CN115506471A - 一种清淤机器人及清淤方法 - Google Patents

Abstract

本说明书实施例提供一种清淤机器人及清淤方法。清淤机器人包括：设备本体、绞头、淤泥泵、驱动结构、声呐和控制器；所述绞头设置于所述设备本体前端，用于破碎硬质物；所述淤泥泵设置于所述设备本体上，用于抽吸淤泥；所述淤泥泵连接有出泥管；所述驱动结构设置于所述设备本体上，用于驱动所述设备本体移动；所述声呐设置于所述设备本体上，用于对清淤环境进行探测，以及对所述设备本体进行定位检测及矫正；所述控制器与所述绞头、所述淤泥泵、所述驱动结构和所述声呐分别通信连接。

Description

一种清淤机器人及清淤方法

技术领域

本说明书涉及清淤设备技术领域，特别涉及一种清淤机器人及清淤方法。

背景技术

管道清淤是排水部门一项重要工作内容。管道清淤机器人可以用于管道清淤、疏通、水下工程、水下施工等。但是由于清淤机器人的体积一般较大、结构复杂，难以适用于较小管径的管道，且管道内环境复杂，影响清淤效率。

因此，希望能够提供一种体积较小、结构简单、清淤效率较高的清淤机器人。

发明内容

本说明书实施例之一提供一种清淤机器人，包括：设备本体；绞头，所述绞头设置于所述设备本体前端，用于破碎硬质物；淤泥泵，所述淤泥泵设置于所述设备本体上，用于抽吸淤泥；所述淤泥泵连接有出泥管；驱动结构，所述驱动结构设置于所述设备本体上，用于驱动所述设备本体移动；声呐，所述声呐设置于所述设备本体上，用于对清淤环境进行探测，以及对所述设备本体进行定位检测及矫正；控制器，所述控制器与所述绞头、所述淤泥泵、所述驱动结构和所述声呐分别通信连接。

在一些实施例中，所述控制器用于：获取声呐数据；基于所述声呐数据，确定清淤工作参数；基于所述清淤工作参数，发送控制指令给所述清淤机器人；其中，所述清淤工作参数包括：绞头的工作参数、驱动结构的工作参数和淤泥泵的工作参数。

在一些实施例中，所述控制器用于：获取清淤速度和声呐数据；当所述清淤速度小于速度阈值时，通过所述声呐数据，确定清淤故障类型。

在一些实施例中，还包括摄像头；所述控制器用于：获取所述摄像头拍摄的图像数据、声呐数据和清淤工作参数；基于所述图像数据、所述声呐数据和所述清淤工作参数，确定清淤故障类型。

在一些实施例中，还包括辅助补光装置和亮度传感器，用于对所述摄像头进行补光操作；其中，所述补光操作的补光参数基于所述声呐数据和所述亮度传感器确定。

在一些实施例中，所述摄像头上还设置有温度传感器；所述控制器用于：获取所述温度传感器的温度、清淤速度和清淤剩余长度；基于所述温度传感器的温度、所述清淤速度和所述清淤剩余长度，确定所述摄像头拍摄的时间间隔。

在一些实施例中，所述控制器用于：响应于清淤故障类型为预设类型，调整清淤工作参数。

本说明书实施例之一提供一种由上述任一清淤机器人执行的清淤方法，由所述控制器控制所述清淤机器人进行清淤作业；所述方法包括：S1.所述清淤机器人通过所述驱动结构移动至设定位置；其中，所述清淤机器人的位置通过所述声呐确定；S2.所述淤泥泵抽吸需要清理的淤泥；其中，淤泥的量通过所述声呐确定；S3.经所述淤泥泵抽吸的淤泥通过所述出泥管排出；S4.清淤作业完成后通过所述声呐检测是否有淤泥残留。

在一些实施例中，当所述清淤机器人遇到淤泥中的硬质物或结垢于管道壁内的硬质物时，开启所述绞头进行破碎作业。

在一些实施例中，所述方法还包括：获取摄像头拍摄的图像数据、声呐数据和清淤工作参数；基于所述图像数据、所述声呐数据和所述清淤工作参数，确定清淤故障类型；基于所述清淤故障类型为预设类型，调整绞头的工作参数。

在一些实施例中，所述方法还包括：获取声呐数据和亮度传感器的亮度数据；基于所述声呐数据和所述亮度传感器的亮度数据，确定辅助补光装置的补光参数。

在一些实施例中，所述方法还包括：获取温度传感器的温度、清淤速度和清淤剩余长度；基于所述温度传感器的温度、所述清淤速度和所述清淤剩余长度，确定所述摄像头拍摄的时间间隔。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的清淤机器人的结构示意图；

图2是根据本说明书一些实施例所示的清淤机器人的结构示意图；

图3是根据本说明书一些实施例所示的另一结构清淤机器人的结构示意图；

图4是根据本说明书一些实施例所示的另一结构清淤机器人的结构示意图；

图5是根据本说明书一些实施例所示的确定清淤工作参数的流程图；

图6是根据本说明书一些实施例所示的确定清淤故障类型的示例性流程图；

图7是根据本说明书一些实施例所示的确定清淤故障类型的示例性流程图；

图8是根据本说明书一些实施例所示的确定模型的结构示意图；

图9是根据本说明书一些实施例所示的确定拍摄时间间隔的示例性流程图；

图10是根据本说明书一些实施例所示的预测模型的结构示意图；

图11是根据本说明书一些实施例所示的清淤方法的示例性流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

管道清淤是指将管道进行疏通，清理管道里面的淤泥等废物，保持长期畅通，以防止城市发生内涝。管道没有定期清淤会造成污水滥流，污染环境，带来麻烦。

基于此，在一些实施例中，提供一种清淤机器人，可以用于管道清淤、疏通(排水管道中排入的大量杂物和基建工地水泥砂等发生沉淀淤积造成的管道堵塞等)、水下工程、水下施工(水利水电工程、港口码头工程、道路桥梁工程等)等，具备清淤时不开挖、不截留、不下人、不排气等优点，且不影响交通、环保安全。在一些实施例中，清淤机器人结构简单、体积小，可以适用于小管径的管道内清淤，例如，清淤机器人的长度可以为约750mm，宽度可以为约535mm，高度可以为约410mm，可进入直径600mm内的管道进行清淤作业。在一些实施例中，清淤机器人能够基于声呐实现准确地定位以及对管道内环境进行检测，清淤效率高。

图1是根据本说明书一些实施例所示的清淤机器人100的结构示意图。图2是根据本说明书一些实施例所示的清淤机器人100的结构示意图。

在一些实施例中，如图1和图2所示，清淤机器人100可以包括设备本体、绞头110、淤泥泵120、驱动结构、声呐150和控制器。

设备本体用于支撑和连接各设备。在一些实施例中，在设备本体上可以安装多种与清淤相关的功能设备，例如淤泥泵120等。在一些实施例中，设备本体可以包括多种功能设备之间的连接结构，通过设备本体使得各功能设备形成功能性的整体。在一些实施例中，设备本体可以为框架性结构，绞头110、淤泥泵120、驱动结构、声呐150和控制器等设备可以设置在框架性结构中，并通过框架性结构相互连接，框架性结构能够使得清淤机器人100体积较小且重量较轻。在一些实施例中，设备本体也可以为其他结构，例如平板状结构，绞头110、淤泥泵120、声呐150和控制器等设备可以设置在平板状结构上，驱动结构可以与平板状结构侧面连接。在一些实施例中，设备本体是可以省略的，例如，绞头110、淤泥泵120、驱动结构和声呐150等设备可以相互连接，构成功能性的整体。

绞头110用于破碎硬质物。硬质物指的是具有较高硬度的物质，其难以被淤泥泵抽吸以及容易堵塞泵体和出泥管等。在一些实施例中，绞头110可以设置于设备本体前端，前端可以是清淤机器人100前进方向的一端。在一些实施例中，绞头110可以通过旋转进行破碎作业，例如，绞头110可以内置驱动件以驱动绞头110旋转，旋转轴可以与清淤机器人100的前进方向平行。在一些实施例中，绞头110可以绕绞头110与设备本体的连接处转动，从而改变绞头110的旋转轴的方向，以实现对更多位置硬质物的破碎，提高破碎效率。

在一些实施例中，绞头110可以呈锥形、圆筒形、长方体形或其他不规则形状。在一具体实施例中，当绞头110呈锥形时，绞头110前端的直径可以为60mm，绞头110后端最大直径可以为300mm～400mm。在垂直于清淤机器人100前进方向的方向上，绞头110的宽度可以小于清淤机器人100的宽度，以避免绞头110在管道中进行破碎作业过程中损害管道壁。在一些实施例中，绞头110上可以分布有多个叶片111，以进一步增强其破碎效果。根据作业需要，叶片111可以为硬质或软质，叶片111可以与绞头110固定连接，也可以与绞头110可拆卸连接，以便于检修更换。

在一些实施例中，绞头110可以包括挡泥板，挡泥板可以精确控制绞头110的扰动范围，并防止淤泥受扰后在水体中扩散，使得淤泥泵120能够充分吸入淤泥。在一些实施例中，挡泥板可以设置在绞头110上方和/或两侧。在一些实施例中，挡泥板可以设置在绞头110上方、下方以及左右两侧，形成将绞头110及叶片111包覆在其中的防护罩，仅在朝向清淤机器人100前进方向设有开口，用于淤泥进入。在一些实施例中，设置于绞头110下方的挡泥板可以设置为弧形，以适形于清淤作业时清淤机器人100下方的管道壁。

淤泥泵120用于抽吸淤泥。在一些实施例中，淤泥泵120可以设置于设备本体上，淤泥泵120可以连接有出泥管130。淤泥泵120可以利用水的运动将水中淤泥经过机械或高压水切割，使泥与水相混合，形成一定浓度的泥水混合体(泥浆)，然后将泥浆吸入泵体，并通过出泥管130排至淤泥存储或处理处。在一些实施例中，淤泥存储或处理处可以是清淤机器人100上设置的淤泥存储装置，淤泥存储装置可以存储相对少量的淤泥，以适应于清淤机器人100短时间工作，无需与外部管道连接，使用方便。在一些实施例中，淤泥存储或处理处也可以位于管道外，例如地上淤泥处理站等。

在一些实施例中，淤泥通过全封闭的出泥管130输送。在排距较远时，途中可以加设接力泵接力输送。在一些实施例中，出泥管130可以采用硬管或软管。在河道内，出泥管130可以采用浮管；在地面上，出泥管130可以直接铺设，需穿越道路时，可以采用地下埋管的形式，也可以在两边架设引坡，确保不影响清淤作业且不影响道路正常通行。在输送线路上，可以每间隔一段距离(例如，0.5km)设立一个淤泥容纳箱和泵站。在一些实施例中，在开始清淤作业前，需要先对出泥管130进行清水压力试验，确保管路全线密封无泄漏后，方可开始清淤作业。

驱动结构用于驱动设备本体移动。在一些实施例中，驱动结构可以设置于设备本体上，例如，设置于设备本体的两侧。在一些实施例中，驱动结构可以直接与管道壁接触并基于与管道壁的摩擦力使得设备本体完成前进、后退、转向等动作。在一具体实施例中，驱动结构可以包括履带140，履带140可以包括履带板，清淤机器人100通过履带板与地面(或管道内壁面)接触。当履带140中与地面接触的履带板所在面平行于水平面时，可以认为履带140处于水平状态；当履带140中与地面接触的履带板所在面与水平面存在一定角度时，可以认为履带140处于倾斜状态，履带140相对于水平面存在一定角度。清淤机器人100的履带140可以呈水平状态也可以呈倾斜状态。在一些实施例中，清淤机器人100的履带140可以相对于水平面呈-90°～90°。在一些实施例中，清淤机器人100的履带140可以相对于水平面呈-70°～70°。在一些实施例中，清淤机器人100的履带140可以相对于水平面呈-50°～50°。在一些实施例中，清淤机器人100的履带140可以相对于水平面呈-20°～20°。在一些实施例中，在清淤机器人100的履带140能够相对于水平面呈现的角度以内，履带140可以随时改变角度。在一些实施例中，清淤机器人100的履带140相对于水平面的角度可以随时变化以适应管道内壁弧度。

在一些实施例中，清淤机器人100的两侧(相对于前进方向)可以分别安装一个履带140。在一些实施例中，清淤机器人100可以设置三个及三个以上的履带140。例如，在垂直于清淤机器人100前进方向的面上，三个履带140可以以绞头110的旋转轴为圆心，任意相邻两个履带140之间的圆心角为120°布置。又例如，三个以上的多个履带140可以以绞头110的旋转轴为圆心，在垂直于清淤机器人100前进方向的面上，绕圆心分布设置。

在一些实施例中，履带140的尺寸应当与清淤机器人100及管道相匹配，在一具体实施例中，履带140的长度可以为500mm～550mm，宽度可以约为100mm，高度可以为188mm～220mm。在一些实施例中，驱动结构也可以是车轮或其他能够使得设备本体实现移动的结构。

在一些实施例中，驱动结构可以包括设置在清淤机器人100后端的推进器，后端可以指与清淤机器人100前进方向相反的一端。推进器可以用于产生推力，驱动清淤机器人100前进。在一具体实施例中，推进器可以包括但不限于螺旋桨推进器、喷水推进器等；其中，螺旋桨推进器包括螺旋桨，水从桨叶的吸入面吸入，从排出面排出，利用水的反作用力推动清淤机器人100前进；喷水推进器包括水泵、吸水管道和喷水管道，前进时，水泵自吸水管道吸进水流，从喷水管道高速喷出，获得水流的反作用力，推动清淤机器人100前进。

声呐150是利用声波在水下的传播和反射特性，通过电声转换和信息处理，完成水下测量距离、探测动态和通讯任务的设备。在一些实施例中，声呐150可以设置于设备本体上，用于对清淤环境进行探测，以及对设备本体进行定位检测及矫正。清淤环境可以指清淤机器人100进行清淤作业的环境。

液压站是由液压泵、驱动用电动机、油箱、方向阀、节流阀、溢流阀等构成的液压源装置或包括控制阀在内的液压装置。按驱动装置要求的流向、压力和流量供油，适用于驱动装置与液压站分离的各种机械上，将液压站与驱动装置(油缸或马达)用油管相连，即可实现各种规定的动作。在一些实施例中，清淤机器人100可以与液压站连接，清淤机器人100可以由液压驱动，例如，通过液压驱动绞头110旋转，通过液压驱动履带140等。在一些实施例中，液压站可以设置于设备本体上，也可以设置于管道外部。在一些实施例中，清淤机器人100也可以基于其他动力驱动，例如电力等，在此不做限制。

在一些实施例中，清淤机器人100还可以包括摄像头。摄像头具有视频摄像/传播和静态图像捕捉等功能。在一些实施例中，摄像头可以设置于设备本体上，用于拍摄清淤环境，监控清淤作业过程。关于摄像头的更多内容，可以参见图7及其相关描述。

在一些实施例中，清淤机器人100还可以包括辅助补光装置和亮度传感器，用于对摄像头进行补光操作。在一些实施例中，辅助补光装置可以为一个，单个的辅助补光装置可以安装在摄像头镜头侧，以用于补光。在一些实施例中，辅助补光装置可以为多个，多个辅助补光装置可以安装在包括摄像头镜头侧在内的多个位置，以用于照亮清淤环境，为摄像头提供更清晰的拍摄环境。辅助补光装置可以包括照明灯等。关于补光操作的更多内容，可以参见图7和图8及其相关描述。

在一些实施例中，清淤机器人100还可以包括温度传感器，用于获取摄像头的温度和/或清淤机器人周围环境的温度。摄像头可以用于监测环境温度以避免环境温度过高或过低影响清淤机器人100性能。此外，清淤摄像头工作时间过长或摄像头拍摄的时间间隔过短时，可能因为发热导致温度过高而发生故障，因此可以通过温度传感器实时监测摄像头温度，并进一步确定比较合理的拍摄时间间隔等。关于获取温度的更多内容，可以参见图9及其相关描述。

在一些实施例中，清淤机器人100通过驱动结构行走，声呐150探测清淤环境寻泥，绞头110破碎淤泥，淤泥泵120抽吸淤泥，并进一步通过图像及感应监控，在不截流不开挖的情况下，完成智能机器人清淤过程，实现了智能化管道作业。

图3是根据本说明书一些实施例所示的另一结构清淤机器人200的结构示意图；图4是根据本说明书一些实施例所示的另一结构清淤机器人200的结构示意图。

在一些实施例中，如图3和图4所示，清淤机器人200可以包括设备本体、绞头210、淤泥泵220、驱动结构、声呐250和控制器。其中，设备本体、绞头210、淤泥泵220、驱动结构、声呐250和控制器可以与清淤机器人100的设备本体、绞头110、淤泥泵120、驱动结构、声呐150和控制器相同，在此不再赘述。

在一些实施例中，清淤机器人200还可以包括出水口261和切割装置263，出水口261可以与高压水管连接，用于向外冲水辅助清理淤泥，切割装置263可以旋转切割用于辅助清理硬质物。在一些实施例中，切割装置263还可以对需要切割的管道内壁进行切割。

在一些实施例中，清淤机器人200可以设有环形结构260，环形结构260可以设置在设备本体上，环形结构260可以位于绞头210与淤泥泵220之间，出水口261和切割装置263可以设置在环形结构260上。在一些实施例中，环形结构260可以旋转，环形结构260的旋转轴可以与绞头210的旋转轴相同。在一些实施例中，环形结构260可以与绞头210连接并与绞头210保持相对静止，具体的，环形结构260可以与绞头210同步旋转，当绞头210可以绕绞头210与设备本体的连接处转动时，环形结构260可以跟随绞头210的转动而转动。在一些实施例中，环形结构260也可以独立设置及独立进行旋转。

在一些实施例中，出水口261连接有高压水管，高压水管连接水源。在一些实施例中，出水口261可以设置为多个，其中，出水口261的出水方向可以朝向清淤机器人200的前进方向、后退方向以及垂直于前进方向的方向中的至少一个方向，以用于冲刷指定方向或多方向的淤泥。在一些实施例中，可以根据需要开启一个及以上的出水口261用于冲刷淤泥。

在一些实施例中，环形结构260上可以设置有用于收纳切割装置263的收纳槽262。在一些实施例中，如图3所示，在无需使用切割装置263时，切割装置263可以置于收纳槽262内，以避免切割装置263影响清淤作业。在一些实施例中，如图4所示，在需要使用切割装置263对清淤机器人200侧方的硬质物(例如，管壁上的污垢)进行切割，或者，在需要使用切割装置263对管壁进行切割时，切割装置263可以从收纳槽262中伸出进行切割作业。

在一些实施例中，切割装置263可以是砂轮切割机，也可以是其他任意具备切割功能的设备。

在一些实施例中，清淤机器人200通过可转动的环形结构260，能够精确控制对指定位置进行作业；通过设置出水口261和切割装置263，实现利用高压出水辅助清淤，利用切割装置辅助破碎硬质物，进一步提高了清淤效率。

在一些实施例中，控制器可以与绞头110、淤泥泵120、驱动结构和声呐150分别通信连接。控制器可以用于接受和发出指令的设备。控制器可以是微型内嵌于控制组件中不可分离的电子芯片，也可以是可从控制组件中拆卸分离的电子设备，还可以是其他结构的设备。在一些实施例中，控制器可以是带有CPU的微程序控制器，能够协调指令的接受和发送。

在一些实施例中，控制器可以用于确定清淤工作参数。图5是本说明书一些实施例所示的确定清淤工作参数的流程图。在一些实施例中，该流程可以由控制器执行。如图5所示，流程500可以包括以下步骤：

步骤510，获取声呐数据。

声呐数据可以指声呐发射和/或接收的数据。例如，声呐数据可以是声呐发出和接收的声波数据。又例如，声呐数据还可以是转换后的电信号数据。

在一些实施例中，控制器可以基于声呐对接收到的声呐数据进行处理。在一些实施例中，控制器还可以命令声呐将处理后的声呐数据发送到控制器。

步骤520，基于声呐数据，确定清淤工作参数。

清淤工作参数可以指清淤机器人工作相关的参数。例如，清淤工作参数可以包括绞头的工作参数、驱动结构的工作参数和淤泥泵的工作参数。在一具体实施例中，绞头的工作参数可以包括但不限于绞动功率，驱动结构的工作参数可以包括但不限于驱动马达功率，淤泥泵的工作参数可以包括但不限于淤泥泵的抽吸功率等。

在一些实施例中，可以通过多种可行的方式确定清淤工作参数。例如，可以基于控制器中预设的PLC(Programmable Logic Controller)程序，确定清淤工作参数。又例如，可以对基于声呐、摄像头和/或传感器等部件获取的数据进行分析处理，确定清淤工作参数。

步骤530，基于清淤工作参数，发送控制指令给清淤机器人。

控制指令可以指与控制清淤机器人相关的指令信息。在一些实施例中，控制器可以基于不同的清淤工作参数，确定不同的控制指令，并分别发送至清淤机器人不同的部件，使其按照对应控制指令执行相关操作。例如，可以基于确定的淤泥泵的抽吸功率发送控制指令给淤泥泵，使其以该确定的抽吸功率运行。

在一些实施例中，通过基于实时获取的清淤机器人所处环境的相关数据，比如声呐数据等，并由控制器对其进行分析处理，来确定清淤机器人的清淤工作参数，比较符合实际情况，能够实时根据获取的不同环境数据做出反应，及时调整清淤工作参数并发出控制指令，以便使清淤机器人能够适应不同环境，满足用户需求。

在一些实施例中，控制器可以用于确定清淤故障类型。图6是根据本说明书一些实施例所示的确定清淤故障类型的示例性流程图。在一些实施例中，流程可以由控制器执行。如图6所示，流程600可以包括以下步骤：

步骤610，获取清淤速度和声呐数据。

清淤速度可以指清淤机器人单位时间内前进的距离。可以理解的是，清淤机器人的清淤速度越快，其工作效率越高。

关于声呐数据的更多说明，可以参见图5及其相关描述。

在一些实施例中，可以利用多种可行的方法获取清淤速度。例如，可以结合不同时间的声呐数据获取清淤机器人一定时间内的前进距离，进而获取清淤速度。又例如，可以基于清淤机器人连接的淤泥输送管在一定时间内的前进长度，确定清淤机器人的清淤速度。

步骤620，当清淤速度小于速度阈值时，通过声呐数据，确定清淤故障类型。

速度阈值可以指与清淤机器人有关的清淤速度限值。例如，速度阈值可以是清淤机器人正常工作时的最低清淤速度值。可以理解的是，当清淤机器人的清淤速度小于速度阈值时，表明其很可能发生清淤故障。在一些实施例中，可以根据实际情况人工确定速度阈值。

清淤故障类型可以指影响清淤机器人清淤效率的故障类型，其中，清淤故障类型产生的原因可以分为由清淤机器人自身因素导致和由外界因素导致。例如，清淤机器人自身因素可以包括但不限于绞头转速过小、淤泥泵故障、淤泥输送管道受堵、清淤机器人打滑和/或机器人电路故障等。又例如，外界因素可以包括但不限于淤泥硬度增大、清淤机器人前进受阻和/或水流影响等。

在一些实施例中，可以基于清淤机器人获取的声呐数据，并对其进行分析处理，确定清淤故障类型。例如，分析处理的方法可以包括但不限于建模、进行数据归纳和/或建立预设算法等。又例如，对清淤机器人获取的多个时间点的声呐数据进行分析确定，清淤机器人处于当前位置长达5分钟，且前方有淤泥尚未清理，且清淤机器人电路正常运行，则可以判断清淤故障类型很可能是清淤机器人前进受阻。

在一些实施例中，还可以结合传感器和/或摄像头获取的外界环境数据进行分析，确定清淤故障类型。关于如何确定清淤故障类型的更多说明，可以参见本说明书其他部分的内容(如，图7及其相关描述)。

在本说明书一些实施例中，通过对清淤机器人自身相关数据和外界环境有关数据进行分析处理，来确定清淤故障类型，能够根据实际情况得出比较准确和符合实际的分析结果，以便清淤机器人根据不同的清淤故障类型分析结果，做出满足工作需求的调整，使清淤工作顺利进行。

图7是根据本说明书一些实施例所示的确定清淤故障类型的示例性流程图。在一些实施例中，流程可以由控制器执行。如图7所示，流程700可以包括以下步骤：

步骤710，获取摄像头拍摄的图像数据、声呐数据和清淤工作参数。

图像数据可以指摄像头获取的图像。例如，图像数据可以包括图片和/或视频等。

控制器可以发送相关控制指令给摄像头，命令摄像头进行拍摄，并将拍摄的图像数据传输至控制器。控制器可以命令摄像头获取指定位置和/或指定时间的图像数据。在一些实施例中，控制器还可以对图像数据进行处理。

关于声呐数据和清淤工作参数，参见本说明书其他部分的内容(如，图5及其相关说明)。

步骤720，基于图像数据、声呐数据和清淤工作参数，确定清淤故障类型。

在一些实施例中，还可以基于查表、统计分析和/或建模分析等方法，基于图像数据、声呐数据和清淤工作参数，确定清淤故障类型。例如，可以建立确定模型，来确定清淤故障类型，其中，确定模型可以为机器学习模型。关于确定模型的更多说明，参见图8及其相关描述。

在一些实施例中，通过分析摄像头获取的图像数据，并结合声呐数据和清淤工作参数，以确定清淤机器人的相关工作参数，可以比较准确合理地确定清淤故障类型，并实时根据环境情况做出调整，能够满足用户需求，可以在一定程度上提高清淤效率。

图8是根据本说明书一些实施例所示的确定模型的结构示意图。

在一些实施例中，如图8所示，确定模型830可以包括第一特征提取层831、第二特征提取层832和判断层833。例如，第一特征提取层831、第二特征提取层832和判断层833可以是卷积神经网络或深度神经网络或其组合得到的模型等。

在一些实施例中，第一特征提取层831的输入可以包括图像数据810，其输出可以包括图像特征840；第二特征提取层832的输入可以包括声呐数据820，其输出可以包括声呐特征850；判断层833的输入可以包括图像特征840、声呐特征850、准确率参数值860、清淤工作参数870以及清淤速度880，其输出可以包括清淤故障类型890。其中，图像特征840和声呐特征850可以包括分别基于图像数据810和声呐数据820提取的特征数据。例如，特征数据可以包括但不限于向量和/或矩阵等形式。例如，图像特征840可以包括清淤机器人前方淤泥厚度、颜色和/或杂质含量情况以及清淤机器人姿态特征的数据。又例如，声呐特征850可以为反映清淤机器人前方淤泥状况以及障碍物形状的数据。

关于图像数据810、声呐数据820、清淤工作参数870、清淤速度880以及清淤故障类型890的更多说明，参见本说明书其他部分的内容(如，图5和图6及其相关内容)。

在另一些实施例中，判断层833的输入还可以包括准确率参数值860。

准确率参数值860可以指基于训练过程中预测模型输出结果的准确程度确定的数值，其中，预测模型输出结果的准确程度可以基于模型实际输出和对应训练标签的相似度确定。可以理解的是，预测模型输出结果的准确率越高，准确率参数值860越大。例如，准确率参数值(0.7,0.9)可以表示第一特征提取层831的准确率参数是0.7，第二特征提取层832的准确率参数是0.9。

关于预测模型的更多说明，参见图8关于模型训练的相关内容。

通过基于大量广泛的数据获取训练好的确定模型，并利用确定模型确定清淤故障类型，效率较高，且准确程度有一定保证，能够用户关于实时性的要求。

在一些实施例中，确定模型可以基于训练获取，确定模型的训练可以由控制器执行。例如，可以通过单独训练或联合训练的方式，获取训练好的第一特征提取层831、第二特征提取层832和判断层833，进而获取确定模型830。

在一些实施例中，可以基于第一预测模型训练第一特征提取层831，以及基于第二预测模型训练第二特征提取层832。其中，第一预测模型可以包括第三特征提取层和第一预测层，第二预测模型可以包括第四特征提取层和第二预测层。例如，第三特征提取层、第四特征提取层、第一预测层以及第二预测层可以是卷积神经网络或深度神经网络或其组合得到的模型等。

在一些实施例中，第三特征提取层的输入可以包括图像数据，其输出可以为图像特征；第一预测层的输入可以包括图像特征，其输出可以为基于图像特征预测的清淤故障类型。

在一些实施例中，第四特征提取层的输入可以包括声呐数据，其输出可以为声呐特征；第二预测层的输入可以包括声呐特征，其输出可以为基于声呐特征预测的清淤故障类型。

在一些实施例中，第三特征提取层的输出可以为第一预测层的输入，第三特征提取层和第一预测层可以通过联合训练得到；第四特征提取层的输出可以作为第二预测层的输入，第四特征提取层和第二预测层可以通过联合训练得到。

在一些实施例中，第三特征提取层和第一预测层联合训练的样本数据可以包括样本图像数据，标签为基于图像特征确定的样本清淤故障类型。向第三特征提取层输入训练样本数据，即样本图像数据，得到第三特征提取层输出的图像特征；然后将图像特征作为训练样本数据输入第一预测层，得到第一预测层输出的清淤故障类型，基于样本清淤故障类型和第一预测层的输出构建损失函数，同步更新第三特征提取层和第一预测层的参数。通过参数更新，直至损失函数满足预设条件，得到训练好的第三特征提取层和第一预测层。其中，预设条件可以是损失函数小于阈值、收敛，或训练周期达到阈值。

在一些实施例中，第四特征提取层和第二预测层联合训练的样本数据可以包括样本声呐数据，标签为基于声呐特征确定的样本清淤故障类型，可以基于相同和/或相似的方法，获取训练好的第四特征提取层和第二预测层。

通过获取训练好的第一预测模型和第二预测模型，进而可以将训练好的第三特征提取层作为第一特征提取层831，将训练好的第四特征提取层作为第二特征提取层832。

在一些实施例中，可以基于第一预测模型和第二预测模型所输出结果的准确率确定准确率参数值860。关于准确率参数值860的更多说明，参见本说明书其他部分的内容。在一些实施例中，判断层833的输出结果受到准确率参数值较高的特征提取层的输出结果的影响更大。例如，第一预测模型和第二预测模型所输出结果的准确率分别为90％和60％，则准确率参数值860可以为(0.9,0.6)，其中，0.9表示第一特征提取层831所输出的结果在判断层833中的影响系数是0.9，0.6表示第二征提取层832所输出的结果在判断层833中的影响系数是0.6。

在一些实施例中，判断层833可以基于单独训练获得。例如，可以将带有训练标签的训练样本输入初始判断层，训练样本可以包括样本图像特征、样本声呐特征、样本准确率参数、样本清淤工作参数和样本清淤速度，对应的训练标签可以为清淤故障类型。通过训练迭代更新初始判断层的参数，直到其满足预设条件，获取训练好的判断层。在一些实施例中，迭代更新模型参数的方法可以包括随机梯度下降等常规的模型训练方法。关于预设条件的更多说明，参见第一预测模型和第二预测模型联合训练的相关内容。

在一些实施例中，通过单独建立第一预测模型和第二预测模型来训练第一特征提取层和第二特征提取层，可以在训练数据有限的条件下，获取具有足够准确度的确定模型，使训练效率得以提高，且降低了对训练数据的要求。另外，基于大量广泛的历史数据对模型进行训练，获取训练好的确定模型，利用该模型可以比较快速地确定导致清淤机器人效率下降的清淤故障类型，且准确程度较高，节约人力物力以及时间成本。

在一些实施例中，图像数据810还可以包括通过补光处理后的图像。其中，补光处理可以是利用辅助补光装置等部件，对清淤机器人周围环境进行补光。可以理解的是，控制器通过确定合适的补光参数，并命令辅助补光装置等部件进行补光，可以使摄像头获取更高质量的图像。

补光参数可以指与辅助补光装置的补光功率有关的参数。在一些实施例中，补光参数可以基于声呐数据和亮度传感器确定。在一具体实施例中，可以基于声呐数据和亮度传感器，利用人工分析、理论计算和/或建模等多种方法确定补光参数。例如，可以基于声呐数据和亮度传感器输出的亮度数据，经过分析判断前方有较多的淤泥导致亮度不够，然后根据历史经验确定合适的补光参数。

在一些实施例中，可以利用模拟模型，基于预设的补光参数对摄像头获取的图像进行分析处理，输出模拟图像。其中，模拟图像是经过补光后的图像，且与摄像头实际获取的图像内容相同。模拟模型可以为机器学习模型。例如，可以包括卷积神经网络模型、深度神经网络模型、循环神经网络模型或其他自定义的模型结构等中的任意一种或组合。

在一些实施例中，模拟模型的输入可以包括摄像头获取的图像和预设的补光参数，其输出可以包括模拟图像。

在一些实施例中，可以通过训练样本和对应的标签对初始模拟模型进行训练，获取训练好的模拟模型。其中，训练样本可以包括样本图像和样本预设补光参数，标签可以为对应的补光后的图像。关于模型训练的更多内容，参见图8及其相关内容。

在一些实施例中，通过确定合适的补光参数，并利用辅助补光装置等部件对清淤机器人周围环境进行补光处理，可以使摄像头获取更高质量的图像，进而使确定的清淤故障类型具有更高的准确度，能够满足用户需求，提高分析效率。

在一些实施例中，通过利用第一预测模型对模拟图像进行处理，输出清淤故障类型并确定第一预测模型输出结果的置信度，响应于置信度大于置信度阈值，确定该模拟图像对应的补光参数为目标补光参数。其中，置信度阈值可以基于实际情况设定。在一些实施例中，第一预测模型输出结果的置信度与其准确率有关，准确率越高，置信度越高。关于该模拟图像对应的补光参数的更多说明，参见本说明书图8关于图像数据的相关内容。

通过分析第一预测模型所输出清淤故障类型的置信度，来判断补光参数是否合适以及是否需要调整，可以获取比较合理的判断结果，且具有一定的准确度，进而通过合理的补光，使摄像头获取较高质量的图像。

在一些实施例中，控制器可以用于调整清淤工作参数。当确定的故障类型为预设类型时，可以通过数据分析、建模和/或归纳等多种方法，确定调整后的清淤工作参数。例如，当控制器确定清淤故障类型为淤泥硬度增大时，可以通过数据分析，判断淤泥硬度变化程度，进而确定是否增大绞头绞动功率和驱动马达功率以及增大的幅度。

预设类型可以指预先确定并进行分类的清淤故障类型。例如，预设类型可以包括但不限于绞头转速过小、淤泥泵故障、淤泥输送管道受堵、清淤机器人打滑和/或机器人电路故障、淤泥硬度增大、清淤机器人前进受阻和/或水流影响等。

关于清淤工作参数以及清淤故障类型的更多说明，参见图5、图6及其相关描述。

在一些实施例中，可以基于当前预测的故障类型构建当前类型向量。

当前类型向量可以指对当前预测的故障类型进行处理确定的特征向量。构建当前类型向量的方式可以有多种。例如，当前预测的故障类型为淤泥泵故障、淤泥输送管道受堵和淤泥硬度增大，则构建的当前类型向量可以为(3,1,2,3)，其中，第一个3表示当前预测的故障类型有3种，1表示故障类型之一为淤泥泵故障，2表示故障类型之一为淤泥输送管道受堵，第二个3表示故障类型之一淤泥硬度增大。

在一些实施例中，故障类型向量可以基于历史数据和试验数据构建，构建方式参考当前类型向量的构建方式。基于多个故障类型向量建立故障类型数据库，其中，故障类型数据中的每一个故障类型向量分别对应一个清淤工作参数。

在一些实施例中，可以分别计算当前类型向量与故障类型向量之间的向量距离，确定调整后的清淤工作参数。其中，向量距离可以包括欧氏距离、曼哈顿距离或切比雪夫距离等。例如，将与当前类型向量之间的距离满足预设条件的故障类型向量作为参考向量，将参考向量对应的清淤工作参数作为当前类型向量对应的调整后的清淤工作参数。预设条件可以根据情况设定。例如，预设条件可以是向量距离最小或向量距离不高于距离阈值。

其中，调整后的清淤工作参数可以包括但不限于绞头绞动功率改变、驱动马达功率改变、淤泥泵抽吸功率改变等。

通过建立数据库并基于向量匹配来确定合适的清淤工作参数调整方案，效率较高，比较符合实际情况，且能够满足用户需求；通过及时调整清淤工作参数，可以在一定程度上避免损坏清淤机器人部件，有效避免其使用寿命缩短。

在一些实施例中，控制器可以用于确定摄像头拍摄的时间间隔。图9是根据本说明书一些实施例所示的确定拍摄时间间隔的示例性流程图。在一些实施例中，流程可以由控制器执行。如图9所示，流程900可以包括以下步骤：

步骤910，获取温度传感器的温度、清淤速度和清淤剩余长度。

温度传感器的温度可以指基于温度传感器获取的温度数据。例如，温度传感器的温度可以包括清淤机器人周围环境的温度和/或摄像头的温度。在一些实施例中，控制器可以通过有线和/或无线连接的方式，获取温度传感器的温度。

清淤剩余长度可以指清淤机器人剩余的尚未完成清淤工作的管道长度。

清淤剩余长度可以基于计划清淤长度和/或管道长度减去清淤机器人已经前进的距离确定。在一些实施例中，清淤剩余长度还可以基于声呐数据确定。例如，可以利用声呐确定清淤机器人前方淤泥厚度和/或管道长度，进而确定清淤剩余长度。

关于清淤速度的更多说明，参见图6及其相关描述。

步骤920，基于温度传感器的温度、清淤速度和清淤剩余长度，确定摄像头拍摄的时间间隔。

可以理解的是，当摄像头拍摄的时间间隔过短时，其可能因为发热导致温度过高而发生故障，因此需要基于实际情况确定比较合理的拍摄时间间隔。

在一些实施例中，可以利用统计分析、数学计算和/或线性拟合等多种方式，对温度传感器的温度、清淤速度和清淤剩余长度进行分析处理，确定摄像头拍摄的时间间隔。例如，可以基于温度传感器输出的多个时间点的温度数据，结合清淤剩余长度和清淤速度，利用线性拟合方法，估计未来多个时间点的温度数据，进而根据未来时间点的温度数据是否合理，来决定是否调整拍摄的时间间隔。

在另一些实施例中，还可以利用预测模型预测摄像头未来时间点的温度，进而确定摄像头拍摄的时间间隔。其中，未来时间点的温度可以包括摄像头未来多个时间点的温度数据。预测模型可以为机器学习模型。例如，预测模型可以为卷积神经网络或深度神经网络或其组合得到的模型等。

图10是根据本说明书一些实施例所示的预测模型的结构示意图。

在一些实施例中，如图10所示，预测模型1050的输入可以包括清淤速度1010、当前温度传感器的温度1020、预设的时间间隔1030，其输出可以包括未来时间点的温度1060。在一些实施例中，预测模型1050的输入还可以包括补光参数1040。

预设的时间间隔1030可以指预先设定的摄像头拍摄的时间间隔。

在一些实施例中，预测模型1050可以基于训练样本和对应的标签，通过训练获取。其中训练样本可以包括样本清淤速度、样本温度传感器的温度、样本时间间隔以及样本补光参数，对应的标签可以为历史数据中多个时间点的温度数据。训练样本及其对应的标签可以基于历史数据人工确定。

关于训练的更多说明，参见本说明书其他部分的内容(如，图8及其相关描述)。

在一些实施例中，若预测模型输出的至少一个未来时间点的温度大于温度阈值，且该未来时间点的温度都小于极限值，则可以将预设的时间间隔1030作为目标时间间隔。其中，温度阈值可以指与摄像头温度有关的限值，目标时间间隔可以指符合当前清淤要求的摄像头拍摄的时间间隔。

可以理解的是，当预测模型输出的未来时间点的温度小于阈值时，摄像头拍摄的时间间隔可能过长，摄像头没有达到最佳工作状态。

极限值可以指预先设定的摄像头的温度极值。例如，极限值可以基于清淤剩余长度和清淤速度，结合实际情况确定。可以理解的是，清淤剩余长度越大，清淤速度越小，则清淤机器人完成清淤剩余长度所需花费的时间越长，极限值越大。

在一些实施例中，当预测模型输出的未来时间点的温度1060都小于温度阈值时，则对未来时间点及其对应的温度进行数学拟合，确定温度达到温度阈值时的未来时间点以及温度最大值。然后，将温度最大值与极限值比较，如果其小于极限值则可以将预设的时间间隔1030作为目标时间间隔。

在一些实施例中，通过使用大量广泛的历史数据获取训练好的预测模型，可以比较快速地获取预测的未来时间点的温度，且预测的结果具有一定的准确度。将补光参数作为预测模型的输入，充分考虑了不同补光程度对于温度的影响，进一步提高模型输出结果的准确度，可以确定比较符合实际的摄像头拍摄的时间间隔，满足用户需求。

图11是根据本说明书一些实施例所示的清淤方法的示例性流程图。在一些实施例中，流程可以由控制器控制清淤机器人执行。如图11所示，流程1100可以包括以下步骤：

S1.清淤机器人通过驱动结构移动至设定位置。

在一些实施例中，清淤机器人可以根据作业需要通过驱动机构(例如，履带)移动至设定位置，该设定位置可以是预先设定好的，也可以是基于声呐探测确定的淤泥较多需要清理的位置。在一些实施例中，清淤机器人的位置可以通过声呐确定。

S2.所述淤泥泵抽吸需要清理的淤泥。

在一些实施例中，在到达设定位置后，清淤机器人可以开启淤泥泵，对需要清理的淤泥进行抽吸。在一些实施例中，需要清理的淤泥的量通过声呐确定。在一具体实施例中，通过声呐可以探测管道内淤泥沉积状态，从而获取淤泥状态相关数据例如，获取淤泥沉积厚度、淤泥沉积段长度等，结合管径数据，能够计算得到需要清理的淤泥的量。在另一些实施例中，可以确定淤泥泵需要抽吸的流体的总量，其中，流体可以包括淤泥。例如，管道上可以设置有流量计，流量计可以检测选定时间内管道中所通过的流体的量，由于泵抽吸的可以是泥水混合物，管道中的流体可以被淤泥泵全部抽吸，因此需要淤泥泵抽吸的流体总量可以是基于流量计测得的流体的量。

S3.经淤泥泵抽吸的淤泥通过出泥管排出。

在一些实施例中，淤泥可以通过全封闭的出泥管输送至岸上的污泥处置点，淤泥在污泥处置点进一步进行泥水分离、固定及无害化处理等。

S4.清淤作业完成后通过声呐检测是否有淤泥残留。

在一些实施例中，通过声呐可以检测管道中淤泥的量，从而判断清淤作业完成后是否有淤泥残留，若有则开启淤泥泵继续进行清淤作业，若无则关闭淤泥泵且清淤机器人准备离开管道。

在一些实施例中，当清淤机器人遇到淤泥中的硬质物或结垢于管道壁内的硬质物时，可以开启绞头进行破碎作业，经绞头破碎后的物质可以随淤泥一同被吸入淤泥泵中排出。

在一些实施例中，清淤方法还可以包括：获取摄像头拍摄的图像数据、声呐数据和清淤工作参数；基于图像数据、声呐数据和清淤工作参数，确定清淤故障类型；基于清淤故障类型为预设类型，调整绞头的工作参数。关于确定清淤故障类型及基于清淤故障类型调整绞头的工作参数的更多内容，可以参见图5-图8及其相关说明，在此不再赘述。

在一些实施例中，清淤方法还可以包括：获取声呐数据和亮度传感器的亮度数据；基于声呐数据和亮度传感器的亮度数据，确定辅助补光装置的补光参数。关于确定补光参数的更多内容，可以参见图5-图8及其相关说明，在此不再赘述。

在一些实施例中，清淤方法还可以包括：获取温度传感器的温度、清淤速度和清淤剩余长度；基于温度传感器的温度、清淤速度和清淤剩余长度，确定摄像头拍摄的时间间隔。关于确定摄像头拍摄的时间间隔的更多内容，可以参见图9和图10的相关说明，在此不再赘述。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (12)

1.一种清淤机器人，其特征在于，包括：

设备本体；

绞头，所述绞头设置于所述设备本体前端，用于破碎硬质物；

淤泥泵，所述淤泥泵设置于所述设备本体上，用于抽吸淤泥；所述淤泥泵连接有出泥管；

驱动结构，所述驱动结构设置于所述设备本体上，用于驱动所述设备本体移动；

声呐，所述声呐设置于所述设备本体上，用于对清淤环境进行探测，以及对所述设备本体进行定位检测及矫正；

控制器，所述控制器与所述绞头、所述淤泥泵、所述驱动结构和所述声呐分别通信连接。

2.根据权利要求1所述的清淤机器人，其特征在于，所述控制器用于：

获取声呐数据；

基于所述声呐数据，确定清淤工作参数；

基于所述清淤工作参数，发送控制指令给所述清淤机器人；

其中，所述清淤工作参数包括：绞头的工作参数、驱动结构的工作参数和淤泥泵的工作参数。

3.根据权利要求1所述的清淤机器人，其特征在于，所述控制器用于：

获取清淤速度和声呐数据；

当所述清淤速度小于速度阈值时，通过所述声呐数据，确定清淤故障类型。

4.根据权利要求1所述的清淤机器人，其特征在于，还包括摄像头；所述控制器用于：

获取所述摄像头拍摄的图像数据、声呐数据和清淤工作参数；

基于所述图像数据、所述声呐数据和所述清淤工作参数，确定清淤故障类型。

5.根据权利要求4所述的清淤机器人，其特征在于，还包括辅助补光装置和亮度传感器，用于对所述摄像头进行补光操作；其中，所述补光操作的补光参数基于所述声呐数据和所述亮度传感器确定。

6.根据权利要求4所述的清淤机器人，其特征在于，所述摄像头上还设置有温度传感器；所述控制器用于：

获取所述温度传感器的温度、清淤速度和清淤剩余长度；

基于所述温度传感器的温度、所述清淤速度和所述清淤剩余长度，确定所述摄像头拍摄的时间间隔。

7.根据权利要求3所述的清淤机器人，其特征在于，所述控制器用于：

响应于清淤故障类型为预设类型，调整清淤工作参数。

8.一种由权利要求1-7中任一清淤机器人执行的清淤方法，其特征在于，由所述控制器控制所述清淤机器人进行清淤作业；所述方法包括：

S1.所述清淤机器人通过所述驱动结构移动至设定位置；其中，所述清淤机器人的位置通过所述声呐确定；

S2.所述淤泥泵抽吸需要清理的淤泥；其中，淤泥的量通过所述声呐确定；

S3.经所述淤泥泵抽吸的淤泥通过所述出泥管排出；

S4.清淤作业完成后通过所述声呐检测是否有淤泥残留。

9.根据权利要求8所述的方法，其特征在于，当所述清淤机器人遇到淤泥中的硬质物或结垢于管道壁内的硬质物时，开启所述绞头进行破碎作业。

10.根据权利要求9所述的方法，其特征在于，所述方法还包括：

获取摄像头拍摄的图像数据、声呐数据和清淤工作参数；

基于所述图像数据、所述声呐数据和所述清淤工作参数，确定清淤故障类型；

基于所述清淤故障类型为预设类型，调整绞头的工作参数。

11.根据权利要求8所述的方法，其特征在于，所述方法还包括：

获取声呐数据和亮度传感器的亮度数据；

基于所述声呐数据和所述亮度传感器的亮度数据，确定辅助补光装置的补光参数。

12.根据权利要求8所述的方法，其特征在于，所述方法还包括：

获取温度传感器的温度、清淤速度和清淤剩余长度；

基于所述温度传感器的温度、所述清淤速度和所述清淤剩余长度，确定所述摄像头拍摄的时间间隔。

Images