means行为分析算法做预测预警分析。
根据本发明的一些实施例，所述大数据模块中存储有神经网络机器学习算法，所述神经网络机器学习算法包括离散型神经网络演化方程：
；
；
其中，为第/>个神经元的当前状态；/>为第/>个神经元的输出信息；表示在t+1时刻时，第i个神经元的当前状态；/>表示在t+1时刻时，第i个神经元的输出信息；/>表示第i个神经元和第j个神经元之间连接的权值；/>为在t时刻时，第j个神经元的输出信息；/>为神经元i的外部连续输入值；n为神经元的数量；/>为第/>个神经元的当前状态与输出信息的关联函数。
上述技术方案的工作原理及有益效果：第一控制层主要通过神经网络机器学习算法提高计算精度，每个神经元只取二元的离散值0、1或-1、1。神经元i和神经元j之间的权重由wij决定。神经元有当前状态ui和输出vi。虽然ui可以使连续值，但vi在离散模型中是二值的。神经元状态和输出的关系即离散型神经网络演化方程。
根据本发明的一些实施例，所述执行层用于接收控制器动作指令完成动作并且反馈各种运行数据给控制器。
根据本发明的一些实施例，所述执行层包括监控系统、报警系统、AGV运动控制系统、消防联动系统、通风控制系统、室内环境监测系统。
室内环境监测系统，用于获取环境监测数据并传输第一控制层；
通风控制系统，用于获取通风数据并传输至第一控制层；
监控系统，用于获取监控数据并传输至第一控制层；
第一控制层，用于对所述环境监测数据、通风数据、监控数据进行解析，在确定发生异常情况时，发出巡视指令至AGV运动控制系统；
AGV运动控制系统，用于执行巡视指令，并获取巡视数据发送至第一控制层；
所述第一控制层对所述巡视数据进行解析，获取解析结果，在解析结果为表示发生异常时，控制报警系统发出报警提示，并控制消防联动系统进行联动操作。
上述技术方案的有益效果：实现静态监测与动态监测相结合的方式，通过两次确认异常情况，保证确定异常情况的准确性，进而发出准确的控制指令，提高实验室的安全性。
根据本发明的一些实施例，所述室内环境监测系统包括温度监测系统、压力监测系统、湿度监测系统、气体监测系统中的至少一种。
根据本发明的一些实施例，所述通讯层包括远程通讯模块，所述远程通讯模块用于读取所述控制器内的所有的数据参数上传到第二控制层。
根据本发明的一些实施例，所述第二控制层包括移动端和集成管理平台端；
所述移动端和所述集成管理平台端均可通过互联网远程查看系统的运行状态、参数并且能按权限进行反向控制和所述大数据模块调用进行数据处理。
在一实施例中，监控模块采用K-means行为分析算法做预测预警分析，选择初始化的 k 个样本作为初始聚类中心；针对数据集中每个样本 xi计算它到 k 个聚类中心的距离并将其分到距离最小的聚类中心所对应的类中；针对每个类别 aj，重新计算它的聚类中心/>；重复上面两步操作，直到达到中止条件。
本发明的有益效果：
1、本系统通过第一控制层、执行层、通讯层、第二控制层，层次清晰，管理高效，功能划分合理，实现实验室风险操作的预判、报警、联动的集中控制系统。将室内环境监测系统、安防监控系统、消防控制系统、通风控制系统、AGV运动控制系统进行集中控制，实现跨系统的联动，自动而高效的解决实验环境的风险控制和风险排除。
2、针对传统的安防监控系统，引入K-means算法，可以满足实验工艺操作的复杂性高、操作类型多的判定需求，不断通过机器学习算法优化数据库，提高识别准确度，降低误报警率。
3、同时引入AGV运动控制系统，作为风险检查的巡视机器人，在安防监控系统提出预测报警后，机器人定位至风险点进行风险确认；优化人工例行检查，平时工况，由AGV运动机器人做日常风险检查巡视。
4、该集成控制系统集成的安防监控系统、室内环境监测系统和AGV控制系统监测的实时数据形成实验环境的安全风险数据库，通过神经网络算法，增加行为预测预警分析功能，增加了前馈控制，在风险发生前做预测报警提示。
根据本发明的一些实施例，所述AGV运动控制系统包括巡视机器人；
所述AGV运动模块，用于：
获取巡视指令；
根据所述巡视指令确定巡视路径起点及巡视路径终点；
获取所述巡视路径起点的第一属性信息，根据所述第一属性信息查询预设路径数据表，确定第一目标路径；
获取所述巡视路径终点的第二属性信息，根据所述第二属性信息查询预设路径数据表，确定第二目标路径；
确定所述第一目标路径与所述第二目标路径的位置信息，根据所述位置信息确定朝向信息；
根据所述第一目标路径及所述朝向信息，遍历多段预设子路径，确定第一子路径集合；
根据所述第二目标路径及所述朝向信息的相反方向，遍历多段预设子路径，确定第二子路径集合；
在确定所述第一子路径集合与所述第二子路径集合包括相同的两条子路径，且所述相同的两条子路径位置相邻，则根据相同的两条子路径对应的所述第一子路径集合中的第一筛选路径及对应的所述第二子路径集合的第二筛选路径，确定巡视路径，进而得到若干条巡视路径；
基于预设的最长路径巡视原则，在若干条巡视路径中确定执行巡视路径；
获取巡视机器人在执行巡视路径上的定位信息，确定当前巡视子路径；
获取所述当前巡视子路径上的巡视图像，将所述巡视图像输入预先训练好的图像识别模型中，确定巡视图像中的障碍物及障碍物的当前位置信息；
根据所述当前位置信息，预测所述障碍物在第一时刻处于当前巡视子路径的第一位置；
根据所述巡视图像，获取障碍物在第二时刻处于当前巡视子路径的第二位置；
判断所述第一位置与所述第二位置是否匹配，在确定所述第一位置与所述第二位置不匹配时，将所述当前巡视路径作为障碍路径；
根据所述障碍路径的起点和终点，确定新的若干条替换路径；
基于预设的最长路径巡视原则，在若干条替换路径中确定目标替换路径，根据所述目标替换路径对所述执行巡视路径进行更新。
上述技术方案的工作原理：所述AGV运动模块，用于：获取巡视指令；根据所述巡视指令确定巡视路径起点及巡视路径终点；获取所述巡视路径起点的第一属性信息，根据所述第一属性信息查询预设路径数据表，确定第一目标路径；第一属性信息包括巡视路径起点的经纬度数据。第一目标路径为起始路径；获取所述巡视路径终点的第二属性信息，根据所述第二属性信息查询预设路径数据表，确定第二目标路径；第二属性信息包括巡视路径终点的经纬度数据。第二目标路径为终止路径。预设路径数据表为将巡视区域分割为多段子路径。确定所述第一目标路径与所述第二目标路径的位置信息，根据所述位置信息确定朝向信息；根据所述第一目标路径及所述朝向信息，遍历多段预设子路径，确定第一子路径集合；根据所述第二目标路径及所述朝向信息的相反方向，遍历多段预设子路径，确定第二子路径集合；在确定所述第一子路径集合与所述第二子路径集合包括相同的两条子路径，且所述相同的两条子路径位置相邻，则根据相同的两条子路径对应的所述第一子路径集合中的第一筛选路径及对应的所述第二子路径集合的第二筛选路径，确定巡视路径，进而得到若干条巡视路径；基于预设的最长路径巡视原则，在若干条巡视路径中确定执行巡视路径；基于预设的最长路径巡视原则，在若干条巡视路径中确定执行巡视路径；获取巡视机器人在执行巡视路径上的定位信息，确定当前巡视子路径；获取所述当前巡视子路径上的巡视图像，将所述巡视图像输入预先训练好的图像识别模型中，确定巡视图像中的障碍物及障碍物的当前位置信息；根据所述当前位置信息，预测所述障碍物在第一时刻处于当前巡视子路径的第一位置；根据所述巡视图像，获取障碍物在第二时刻处于当前巡视子路径的第二位置；判断所述第一位置与所述第二位置是否匹配，在确定所述第一位置与所述第二位置不匹配时，将所述当前巡视路径作为障碍路径；根据所述障碍路径的起点和终点，确定新的若干条替换路径；基于预设的最长路径巡视原则，在若干条替换路径中确定目标替换路径，根据所述目标替换路径对所述执行巡视路径进行更新。
上述技术方案的有益效果：基于所述第一目标路径及所述朝向信息以及第二目标路径及所述朝向信息的相反方向，从两端遍历多段预设子路径，提高遍历效率，进而提高了得到若干条巡视路径的效率，同时基于从首端及末端分别进行遍历，可以进行相互校正，避免现有技术中只从一端进行遍历，提高了确定巡视路径的准确性。对于障碍路径表示存在动态障碍物，采取绕过的策略，实现巡视多距离及巡视路径的安全性，提高了基于巡视机器人巡视的可靠性，根据所述目标替换路径对所述执行巡视路径进行更新，保证更新后的执行巡视路径的准确性。
根据本发明的一些实施例，所述AGV运动模块获取巡视机器人在执行巡视路径上的定位信息执行以下步骤：
获取所述巡视机器人的巡视里程；
根据所述巡视里程确定目标区域；
获取所述目标区域对应的移动图像，建立所述移动图像与GPS信息的关联关系；
获取所述机器人在当前位置的GPS信息，根据所述当前位置的GPS信息，确定所述巡视机器人在所述移动图像中的位置信息，进而确定巡视机器人在执行巡视路径上的定位信息。
上述技术方案的工作原理：获取所述巡视机器人的巡视里程；根据所述巡视里程确定目标区域；获取所述目标区域对应的移动图像，建立所述移动图像与GPS信息的关联关系；获取所述机器人在当前位置的GPS信息，根据所述当前位置的GPS信息，确定所述巡视机器人在所述移动图像中的位置信息，进而确定巡视机器人在执行巡视路径上的定位信息。所述移动图像中包括局部的巡视路径。
上述技术方案的有益效果：基于巡视里程确定大致的目标区域，获取相应的移动图像，建立所述移动图像与GPS信息的关联关系，便于快速缩小定位范围，提高定位效率，基于机器人在当前位置的GPS信息，准确确定巡视机器人在执行巡视路径上的定位信息。
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)
1.一种实验环境安全检查的巡视控制系统，其特征在于，包括：
第一控制层、执行层、通讯层及第二控制层；其中，
所述第一控制层与所述执行层通过有线或无线信号连接；
所述第一控制层与所述通讯层通过MODBUS连接；
所述通讯层与所述第二控制层通过以太网或5G网络连接；
所述第一控制层包括控制器和人机界面；
所述控制器为嵌入式控制器，用于：
根据存储运行程序和大数据控制策略，对执行层发出动作指令并采集执行层反馈数据；
接收上位机操作指令；
所述人机界面，用于显示系统运行参数以及状态；
所述控制器包括监控模块、AGV运动模块、通讯模块、大数据模块；所述通讯模块分别与所述监控模块、AGV运动模块、大数据模块连接；
所述执行层包括监控系统、报警系统、AGV运动控制系统、消防联动系统、通风控制系统、室内环境监测系统；
所述AGV运动控制系统包括巡视机器人；
所述AGV运动模块，用于：
获取巡视指令；
根据所述巡视指令确定巡视路径起点及巡视路径终点；
获取所述巡视路径起点的第一属性信息，根据所述第一属性信息查询预设路径数据表，确定第一目标路径；
获取所述巡视路径终点的第二属性信息，根据所述第二属性信息查询预设路径数据表，确定第二目标路径；
确定所述第一目标路径与所述第二目标路径的位置信息，根据所述位置信息确定朝向信息；
根据所述第一目标路径及所述朝向信息，遍历多段预设子路径，确定第一子路径集合；
根据所述第二目标路径及所述朝向信息的相反方向，遍历多段预设子路径，确定第二子路径集合；
在确定所述第一子路径集合与所述第二子路径集合包括相同的两条子路径，且所述相同的两条子路径位置相邻，则根据相同的两条子路径对应的所述第一子路径集合中的第一筛选路径及对应的所述第二子路径集合的第二筛选路径，确定巡视路径，进而得到若干条巡视路径；
基于预设的最长路径巡视原则，在若干条巡视路径中确定执行巡视路径；
获取巡视机器人在执行巡视路径上的定位信息，确定当前巡视子路径；
获取所述当前巡视子路径上的巡视图像，将所述巡视图像输入预先训练好的图像识别模型中，确定巡视图像中的障碍物及障碍物的当前位置信息；
根据所述当前位置信息，预测所述障碍物在第一时刻处于当前巡视子路径的第一位置；
根据所述巡视图像，获取障碍物在第二时刻处于当前巡视子路径的第二位置；
判断所述第一位置与所述第二位置是否匹配，在确定所述第一位置与所述第二位置不匹配时，将所述当前巡视路径作为障碍路径；
根据所述障碍路径的起点和终点，确定新的若干条替换路径；
基于预设的最长路径巡视原则，在若干条替换路径中确定目标替换路径，根据所述目标替换路径对所述执行巡视路径进行更新。
2.如权利要求1所述的实验环境安全检查的巡视控制系统，其特征在于，所述监控模块用于获取监控数据，采用K-means行为分析算法做预测预警分析。
3.如权利要求1所述的实验环境安全检查的巡视控制系统，其特征在于，所述大数据模块中存储有神经网络机器学习算法，所述神经网络机器学习算法包括离散型神经网络演化方程：
；
；
其中，为第/>个神经元的当前状态；/>为第/>个神经元的输出信息；表示在t+1时刻时，第i个神经元的当前状态；/>表示在t+1时刻时，第i个神经元的输出信息；/>表示第i个神经元和第j个神经元之间连接的权值；/>为在t时刻时，第j个神经元的输出信息；/>为神经元i的外部连续输入值；n为神经元的数量；为第/>个神经元的当前状态与输出信息的关联函数。
4.如权利要求1所述的实验环境安全检查的巡视控制系统，其特征在于，所述执行层用于接收控制器动作指令完成动作并且反馈各种运行数据给控制器。
5.如权利要求1所述的实验环境安全检查的巡视控制系统，其特征在于，所述室内环境监测系统包括温度监测系统、压力监测系统、湿度监测系统、气体监测系统中的至少一种。
6.如权利要求1所述的实验环境安全检查的巡视控制系统，其特征在于，所述通讯层包括远程通讯模块，所述远程通讯模块用于读取所述控制器内的所有的数据参数上传到第二控制层。
7.如权利要求1所述的实验环境安全检查的巡视控制系统，其特征在于，所述第二控制层包括移动端和集成管理平台端；
所述移动端和所述集成管理平台端均可通过互联网远程查看系统的运行状态、参数并且能按权限进行反向控制和所述大数据模块调用进行数据处理。
8.如权利要求1所述的实验环境安全检查的巡视控制系统，其特征在于，所述AGV运动模块获取巡视机器人在执行巡视路径上的定位信息执行以下步骤：
获取所述巡视机器人的巡视里程；
根据所述巡视里程确定目标区域；
获取所述目标区域对应的移动图像，建立所述移动图像与GPS信息的关联关系；
获取所述机器人在当前位置的GPS信息，根据所述当前位置的GPS信息，确定所述巡视机器人在所述移动图像中的位置信息，进而确定巡视机器人在执行巡视路径上的定位信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210362597.9A CN114756026B (zh) | 2022-04-07 | 2022-04-07 | 一种实验环境安全检查的巡视控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210362597.9A CN114756026B (zh) | 2022-04-07 | 2022-04-07 | 一种实验环境安全检查的巡视控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114756026A CN114756026A (zh) | 2022-07-15 |
| CN114756026B true CN114756026B (zh) | 2024-04-19 |
Family
ID=82328772
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210362597.9A Active CN114756026B (zh) | 2022-04-07 | 2022-04-07 | 一种实验环境安全检查的巡视控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114756026B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07244689A (ja) * | 1994-03-03 | 1995-09-19 | Toshiba Corp | 経路決定装置及び方法 |
| JPH10171655A (ja) * | 1996-12-06 | 1998-06-26 | Max World:Kk | データ処理システム |
| JP2003026335A (ja) * | 2001-07-17 | 2003-01-29 | Mitsubishi Heavy Ind Ltd | 配車スケジュール方法及びその設定用プログラム、該プログラムを格納した記憶媒体 |
| CN110674966A (zh) * | 2019-06-05 | 2020-01-10 | 国网江苏省电力有限公司苏州供电分公司 | 一种电力电缆巡检路径优化方法及装置 |
| CN110852929A (zh) * | 2018-08-21 | 2020-02-28 | 中国移动通信集团广东有限公司 | 网络线路的巡检方法和设备 |
| CN111708369A (zh) * | 2020-07-17 | 2020-09-25 | 武汉科技大学 | 一种变电站巡检机器人路径规划方法 |
| CN112311097A (zh) * | 2020-11-03 | 2021-02-02 | 国网智能科技股份有限公司 | 变电站在线智能巡视集中监控系统及方法 |
| CN112344939A (zh) * | 2020-11-05 | 2021-02-09 | 国网上海市电力公司 | 一种用于变电站的巡视路线规划方法及计算机设备 |
| CN112650248A (zh) * | 2020-12-23 | 2021-04-13 | 齐鲁工业大学 | 基于改进遗传算法的巡检机器人路径规划方法及系统 |
| CN112817310A (zh) * | 2020-12-30 | 2021-05-18 | 广东电网有限责任公司电力科学研究院 | 一种变电站巡检策略的制定方法及装置 |
| 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系统 |
| CN113219975A (zh) * | 2021-05-08 | 2021-08-06 | 珠海市一微半导体有限公司 | 一种路线优化方法、路径规划方法、芯片及机器人 |
| CN113534844A (zh) * | 2021-08-18 | 2021-10-22 | 广东电网有限责任公司 | 一种未知环境下的旋翼飞行器输电线路巡检方法及装置 |
| WO2022027911A1 (zh) * | 2020-08-05 | 2022-02-10 | 深圳市优必选科技股份有限公司 | 机器人导航方法、装置、终端设备及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0321342D0 (en) * | 2003-09-11 | 2003-10-15 | British Telecomm | Monitoring a network path |
| WO2017214581A1 (en) * | 2016-06-10 | 2017-12-14 | Duke University | Motion planning for autonomous vehicles and reconfigurable motion planning processors |
-
2022
- 2022-04-07 CN CN202210362597.9A patent/CN114756026B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07244689A (ja) * | 1994-03-03 | 1995-09-19 | Toshiba Corp | 経路決定装置及び方法 |
| JPH10171655A (ja) * | 1996-12-06 | 1998-06-26 | Max World:Kk | データ処理システム |
| JP2003026335A (ja) * | 2001-07-17 | 2003-01-29 | Mitsubishi Heavy Ind Ltd | 配車スケジュール方法及びその設定用プログラム、該プログラムを格納した記憶媒体 |
| CN110852929A (zh) * | 2018-08-21 | 2020-02-28 | 中国移动通信集团广东有限公司 | 网络线路的巡检方法和设备 |
| CN110674966A (zh) * | 2019-06-05 | 2020-01-10 | 国网江苏省电力有限公司苏州供电分公司 | 一种电力电缆巡检路径优化方法及装置 |
| CN111708369A (zh) * | 2020-07-17 | 2020-09-25 | 武汉科技大学 | 一种变电站巡检机器人路径规划方法 |
| WO2022027911A1 (zh) * | 2020-08-05 | 2022-02-10 | 深圳市优必选科技股份有限公司 | 机器人导航方法、装置、终端设备及存储介质 |
| CN112311097A (zh) * | 2020-11-03 | 2021-02-02 | 国网智能科技股份有限公司 | 变电站在线智能巡视集中监控系统及方法 |
| CN112344939A (zh) * | 2020-11-05 | 2021-02-09 | 国网上海市电力公司 | 一种用于变电站的巡视路线规划方法及计算机设备 |
| CN112650248A (zh) * | 2020-12-23 | 2021-04-13 | 齐鲁工业大学 | 基于改进遗传算法的巡检机器人路径规划方法及系统 |
| CN112817310A (zh) * | 2020-12-30 | 2021-05-18 | 广东电网有限责任公司电力科学研究院 | 一种变电站巡检策略的制定方法及装置 |
| 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系统 |
| CN113219975A (zh) * | 2021-05-08 | 2021-08-06 | 珠海市一微半导体有限公司 | 一种路线优化方法、路径规划方法、芯片及机器人 |
| CN113534844A (zh) * | 2021-08-18 | 2021-10-22 | 广东电网有限责任公司 | 一种未知环境下的旋翼飞行器输电线路巡检方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 《Patrolling Automated Guided Vehicle Enhanced with Object and Face Recognition Functions》;Chin-Chih Chang 等;《2021 IEEE International Conference on Electronic Communications, Internet of Things and Big Data》;20211231;第1-5页 * |
| 《基于A 星算法的无人机高速公路巡检应用研究》;靳朝 等;《江苏科技信息》;20220228;第1-4页 * |
| 《电力巡检中的无人机群路径规划算法》;李晓辉 等;《计算机系统应用》;20220124;第1-7页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114756026A (zh) | 2022-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108189043B (zh) | 一种应用于高铁机房的巡检方法及巡检机器人系统 | |
| CN113761728B (zh) | 基于车联网平台的机场电动特种车辆故障预警方法 | |
| CN117806355A (zh) | 一种电力巡线无人机控制方法及系统 | |
| CN113326964A (zh) | 一种基于数据复合多级综合管廊风险管控方法及方法 | |
| CN113742163A (zh) | 一种故障预警方法、装置、设备及存储介质 | |
| CN111830924A (zh) | 建筑工程内部设施的统一管理与联动控制系统及方法 | |
| CN118137355A (zh) | 基于巡视路径的变电站智能化自主巡视系统及方法 | |
| CN117852896B (zh) | 一种施工监理风险控制预警系统及方法 | |
| CN117454232A (zh) | 生产网建设故障诊断、预测与健康管理系统及方法 | |
| CN117589177B (zh) | 基于工业大模型自主导航方法 | |
| CN114756026B (zh) | 一种实验环境安全检查的巡视控制系统 | |
| CN114442512A (zh) | 一种化学品安全监控系统 | |
| CN111675257A (zh) | 一种污水处理厂的远程集控方法与系统 | |
| CN116931596A (zh) | 一种飞行程序自动编排的无人机飞行系统 | |
| CN114740774A (zh) | 一种通风柜安全操作的行为分析控制系统 | |
| CN114638379A (zh) | 边缘侧多智能体opc ua信息解析和决策方法 | |
| CN114091730A (zh) | 车辆状态监测方法、系统、电子设备和存储介质 | |
| KR20210011811A (ko) | 기계 학습을 이용한 곡가공 장치 및 방법과, 그를 저장하는 컴퓨터 판독 가능한 기록매체 | |
| CN109933023A (zh) | 基于低功耗广域网的网联车管理系统 | |
| CN117389937B (zh) | 一种车辆避障数据的计算方法、计算机及可读存储介质 | |
| CN118172711B (zh) | 一种ai大数据智能管理方法及系统 | |
| CN114755920B (zh) | 一种用于生物安全实验室环境安全监测系统 | |
| CN115338900A (zh) | 一种智能机器人故障监测系统及方法 | |
| KR20240086814A (ko) | 경량 신호처리 가속 엔진을 활용한 스마트센서 기반 스마트공장 운영관리 시스템 및 방법 | |
| CN114926083A (zh) | 一种基于数字孪生的级联冶金过程运行处理系统 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A patrol control system for safety inspection of experimental environment Granted publication date: 20240419 Pledgee: Rizhao Bank Co.,Ltd. Qingdao Branch Pledgor: Qingdao wobers Intelligent Experimental Technology Co.,Ltd. Registration number: Y2024370010117 |