CN116011688A - 5g智能节点巡检方法、装置、电子设备及介质 - Google Patents
5g智能节点巡检方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN116011688A CN116011688A CN202111229409.7A CN202111229409A CN116011688A CN 116011688 A CN116011688 A CN 116011688A CN 202111229409 A CN202111229409 A CN 202111229409A CN 116011688 A CN116011688 A CN 116011688A
- Authority
- CN
- China
- Prior art keywords
- fault
- nodes
- maintenance
- subtask
- work 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 55
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012423 maintenance Methods 0.000 claims abstract description 59
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 230000004888 barrier function Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000003016 pheromone Substances 0.000 description 8
- 238000010276 construction Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 241000257303 Hymenoptera Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种5G智能节点巡检方法、装置、电子设备及介质,其中方法,包括:步骤S1:获取工区信息,构造带有障碍物的环境地图;步骤S2:获取工区内所有故障节点的坐标信息,采用聚类算法将所有故障节点划分成多个检修子任务,每个所述检修子任务中包括多个故障节点;步骤S3:规划每个检修子任务中多个故障节点的先后检修次序;步骤S4:根据照检修次序,依次给出故障节点之间进行检修的最优路线。实现提高对5G智能节点的巡检工作效率。
Description
技术领域
本发明属于地震勘探领域,更具体地,涉及一种5G智能节点巡检方法、装置、电子设备及介质。
背景技术
检波器承担整个勘探系统的地层信息的接收任务,是整个勘探系统的前段,其性能状况关乎整个系统的运行质量。由于地震勘探工程周期长,使用检波器数量较多,如一个三维勘探项目,检波器一次使用数量都在几万只以上,且施工环境复杂,检波器经常处于易损状态。为保证勘探施工的正常进行以及保证施工质量,工程指挥人员需要随时监测检波器的性能状况,特别是要在勘探震源激发前,必须检查并及时更换不符合工作要求的检波器。如果是在非工程期,检波器的性能检测可以通过测试仪或其它检测装置进行测试,但在工程期,数量众多且环境复杂,不可能随时把检波器全部撒下来做检测,需要巡线组工作人员每天进行巡线检查。目前对在施工的检波器进行巡检的方式主要是,特定的工程中,配置一队专门负责检波器巡检的人员,每位巡线工作人员在整个施工过程中负责特定的一或多条检波线。
新型地震采集系统5G智能节点,其具有独立、灵活布设的特性,传统的巡线方式需要投入大量的人力,巡检效率低,并不适用于5G智能节点的巡检工作。因此,需要一种匹配5G智能节点特性的新型巡检法。
发明内容
本发明的目的是提出一种5G智能节点巡检方法、装置、电子设备及介质,实现提高巡检工作效率。
第一方面,本发明提出了一种5G智能节点巡检方法,包括:
步骤S1:获取工区信息,构造带有障碍物的环境地图;
步骤S2:获取工区内所有故障节点的坐标信息,采用聚类算法将所有故障节点划分成多个检修子任务,每个所述检修子任务中包括多个故障节点;
步骤S3:规划每个检修子任务中多个故障节点的先后检修次序;
步骤S4:根据照检修次序,依次给出故障节点之间进行检修的最优路线。
第二方面,本发明提出一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的5G智能节点巡检方法。
第三方面,本发明提出一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行第一方面所述的5G智能节点巡检方法。
第四方面,本发明提出一种5G智能节点巡检装置,包括:
环境地图生成模块,用于获取工区信息,构造带有障碍物的环境地图;
检修子任务生成模块,用于获取工区内所有故障节点的坐标信息,采用聚类算法将所有故障节点划分成多个检修子任务,每个所述检修子任务中包括多个故障节点;
检修次序规划模块,用于规划每个检修子任务中多个故障节点的先后检修次序;
最优路线计算模块,用于根据照检修次序,依次给出故障节点之间进行检修的最优路线。
本发明的有益效果在于:
本发明通过基于工区信息构造带有障碍物的环境地图,然后基于工区内所有故障节点的坐标信息,采用聚类算法将所有故障节点划分成多个检修子任务,之后规划每个检修子任务中多个故障节点的先后检修次序,并根据照检修次序,依次给出故障节点之间进行检修的最优路线,最后可将每类障碍节点的检修路径分配给巡检工人,工人参考检修路径对节点依次进行检修,从而避免了野外巡检过程中绕路折返,节省了人力且提高了巡检效率。
本发明的系统具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的,或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述,这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,在本发明示例性实施例中,相同的参考标号通常代表相同部件。
图1示出了根据本发明的一种5G智能节点巡检方法的步骤图。
图2示出了根据本发明的一个实施例的一种5G智能节点巡检方法中工区内障碍物边界的示意图。
图3示出了根据本发明的一个实施例的一种5G智能节点巡检方法中无障碍环境下分类故障节点路径的示意图。
图4示出了根据本发明的一个实施例的一种5G智能节点巡检方法中在有障碍环境下分类故障节点路径的示意图。
具体实施方式
对于5G智能节点来说,在施工过程中埋置与布置更加灵活,而且节点之间是独立的,节点出现问题更具有随机性,传统的巡线方式无法匹配5G智能节点的特性,因此设计合适的方法可以提高巡线工作效率,从而减少人力投入。
为了适应5G智能节点的独立、灵活布设等特性,本发明提供了一种灵活省时省力的节点巡检方法,基于工区所有故障节点的坐标信息,依据故障节点数量、位置及巡检工人人数,对故障节点的检查更换任务分成多个子任务,然后提供每位工人需要负责的节点坐标信息和依次进行巡检的最优可行路径,避免绕行费时,提高巡检效率。
下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的优选实施例,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
图1示出了根据本发明的一种5G智能节点巡检方法的步骤图。
如图1所示,一种5G智能节点巡检方法,其特征在于,包括:
步骤S01:获取工区信息,构造带有障碍物的环境地图;
具体地,本步骤具体包括:
步骤S101:获取工区的四个角点坐标,根据设定的横向间隔和纵向间隔将所述工区栅格化,获得工区栅格图;
步骤S102:依次获取所述障碍物的边界拐点的坐标;
步骤S103:求出相邻两个边界拐点之间直线穿过的栅格;
步骤S104:确定障碍物边界穿过的栅格及对应的索引信息,并标识障碍物信息,得到带有障碍物的环境地图。
步骤S02:获取工区内所有故障节点的坐标信息,采用聚类算法将所有故障节点划分成多个检修子任务,每个所述检修子任务中包括多个故障节点;
本步骤具体包括:
步骤S201:依据故障节点坐标信息,将需要进行检修的节点按照巡检人数分成多个检修子任务;
步骤S202:在所述环境地图中选取与所述检修子任务数量对应个数的初始聚类中心,将多个所述故障节点划分为多个初始簇集合,所述初始聚类中心为故障点坐标;
步骤S203:计算每个故障节点到每个初始聚类中心的距离,根据故障节点到初始聚类中心的最小距离将故障点重新划分到对应的簇集合;
步骤S204:重新计算每个聚类中心;
步骤S205:重复步骤步骤S23-步骤S24,直到聚类中心不再发生改变,给出最后的簇划分结果,得到的每个簇组合中的所有故障节点对应为一个所述检修子任务。
步骤S03:规划每个检修子任务中多个故障节点的先后检修次序;
具体地,本步骤采用蚁群算法确定遍历每个检修子任务中各故障节点的最短路径以及遍历各故障节点的顺序,以确定每个检修子任务中多个故障节点的先后检修次序。
步骤S04:根据照检修次序,依次给出故障节点之间进行检修的最优路线。
具体地,本步骤根据所述检修次序,采用A*寻优算法找出需要顺次检修的两个节点之间能够避开所述障碍物的最优可行路径,以确定故障节点之间进行检修的最优路线。
下面通过一具体示例对本发明做进一步的解释。
本具体示例为一种5G智能节点巡检方法,该方法可以包含以下步骤:
1)获取工区信息,构造带有障碍物的环境地图;
2)获取工区所有有故障的节点的坐标信息,分成多个检修子任务;
3)基于步骤2),规划每个检修子任务中故障节点先后检修次序;
4)基于步骤3),按照检修次序,依次给出故障节点之间进行检修的最优路线;
对于步骤1),构造带有障碍物的环境地图包含如下子步骤:
1.1)获取工区坐标xmin,xmax,ymin,ymax,栅格横向间隔Δx,纵向间隔Δy,栅格化工区:
分别为栅格的行数line和列数column,将栅格左上角坐标存放于栅格矩阵grid[line][column],同时初始化map[line][column],后续用来标识障碍物,存放环境信息;
1.2)顺次获取障碍边界拐点坐标,假设取相邻的两点为(x1,y1)和(x2,y2),先求出两点线性函数:
b.当x1=x2,y1≠y2时,x=x1=x2;
c.当x1≠x2,y1=y2时,y=y1=y2;
1.3)两点之间的线性函数分别沿着x和y方向,找出两点之间直线穿过的格子;
1.4)找出障碍边界穿过的格子和对应的索引,然后在地图里标识障碍物信息;完成障碍物标识的网格地图如图2所示。
对于步骤2),依据故障节点坐标等信息,将需要进行检修的节点按照巡检人数k分成k个检修子任务。使用聚类的方法对故障节点进行聚类,也即完成子任务的划分。初始聚类k个中心的选择可以有如下三种方式:
方式一:随机选取k个聚类中心;
方式二:掌握散点分布先验知识,人工挑选k个聚类中心;
具体地在本示例中,输入集合是所有N个故障节点坐标组成的集合set={(x1,y1),(x2,y2),...,(xN,yN)},分成k个检修子任务,对应输出簇划分记为C={C1,C2,…,Ck},Cm(1≤m≤k)表示第m个簇包含的故障节点的坐标集合。
2.1)初始k个聚类中心为k个故障节点坐标,分别记为μm=(μm1,μm2)(1≤m≤k),初始化每个簇集合为空集Φ;
2.2)计算每个故障节点坐标(xi,yi)(1≤i≤N)到每个聚类中心μm=(μm1,μm2)(1≤m≤k)的距离:
2.3)重新计算每个聚类中心
其中|Cm|为簇Cm包含的节点个数;
2.4)重复步骤2.2)、2.3),直到聚类中心不再发生改变,给出最后的簇划分结果。簇划分结果参考图4中的多个簇分布的故障节点(图中的黑点表示故障节点)。
对于步骤3),对步骤2)中得到的每一个检修子任务,规划其中包含的故障节点先后检修次序。对给定的节点确定依次遍历的顺序且要求这个顺序所有路径长度和最小,因此可以转化为一个旅行商问题。旅行商问题可以由现有的蚁群算法得到很好的解决。
以其中一个子任务Cm0为例,共有|Cm0|个节点,取n0只蚂蚁,具体地有:
3.1)初始化参数,令两两节点坐标之间连接的边信息素量相等且对应的信息素增量为0:
τij(0)=C,Δτij(0)=0;
3.2)每只蚂蚁随机挑选一个节点位置作为出发点,禁忌表都为出发点对应的坐标;
3.3)取一只蚂蚁假设为第r只在第i个节点处,计算转移到第j个节点处的概率为
其中,为启发因子,Dij为两个节点之间的距离,α和β分别表示信息素和启发因子的相对重要程度,Jr(i)为蚂蚁r下一步可选择的节点集合,按照轮盘赌的方法确定下一步要经过的节点,并更新禁忌表,然后重复本步骤蚂蚁r在节点i的动作直到该只蚂蚁遍历完所有|Cm0|个节点;
3.4)计算蚂蚁r留在每条边上的信息素增量
其中Q为一个正常数,Lr为蚂蚁r在此次遍历中走的路径长度,该蚂蚁死去;
3.5)重复步骤3.3)和3.4),直到n0只蚂蚁都遍历完;
3.6)计算各边信息素增量Δτij和信息素量τij(t+|Cm0|)
τij(t+|Cm0|)=(1-ρ)τij(t)+Δτij,
其中ρ为信息素挥发系数,(1-ρ)为信息素残留系数;
3.7)记录本次迭代路径,更新子任务Cm0节点当前的最优检修次序,清空禁忌表;
3.8)循环步骤3.2)-3.7),直到达到预先设定的迭代步数,输出当前最优检修次序。
当工区内没有障碍物时,可以通过以上步骤获得最优检修路径,如图3所示。
对于步骤4),对于有障碍的工区,在步骤3)给出检修次序的基础上,使用现有的A*寻优算法找出需要顺次检修的两个节点之间能够避开障碍物的最优可行路径。不妨假设步骤3)对子任务Cm0内所有故障节点给出的最优检修次序为
依次给出前后两节点之间最优可行路径,具体地有:
4.1)先给出一些定义:
当前代价g(n):从起点(子任务Cm0内相邻次序两节点的前者)移动到步骤1)中栅格化工区对应的格子n处耗费的距离代价;
预估代价h(n):从格子n移动到终点(子任务Cm0内相邻次序两节点的后者)耗费的距离代价;
估价函数:f(n)=g(n)+h(n)表示格子n的总代价;
开启列表:存放所有被考虑用来寻找最优路径的格子;
关闭列表:存放所有不再会被考虑的格子;
4.3)按照八邻域搜索机制,寻找S周围可以到达的格子放入开启列表,并将这些找到的格子的父方格设置为S;
4.4)将S从开启列表中删除,并放入关闭列表;
4.5)计算开启列表中每个格子的估价函数值f;
4.6)将估价函数值f最小时对应的方格a从开启列表中删除,放入关闭列表;
4.7)检查方格a周围可达方格:
A.障碍物对应的格子和关闭列表中的格子不考虑;
B.若格子未在开启列表,将这些格子放入开启列表,计算估价函数值f,且这些格子对应的父方格为a;
C.若格子b在开启列表,计算当前代价g,也即从起点格子S经由a到b的距离代价,判断b的当前代价g是否比之前的当前代价更低:当现在的当前代价g更低,将b的父方格改为a,相应的估价函数值f更新;当现在的当前代价g更高,不做任何改变;
启列表没有格子,前者找到最优路径,后者没有找到路径;
4.9)重复步骤4.2)-4.9),直到完成Cm0内所有顺次相邻故障节点的路径寻优,至此给出子任务Cm0内部节点最优检修路径。最优检修路径如图4所示,图中多个连接故障节点的线路即为最优路径。
综上,本实施例的5G智能节点巡检方法通过先对工区所有故障节点按照坐标信息进行聚类,然后针对每类故障节点利用蚁群算法给出合理的检修次序,接着利用A*寻优算法给出相邻检修次序两节点之间避开障碍物可行的路径,最后将每类障碍节点的检修路径分配给巡检工人,工人参考检修路径对节点依次进行检修,从而避免了野外巡检过程中绕路折返,节省了人力且提高了巡检效率。
实施例2
本实施例提出一种5G智能节点巡检装置,包括:
环境地图生成模块,用于获取工区信息,构造带有障碍物的环境地图;
检修子任务生成模块,用于获取工区内所有故障节点的坐标信息,采用聚类算法将所有故障节点划分成多个检修子任务,每个检修子任务中包括多个故障节点;
检修次序规划模块,用于规划每个检修子任务中多个故障节点的先后检修次序;
最优路线计算模块,用于根据照检修次序,依次给出故障节点之间进行检修的最优路线。
本实施例中,环境地图生成模块具体用于执行以下步骤:
步骤S11:获取工区的四个角点坐标,根据设定的横向间隔和纵向间隔将工区栅格化,获得工区栅格图;
步骤S12:依次获取障碍物的边界拐点的坐标;
步骤S13:求出相邻两个边界拐点之间直线穿过的栅格;
步骤S14:确定障碍物边界穿过的栅格及对应的索引信息,并标识障碍物信息,得到带有障碍物的环境地图。
本实施例中,检修子任务生成模块具体用于执行以下步骤:
步骤S21:依据故障节点坐标信息,将需要进行检修的节点按照巡检人数分成多个检修子任务;
步骤S22:在环境地图中选取与检修子任务数量对应个数的初始聚类中心,将多个故障节点划分为多个初始簇集合,初始聚类中心为故障点坐标;
步骤S23:计算每个故障节点到每个初始聚类中心的距离,根据故障节点到初始聚类中心的最小距离将故障点重新划分到对应的簇集合;
步骤S24:重新计算每个聚类中心;
步骤S25:重复步骤步骤S23-步骤S24,直到聚类中心不再发生改变,给出最后的簇划分结果,得到的每个簇组合中的所有故障节点对应为一个检修子任务。
实施例3
本公开实施例还提供一种电子设备,该电子设备包括:
至少一个处理器;以及,
与至少一个处理器通信连接的存储器;其中,
存储器存储有能被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行实施例1中的5G智能节点的故障巡检方法。
根据本公开实施例的电子设备包括存储器和处理器,该存储器用于存储非暂时性计算机可读指令。具体地,存储器可以包括一个或多个计算机程序产品,该计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。该易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。该非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
该处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制电子设备中的其它组件以执行期望的功能。在本公开的一个实施例中,该处理器用于运行该存储器中存储的该计算机可读指令。
本领域技术人员应能理解,为了解决如何获得良好用户体验效果的技术问题,本实施例中也可以包括诸如通信总线、接口等公知的结构,这些公知的结构也应包含在本公开的保护范围之内。
有关本实施例的详细说明可以参考前述各实施例中的相应说明,在此不再赘述。
实施例4:
本公开实施例提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行实施例1中的5G智能节点的故障巡检方法。
根据本公开实施例的计算机可读存储介质,其上存储有非暂时性计算机可读指令。当该非暂时性计算机可读指令由处理器运行时,执行前述的本公开各实施例方法的全部或部分步骤。
上述计算机可读存储介质包括但不限于:光存储介质(例如:CD-ROM和DVD)、磁光存储介质(例如:MO)、磁存储介质(例如:磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如:存储卡)和具有内置ROM的媒体(例如:ROM盒)。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (10)
1.一种5G智能节点巡检方法,其特征在于,包括:
步骤S1:获取工区信息,构造带有障碍物的环境地图;
步骤S2:获取工区内所有故障节点的坐标信息,采用聚类算法将所有故障节点划分成多个检修子任务,每个所述检修子任务中包括多个故障节点;
步骤S3:规划每个检修子任务中多个故障节点的先后检修次序;
步骤S4:根据照检修次序,依次给出故障节点之间进行检修的最优路线。
2.根据权利要求1所述的5G智能节点巡检方法,其特征在于,所述步骤S1包括:
步骤S11:获取工区的四个角点坐标,根据设定的横向间隔和纵向间隔将所述工区栅格化,获得工区栅格图;
步骤S12:依次获取所述障碍物的边界拐点的坐标;
步骤S13:求出相邻两个边界拐点之间直线穿过的栅格;
步骤S14:确定障碍物边界穿过的栅格及对应的索引信息,并标识障碍物信息,得到带有障碍物的环境地图。
3.根据权利要求2所述的5G智能节点巡检方法,其特征在于,所述步骤S2中,所述采用聚类算法将所有故障节点划分成多个检修子任务包括:
步骤S21:依据故障节点坐标信息,将需要进行检修的节点按照巡检人数分成多个检修子任务;
步骤S22:在所述环境地图中选取与所述检修子任务数量对应个数的初始聚类中心,将多个所述故障节点划分为多个初始簇集合,所述初始聚类中心为故障点坐标;
步骤S23:计算每个故障节点到每个初始聚类中心的距离,根据故障节点到初始聚类中心的最小距离将故障点重新划分到对应的簇集合;
步骤S24:重新计算每个聚类中心;
步骤S25:重复步骤步骤S23-步骤S24,直到聚类中心不再发生改变,给出最后的簇划分结果,得到的每个簇组合中的所有故障节点对应为一个所述检修子任务。
4.根据权利要求3所述的5G智能节点巡检方法,其特征在于,所述步骤S3包括:
采用蚁群算法确定遍历每个检修子任务中各故障节点的最短路径以及遍历各故障节点的顺序,以确定每个检修子任务中多个故障节点的先后检修次序。
5.根据权利要求4所述的5G智能节点巡检方法,其特征在于,所述步骤S5包括:
根据所述检修次序,采用A*寻优算法找出需要顺次检修的两个节点之间能够避开所述障碍物的最优可行路径,以确定故障节点之间进行检修的最优路线。
6.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5任一所述的5G智能节点巡检方法。
7.一种非暂态计算机可读存储介质,其特征在于,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行权利要求1-5任一所述的5G智能节点巡检方法。
8.一种5G智能节点巡检装置,其特征在于,包括:
环境地图生成模块,用于获取工区信息,构造带有障碍物的环境地图;
检修子任务生成模块,用于获取工区内所有故障节点的坐标信息,采用聚类算法将所有故障节点划分成多个检修子任务,每个所述检修子任务中包括多个故障节点;
检修次序规划模块,用于规划每个检修子任务中多个故障节点的先后检修次序;
最优路线计算模块,用于根据照检修次序,依次给出故障节点之间进行检修的最优路线。
9.根据权利要求1所述的5G智能节点巡检装置,其特征在于,所述环境地图生成模块具体用于执行以下步骤:
步骤S11:获取工区的四个角点坐标,根据设定的横向间隔和纵向间隔将所述工区栅格化,获得工区栅格图;
步骤S12:依次获取所述障碍物的边界拐点的坐标;
步骤S13:求出相邻两个边界拐点之间直线穿过的栅格;
步骤S14:确定障碍物边界穿过的栅格及对应的索引信息,并标识障碍物信息,得到带有障碍物的环境地图。
10.根据权利要求2所述的5G智能节点巡检装置,其特征在于,所述检修子任务生成模块具体用于执行以下步骤:
步骤S21:依据故障节点坐标信息,将需要进行检修的节点按照巡检人数分成多个检修子任务;
步骤S22:在所述环境地图中选取与所述检修子任务数量对应个数的初始聚类中心,将多个所述故障节点划分为多个初始簇集合,所述初始聚类中心为故障点坐标;
步骤S23:计算每个故障节点到每个初始聚类中心的距离,根据故障节点到初始聚类中心的最小距离将故障点重新划分到对应的簇集合;
步骤S24:重新计算每个聚类中心;
步骤S25:重复步骤步骤S23-步骤S24,直到聚类中心不再发生改变,给出最后的簇划分结果,得到的每个簇组合中的所有故障节点对应为一个所述检修子任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111229409.7A CN116011688A (zh) | 2021-10-21 | 2021-10-21 | 5g智能节点巡检方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111229409.7A CN116011688A (zh) | 2021-10-21 | 2021-10-21 | 5g智能节点巡检方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116011688A true CN116011688A (zh) | 2023-04-25 |
Family
ID=86025346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111229409.7A Pending CN116011688A (zh) | 2021-10-21 | 2021-10-21 | 5g智能节点巡检方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116011688A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474191A (zh) * | 2023-12-28 | 2024-01-30 | 成都秦川物联网科技股份有限公司 | 基于智能水表的gis巡检管理方法、物联网系统及装置 |
-
2021
- 2021-10-21 CN CN202111229409.7A patent/CN116011688A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474191A (zh) * | 2023-12-28 | 2024-01-30 | 成都秦川物联网科技股份有限公司 | 基于智能水表的gis巡检管理方法、物联网系统及装置 |
CN117474191B (zh) * | 2023-12-28 | 2024-04-05 | 成都秦川物联网科技股份有限公司 | 基于智能水表的gis巡检管理方法、物联网系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RazaviAlavi et al. | Site layout and construction plan optimization using an integrated genetic algorithm simulation framework | |
US20100325075A1 (en) | Markov decision process-based support tool for reservoir development planning | |
CN108897969B (zh) | 一种基于bim的设施维护自动调度的方法 | |
CN109933934B (zh) | 一种设备维护管理方法及系统、计算机可读存储介质 | |
CN103577906A (zh) | 工作流生成方法、工作流执行方法以及工作流执行系统 | |
US9262488B2 (en) | 2-dimensional multi-hierarchy display | |
CN110781311B (zh) | 一种企业一致行动人运算系统及方法 | |
CN111080786A (zh) | 基于bim的室内地图模型构建方法及装置 | |
CN110909961A (zh) | 基于bim的室内路径查询方法及装置 | |
Briskorn et al. | Simultaneous planning for disaster road clearance and distribution of relief goods: a basic model and an exact solution method | |
CN113865589A (zh) | 一种基于地形坡度的长距离快速路径规划方法 | |
CN116011688A (zh) | 5g智能节点巡检方法、装置、电子设备及介质 | |
Li | Research on discrete intelligent workshop lot-streaming scheduling with variable sublots under engineer to order | |
Morova et al. | Pavement management systems application with geographic information system method | |
JP6959975B2 (ja) | 計算機システム及びリソースの配置の決定方法 | |
CN114510072A (zh) | 基于进化迁移优化的多无人机路径规划方法、终端及介质 | |
Glinz et al. | On shared understanding in software engineering | |
Samadi et al. | Development of a bridge maintenance system using bridge information modeling | |
JP7456497B2 (ja) | 災害復旧計画生成装置、災害復旧計画生成方法、及びプログラム | |
KR102589525B1 (ko) | 지진 취약 정보 제공 장치 및 방법, 지진 취약 정보 제공을 위한 학습 모델의 학습 방법 | |
Siddiqui et al. | Effectiveness of requirement prioritization using analytical hierarchy process (AHP) and planning game (PG): A comparative study | |
AU2010314809B2 (en) | System and method for business decision-making | |
Balasubramanian et al. | Efficient and scalable multi-geography route planning | |
Ismail et al. | Integrating CMMS, expert systems and BIM for IBS building maintenance | |
Chraibi et al. | Optimization of dynamic operating theatre facility layout |
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 |