CN117506901B - 一种机房巡检机器人自动巡检方法 - Google Patents
一种机房巡检机器人自动巡检方法 Download PDFInfo
- Publication number
- CN117506901B CN117506901B CN202311517135.0A CN202311517135A CN117506901B CN 117506901 B CN117506901 B CN 117506901B CN 202311517135 A CN202311517135 A CN 202311517135A CN 117506901 B CN117506901 B CN 117506901B
- Authority
- CN
- China
- Prior art keywords
- inspection
- machine room
- robot
- data
- inspection 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.)
- Active
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 242
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000012806 monitoring device Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 239000003016 pheromone Substances 0.000 claims description 33
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 6
- 238000005452 bending Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 239000000779 smoke Substances 0.000 claims description 5
- 230000008020 evaporation Effects 0.000 claims description 4
- 238000001704 evaporation Methods 0.000 claims description 4
- 239000000523 sample Substances 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
-
- 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)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种机房巡检机器人自动巡检方法，涉及机房巡检机器人领域，包括测量收集机房数据建立机房三维模型，巡检机器人自动规划巡检路线；巡检机器人通过监测装置和网络对机房信息进行收集；巡检机器人通过机房数据分析机房安全状态，并根据分析结果实施安全措施；安全措施实施完毕后巡检机器人生成处理记录并存储在数据库中。本发明所述方法通过自动规划机器人巡检路线使机器人能够自动执行机房巡检任务，同时通过对机房数据收集分析判断机房安全状态，确保机房的连续监控和安全运行，提高运维效率，降低运维成本。
Description
技术领域
本发明涉及机房巡检机器人技术领域，特别是一种机房巡检机器人自动巡检方法。
背景技术
随着信息技术的发展，机房对于企业和组织的运营起到了关键性的作用，传统的机房巡检主要依赖于人工进行，需要定期由工作人员对机房内的各种设备进行物理检查，确保它们工作正常，并及时发现和处理可能出现的异常情况，此外，机房的环境因素，如温度、湿度、烟雾等，也需要经常检查。为了提高效率，部分机房已经采用了固定路径的自动化机器人进行巡检，但这些机器人往往只能按照预设的路线进行，对于动态环境的适应性较差，而且，当机房出现异常时，它们缺乏有效的应对策略，因此，如何提高机房巡检的自动化、智能化水平，确保机房的持续、稳定、安全运行，是当前技术发展的一个重要方向。
发明内容
鉴于上述现有的机房巡检机器人自动巡检方法中存在的问题，提出了本发明。
因此，本发明所要解决的问题在于机器人往往只能按照预设的路线进行，对于动态环境的适应性较差。
为解决上述技术问题，本发明提供如下技术方案：一种机房巡检机器人自动巡检方法，其包括，测量收集机房数据建立机房三维模型，巡检机器人自动规划巡检路线；巡检机器人通过监测装置和网络对机房信息进行收集；巡检机器人通过机房数据分析机房安全状态，并根据分析结果实施安全措施；安全措施实施完毕后巡检机器人生成处理记录并存储在数据库中。
作为本发明所述机房巡检机器人自动巡检方法的一种优选方案，其中：所述测量收集机房数据包括测量机房物理尺寸、记录机房重要设备位置以及识别巡检障碍物，使用收集的数据创建机房三维模型，在模型中标记机房重要设备位置并为每个设备附着单独的标记，标记完成后将模型输入巡检机器人对机房巡检路线进行初步规划。
作为本发明所述机房巡检机器人自动巡检方法的一种优选方案，其中：自动规划巡检路线包括如下步骤，
S1.1、所述巡检机器人将机房三维模型进行网格划分，标记网格坐标并通过优化的蚁群算法探索巡检路径，首先初始化网格信息素浓度：
其中τij为网格节点i到j的初始信息素浓度，dij为节点i到j的距离，H(i)为节点i的启发式信息，通过计算节点i从起点到终点的垂直距离di得出，α为调节启发式信息影响的权重因子；
S1.2、接着巡检机器人从起点开始，根据以下公式计算选择下一个节点的概率：
其中Pij为巡检机器人选择下一节点的概率，ηij为节点i到j的启发式信息，通过计算节点i到j的垂直距离得出，β和γ分别为调节信息素浓度影响和启发式信息影响的权重因子；
S1.3、巡检机器人重复S1.2步骤进行迭代，计算选择最优路径并对路径上的信息素进行更新，公式如下：
τij←(1-ρ)*τij+Δτij
其中ρ为信息素蒸发率，Δτij为信息素增量，通过计算最优路径信息素浓度与路径初始信息素浓度之差得出；
S1.4、更新路径信息素浓度后通知所有巡检机器人，巡检机器人基于更新后的路径信息素浓度计算得出初始巡检路线；
S1.5、使用基于路径几何特征的局部优化算法去除初始巡检路线中的冗余弯曲：
其中P＝{P1，P2，……，Pn}是一组定义在机房三维模型空间中的路径点，θ(Pi-1，Pi，Pi+1)表示由点Pi-1，Pi，Pi+1定义的角度，是路径的总长度，||Pi+1-Pi||代表从点Pi+1到Pi的欧式距离，δ和μ分别为路径弯曲度和总长度的权重系数；
S1.6、重复步骤S1.5进行迭代，达到预设的迭代次数后，将F(P)值最小的一组路径点进行连线替换所述冗余弯曲，形成最终巡检路线。
作为本发明所述机房巡检机器人自动巡检方法的一种优选方案，其中：所述监测装置包括温湿度传感器、烟雾报警器、水分传感器、视频监控探头、噪音检测设备、红外装置以及空气检测设备，所述巡检机器人通过监测装置收集机房数据同时通过网络接收机房内置监测装置收集的机房数据进行对比验证，若数据对比出现偏差，则重新对偏差数据项进行收集对比确认偏差出现原因并通知工作人员对偏差原因进行修正。
作为本发明所述机房巡检机器人自动巡检方法的一种优选方案，其中：所述巡检机器人收集机房数据后通过时空深度模型对数据进行处理分析：
ht＝LSTM(ht-1，xt)
O＝CNN(I)
F＝concat(hT，O)
y＝softmax(W*F+b)
其中ht为t时刻的隐藏状态，xt为t时刻的输入数据，O为图像I经过CNN后的输出特征，hT为LSTM的T时刻的隐藏状态，concat为连接操作，W和b为全连接层的权重和偏置，y为最终输出结果。
作为本发明所述机房巡检机器人自动巡检方法的一种优选方案，其中：巡检机器人通过机房数据分析机房安全状态，并根据分析结果实施安全措施包括，若巡检机器人判断机房处于安全状态，则继续按照规划巡检路线进行机房巡检直至机房设备巡检完毕，机器人自动回归初始位置进行待机充电，并生成巡检无异常记录发送给工作人员进行查看同步存储在数据库中；若巡检机器人判断机房处于异常状态，则暂停巡检，保持在机房出现异常位置通过警示灯和报警器发出声光警告，同时向工作人员发出异常警告通知，随机从其余待机巡检机器人中选择一台机器人代替该机器人进行剩余机房路线的巡检，若无待机巡检机器人，则按巡检剩余时间从小到大排序选择机器人代替进行巡检，当工作人员对机房异常进行处理时，巡检机器人向工作人员发送异常数据以及分析结果辅助工作人员处理机房异常同时关闭声光警告装置，工作人员在机房异常处理完毕后向巡检机器人发送异常处理通知，巡检机器人重新规划巡检路线；若巡检机器人在未巡检区域接收到机房内部报警通知，则优先选择待机巡检机器人赶往报警位置进行数据收集以及发出声光警告，若无待机巡检机器人，则通过算法计算距离报警位置最近的机器人放弃原有巡检路线直接到达报警位置进行数据收集以及发出声光警告，若有两台以上的机器人经过算法计算到达报警位置距离相同，则随机挑选一台机器人赶往报警位置，同时将该机器人剩余巡检路线重新分配给剩余巡检机器人进行巡检。
作为本发明所述机房巡检机器人自动巡检方法的一种优选方案，其中：所述巡检机器人能够自动执行机房巡检任务并动态调整巡检路线，同时也能通过机器人控制台接收工作人员指令，工作人员通过控制台可操控机器人完成机房全过程巡检或单点巡检，机器人收集的数据通过控制台进行展示，允许工作人员选择数据展示形式和数据分析结果。
作为本发明所述机房巡检机器人自动巡检方法的一种优选方案，其中：所述巡检机器人巡检完毕或机房异常处理完毕后自动生成巡检记录存储在数据库中，所述数据库采用分布式存储，定期对数据进行备份并且允许工作人员和巡检机器人对历史数据进行调用。
一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现机房巡检机器人自动巡检方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现机房巡检机器人自动巡检方法的步骤。
本发明有益效果为：通过自动规划机器人巡检路线使机器人能够自动执行机房巡检任务，同时通过对机房数据收集分析判断机房安全状态，确保机房的连续监控和安全运行，提高运维效率，降低运维成本。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为机房巡检机器人自动巡检方法的流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
参照图1，为本发明第一个实施例，该实施例提供了一种机房巡检机器人自动巡检方法，机房巡检机器人自动巡检方法包括以下步骤：
S1、测量收集机房数据建立机房三维模型，巡检机器人自动规划巡检路线；
应说明的是，测量机房数据包括测量机房物理尺寸、记录机房重要设备位置以及识别巡检障碍物，使用收集的数据创建机房三维模型，在模型中标记机房重要设备位置并为每个设备附着单独的标记，标记完成后将模型输入巡检机器人对机房巡检路线进行初步规划。
应说明的是，自动规划巡检路线包括如下步骤，
S1.1、所述巡检机器人将机房三维模型进行网格划分，标记网格坐标并通过优化的蚁群算法探索巡检路径，首先初始化网格信息素浓度：
其中τij为网格节点i到j的初始信息素浓度，dij为节点i到j的距离，H(i)为节点i的启发式信息，通过计算节点i从起点到终点的垂直距离di得出，α为调节启发式信息影响的权重因子，通过实验确定；
S1.2、接着巡检机器人从起点开始，根据以下公式计算选择下一个节点的概率：
其中Pij为巡检机器人选择下一节点的概率，ηij为节点i到j的启发式信息，通过计算节点i到j的垂直距离得出，β和γ分别为调节信息素浓度影响和启发式信息影响的权重因子，通过历史数据或实验得出；
S1.3、巡检机器人重复S1.2步骤进行迭代，计算选择最优路径并对路径上的信息素进行更新，在每次迭代中，机器人在选择路径后，执行局部搜索以检测是否存在更短的路径段或绕过障碍物的替代路径，每个机器人记录其走过的路径和对应的路径长度，并对路径上的信息素进行更新，公式如下：
τij←(1-ρ)*τij+Δτij
其中ρ为信息素蒸发率，通过历史数据计算得出，Δτij为信息素增量，通过计算最优路径信息素浓度与路径初始信息素浓度之差得出；
S1.4、更新路径信息素浓度后通知所有巡检机器人，巡检机器人基于更新后的路径信息素浓度计算得出初始巡检路线，通过不断更新信息素浓度，该算法可以适应环境变化，巡检机器人能够灵活地调整其巡检路径，以适应环境变化，采用优化蚁群算法可以有效地搜索最短路径，减少巡检所需的时间，算法自主探索巡检路径减少了对人工进行路径规划的需求，信息素的持续更新可以帮助巡检机器人优化路径选择，而信息素蒸发率的设置又避免了过度依赖历史路径，确保了探索新路径的可能性，此算法可以轻松扩展到更大的机房或多机房环境，通过网络化控制，多个机器人可以协同作业，进一步提升巡检效率；
S1.5、使用基于路径几何特征的局部优化算法去除初始巡检路线中的冗余弯曲：
其中P＝{P1，P2，……，Pn}是一组定义在机房三维模型空间中的路径点，θ(Pi-1，Pi，Pi+1)表示由点Pi-1，Pi，Pi+1定义的角度，是路径的总长度，||Pi+1-Pi||代表从点Pi+1到Pi的欧式距离，δ和μ分别为路径弯曲度和总长度的权重系数，通过实验或历史数据进行确定；
S1.6、重复步骤S1.5进行迭代，达到预设的迭代次数后，将F(P)值最小的一组路径点进行连线替换所述冗余弯曲，形成最终巡检路线，如果路径中存在障碍物，使用算法计算绕行障碍物的最短路径并替换原路径中对应段落。
S2、巡检机器人通过监测装置和网络对机房信息进行收集；
应说明的是，监测装置包括温湿度传感器、烟雾报警器、水分传感器、视频监控探头、噪音检测设备、红外装置以及空气检测设备，所述巡检机器人通过监测装置收集机房数据同时通过网络接收机房内置监测装置收集的机房数据进行对比验证，若数据对比出现偏差，则重新对偏差数据项进行收集对比确认偏差出现原因并通知工作人员对偏差原因进行修正。
机房温湿度对于数据中心的稳定运行至关重要，合理的温度和湿度可以确保机房内设备正常工作，防止过热或过湿对设备产生损害，漏水检测可以避免机房设备因浸湿而导致的设备短路损坏，巡检机器人需要时刻保持对机房空气质量的关注，灰尘等颗粒可能导致机房设备出现短路甚至损坏，烟雾报警器可以帮助巡检机器人关注机房火灾状态，视频监控探头、噪音检测设备以及红外装置可以收集机房设备视频、音频数据，并且辅助进行机房设备巡检。
S3、巡检机器人通过机房数据分析机房安全状态，并根据分析结果实施安全措施；
具体的，机器人收集机房数据后通过时空深度模型对数据进行处理分析：
ht＝LSTM(ht-1，xt)
O＝CNN(I)
F＝concat(hT，O)
y＝softmax(W*F+b)
其中ht为t时刻的隐藏状态，xt为t时刻的输入数据，O为图像I经过CNN后的输出特征，hT为LSTM的T时刻的隐藏状态，concat为连接操作，W和b为全连接层的权重和偏置，y为最终输出结果，优选的，得出机房安全状态后巡检机器人对巡检路径信息素浓度进行更新：
τij(t+1)＝(1-ρ)*τij(t)+Δτij
其中τij(t+1)为更新后的信息素浓度，τij(t)是当前时刻的信息素浓度，信息素浓度更新后通知所有巡检机器人并按照更新后的信息素浓度实时更新机房巡检路线。
对收集到的时序数据和图像数据进行必要的预处理，例如归一化或标准化，将处理后的数据输入到改进的深度学习模型中，时序数据进入LSTM层，而图像数据进入CNN层，LSTM层处理时序数据，获取时间序列特征；CNN层处理图像数据，获取空间特征；两种特征经过融合层进行合并，融合后的特征数据通过全连接层，输出最终的分类结果，根据识别结果，机器人可以进行相应的响应。
通过结合时序数据和图像数据，模型可以从多个维度进行分析，提高识别的准确性，利用LSTM的时序特性，模型可以捕捉到设备状态的微小变化，从而实现早期预警，避免设备故障，该模型可以处理多模态数据，与仅使用单一数据源的模型相比，更能适应机房的复杂环境，随着数据的增加，模型可以通过迭代训练进行自我优化，持续提高识别性能，巡检机器人在巡检路径上持续收集机房信息，根据机房实时数据调整机房信息素浓度从而实时更新巡检路线，确保能够对机房环境保持关注。
若巡检机器人判断机房处于安全状态，则继续按照规划巡检路线进行机房巡检直至机房设备巡检完毕，机器人自动回归初始位置进行待机充电，并生成巡检无异常记录发送给工作人员进行查看同步存储在数据库中；
若巡检机器人判断机房处于异常状态，则暂停巡检，保持在机房出现异常位置通过警示灯和报警器发出声光警告，同时向工作人员发出异常警告通知，随机从其余待机巡检机器人中选择一台机器人代替该机器人进行剩余机房路线的巡检，若无待机巡检机器人，则按巡检剩余时间从小到大排序选择机器人代替进行巡检，当工作人员对机房异常进行处理时，巡检机器人向工作人员发送异常数据以及分析结果辅助工作人员处理机房异常同时关闭声光警告装置，工作人员在机房异常处理完毕后向巡检机器人发送异常处理通知，巡检机器人重新规划巡检路线；
若巡检机器人在未巡检区域接收到机房内部报警通知，则优先选择待机巡检机器人赶往报警位置进行数据收集以及发出声光警告，若无待机巡检机器人，则通过算法计算距离报警位置最近的机器人放弃原有巡检路线直接到达报警位置进行数据收集以及发出声光警告，若有两台以上的机器人经过算法计算到达报警位置距离相同，则随机挑选一台机器人赶往报警位置，同时将该机器人剩余巡检路线重新分配给剩余巡检机器人进行巡检。
机器人可以实时分析机房的数据，快速判断机房的安全状态，并及时作出反应，这种即时性可以大幅缩短应对突发情况的时间，从而提高机房的安全性，在正常情况下机器人能够自主完成整个巡检流程，从巡检到数据同步存储，直到回归待机位置进行充电，大大降低了人工干预的需要，机器人不仅可以自动检测到机房的异常状态，还能对异常进行初步分析，并提供给工作人员，从而辅助工作人员快速定位问题并进行处理，当某一机器人检测到异常并暂停巡检时，系统会智能地选择其他机器人接手剩余的巡检任务，确保整个机房都能得到充分的巡检，当机器人在未巡检区域接收到机房内部报警通知时，系统会根据实际情况优先调派最近或待机的机器人，确保能够最快速地响应异常情况，当有机器人因为应对突发情况而放弃原有巡检路线时，系统会自动重新分配其未完成的巡检任务给其他机器人，确保机房的每个区域都能被巡检到，自动化的巡检和智能化的异常处理大大降低了人为错误的可能性，提高了机房管理的精确度和可靠性，在发生异常时，机器人会立即通知工作人员，并提供相关的数据和分析结果，帮助工作人员更快地定位和解决问题。
进一步地，巡检机器人能够自动执行机房巡检任务并动态调整巡检路线，同时也能通过机器人控制台接收工作人员指令，工作人员通过控制台可操控机器人完成机房全过程巡检或单点巡检，机器人收集的数据通过控制台进行展示，允许工作人员选择数据展示形式和数据分析结果，例如表格、分析图、数据图等形式。
S4、安全措施实施完毕后巡检机器人生成处理记录并存储在数据库中；
应说明的是，巡检机器人巡检完毕或机房异常处理完毕后自动生成巡检记录存储在数据库中，所述数据库采用分布式存储，定期对数据进行备份并且允许工作人员和巡检机器人对历史数据进行调用。
实施例2
为本发明第二个实施例，该实施例不同于上一个实施例的是：
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
实施例3
为本发明第三个实施例，该实施例不同于前两个实施例，为了验证本发明方法的有益效果，通过将本发明方法与传统方法进行对比论证证明，对比结果如表1和表2所示。
表1：本发明方法与现有方法对比表
表2：本发明方法与现有方法实验对比表
| 巡检效率 | 响应时间 | 用户体验 | |
| 本发明方法 | 高效 | ＜30s | 9.7 |
| 现有方法 | 有巡检延迟 | ＞60s | 8.9 |
综上所述，相比现有方法，本发明所述方法提高了巡检的效率和准确性，减少了人工干预的需求，确保了机房每个区域都能得到充分的巡检，同时在出现异常时能迅速作出反应提高了机房的运营安全性。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种机房巡检机器人自动巡检方法，其特征在于：包括，
测量收集机房数据建立机房三维模型，巡检机器人自动规划巡检路线；
巡检机器人通过监测装置和网络对机房信息进行收集；
巡检机器人通过机房数据分析机房安全状态，并根据分析结果实施安全措施；
安全措施实施完毕后巡检机器人生成处理记录并存储在数据库中；
自动规划巡检路线包括如下步骤，
S1.1、所述巡检机器人将机房三维模型进行网格划分，标记网格坐标并通过优化的蚁群算法探索巡检路径，首先初始化网格信息素浓度：
其中τij为网格节点i到j的初始信息素浓度，dij为节点i到j的距离，H(i)为节点i的启发式信息，通过计算节点i从起点到终点的垂直距离di得出，α为调节启发式信息影响的权重因子；
S1.2、接着巡检机器人从起点开始，根据以下公式计算选择下一个节点的概率：
其中Pij为巡检机器人选择下一节点的概率，ηij为节点i到j的启发式信息，通过计算节点i到j的垂直距离得出，β和γ分别为调节信息素浓度影响和启发式信息影响的权重因子；
S1.3、巡检机器人重复S1.2步骤进行迭代，计算选择最优路径并对路径上的信息素进行更新，公式如下：
τij←(1-ρ)*τij+Δτij
其中ρ为信息素蒸发率，Δτij为信息素增量，通过计算最优路径信息素浓度与路径初始信息素浓度之差得出；
S1.4、更新路径信息素浓度后通知所有巡检机器人，巡检机器人基于更新后的路径信息素浓度计算得出初始巡检路线；
S1.5、使用基于路径几何特征的局部优化算法去除初始巡检路线中的冗余弯曲：
其中P＝{P1，P2，……，Pn}是一组定义在机房三维模型空间中的路径点，θ(Pi-1，Pi，Pi+1)表示由点Pi-1，Pi，Pi+1定义的角度，是路径的总长度，||Pi+1-Pi||代表从点Pi+1到Pi的欧式距离，δ和μ分别为路径弯曲度和总长度的权重系数；
S1.6、重复步骤S1.5进行迭代，达到预设的迭代次数后，将F(P)值最小的一组路径点进行连线替换所述冗余弯曲，形成最终巡检路线。
2.如权利要求1所述的机房巡检机器人自动巡检方法，其特征在于：所述测量收集机房数据包括测量机房物理尺寸、记录机房重要设备位置以及识别巡检障碍物，使用收集的数据创建机房三维模型，在模型中标记机房重要设备位置并为每个设备附着单独的标记，标记完成后将模型输入巡检机器人对机房巡检路线进行初步规划。
3.如权利要求2所述的机房巡检机器人自动巡检方法，其特征在于：所述监测装置包括温湿度传感器、烟雾报警器、水分传感器、视频监控探头、噪音检测设备、红外装置以及空气检测设备，所述巡检机器人通过监测装置收集机房数据同时通过网络接收机房内置监测装置收集的机房数据进行对比验证，若数据对比出现偏差，则重新对偏差数据项进行收集对比确认偏差出现原因并通知工作人员对偏差原因进行修正。
4.如权利要求3所述的机房巡检机器人自动巡检方法，其特征在于：所述巡检机器人收集机房数据后通过时空深度模型对数据进行处理分析：
ht＝LSTM(ht-1，xt)
O＝CNN(I)
F＝concat(hT，O)
y＝softmax(W*F+b)
其中ht为t时刻的隐藏状态，xt为t时刻的输入数据，O为图像I经过CNN后的输出特征，hT为LSTM的T时刻的隐藏状态，concat为连接操作，W和b为全连接层的权重和偏置，y为最终输出结果。
5.如权利要求4所述的机房巡检机器人自动巡检方法，其特征在于：巡检机器人通过机房数据分析机房安全状态，并根据分析结果实施安全措施包括，
若巡检机器人判断机房处于安全状态，则继续按照规划巡检路线进行机房巡检直至机房设备巡检完毕，机器人自动回归初始位置进行待机充电，并生成巡检无异常记录发送给工作人员进行查看同步存储在数据库中；
若巡检机器人判断机房处于异常状态，则暂停巡检，保持在机房出现异常位置通过警示灯和报警器发出声光警告，同时向工作人员发出异常警告通知，随机从其余待机巡检机器人中选择一台机器人代替该机器人进行剩余机房路线的巡检，若无待机巡检机器人，则按巡检剩余时间从小到大排序选择机器人代替进行巡检，当工作人员对机房异常进行处理时，巡检机器人向工作人员发送异常数据以及分析结果辅助工作人员处理机房异常同时关闭声光警告装置，工作人员在机房异常处理完毕后向巡检机器人发送异常处理通知，巡检机器人重新规划巡检路线；
若巡检机器人在未巡检区域接收到机房内部报警通知，则优先选择待机巡检机器人赶往报警位置进行数据收集以及发出声光警告，若无待机巡检机器人，则通过算法计算距离报警位置最近的机器人放弃原有巡检路线直接到达报警位置进行数据收集以及发出声光警告，若有两台以上的机器人经过算法计算到达报警位置距离相同，则随机挑选一台机器人赶往报警位置，同时将该机器人剩余巡检路线重新分配给剩余巡检机器人进行巡检。
6.如权利要求5所述的机房巡检机器人自动巡检方法，其特征在于：所述巡检机器人能够自动执行机房巡检任务并动态调整巡检路线，同时也能通过机器人控制台接收工作人员指令，工作人员通过控制台可操控机器人完成机房全过程巡检或单点巡检，机器人收集的数据通过控制台进行展示，允许工作人员选择数据展示形式和数据分析结果。
7.如权利要求6所述的机房巡检机器人自动巡检方法，其特征在于：所述巡检机器人巡检完毕或机房异常处理完毕后自动生成巡检记录存储在数据库中，所述数据库采用分布式存储，定期对数据进行备份并且允许工作人员和巡检机器人对历史数据进行调用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311517135.0A CN117506901B (zh) | 2023-11-14 | 2023-11-14 | 一种机房巡检机器人自动巡检方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311517135.0A CN117506901B (zh) | 2023-11-14 | 2023-11-14 | 一种机房巡检机器人自动巡检方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117506901A CN117506901A (zh) | 2024-02-06 |
| CN117506901B true CN117506901B (zh) | 2024-03-29 |
Family
ID=89758125
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311517135.0A Active CN117506901B (zh) | 2023-11-14 | 2023-11-14 | 一种机房巡检机器人自动巡检方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117506901B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109828578A (zh) * | 2019-02-22 | 2019-05-31 | 南京天创电子技术有限公司 | 一种基于YOLOv3的仪表巡检机器人最优路线规划方法 |
| 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 |
| CN114861943A (zh) * | 2022-01-18 | 2022-08-05 | 国网上海市电力公司 | 一种变电站巡检路线生成方法 |
| CN114995503A (zh) * | 2022-06-16 | 2022-09-02 | 江西理工大学 | 一种无人机巡检路径优化方法 |
| CN115496303A (zh) * | 2022-11-16 | 2022-12-20 | 成都宏恒信息科技有限公司 | 一种单局部优化与蚁群算法融合的网格员调度方法 |
| CN116558527A (zh) * | 2023-07-10 | 2023-08-08 | 无锡军工智能电气股份有限公司 | 井下变电所巡检清扫机器人路径规划方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SG122839A1 (en) * | 2004-11-24 | 2006-06-29 | Nanyang Polytechnic | Method and system for timetabling using pheromone and hybrid heuristics based cooperating agents |
-
2023
- 2023-11-14 CN CN202311517135.0A patent/CN117506901B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109828578A (zh) * | 2019-02-22 | 2019-05-31 | 南京天创电子技术有限公司 | 一种基于YOLOv3的仪表巡检机器人最优路线规划方法 |
| 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 |
| EP3940494A1 (en) * | 2020-07-17 | 2022-01-19 | Wuhan University of Science and Technology | Path planning method for substation inspection robot |
| CN114861943A (zh) * | 2022-01-18 | 2022-08-05 | 国网上海市电力公司 | 一种变电站巡检路线生成方法 |
| CN114995503A (zh) * | 2022-06-16 | 2022-09-02 | 江西理工大学 | 一种无人机巡检路径优化方法 |
| CN115496303A (zh) * | 2022-11-16 | 2022-12-20 | 成都宏恒信息科技有限公司 | 一种单局部优化与蚁群算法融合的网格员调度方法 |
| CN116558527A (zh) * | 2023-07-10 | 2023-08-08 | 无锡军工智能电气股份有限公司 | 井下变电所巡检清扫机器人路径规划方法 |
Non-Patent Citations (3)
| Title |
|---|
| 基于改进蚁群算法的网格化电力巡检规划方法;胡捷;地理空间信息;20230531;第第21卷卷(第第5期期);5-8 * |
| 基于蚁群算法的变电站巡检机器人全局路径规划研究;刘云飞;自动化应用-数据处理与人工智能;20230930;9-13 * |
| 改进蚁群算法的煤矿巡检机器人路径规划;宁竞;煤炭技术;20230630;第第42卷卷(第第6期期);235-237 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117506901A (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7036697B2 (ja) | 監視システム及び監視方法 | |
| CN116503975B (zh) | 基于智慧燃气gis的安全隐患处置方法和物联网系统 | |
| JP2006135412A (ja) | 遠隔監視システム | |
| CN117332347A (zh) | 一种机巡与ai融合的电网智慧运维方法及系统 | |
| EP4227253A1 (en) | Information processing device for crane | |
| CN109828578B (zh) | 一种基于YOLOv3的仪表巡检机器人最优路线规划方法 | |
| CN112488898B (zh) | 一种基于楼宇智能管控的突发事件处理系统及方法 | |
| CN112578690B (zh) | 一种楼宇能耗智能管控系统及方法 | |
| CN116755451B (zh) | 一种智能巡逻机器人路径规划方法及系统 | |
| CN117474357A (zh) | 基于深度学习的配电房运维管理方法及系统 | |
| JP2021022290A (ja) | 制御状態監視システムおよびプログラム | |
| CN112650335A (zh) | 一种基于大数据挖掘的能耗智能管控系统及方法 | |
| CN110708674A (zh) | 一种多楼层定位方法及系统 | |
| CN117506901B (zh) | 一种机房巡检机器人自动巡检方法 | |
| JP2021089116A (ja) | 情報処理装置、情報処理方法、プログラム及び学習済みモデルの生成方法 | |
| CN112926756A (zh) | 一种中央空调设备ai维修知识库应用方法 | |
| CN110765486B (zh) | 一种资产故障识别方法 | |
| CN114851248B (zh) | 一种夹取机器人的异常识别及应对处理系统及方法 | |
| CN111949840A (zh) | 一种基于物联网数据的拓扑图结构的构建方法、装置 | |
| CN114091700A (zh) | 电力设备的运维方法、装置、运维管理设备和运维机器人 | |
| JP7166106B2 (ja) | 設置環境推定装置及びプログラム | |
| CN115222070B (zh) | 一种智慧消防快速定位维保问题的数据分析方法 | |
| CN118051062B (zh) | 基于bim和无人机的施工现场塔吊智能巡检方法及系统 | |
| CN118311935B (zh) | 一种家居自动化生产控制系统及方法 | |
| KR102474031B1 (ko) | 수요예측방법을 구비한 고장예측 방법 및 이를 이용하는 장치 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Yang Jiaqiang Inventor after: Zhang Cuilian Inventor after: Liu Xiaozheng Inventor after: Chen Qiangguo Inventor before: Chen Qiangguo Inventor before: Liu Xiaozheng |
|
| CB03 | Change of inventor or designer information |