CN116300885A - 一种轨道线路智能巡检机器人的应急控制方法及系统 - Google Patents
一种轨道线路智能巡检机器人的应急控制方法及系统 Download PDFInfo
- Publication number
- CN116300885A CN116300885A CN202310078924.2A CN202310078924A CN116300885A CN 116300885 A CN116300885 A CN 116300885A CN 202310078924 A CN202310078924 A CN 202310078924A CN 116300885 A CN116300885 A CN 116300885A
- Authority
- CN
- China
- Prior art keywords
- track
- information
- inspection
- life
- deformation data
- 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 200
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 claims abstract description 149
- 230000002159 abnormal effect Effects 0.000 claims abstract description 69
- 238000012360 testing method Methods 0.000 claims description 34
- 238000005299 abrasion Methods 0.000 claims description 32
- 238000012937 correction Methods 0.000 claims description 22
- 230000004083 survival effect Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 3
- 231100000656 threshold model Toxicity 0.000 description 24
- 230000008569 process Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- 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)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本申请涉及轨道线路巡检的技术领域，公开了一种轨道线路智能巡检机器人的应急控制方法及系统，轨道线路智能巡检机器人的应急控制方法包括：接收巡检机器人发出的轨道巡检信息；接收轨道形变传感器发出的轨道形变数据；基于各轨道段的规格参数信息生成对应的轨道应变寿命模型，定期基于各轨道段的轨道巡检信息修正轨道应变寿命模型；根据轨道形变数据和轨道应变寿命模型计算各轨道段的剩余寿命信息；实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，评估异常项目，生成对应的控制指令并发送至轨道控制终端；本申请具有提高利用机器人执行轨道线路巡检工作的风险处置效率的效果。
Description
技术领域
本申请涉及轨道线路巡检的技术领域，尤其是涉及一种轨道线路智能巡检机器人的应急控制方法及系统。
背景技术
轨道交通如地铁具有运行速度稳定、不受地面交通拥堵影响、乘客容量大等优点，正成为许多城市居民的首选通勤方式；然而，正是由于轨道列车具有容量大，且大部分路段位于地下或远离公路的地方的特点，一旦发生事故则难以进行救援，容易产生大量伤亡因此，针对轨道线路定期进行巡检对于轨道列车的正常运行至关重要。
为了降低人力成本、提高轨道巡检的可靠性，目前常采用轨道巡检机器人取代人工执行轨道线路的日常巡检工作，但现有的轨道巡检机器人通常只能对特定的几个参数、特征进行检测和识别，并上报至管理人员的控制端，难以在检测到严重问题时直接控制轨道设施的运行，若管理人员的工作存在疏忽，则可能引发不可挽回的重大损失。
针对上述相关技术，发明人认为现有的机器人轨道线路巡检方法存在难以及时作出准确判断的问题。
发明内容
为了提高利用机器人执行轨道线路巡检工作的风险处置效率，本申请提供一种轨道线路智能巡检机器人的应急控制方法及系统。
本申请的发明目的一采用如下技术方案实现：
一种轨道线路智能巡检机器人的应急控制方法，包括：
接收巡检机器人发出的轨道巡检信息，所述轨道巡检信息包括各轨道段的轨道几何参数、轨道磨损参数、扣件异常信息；
接收轨道形变传感器发出的轨道形变数据，所述轨道形变数据包括形变幅度数据和对应的时间信息；
基于各轨道段的规格参数信息生成对应的轨道应变寿命模型，定期基于各轨道段的轨道巡检信息修正轨道应变寿命模型；
根据轨道形变数据和轨道应变寿命模型计算各轨道段的剩余寿命信息；
实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，评估异常项目，生成对应的控制指令并发送至轨道控制终端。
通过采用上述技术方案，在轨道巡检机器人执行巡检工作时，接收巡检机器人发出的轨道巡检信息，其中轨道巡检信息包括各轨道段的几何参数、轨道磨损参数和扣件异常信息，便于判断轨道的形变、磨损、扣件异常情况；通过轨道形变传感器获取轨道形变数据，其中包括形变幅度数据和对应的时间信息，便于判断各轨道段所受到的形变类型及形变发生的时间节点；由于轨道段对应的应变寿命曲线可以在出厂前确定，根据各轨道段的规格参数确定新轨道段的应变寿命关系以生成轨道应变寿命模型，而各轨道段在处于不同的形变情况、磨损情况和紧固情况时，其应变寿命关系会产生变化，因此，定期根据各轨道段的轨道巡检信息修正对应的轨道应变寿命模型，便于提高轨道应变寿命模型的准确性；根据持续记录的轨道形变数据和对应的轨道应变寿命模型，计算各轨道段的剩余使用寿命生成剩余寿命信息，便于评估各轨道段的剩余使用寿命；实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至预设的轨道检测阈值模型中，以便将各项数据与对应的预设数据阈值进行比较，从而将数据异常的数据项目确定为异常项目，根据异常项目对应的解决方案生成控制指令并发送至轨道控制终端，以直接控制轨道设施的运行状态，从而提高了利用机器人执行轨道线路巡检工作的风险处置效率。
本申请在一较佳示例中：所述轨道巡检信息还包括限界入侵信息，接收巡检机器人发出的轨道巡检信息的步骤中，包括：
接收巡检指令，所述巡检指令包括移动指令和各传感器的检测指令，将所述移动指令发送至巡检机器人的行走控制模块；
将几何检测指令发送至几何检测传感器，将磨损检测指令发送至磨损检测传感器，将扣件检测指令发送至图像检测传感器，以获取轨道几何参数、轨道磨损参数和扣件异常信息；
将限界入侵检测指令发送至距离检测传感器，以获取限界入侵信息，所述限界入侵信息包括入侵位置信息和入侵幅度信息。
通过采用上述技术方案，根据预设的巡检计划生成巡检指令，接收巡检指令，其中巡检指令包括用于控制巡检机器人移动的移动指令和用于控制安装在巡检机器人上各传感器工作的检测指令，将移动指令发送至巡检机器人的行走控制模块，以控制巡检机器人根据预设的巡检路径、速度自动执行巡检工作；将几何检测指令发送至几何检测传感器，使几何检测传感器检测各轨道段的几何参数，便于后续判断各轨道段的形变程度，将磨损检测指令发送至磨损检测传感器，使磨损检测传感器检测各轨道段的轨道磨损参数，便于后续评估各轨道段的磨损程度，将扣件检测指令发送至图像检测传感器，使图像检测传感器检测检测用于固定轨道段的各扣件的情况并生成扣件异常信息，便于后续判断各轨道段的连接稳定性；将界限入侵检测指令发送至距离检测传感器，生成限界入侵信息，包括入侵位置信息和入侵幅度信息，便于检测轨道各方向内是否存在可能对列车行驶安全造成影响的障碍物，以及障碍物的大小或侵入程度，以进一步提高针对列车轨道安全性巡检结果的准确性。
本申请在一较佳示例中：所述轨道巡检信息还包括异物检测信息，接收巡检机器人发出的轨道巡检信息的步骤中，还包括：
将异物检测指令发送至图像检测传感器，以获取轨道内的异物检测信息。
通过采用上述技术方案，将异物检测检测指令发送至图像检测传感器，以便通过图像检测的方式检测轨道内是否存在可能对列车沿轨道正常运行造成影响的异物，从而生成异物检测信息，以降低乘客落入列车轨道内的随身物品或巡检人员遗漏的巡检工具对列车的安全运行所造成的影响。
本申请在一较佳示例中：测试轨道是指安装有轨道形变传感器的轨道段，若干所述测试轨道间隔设置于轨道线路中，接收轨道形变传感器发出的轨道形变数据的步骤之后，包括：
基于相邻两段测试轨道中轨道形变数据的最大值，作为两段测试轨道之间轨道段的轨道形变数据。
通过采用上述技术方案，为降低在轨道线路中设置轨道形变传感器的物料成本、安装轨道形变传感器的人工成本以及轨道形变传感器后续的维护成本，可在轨道线路中间隔设置测试轨道，并仅在测试轨道安装轨道形变传感器；将各相邻的两段测试轨道的轨道形变数据两两进行比较，将相邻的两段测试轨道的轨道形变数据最大值作为两段测试轨道之间其他轨道段的轨道形变数据，通过向上近似处理的方式，便于后续提高对各轨道段剩余寿命评估的可靠性。
本申请在一较佳示例中：基于各轨道段的规格参数信息生成对应的轨道应变寿命模型，定期基于各轨道段的轨道巡检信息修正轨道应变寿命模型的步骤中，包括：
基于各轨道段的规格参数信息，确定各轨道段的PΔN曲线模型；
基于所述PΔN曲线模型和预设的生存率参数，创建对应的轨道应变寿命模型；
定期基于各轨道段的轨道检修信息计算检修影响参数，并生成应变寿命修正参数；
基于应变寿命修正参数对轨道应变寿命模型进行修正。
通过采用上述技术方案，基于各轨道段的规格参数信息，确定各轨道段的材质、热处理工艺、截面形状、截面积等信息，从而通过计算、试验或从生产厂商处获取各轨道段的PΔN曲线模型；基于预设的生存率参数，从PΔN曲线中获取生存率参数对应的轨道应变寿命模型，便于后续评估在当前生存率参数的需求下，各轨道段的应变疲劳寿命；由于轨道段发生塑性形变、磨损、以及紧固情况的变化，均会导致轨道段的应变疲劳寿命发生变化，因此，定期基于各轨道段的轨道检修信息，计算轨道段的形变、磨损、以及紧固情况变化等因素对轨道段应变疲劳寿命的的影响，生成应变寿命修正参数，根据应变寿命修正参数对轨道应变寿命模型进行修正，便于提高轨道应变寿命模型的可靠性。
本申请在一较佳示例中：根据轨道形变数据和轨道应变寿命模型计算各轨道段的剩余寿命信息的步骤中，包括：
实时获取各轨道段的轨道形变数据并存储，生成历史形变数据；
基于轨道段对应的历史形变数据和应变寿命模型，计算轨道段的剩余疲劳寿命，计算剩余疲劳寿命与总疲劳寿命的商为剩余寿命信息。
通过采用上述技术方案，实时获取各轨道段的轨道形变数据并进行存储，生成历史形变数据，便于评估各轨道段自启用以来至今的累积疲劳损伤；基于轨道段对应的历史形变数据和应变寿命模型，计算各轨道段当前的剩余疲劳寿命，便于后续预测各轨道段的更换时间节点；计算剩余疲劳寿命与总疲劳寿命的商为剩余寿命信息，以便获知各轨道段的相对健康值。
本申请在一较佳示例中：实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，评估异常项目，生成对应的控制指令并发送至轨道控制终端的步骤中，包括：
实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，所述轨道检测阈值模型包括各检测项目的合格阈值范围，将数值超出合格阈值范围的项目定义为异常项目；
基于异常项目从异常处置知识库中匹配对应的处置方案，基于处置方案生成控制指令并发送至轨道控制终端。
通过采用上述技术方案，由于巡检机器人的巡检项目较多，且针对同一项目检测到不同数值时，所采取的措施可能存在差异，因此，获取各检测项目数值的合格阈值范围，生成轨道检测阈值模型；实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，若有任意一个或多个项目的检测数值超出合格阈值范围，则将对应的项目定义为异常项目；根据确定的异常项目从异常处置数据库中匹配对应的处置方案，并进一步根据处置方案生成控制指令并发送至轨道控制终端，便于根据预设的处置方案自动控制轨道设施执行异常处置方案，提高了异常处置的自动化水平。
本申请的发明目的二采用如下技术方案实现：
一种轨道线路智能巡检机器人的应急控制系统，包括：
轨道巡检信息接收模块，用于接收巡检机器人发出的轨道巡检信息，所述轨道巡检信息包括各轨道段的轨道几何参数、轨道磨损参数、扣件异常信息；
轨道形变数据接收模块，用于接收轨道形变传感器发出的轨道形变数据，所述轨道形变数据包括形变幅度数据和对应的时间信息；
轨道应变寿命模型修正模块，用于基于各轨道段的规格参数信息生成对应的轨道应变寿命模型，定期基于各轨道段的轨道巡检信息修正轨道应变寿命模型；
剩余寿命信息计算模块，用于根据轨道形变数据和轨道应变寿命模型计算各轨道段的剩余寿命信息；
轨道异常控制模块，用于实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，评估异常项目，生成对应的控制指令并发送至轨道控制终端。
通过采用上述技术方案，在轨道巡检机器人执行巡检工作时，接收巡检机器人发出的轨道巡检信息，其中轨道巡检信息包括各轨道段的几何参数、轨道磨损参数和扣件异常信息，便于判断轨道的形变、磨损、扣件异常情况；通过轨道形变传感器获取轨道形变数据，其中包括形变幅度数据和对应的时间信息，便于判断各轨道段所受到的形变类型及形变发生的时间节点；由于轨道段对应的应变寿命曲线可以在出厂前确定，根据各轨道段的规格参数确定新轨道段的应变寿命关系以生成轨道应变寿命模型，而各轨道段在处于不同的形变情况、磨损情况和紧固情况时，其应变寿命关系会产生变化，因此，定期根据各轨道段的轨道巡检信息修正对应的轨道应变寿命模型，便于提高轨道应变寿命模型的准确性；根据持续记录的轨道形变数据和对应的轨道应变寿命模型，计算各轨道段的剩余使用寿命生成剩余寿命信息，便于评估各轨道段的剩余使用寿命；实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至预设的轨道检测阈值模型中，以便将各项数据与对应的预设数据阈值进行比较，从而将数据异常的数据项目确定为异常项目，很具异常项目对应的解决方案生成控制指令并发送至轨道控制终端，以直接控制轨道设施的运行状态，从而提高了利用机器人执行轨道线路巡检工作的风险处置效率。
本申请的发明目的三采用如下技术方案实现：
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述轨道线路智能巡检机器人的应急控制方法的步骤。
本申请的发明目的四采用如下技术方案实现：
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述轨道线路智能巡检机器人的应急控制方法的步骤。
综上所述，本申请包括以下至少一种有益技术效果：
1.在轨道巡检机器人执行巡检工作时，接收巡检机器人发出的轨道巡检信息，其中轨道巡检信息包括各轨道段的几何参数、轨道磨损参数和扣件异常信息，便于判断轨道的形变、磨损、扣件异常情况；通过轨道形变传感器获取轨道形变数据，其中包括形变幅度数据和对应的时间信息，便于判断各轨道段所受到的形变类型及形变发生的时间节点；由于轨道段对应的应变寿命曲线可以在出厂前确定，根据各轨道段的规格参数确定新轨道段的应变寿命关系以生成轨道应变寿命模型，而各轨道段在处于不同的形变情况、磨损情况和紧固情况时，其应变寿命关系会产生变化，因此，定期根据各轨道段的轨道巡检信息修正对应的轨道应变寿命模型，便于提高轨道应变寿命模型的准确性；根据持续记录的轨道形变数据和对应的轨道应变寿命模型，计算各轨道段的剩余使用寿命生成剩余寿命信息，便于评估各轨道段的剩余使用寿命；实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至预设的轨道检测阈值模型中，以便将各项数据与对应的预设数据阈值进行比较，从而将数据异常的数据项目确定为异常项目，很具异常项目对应的解决方案生成控制指令并发送至轨道控制终端，以直接控制轨道设施的运行状态，从而提高了利用机器人执行轨道线路巡检工作的风险处置效率。
2.根据预设的巡检计划生成巡检指令，接收巡检指令，其中巡检指令包括用于控制巡检机器人移动的移动指令和用于控制安装在巡检机器人上各传感器工作的检测指令，将移动指令发送至巡检机器人的行走控制模块，以控制巡检机器人根据预设的巡检路径、速度自动执行巡检工作；将几何检测指令发送至几何检测传感器，使几何检测传感器检测各轨道段的几何参数，便于后续判断各轨道段的形变程度，将磨损检测指令发送至磨损检测传感器，使磨损检测传感器检测各轨道段的轨道磨损参数，便于后续评估各轨道段的磨损程度，将扣件检测指令发送至图像检测传感器，使图像检测传感器检测检测用于固定轨道段的各扣件的情况并生成扣件异常信息，便于后续判断各轨道段的连接稳定性；将界限入侵检测指令发送至距离检测传感器，生成限界入侵信息，包括入侵位置信息和入侵幅度信息，便于检测轨道各方向内是否存在可能对列车行驶安全造成影响的障碍物，以及障碍物的大小或侵入程度，以进一步提高针对列车轨道安全性巡检结果的准确性。
3.基于各轨道段的规格参数信息，确定各轨道段的材质、热处理工艺、截面形状、截面积等信息，从而通过计算、试验或从生产厂商处获取各轨道段的PΔN曲线模型；基于预设的生存率参数，从PΔN曲线中获取生存率参数对应的轨道应变寿命模型，便于后续评估在当前生存率参数的需求下，各轨道段的应变疲劳寿命；由于轨道段发生塑性形变、磨损、以及紧固情况的变化，均会导致轨道段的应变疲劳寿命发生变化，因此，定期基于各轨道段的轨道检修信息，计算轨道段的形变、磨损、以及紧固情况变化等因素对轨道段应变疲劳寿命的的影响，生成应变寿命修正参数，根据应变寿命修正参数对轨道应变寿命模型进行修正，便于提高轨道应变寿命模型的可靠性。
4.一般的部件的寿命的模型是统计多个该部件的全生命周期以及对应生命周期各个阶段的数据形成的寿命模型，修正寿命模型也是通过引入新的部件的全生命周期以及对应生命周期各个阶段的数据进行大数据的计算等进行不断优化和修正的过程。
附图说明
图1是本申请实施例一中轨道线路智能巡检机器人的应急控制方法的流程图。
图2是本申请轨道线路智能巡检机器人的应急控制方法中步骤S10的流程图。
图3是本申请轨道线路智能巡检机器人的应急控制方法中步骤S30的流程图。
图4是本申请轨道线路智能巡检机器人的应急控制方法中步骤S40的流程图。
图5是本申请轨道线路智能巡检机器人的应急控制方法中步骤S50的流程图。
图6是本申请实施例二中轨道线路智能巡检机器人的应急控制系统的一原理框图。
图7是本申请实施例三中的设备示意图。
具体实施方式
以下结合附图1至7对本申请作进一步详细说明。
目前，本申请公开了一种轨道线路智能巡检机器人的应急控制方法及系统。
实施例一
本申请公开了一种轨道线路智能巡检机器人的应急控制方法，可应用于编制用于控制现有的轨道线路智能巡检机器人的控制程序。
如图1所示，具体包括如下步骤：
S10：接收巡检机器人发出的轨道巡检信息，所述轨道巡检信息包括各轨道段的轨道几何参数、轨道磨损参数、扣件异常信息。
在本实施例中，巡检机器人包括行走机构和多个用于执行轨道巡检工作的传感器，传感器的种类和数量可以根据具体巡检需求进行调整，包括几何检测传感器、磨损检测传感器、图像检测传感器、距离检测传感器；巡检机器人的行走机构用于驱动巡检机器人沿轨道移动。
具体地，当需要使用巡检机器人执行巡检工作时，将轨道巡检机器人部署至列车轨道上，使巡检机器人的行走机构能够驱动巡检机器人沿轨道移动并执行巡检工作；当巡检机器人执行轨道巡检工作时，实时接收巡检机器人传回的轨道巡检信息，其中包括通过几何检测传感器获取到轨道几何参数、通过磨损检测传感器获取的轨道磨损参数和通过图像检测传感器获取的扣件异常信息，便于根据这些轨道巡检信息判断轨道的形变、磨损、扣件异常情况。
其中，参照图2，在步骤S10中，包括：
S11：接收巡检指令，所述巡检指令包括移动指令和各传感器的检测指令，将所述移动指令发送至巡检机器人的行走控制模块。
在本实施例中，巡检指令是指用于控制巡检机器人执行轨道巡检工作的指令，其中，巡检指令包括移动指令和各传感器的检测指令。
具体地，实时接收巡检指令，将巡检指令中的移动指令发送至巡检机器人的行走控制模块，控制巡检机器人沿所需巡检的轨道移动以执行轨道巡检工作。
S12：将几何检测指令发送至几何检测传感器，将磨损检测指令发送至磨损检测传感器，将扣件检测指令发送至图像检测传感器，以获取轨道几何参数、轨道磨损参数和扣件异常信息。
在本实施例中，几何检测传感器可以是线激光测量仪，便于检测轨道的几何参数，具有较高的精度；磨损检测传感器可以是超声检测仪、X射线成像仪、激光全息检测仪或线激光测量仪，便于检测轨道表面的磨损情况。
具体地，巡检指令还包括几何检测指令、磨损检测指令和扣件检测指令；将几何检测指令发送至几何检测传感器，使几何检测传感器检测轨道几何参数，以评估轨道的变形情况；将磨损检测指令发送至磨损检测传感器，使磨损检测传感器检测轨道磨损参数，以评估轨道的磨损情况；将扣件检测指令发送至图像检测传感器，使图像检测传感器拍摄列车轨道扣件的图像信息，并通过巡检机器人的控制模块中内置的图像识别算法检测列车轨道扣件图像信息中的扣件异常信息，以评估轨道是否出现扣件脱落、松动、断裂、丢失、变形等故障；便于后续根据轨道几何参数、轨道磨损参数和扣件异常信息生成轨道巡检信息。
S13：将限界入侵检测指令发送至距离检测传感器，以获取限界入侵信息，所述限界入侵信息包括入侵位置信息和入侵幅度信息。
在本实施例中，轨道巡检信息还包括限界入侵信息，距离检测传感器可以是超声测距传感器或激光测距传感器等。
具体地，将限界入侵检测指令发送至距离检测传感器，使巡检机器人通过距离检测传感器检测轨道附近的障碍物，判断为保证列车安全行驶所设定的限界内是否存在障碍物，若限界内存在障碍物，则进一步检测障碍物入侵限界的具体位置生成入侵位置信息，并检测障碍物位于限界内的体积生成入侵幅度信息，以便根据入侵位置信息和入侵幅度信息生成限界入侵信息。
S14：将异物检测指令发送至图像检测传感器，以获取轨道内的异物检测信息。
在本实施例中，轨道巡检信息还包括异物检测信息。
具体地，将异物检测指令发送至图像检测传感器，使巡检机器人通过图像检测传感器拍摄列车轨道内的图像信息，并从图像信息中识别异物，生成异物检测信息，以便获知列车轨道内是否存在可能对列车沿轨道正常运行造成影响的异物，如乘客落入列车轨道内的随身物品或巡检人员遗漏的巡检工具。
S20：接收轨道形变传感器发出的轨道形变数据，所述轨道形变数据包括形变幅度数据和对应的时间信息。
在本实施例中，测试轨道是指安装有轨道形变传感器的轨道段，若干测试轨道间隔设置于轨道线路中，优选地，轨道线路各弯道的入弯处、出弯处、弯道曲率最大处的轨道段均为测试轨道，轨道线路中的各站点停靠处也设置有测试轨道，且轨道线路的其他易发生形变或受力的位置也设置有测试轨道。
具体地，为降低在轨道线路中设置轨道形变传感器的物料成本、安装轨道形变传感器的人工成本以及轨道形变传感器后续的维护成本，可在轨道线路中间隔设置测试轨道，并仅在测试轨道安装轨道形变传感器。
具体的，通过轨道形变传感器获取轨道形变数据，其中包括形变幅度数据和对应的时间信息，便于判断各轨道段所受到的形变类型及形变发生的时间节点；
其中，在步骤S20之后，包括：
S21：基于相邻两段测试轨道中轨道形变数据的最大值，作为两段测试轨道之间轨道段的轨道形变数据。
具体地，将各相邻的两段测试轨道的轨道形变数据两两进行比较，将相邻的两段测试轨道的轨道形变数据最大值作为两段测试轨道之间其他所有轨道段的轨道形变数据，通过向上近似处理的方式，便于后续提高对各轨道段剩余寿命评估的可靠性。
S30：基于各轨道段的规格参数信息生成对应的轨道应变寿命模型，定期基于各轨道段的轨道巡检信息修正轨道应变寿命模型。
其中，参照图3，在步骤S30中，包括：
S31：基于各轨道段的规格参数信息，确定各轨道段的PΔN曲线模型。
在本实施例中，规格参数信息包括轨道段的材质、热处理工艺、截面形状、截面积等信息；PΔN曲线模型为考虑到疲劳寿命的分散性而绘制的对应于不同存活率P的ΔN曲线模型，其中Δ为应变、N为循环次数，PΔN曲线模型即考虑了不同存活率的应变寿命模型，用于评估零件在受到不同应变值的应变损害时所对应的循环次数寿命。
具体地，获取各轨道段的规格参数信息，便于基于各轨道段的规格参数信息通过计算、试验或从生产厂商处获取各轨道段的PΔN曲线模型，便于后续评估各轨道段在不同生存率数据下的应变寿命模型关系，以便提高轨道线路巡检的科学性。
S32：基于所述PΔN曲线模型和预设的生存率参数，创建对应的轨道应变寿命模型。
现有的ΔN曲线模型通常是针对特定的生存率而确定的，任意一种零件在特定的生存率下，均能测试出其所受的应变与对应的循环寿命次数，当所要求的生存率发生改变后免责ΔN曲线会发生变化，因此，在确定了生存率之后，才能够评估零件在不同应变下所能承受的循环次数；在本实施例中，预设的生存率参数是根据本申请所需达到的轨道段可靠性而确定的。
具体地，基于预设的生存率参数，从PΔN曲线中确定生存率参数对应的应变循环次数曲线，生成轨道应变寿命模型，便于后续评估在当前生存率参数的需求下，各轨道段的应变疲劳寿命；在本实施例中，生存率参数默认设置为99％，也可以根据实际需求进行调整。
S33：定期基于各轨道段的轨道检修信息计算检修影响参数，并生成应变寿命修正参数。
具体地，由于轨道段发生塑性形变、磨损、以及紧固情况的变化，均会导致轨道段的应变疲劳寿命发生变化，因此，定期基于各轨道段的轨道检修信息，计算轨道段的形变、磨损、以及紧固情况变化等因素对轨道段应变疲劳寿命的的影响，生成应变寿命修正参数，便于后续根据应变寿命修正参数修正轨道应变寿命模型。
S34：基于应变寿命修正参数对轨道应变寿命模型进行修正。
具体地，根据应变寿命修正参数对轨道应变寿命模型进行修正，便于提高轨道应变寿命模型的可靠性，进而体改轨道线路巡检效果。
进一步地，在步骤S21之后，还包括
基于各轨道形变数据计算各测试轨道的形变影响参数；
基于相邻两段测试轨道中形变影响参数的最大值，确定两段测试轨道之间轨道段的形变影响参数；
基于各轨道段的形变影响参数修正对应的轨道应力寿命模型；
便于将轨道的形变对轨道应力寿命模型纳入考虑，从而进一步提高轨道应力寿命模型与实际情况的一致性。
S40：根据轨道形变数据和轨道应变寿命模型计算各轨道段的剩余寿命信息。
具体地，根据持续记录的轨道形变数据和对应的轨道应变寿命模型，计算各轨道段的剩余使用寿命生成剩余寿命信息，便于评估各轨道段的剩余使用寿命。
其中，参照图4，在步骤S40中，包括：
S41：实时获取各轨道段的轨道形变数据并存储，生成历史形变数据。
具体地，实时获取各轨道段的轨道形变数据并存储至数据库中，并生成历史形变数据，其中，历史形变数据是指一条轨道段所对应的历史形变数据，当轨道段更换时，对应的历史形变数据清零，便于通过历史形变数据评估各轨道段自启用以来至今的累积疲劳损伤。
S42：基于轨道段对应的历史形变数据和应变寿命模型，计算轨道段的剩余疲劳寿命，计算剩余疲劳寿命与总疲劳寿命的商为剩余寿命信息。
具体地，基于各轨道段对应的历史形变数据和应变寿命模型，计算各轨道段当前的剩余疲劳寿命，由于不同应变数值对应的循环次数不同，因此，对于不同程度的形变数据，需要进行换算后再进行计算，便于后续预测各轨道段的更换时间节点；计算剩余寿命信息，其中，剩余寿命信息的数值为剩余疲劳寿命÷总疲劳寿命的商，便于后续个根据剩余寿命信息获知各轨道段的相对健康值，从而判断各轨道段是否需要进行更换维护。
S50：实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，评估异常项目，生成对应的控制指令并发送至轨道控制终端。
在本实施例中，轨道检测阈值模型是指用于对各检测项目的数值进行对比的数据模型。
具体地，实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至预设的轨道检测阈值模型中，以便将各项数据与对应的预设数据阈值进行比较，从而将数据异常的数据项目确定为异常项目，根据异常项目对应的解决方案生成控制指令并发送至轨道控制终端，以直接控制轨道设施的运行状态。
具体参照图5，在步骤S50中，包括：
S51：实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，所述轨道检测阈值模型包括各检测项目的合格阈值范围，将数值超出合格阈值范围的项目定义为异常项目。
在本实施例中，轨道检测阈值模型包括各检测项目的合格阈值范围，合格阈值的范围可以是大于某一特定值、小于某一特定值或者是在两个特定值之间。
具体地，由于巡检机器人的巡检项目较多，且针对同一项目检测到不同数值时，所采取的措施可能存在差异，因此，获取各检测项目数值的合格阈值范围，生成轨道检测阈值模型，以便用于初步判断轨道巡检结果是否合格。
具体地，实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，若有任意一个或多个项目的检测数值超出合格阈值范围，则将对应的项目定义为异常项目；在本实施例中，针对超出各检测项目对应合格阈值范围的数值，还设置有多个用于判断其严重程度的阈值，便于对异常项目的严重程度进行等级区分，以便后续进行分级处理。
S52：基于异常项目从异常处置知识库中匹配对应的处置方案，基于处置方案生成控制指令并发送至轨道控制终端。
在本实施例中，异常处置知识库是指用于存储检测到异常项目时所需采取的处置方案的知识库，异常处置知识库内预存有若干不同异常项目、同一异常项目的不同严重程度的的处置方案。
具体地，根据确定的异常项目，以及异常项目对应的严重程度从异常处置数据库中匹配对应的处置方案，并进一步根据处置方案生成控制指令并发送至轨道控制终端，以便使控制终端根据预设的处置方案自动控制轨道设施执行异常处置方案，提高了异常处置的自动化水平。
应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
实施例二
如图6所示，本申请公开了一种轨道线路智能巡检机器人的应急控制系统，用于执行上述轨道线路智能巡检机器人的应急控制方法的步骤，该轨道线路智能巡检机器人的应急控制系统与上述实施例中轨道线路智能巡检机器人的应急控制方法相对应。
轨道线路智能巡检机器人的应急控制系统包括轨道巡检信息接收模块、轨道形变数据接收模块、轨道应变寿命模型修正模块、剩余寿命信息计算模块和轨道异常控制模块。各功能模块的详细说明如下：
轨道巡检信息接收模块，用于接收巡检机器人发出的轨道巡检信息，所述轨道巡检信息包括各轨道段的轨道几何参数、轨道磨损参数、扣件异常信息；
轨道形变数据接收模块，用于接收轨道形变传感器发出的轨道形变数据，所述轨道形变数据包括形变幅度数据和对应的时间信息；
轨道应变寿命模型修正模块，用于基于各轨道段的规格参数信息生成对应的轨道应变寿命模型，定期基于各轨道段的轨道巡检信息修正轨道应变寿命模型；
剩余寿命信息计算模块，用于根据轨道形变数据和轨道应变寿命模型计算各轨道段的剩余寿命信息；
轨道异常控制模块，用于实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，评估异常项目，生成对应的控制指令并发送至轨道控制终端。
其中，轨道巡检信息接收模块包括：
移动指令发送子模块，用于接收巡检指令，所述巡检指令包括移动指令和各传感器的检测指令，将所述移动指令发送至巡检机器人的行走控制模块；
检测指令发送子模块，用于将几何检测指令发送至几何检测传感器，将磨损检测指令发送至磨损检测传感器，将扣件检测指令发送至图像检测传感器，以获取轨道几何参数、轨道磨损参数和扣件异常信息；
限界入侵检测指令发送子模块，用于将限界入侵检测指令发送至距离检测传感器，以获取限界入侵信息，所述限界入侵信息包括入侵位置信息和入侵幅度信息。
异物检测指令发送子模块，用于将异物检测指令发送至图像检测传感器，以获取轨道内的异物检测信息。
其中，轨道形变数据接收模块包括：
轨道形变数据确定子模块，用于基于相邻两段测试轨道中轨道形变数据的最大值，作为两段测试轨道之间轨道段的轨道形变数据。
其中，轨道应变寿命模型修正模块包括：
PΔN曲线模型确定子模块，用于基于各轨道段的规格参数信息，确定各轨道段的PΔN曲线模型；
轨道应变寿命模型创建子模块，用于基于所述PΔN曲线模型和预设的生存率参数，创建对应的轨道应变寿命模型；
应变寿命修正参数生成子模块，用于定期基于各轨道段的轨道检修信息计算检修影响参数，并生成应变寿命修正参数；
模型修正子模块，用于基于应变寿命修正参数对轨道应变寿命模型进行修正。
其中，剩余寿命信息计算模块包括：
历史形变数据生成子模块，用于实时获取各轨道段的轨道形变数据并存储，生成历史形变数据；
剩余寿命信息计算子模块，用于基于轨道段对应的历史形变数据和应变寿命模型，计算轨道段的剩余疲劳寿命，计算剩余疲劳寿命与总疲劳寿命的商为剩余寿命信息。
其中，轨道异常控制模块包括：
异常项目识别子模块，用于实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，所述轨道检测阈值模型包括各检测项目的合格阈值范围，将数值超出合格阈值范围的项目定义为异常项目；
控制指令发送子模块，用于基于异常项目从异常处置知识库中匹配对应的处置方案，基于处置方案生成控制指令并发送至轨道控制终端。
实施例三
一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储轨道巡检信息、轨道形变数据、规格参数信息、轨道应变寿命模型、剩余寿命信息和轨道检测阈值模型等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现轨道线路智能巡检机器人的应急控制方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
S10：接收巡检机器人发出的轨道巡检信息，所述轨道巡检信息包括各轨道段的轨道几何参数、轨道磨损参数、扣件异常信息；
S20：接收轨道形变传感器发出的轨道形变数据，所述轨道形变数据包括形变幅度数据和对应的时间信息；
S30：基于各轨道段的规格参数信息生成对应的轨道应变寿命模型，定期基于各轨道段的轨道巡检信息修正轨道应变寿命模型；
S40：根据轨道形变数据和轨道应变寿命模型计算各轨道段的剩余寿命信息；
S50：实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，评估异常项目，生成对应的控制指令并发送至轨道控制终端。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
S10：接收巡检机器人发出的轨道巡检信息，所述轨道巡检信息包括各轨道段的轨道几何参数、轨道磨损参数、扣件异常信息；
S20：接收轨道形变传感器发出的轨道形变数据，所述轨道形变数据包括形变幅度数据和对应的时间信息；
S30：基于各轨道段的规格参数信息生成对应的轨道应变寿命模型，定期基于各轨道段的轨道巡检信息修正轨道应变寿命模型；
S40：根据轨道形变数据和轨道应变寿命模型计算各轨道段的剩余寿命信息；
S50：实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，评估异常项目，生成对应的控制指令并发送至轨道控制终端。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)、DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域普通技术人员应当理解；其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种轨道线路智能巡检机器人的应急控制方法，其特征在于，包括：
接收巡检机器人发出的轨道巡检信息，所述轨道巡检信息包括各轨道段的轨道几何参数、轨道磨损参数、扣件异常信息；
接收轨道形变传感器发出的轨道形变数据，所述轨道形变数据包括形变幅度数据和对应的时间信息；
基于各轨道段的规格参数信息生成对应的轨道应变寿命模型，定期基于各轨道段的轨道巡检信息修正轨道应变寿命模型；
根据轨道形变数据和轨道应变寿命模型计算各轨道段的剩余寿命信息；
实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，评估异常项目，生成对应的控制指令并发送至轨道控制终端。
2.根据权利要求1所述的一种轨道线路智能巡检机器人的应急控制方法，其特征在于：所述轨道巡检信息还包括限界入侵信息，接收巡检机器人发出的轨道巡检信息的步骤中，包括：
接收巡检指令，所述巡检指令包括移动指令和各传感器的检测指令，将所述移动指令发送至巡检机器人的行走控制模块；
将几何检测指令发送至几何检测传感器，将磨损检测指令发送至磨损检测传感器，将扣件检测指令发送至图像检测传感器，以获取轨道几何参数、轨道磨损参数和扣件异常信息；
将限界入侵检测指令发送至距离检测传感器，以获取限界入侵信息，所述限界入侵信息包括入侵位置信息和入侵幅度信息。
3.根据权利要求2所述的一种轨道线路智能巡检机器人的应急控制方法，其特征在于：所述轨道巡检信息还包括异物检测信息，接收巡检机器人发出的轨道巡检信息的步骤中，还包括：
将异物检测指令发送至图像检测传感器，以获取轨道内的异物检测信息。
4.根据权利要求1所述的一种轨道线路智能巡检机器人的应急控制方法，其特征在于：测试轨道是指安装有轨道形变传感器的轨道段，若干所述测试轨道间隔设置于轨道线路中，接收轨道形变传感器发出的轨道形变数据的步骤之后，包括：
基于相邻两段测试轨道中轨道形变数据的最大值，作为两段测试轨道之间轨道段的轨道形变数据。
5.根据权利要求1所述的一种轨道线路智能巡检机器人的应急控制方法，其特征在于：基于各轨道段的规格参数信息生成对应的轨道应变寿命模型，定期基于各轨道段的轨道巡检信息修正轨道应变寿命模型的步骤中，包括：
基于各轨道段的规格参数信息，确定各轨道段的PΔN曲线模型；
基于所述PΔN曲线模型和预设的生存率参数，创建对应的轨道应变寿命模型；
定期基于各轨道段的轨道检修信息计算检修影响参数，并生成应变寿命修正参数；
基于应变寿命修正参数对轨道应变寿命模型进行修正。
6.根据权利要求1所述的一种轨道线路智能巡检机器人的应急控制方法，其特征在于：根据轨道形变数据和轨道应变寿命模型计算各轨道段的剩余寿命信息的步骤中，包括：
实时获取各轨道段的轨道形变数据并存储，生成历史形变数据；
基于轨道段对应的历史形变数据和应变寿命模型，计算轨道段的剩余疲劳寿命，计算剩余疲劳寿命与总疲劳寿命的商为剩余寿命信息。
7.根据权利要求1所述的一种轨道线路智能巡检机器人的应急控制方法，其特征在于：实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，评估异常项目，生成对应的控制指令并发送至轨道控制终端的步骤中，包括：
实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，所述轨道检测阈值模型包括各检测项目的合格阈值范围，将数值超出合格阈值范围的项目定义为异常项目；
基于异常项目从异常处置知识库中匹配对应的处置方案，基于处置方案生成控制指令并发送至轨道控制终端。
8.一种轨道线路智能巡检机器人的应急控制系统，其特征在于，包括：
轨道巡检信息接收模块，用于接收巡检机器人发出的轨道巡检信息，所述轨道巡检信息包括各轨道段的轨道几何参数、轨道磨损参数、扣件异常信息；
轨道形变数据接收模块，用于接收轨道形变传感器发出的轨道形变数据，所述轨道形变数据包括形变幅度数据和对应的时间信息；
轨道应变寿命模型修正模块，用于基于各轨道段的规格参数信息生成对应的轨道应变寿命模型，定期基于各轨道段的轨道巡检信息修正轨道应变寿命模型；
剩余寿命信息计算模块，用于根据轨道形变数据和轨道应变寿命模型计算各轨道段的剩余寿命信息；
轨道异常控制模块，用于实时将轨道巡检信息、轨道形变数据和剩余寿命信息输入至轨道检测阈值模型中，评估异常项目，生成对应的控制指令并发送至轨道控制终端。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述轨道线路智能巡检机器人的应急控制方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述轨道线路智能巡检机器人的应急控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310078924.2A CN116300885A (zh) | 2023-02-03 | 2023-02-03 | 一种轨道线路智能巡检机器人的应急控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310078924.2A CN116300885A (zh) | 2023-02-03 | 2023-02-03 | 一种轨道线路智能巡检机器人的应急控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116300885A true CN116300885A (zh) | 2023-06-23 |
Family
ID=86789645
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310078924.2A Pending CN116300885A (zh) | 2023-02-03 | 2023-02-03 | 一种轨道线路智能巡检机器人的应急控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116300885A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107433962A (zh) * | 2016-06-18 | 2017-12-05 | 刘春梅 | 一种用于轨道交通故障监控与智能预警的方法和系统 |
| CN110509951A (zh) * | 2019-09-02 | 2019-11-29 | 佳讯飞鸿（北京）智能科技研究院有限公司 | 一种轨道故障检测系统及方法 |
| CN111016932A (zh) * | 2019-12-02 | 2020-04-17 | 江西理工大学 | 节能型空轨系统的轨道巡检车和检测方法 |
| CN113607580A (zh) * | 2021-08-10 | 2021-11-05 | 江苏徐工工程机械研究院有限公司 | 一种金属构件疲劳试验方法及剩余寿命预测方法 |
| CN113642946A (zh) * | 2021-10-18 | 2021-11-12 | 南京派光智慧感知信息技术有限公司 | 一种基于城市重要基础设施的感知信息集成接入系统 |
| US20210406429A1 (en) * | 2020-06-26 | 2021-12-30 | Sentient Science Corporation | Method and system for predicting wear and crack growth in a rail system |
| CN114154228A (zh) * | 2021-10-20 | 2022-03-08 | 广州地铁设计研究院股份有限公司 | 一种山区铁路小半径曲线换轨周期预测方法 |
| CN217521183U (zh) * | 2022-06-28 | 2022-09-30 | 湖南凌翔磁浮科技有限责任公司 | 一种中低速测速定位装置及系统 |
| CN218018536U (zh) * | 2022-07-25 | 2022-12-13 | 广州市佳启智能科技有限责任公司 | 一种轨道检测机器人 |
-
2023
- 2023-02-03 CN CN202310078924.2A patent/CN116300885A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107433962A (zh) * | 2016-06-18 | 2017-12-05 | 刘春梅 | 一种用于轨道交通故障监控与智能预警的方法和系统 |
| CN110509951A (zh) * | 2019-09-02 | 2019-11-29 | 佳讯飞鸿（北京）智能科技研究院有限公司 | 一种轨道故障检测系统及方法 |
| CN111016932A (zh) * | 2019-12-02 | 2020-04-17 | 江西理工大学 | 节能型空轨系统的轨道巡检车和检测方法 |
| US20210406429A1 (en) * | 2020-06-26 | 2021-12-30 | Sentient Science Corporation | Method and system for predicting wear and crack growth in a rail system |
| CN113607580A (zh) * | 2021-08-10 | 2021-11-05 | 江苏徐工工程机械研究院有限公司 | 一种金属构件疲劳试验方法及剩余寿命预测方法 |
| CN113642946A (zh) * | 2021-10-18 | 2021-11-12 | 南京派光智慧感知信息技术有限公司 | 一种基于城市重要基础设施的感知信息集成接入系统 |
| CN114154228A (zh) * | 2021-10-20 | 2022-03-08 | 广州地铁设计研究院股份有限公司 | 一种山区铁路小半径曲线换轨周期预测方法 |
| CN217521183U (zh) * | 2022-06-28 | 2022-09-30 | 湖南凌翔磁浮科技有限责任公司 | 一种中低速测速定位装置及系统 |
| CN218018536U (zh) * | 2022-07-25 | 2022-12-13 | 广州市佳启智能科技有限责任公司 | 一种轨道检测机器人 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102373787B1 (ko) | 고장 예측 시스템의 고장 유형 빅데이터를 이용한 기계설비의 잠재적 고장 예측 방법 | |
| JP7017861B2 (ja) | 異常検知システムおよび異常検知方法 | |
| CN108572006B (zh) | 状态诊断装置 | |
| Asada et al. | An algorithm for improved performance of railway condition monitoring equipment: Alternating-current point machine case study | |
| KR102249113B1 (ko) | 스마트 팩토리에서의 자동화설비 고장예측시스템 및 고장예측방법 | |
| KR102235728B1 (ko) | 전동차의 전기식 출입문 고장예측 장치 | |
| WO2018031537A1 (en) | Wheel deformity warning system | |
| KR20140036375A (ko) | 철도시스템의 지능형 고장자산관리시스템 | |
| CN114323671A (zh) | 借助人工智能方法基于对电驱动系统的组件的预测诊断来确定剩余使用寿命的方法和设备 | |
| US20190329807A1 (en) | Method and arrangement for fault detection in a switch system | |
| CN113177650A (zh) | 一种铁路货车车厢的预测性维护方法及装置 | |
| CN116177146A (zh) | 一种基于ai与激光监测技术的输送皮带检测系统及方法 | |
| Jang et al. | Failure detection technique under random fatigue loading by machine learning and dual sensing on symmetric structure | |
| KR102331463B1 (ko) | 이송장치를 구동하는 모터에 관한 머신러닝 기반 예지보전방법 및 시스템 | |
| JP7165745B2 (ja) | 鉄道設備の不具合を検出する装置 | |
| CN115249040A (zh) | 用于监测冲压过程的装置和方法 | |
| Fayzimatov et al. | Analysis of the methods for assessing the reliability of spot welding machines in the automotive industry | |
| CN111788042A (zh) | 机器人的预见性分析 | |
| KR102618023B1 (ko) | 고장유형에 따른 패턴 분석을 통한 고장 예지 진단시스템 및 방법 | |
| CN116300885A (zh) | 一种轨道线路智能巡检机器人的应急控制方法及系统 | |
| CN112334630A (zh) | 问询处理装置和问询处理方法 | |
| KR101808461B1 (ko) | 기계의 잔여수명 예측 방법 및 장치 | |
| CN116345690B (zh) | 基于供电系统设备清单的电力监测虚警识别方法及系统 | |
| CN115951704B (zh) | 一种基于bim模型的无人机地铁巡检方法及设备 | |
| CN115587978B (zh) | 一种基于深度学习的地板革贴合压纹在线检测系统 |
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 |