CN116682191A - 一种地铁隧道巡检配置方法及系统 - Google Patents
一种地铁隧道巡检配置方法及系统 Download PDFInfo
- Publication number
- CN116682191A CN116682191A CN202310959786.9A CN202310959786A CN116682191A CN 116682191 A CN116682191 A CN 116682191A CN 202310959786 A CN202310959786 A CN 202310959786A CN 116682191 A CN116682191 A CN 116682191A
- Authority
- CN
- China
- Prior art keywords
- inspection
- maximum
- cruising
- distance
- robot
- 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.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 292
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000010365 information processing Effects 0.000 claims abstract description 34
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 38
- 230000002457 bidirectional effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012423 maintenance Methods 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
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及地铁隧道巡检技术领域，公开一种地铁隧道巡检配置方法及系统。该方法包括：获取地铁隧道结构，根据地铁隧道结构，确定地铁站数据以及信号丢失区域长度；根据信号丢失区域长度，确定巡检机器人经过信号丢失区域的信息处理时间；根据信号丢失区域长度、信息处理时间以及巡航机器人的续航参数和巡航参数，计算巡检机器人的最大巡检行走距离；根据最大巡检行走距离和地铁站数据，确定巡检机器人的数量、配置和巡检模式，对地铁隧道巡检进行配置。本发明可以对线路级地铁隧道巡检机器人进行配置优化，对巡检机器人做到充分使用，避免一站一设备导致的资源浪费。且可根据设备当前剩余续航里程和健康度实时进行配置更新。
Description
技术领域
本发明涉及地铁隧道巡检技术领域，特别涉及一种地铁隧道巡检配置方法及系统。
背景技术
在地铁运维过程中，地铁隧道的巡检是其中很重要的一项工作，但隧道中环境恶劣，部分区域不适宜进行人工巡检，为此隧道巡检机器人出现并成为隧道巡检的主力设备。但巡检机器人受限于信号、电池续航、巡检窗口期、隧道结构等条件的约束，单一巡检机器人无法对整条线路进行巡检，为此，需要对巡检机器人进行配置优化，以实现全线路的巡检覆盖。
因此，如何合理地经济地配置巡检机器人，是目前亟待解决的问题。
发明内容
本发明实施例提供了一种地铁隧道巡检配置方法及系统，以解决现有技术中的上述技术问题。
根据本发明实施例的第一方面，提供了一种地铁隧道巡检配置方法。
在一个实施例中，所述地铁隧道巡检配置方法，包括：
获取地铁隧道结构，并根据所述地铁隧道结构，确定地铁站数据以及信号丢失区域长度，所述地铁站数据包括地铁站节点数据以及站间距数据；
根据所述信号丢失区域长度，确定巡检机器人经过信号丢失区域的信息处理时间，所述信息处理时间包括信号丢失重连时间和信号重新获取连接时间；
根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的续航参数和巡航参数，计算巡检机器人的最大巡检行走距离；
根据所述最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式，并根据确定的巡检机器人的数量、配置和巡检模式，对地铁隧道巡检进行配置。
在一个实施例中，根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的续航参数和巡航参数，计算巡检机器人的最大巡检行走距离包括：根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的巡航参数，计算巡检机器人的理论最大巡检行走距离；根据巡检机器人续航参数，计算巡检机器人的续航最大巡检行走距离；根据理论最大巡检行走距离和续航最大巡检行走距离，确定巡检机器人的最终最大巡检行走距离。
在一个实施例中，根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的巡航参数，计算巡检机器人的理论最大巡检行走距离的计算公式为：
根据巡检机器人续航参数，计算巡检机器人的续航最大巡检行走距离的计算公式为：
根据理论最大巡检行走距离和续航最大巡检行走距离，确定巡检机器人的最终最大巡检行走距离的计算公式为：
式中，为理论最大巡检行走距离；/>为巡检行走速度；/>为巡检窗口期；
为信号丢失区域长度；/>为信号丢失重连时间；/>信号重新获取连接时间；/>为信号丢失导致的巡检机器人降速时间因子，且/>为续航最大巡检行走距离；/>为巡航里程；/>为电池健康度衰减因子，且/>为巡航里程裕量；/>为最终最大巡检行走距离；/>为理论最大巡检行走距离；/>为续航最大巡检行走距离；/>为向下取整符号，取整至地铁站节点。
在一个实施例中，根据所述最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式包括：
将两个地铁站节点之间的站间距与最大巡检行走距离进行比较，在最大巡检行走距离小于该站间距的情况下，配置两台巡检机器人进行双向巡检；
计算两台巡检机器人的最大巡检行走距离之和，并将该最大巡检行走距离之和与对应站间距进行比较，在最大巡检行走距离之和小于对应站间距的情况下，更换巡检机器人。
在一个实施例中，所述的地铁隧道巡检配置方法，还包括：
在根据确定的巡检机器人的数量、配置和巡检模式，对地铁隧道巡检进行配置之前，更换距离计算起点的地铁站节点；
根据更换后的地铁站节点及对应的站间距，计算巡检机器人的最大巡检行走距离；
将该最大巡检行走距离与前序计算的最大巡检行走距离进行比较，取数值最小的最大巡检行走距离作为最终最大巡检行走距离；
根据该最终最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式。
根据本发明实施例的第二方面，提供了一种地铁隧道巡检配置系统。
在一个实施例中，所述地铁隧道巡检配置系统包括：
数据获取模块，用于获取地铁隧道结构，并根据所述地铁隧道结构，确定地铁站数据以及信号丢失区域长度，所述地铁站数据包括地铁站节点数据以及站间距数据；
时间确定模块，用于根据所述信号丢失区域长度，确定巡检机器人经过信号丢失区域的信息处理时间，所述信息处理时间包括信号丢失重连时间和信号重新获取连接时间；
距离计算模块，用于根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的续航参数和巡航参数，计算巡检机器人的最大巡检行走距离；
巡检配置模块，用于根据所述最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式，并根据确定的巡检机器人的数量、配置和巡检模式，对地铁隧道巡检进行配置。
在一个实施例中，所述距离计算模块包括理论距离计算模块、续航距离计算模块和最终距离计算模块，其中，
理论距离计算模块，用于根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的巡航参数，计算巡检机器人的理论最大巡检行走距离；
续航距离计算模块，用于根据巡检机器人续航参数，计算巡检机器人的续航最大巡检行走距离；
最终距离计算模块，用于根据理论最大巡检行走距离和续航最大巡检行走距离，确定巡检机器人的最终最大巡检行走距离。
在一个实施例中，根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的巡航参数，计算巡检机器人的理论最大巡检行走距离的计算公式为：
据巡检机器人续航参数，计算巡检机器人的续航最大巡检行走距离的计算公式为：
根据理论最大巡检行走距离和续航最大巡检行走距离，确定巡检机器人的最终最大巡检行走距离的计算公式为：
式中，为理论最大巡检行走距离；/>为巡检行走速度；/>为巡检窗口期；/>为信号丢失区域长度；/>为信号丢失重连时间；/>信号重新获取连接时间；/>为信号丢失导致的巡检机器人降速时间因子，且/>为续航最大巡检行走距离；/>为巡航里程；/>为电池健康度衰减因子，且/>为巡航里程裕量；/>为最终最大巡检行走距离；/>为理论最大巡检行走距离；/>为续航最大巡检行走距离；/>为向下取整符号，取整至地铁站节点。
在一个实施例中，所述巡检配置模块根据所述最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式时，将两个地铁站节点之间的站间距与最大巡检行走距离进行比较，在最大巡检行走距离小于该站间距的情况下，配置两台巡检机器人进行双向巡检；计算两台巡检机器人的最大巡检行走距离之和，并将该最大巡检行走距离之和与对应站间距进行比较，在最大巡检行走距离之和小于对应站间距的情况下，更换巡检机器人。
在一个实施例中，所述地铁隧道巡检配置系统，还包括：配置优化模块，用于在根据确定的巡检机器人的数量、配置和巡检模式，对地铁隧道巡检进行配置之前，更换距离计算起点的地铁站节点；根据更换后的地铁站节点及对应的站间距，计算巡检机器人的最大巡检行走距离；将该最大巡检行走距离与前序计算的最大巡检行走距离进行比较，取数值最小的最大巡检行走距离作为最终最大巡检行走距离；根据该最终最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式。
本发明实施例提供的技术方案可以包括以下有益效果：
本发明可以对线路级地铁隧道巡检机器人进行配置优化，对巡检机器人做到充分使用，避免一站一设备导致的资源浪费。且可根据设备当前剩余续航里程和健康度实时进行配置更新。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种地铁隧道巡检配置方法的流程示意图；
图2是根据一示例性实施例示出的一种地铁隧道巡检配置系统的结构框图；
图3是根据一示例性实施例示出的计算机设备的结构示意图。
具体实施方式
以下描述和附图充分地示出本文的具体实施方案，以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。本文中，术语“第一”、“第二”等仅被用来将一个元素与另一个元素区分开来，而不要求或者暗示这些元素之间存在任何实际的关系或者顺序。实际上第一元素也能够被称为第二元素，反之亦然。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的结构、装置或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种结构、装置或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的结构、装置或者设备中还存在另外的相同要素。本文中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中的术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本文和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。在本文的描述中，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
本文中，除非另有说明，术语“多个”表示两个或两个以上。
本文中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。
本文中，术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。
应该理解的是，虽然流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本申请的装置或系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
图1示出了本发明的一种地铁隧道巡检配置方法的一个实施例。
在该可选实施例中，所述地铁隧道巡检配置方法，包括：
步骤S101，获取地铁隧道结构，并根据所述地铁隧道结构，确定地铁站数据以及信号丢失区域长度，所述地铁站数据包括地铁站节点数据以及站间距数据；
步骤S103，根据所述信号丢失区域长度，确定巡检机器人经过信号丢失区域的信息处理时间，所述信息处理时间包括信号丢失重连时间和信号重新获取连接时间；
步骤S105，根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的续航参数和巡航参数，计算巡检机器人的最大巡检行走距离；
步骤S107，根据所述最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式，并根据确定的巡检机器人的数量、配置和巡检模式，对地铁隧道巡检进行配置。
图2示出了本发明的一种地铁隧道巡检配置系统的一个实施例。
在该可选实施例中，所述地铁隧道巡检配置系统，包括：
数据获取模块201，用于获取地铁隧道结构，并根据所述地铁隧道结构，确定地铁站数据以及信号丢失区域长度，所述地铁站数据包括地铁站节点数据以及站间距数据；
时间确定模块203，用于根据所述信号丢失区域长度，确定巡检机器人经过信号丢失区域的信息处理时间，所述信息处理时间包括信号丢失重连时间和信号重新获取连接时间；
距离计算模块205，用于根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的续航参数和巡航参数，计算巡检机器人的最大巡检行走距离；
巡检配置模块207，用于根据所述最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式，并根据确定的巡检机器人的数量、配置和巡检模式，对地铁隧道巡检进行配置。
在该实施例中，在根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的续航参数和巡航参数，计算巡检机器人的最大巡检行走距离时，可根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的巡航参数，计算巡检机器人的理论最大巡检行走距离；根据巡检机器人续航参数，计算巡检机器人的续航最大巡检行走距离；根据理论最大巡检行走距离和续航最大巡检行走距离，确定巡检机器人的最终最大巡检行走距离。
对应的，所述距离计算模块205包括理论距离计算模块（图中未示出）、续航距离计算模块（图中未示出）和最终距离计算模块（图中未示出），其中，理论距离计算模块，用于根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的巡航参数，计算巡检机器人的理论最大巡检行走距离；续航距离计算模块，用于根据巡检机器人续航参数，计算巡检机器人的续航最大巡检行走距离；最终距离计算模块，用于根据理论最大巡检行走距离和续航最大巡检行走距离，确定巡检机器人的最终最大巡检行走距离。
在具体使用时，根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的巡航参数，计算巡检机器人的理论最大巡检行走距离的计算公式为：
；
式中，为理论最大巡检行走距离；/>为巡检行走速度；/>为巡检窗口期；为信号丢失区域长度；/>为信号丢失重连时间；/>信号重新获取连接时间；/>为信号丢失导致的巡检机器人降速时间因子，且/>。
而根据巡检机器人续航参数，计算巡检机器人的续航最大巡检行走距离的计算公式为：
；
式中，为续航最大巡检行走距离；/>为巡航里程；/>为电池健康度衰减因子，且/>为巡航里程裕量（避免意外情况下巡检机器人无法完成巡检任务）。
而根据理论最大巡检行走距离和续航最大巡检行走距离，确定巡检机器人的最终最大巡检行走距离的计算公式为：
；
式中，为最终最大巡检行走距离；/>为理论最大巡检行走距离；/>为续航最大巡检行走距离；/>为向下取整符号，取整至地铁站节点。
在该实施例中，在根据所述最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式时，将两个地铁站节点之间的站间距与最大巡检行走距离进行比较，在最大巡检行走距离小于该站间距的情况下，配置两台巡检机器人进行双向巡检；计算两台巡检机器人的最大巡检行走距离之和，并将该最大巡检行走距离之和与对应站间距进行比较，在最大巡检行走距离之和小于对应站间距的情况下，更换巡检机器人。
此外，由于本发明针对的巡检场景为往复式巡线，往复式巡线是指巡检机器人在巡检过程中需要到达预设位置后返回起点并充电以完成下次巡检任务。通过将续航里程与站间距进行匹配，实现最优的巡检配置，而为了避免因起点选择导致的局部最优解，在根据确定的巡检机器人的数量、配置和巡检模式，对地铁隧道巡检进行配置之前，还可更换距离计算起点的地铁站节点；并根据更换后的地铁站节点及对应的站间距，计算巡检机器人的最大巡检行走距离；将该最大巡检行走距离与前序计算的最大巡检行走距离进行比较，取数值最小的最大巡检行走距离作为最终最大巡检行走距离；根据该最终最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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静态信息和动态信息数据。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上述方法实施例中的步骤。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述方法实施例中的步骤。
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，该计算机程序被处理器执行时实现上述方法实施例中的步骤。
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，本发明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易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。
本发明并不局限于上面已经描述并在附图中示出的结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种地铁隧道巡检配置方法，其特征在于，包括：
获取地铁隧道结构，并根据所述地铁隧道结构，确定地铁站数据以及信号丢失区域长度，所述地铁站数据包括地铁站节点数据以及站间距数据；
根据所述信号丢失区域长度，确定巡检机器人经过信号丢失区域的信息处理时间，所述信息处理时间包括信号丢失重连时间和信号重新获取连接时间；
根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的续航参数和巡航参数，计算巡检机器人的最大巡检行走距离；
根据所述最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式，并根据确定的巡检机器人的数量、配置和巡检模式，对地铁隧道巡检进行配置。
2.根据权利要求1所述的地铁隧道巡检配置方法，其特征在于，根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的续航参数和巡航参数，计算巡检机器人的最大巡检行走距离包括：
根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的巡航参数，计算巡检机器人的理论最大巡检行走距离；
根据巡检机器人续航参数，计算巡检机器人的续航最大巡检行走距离；
根据理论最大巡检行走距离和续航最大巡检行走距离，确定巡检机器人的最终最大巡检行走距离。
3.根据权利要求2所述的地铁隧道巡检配置方法，其特征在于，根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的巡航参数，计算巡检机器人的理论最大巡检行走距离的计算公式为：
；
根据巡检机器人续航参数，计算巡检机器人的续航最大巡检行走距离的计算公式为：
；
根据理论最大巡检行走距离和续航最大巡检行走距离，确定巡检机器人的最终最大巡检行走距离的计算公式为：
；
式中，为理论最大巡检行走距离；/>为巡检行走速度；/>为巡检窗口期；/>为信号丢失区域长度；/>为信号丢失重连时间；/>信号重新获取连接时间；/>为信号丢失导致的巡检机器人降速时间因子，且/>为续航最大巡检行走距离；/>为巡航里程；/>为电池健康度衰减因子，且/>；/>为巡航里程裕量；/>为最终最大巡检行走距离；/>为理论最大巡检行走距离；/>为续航最大巡检行走距离；/>为向下取整符号，取整至地铁站节点。
4.根据权利要求3所述的地铁隧道巡检配置方法，其特征在于，根据所述最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式包括：
将两个地铁站节点之间的站间距与最大巡检行走距离进行比较，在最大巡检行走距离小于该站间距的情况下，配置两台巡检机器人进行双向巡检；
计算两台巡检机器人的最大巡检行走距离之和，并将该最大巡检行走距离之和与对应站间距进行比较，在最大巡检行走距离之和小于对应站间距的情况下，更换巡检机器人。
5.根据权利要求4所述的地铁隧道巡检配置方法，其特征在于，还包括：
在根据确定的巡检机器人的数量、配置和巡检模式，对地铁隧道巡检进行配置之前，更换距离计算起点的地铁站节点；
根据更换后的地铁站节点及对应的站间距，计算巡检机器人的最大巡检行走距离；
将该最大巡检行走距离与前序计算的最大巡检行走距离进行比较，取数值最小的最大巡检行走距离作为最终最大巡检行走距离；
根据该最终最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式。
6.一种地铁隧道巡检配置系统，其特征在于，包括：
数据获取模块，用于获取地铁隧道结构，并根据所述地铁隧道结构，确定地铁站数据以及信号丢失区域长度，所述地铁站数据包括地铁站节点数据以及站间距数据；
时间确定模块，用于根据所述信号丢失区域长度，确定巡检机器人经过信号丢失区域的信息处理时间，所述信息处理时间包括信号丢失重连时间和信号重新获取连接时间；
距离计算模块，用于根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的续航参数和巡航参数，计算巡检机器人的最大巡检行走距离；
巡检配置模块，用于根据所述最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式，并根据确定的巡检机器人的数量、配置和巡检模式，对地铁隧道巡检进行配置。
7.根据权利要求6所述的地铁隧道巡检配置系统，其特征在于，所述距离计算模块包括理论距离计算模块、续航距离计算模块和最终距离计算模块，其中，
理论距离计算模块，用于根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的巡航参数，计算巡检机器人的理论最大巡检行走距离；
续航距离计算模块，用于根据巡检机器人续航参数，计算巡检机器人的续航最大巡检行走距离；
最终距离计算模块，用于根据理论最大巡检行走距离和续航最大巡检行走距离，确定巡检机器人的最终最大巡检行走距离。
8.根据权利要求7所述的地铁隧道巡检配置系统，其特征在于，根据所述信号丢失区域长度、所述信息处理时间以及巡航机器人的巡航参数，计算巡检机器人的理论最大巡检行走距离的计算公式为：
；
根据巡检机器人续航参数，计算巡检机器人的续航最大巡检行走距离的计算公式为：
；
根据理论最大巡检行走距离和续航最大巡检行走距离，确定巡检机器人的最终最大巡检行走距离的计算公式为：
；
式中，为理论最大巡检行走距离；/>为巡检行走速度；/>为巡检窗口期；/>为信号丢失区域长度；/>为信号丢失重连时间；/>信号重新获取连接时间；/>为信号丢失导致的巡检机器人降速时间因子，且/>为续航最大巡检行走距离；/>为巡航里程；/>为电池健康度衰减因子，且/>为巡航里程裕量；/>为最终最大巡检行走距离；/>为理论最大巡检行走距离；/>为续航最大巡检行走距离；/>为向下取整符号，取整至地铁站节点。
9.根据权利要求8所述的地铁隧道巡检配置系统，其特征在于，所述巡检配置模块根据所述最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式时，将两个地铁站节点之间的站间距与最大巡检行走距离进行比较，在最大巡检行走距离小于该站间距的情况下，配置两台巡检机器人进行双向巡检；计算两台巡检机器人的最大巡检行走距离之和，并将该最大巡检行走距离之和与对应站间距进行比较，在最大巡检行走距离之和小于对应站间距的情况下，更换巡检机器人。
10.根据权利要求9所述的地铁隧道巡检配置系统，其特征在于，还包括：
配置优化模块，用于在根据确定的巡检机器人的数量、配置和巡检模式，对地铁隧道巡检进行配置之前，更换距离计算起点的地铁站节点；根据更换后的地铁站节点及对应的站间距，计算巡检机器人的最大巡检行走距离；将该最大巡检行走距离与前序计算的最大巡检行走距离进行比较，取数值最小的最大巡检行走距离作为最终最大巡检行走距离；根据该最终最大巡检行走距离和所述地铁站数据，确定巡检机器人的数量、配置和巡检模式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310959786.9A CN116682191B (zh) | 2023-08-02 | 2023-08-02 | 一种地铁隧道巡检配置方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310959786.9A CN116682191B (zh) | 2023-08-02 | 2023-08-02 | 一种地铁隧道巡检配置方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116682191A true CN116682191A (zh) | 2023-09-01 |
| CN116682191B CN116682191B (zh) | 2023-11-28 |
Family
ID=87791316
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310959786.9A Active CN116682191B (zh) | 2023-08-02 | 2023-08-02 | 一种地铁隧道巡检配置方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116682191B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100179741A1 (en) * | 2009-01-09 | 2010-07-15 | Robert Bosch Gmbh | Lost target function for adaptive cruise control |
| CN109855631A (zh) * | 2019-03-26 | 2019-06-07 | 常州市盈能电气有限公司 | 轨道式巡检机器人重新定位方法 |
| CN110703809A (zh) * | 2019-09-18 | 2020-01-17 | 同济大学 | 一种基于无线传感网络的无人机地铁隧道定点巡检方法 |
| CN111610193A (zh) * | 2020-05-29 | 2020-09-01 | 武汉至科检测技术有限公司 | 采用多镜头拍摄巡检地铁隧道管片结构缺陷的系统及方法 |
| CN111754001A (zh) * | 2020-05-25 | 2020-10-09 | 北京三清互联科技有限公司 | 展示三维巡检数据的方法和智能巡检系统 |
| CN115743540A (zh) * | 2022-11-03 | 2023-03-07 | 中国地质大学（北京） | 基于多源信息融合的隧道全息巡检无人机装置及方法 |
| CN116237945A (zh) * | 2023-03-15 | 2023-06-09 | 国能榆林能源有限责任公司 | 巡检机器人的控制方法、装置和巡检机器人的控制系统 |
-
2023
- 2023-08-02 CN CN202310959786.9A patent/CN116682191B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100179741A1 (en) * | 2009-01-09 | 2010-07-15 | Robert Bosch Gmbh | Lost target function for adaptive cruise control |
| CN109855631A (zh) * | 2019-03-26 | 2019-06-07 | 常州市盈能电气有限公司 | 轨道式巡检机器人重新定位方法 |
| CN110703809A (zh) * | 2019-09-18 | 2020-01-17 | 同济大学 | 一种基于无线传感网络的无人机地铁隧道定点巡检方法 |
| CN111754001A (zh) * | 2020-05-25 | 2020-10-09 | 北京三清互联科技有限公司 | 展示三维巡检数据的方法和智能巡检系统 |
| CN111610193A (zh) * | 2020-05-29 | 2020-09-01 | 武汉至科检测技术有限公司 | 采用多镜头拍摄巡检地铁隧道管片结构缺陷的系统及方法 |
| CN115743540A (zh) * | 2022-11-03 | 2023-03-07 | 中国地质大学（北京） | 基于多源信息融合的隧道全息巡检无人机装置及方法 |
| CN116237945A (zh) * | 2023-03-15 | 2023-06-09 | 国能榆林能源有限责任公司 | 巡检机器人的控制方法、装置和巡检机器人的控制系统 |
Non-Patent Citations (2)
| Title |
|---|
| 傅兵等: "智能巡检技术在地铁隧道中的应用", 交通建设与管理, no. 4, pages 74 - 76 * |
| 陆京龙等: "地铁隧道智能巡检机器人", 电子制作, pages 36 - 39 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116682191B (zh) | 2023-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111220159B (zh) | 多无人机协同巡检任务的路径优化方法 | |
| CN112348817B (zh) | 车位识别方法、装置、车载终端和存储介质 | |
| CN113485429B (zh) | 空地协同交通巡检的路径优化方法和装置 | |
| US20210028883A1 (en) | Channel blind detection method, signal transmission method and related devices | |
| DE102020124693A1 (de) | Adaptive Prognosesysteme und Prognoseverfahren für Fahrzeuge | |
| EP4254254A1 (en) | Automatic construction method and apparatus for automobile bus topology map, and computing device | |
| CN113867400B (zh) | 一种基于无人机的光伏发电设备巡查处理方法和系统 | |
| CN115378052B (zh) | 光伏设备分组方法、管理模块、光伏设备、系统及介质 | |
| CN112532442B (zh) | 一种用于全域指控网络的任务协同能力评估方法 | |
| CN112671584A (zh) | 网络拓扑的识别方法、装置、系统和存储介质 | |
| US20080288432A1 (en) | Device and Method of Fixing Wireless Network Problems | |
| CN113110583B (zh) | 无人机全自动中继巡航方法及系统 | |
| CN116682191B (zh) | 一种地铁隧道巡检配置方法及系统 | |
| CN111582378B (zh) | 定位识别模型的训练生成方法、位置检测方法、装置 | |
| CN113191432A (zh) | 基于离群因子的虚拟机集群的异常检测方法、设备及介质 | |
| CN113705707B (zh) | 基站小区节电状态的确定方法、装置及电子设备 | |
| CN111639141B (zh) | 数据测试方法、装置及计算机终端 | |
| CN114536326A (zh) | 一种路标数据处理方法、装置及存储介质 | |
| CN115016317A (zh) | 一种分布式异构自动驾驶仿真测试方法、系统和设备 | |
| CN114204979A (zh) | 基于相对位置的无人机自组网方法及装置 | |
| CN110364211A (zh) | 一种减小非易失存储器擦除干扰时间的方法、装置及设备 | |
| CN112766741A (zh) | 查询方法、系统、终端及存储介质 | |
| CN117424848B (zh) | 基于机器学习的节点调用优化方法、系统、设备及介质 | |
| CN111260105B (zh) | 一种平面路网的优化方法、装置和计算机可读存储介质 | |
| CN116963209A (zh) | 一种计及时间同步的无线传感网移动终端网络切换方法 |
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 | ||
| GR01 | Patent grant |