System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于机器人及水文监测,具体涉及全域抵近智能巡堤机器人系统及动态部署方法。
技术介绍
1、截至2020年年底,全国已建成5级及以上江河堤防32.8万公里,累计达标堤防24.0万公里,堤防达标率为73.0%,其中1级、2级达标堤防长度为3.7万公里,达标率为83.1%。通过上述数据可知,堤防在防洪、维水、抗御风浪和潮水侵袭、限制洪水泛滥、保护两岸工农业生产和下游人民生命财产安全、维护生态平衡和社会稳定方面起着不可替代的作用,但同时也可发现堤防隐患依然存在,安全风险不容忽视。如2020年堤防险工险段专项检查发现3319个问题,2021年堤防险工险段专项检查发现的3457个问题,可见维护堤防安全依然任务艰巨。由于堤防空间分布范围大、结构材料和运行环境的不确定性大,特别是我们对于堤防溃决、崩岸机理目前尚未完全掌握,为此,进行巡视检查是堤防日常运行尤其是汛期掌握堤防运行状况从而及时获取堤防隐患、避免堤防失事甚至决口溃堤的关键。
2、目前巡堤主要采用人工或机械方式,前者危险系数高、时空覆盖度有限,后者主要包括无人机和隐患巡查车(配置地质雷达采用无损检测的方式进行)。其中,无人机搭载的基于可见光或红外光的隐患识别方法容易受飞机飞行稳定性、大气透明度及折光、地面干扰、植被覆盖等多种因素影响;而采用隐患巡查车存在效率低、测值不直观、结构评估难度大等问题,而且由于巡查车体积大、重量高,其能够到达的区域十分有限,尤其不适合在雨中或雨后的现场进行测量巡查。随着无人机等机器人技术的兴起,巡堤查险无人机、用于排查管道的爬行机器人等新型装
技术实现思路
1、为克服人工拉网式巡堤的危险性、盲目性和低效率,针对现有巡堤机器人载具和传感形式单一,难以做到地理空间域、天候域和隐患域全域条件下抵近隐患部位和识别隐患的性质,从而极易造成隐患漏检或识别不准,贻误防汛抢险时机等种种问题,本专利技术提供一种全域抵近智能巡堤机器人系统及动态部署方法,通过不同载具、不同传感和不同驻留方式的协同,通过对应用环境的逐步熟悉,基于降雨对渗流的干扰遮断技术,同时嵌入online探索/offline搜索、集体智能、隐患检测分类、分级预警等技术实现了堤防隐患的全域覆盖和智能预警。
2、为达到上述目的,本专利技术的技术方案如下:
3、全域抵近智能巡堤机器人系统的动态部署方法,包括如下步骤:
4、步骤一,收集需要巡视检查的堤防资料;收集国内外野外机器人结构、驱动方式和路径规划算法;收集国内外堤防失事和隐患数据库;
5、步骤二,明确巡检区域边界,采用无人机基于online算法实现全地理空间域覆盖,采用隐患检测算法对全地理空间域进行比对,同时采用同步定位与地图构建slam方法和机载单点精密定位ppp方法进行地图绘制,根据采集的图像特征采用模式识别算法进行识别,获得可能的隐患点;
6、步骤三,采用offline算法针对步骤二确定的可能隐患点按照一定的巡查时间密度进行巡查;
7、步骤四,当驻留不间断监测发现隐患没有稳定时,启动除险加固应急预案并相关信息存入堤防隐患库。
8、进一步的,所述步骤一中,堤防资料包括结构资料、气象资料、水文资料;国内外堤防失事和隐患数据库包括:现象表现的数据图像、演化过程以及成因分析。
9、进一步的,所述步骤二中,online算法依次周期采取如下算法进行计算:图探索、无记忆周期探索图分解、快速扩展随机树-贪婪边界搜索、多目标搜索群机器人简化虚拟受力模型。
10、进一步的,所述步骤二中,采用sen趋势分析判别隐患的趋势变化是否向严重、稳定和收敛的方向发展;对于非结构图像数据采用深度学习unet\yolov7进行隐患识别,并根据收集的隐患程度及其距离判别隐患严重程度及其发展趋势,当某一隐患出现恶化或连续数次不收敛时,将在此隐患区域周边一定范围内扩大搜索范围,寻找新隐患,直到连续多个周期没有找到新隐患为止;同时记录隐患部位并进行位置电子地图标准,为下一步路径规划和周期巡检提供路径上关键点。
11、进一步的,所述步骤三中,offline算法中依次采用以下方法进行计算:随机搜索算法、最大概率网格算法、最大发现概率和算法、最大覆盖算法、最大信息熵增量算法。
12、进一步的,所述步骤三中,巡查时间密度为:汛期前后每天巡检两次,超巡限水位每小时巡检一次,当隐患巡检与前次对比有恶化时,巡检间隔减半,当巡检时间小于半小时时,采用悬吊无人机悬挂防雨驻留机器人进行全天候不间断监测。
13、本专利技术还提供了全域抵近智能巡堤机器人系统,实现上述动态部署方法,包括带有边缘计算的全地形巡堤机器人载具无人集控车、信息深度融合分析处理和人机交互平台及通讯网络;所述通讯网络用于全地形巡堤机器人载具无人集控车和交互平台之间的通讯;
14、集控车上设置有巡视子设备移动仓,移动仓内携带多种无人巡检和监测设备,集控车上携带导航定位系统和天气及视频传感器,服务器边缘计算设备。
15、进一步的,所述巡视子设备移动仓内装载有以下设备中的一种或多种:巡检无人机、隐患感知机器狗、隐患感知无人车、无人船、水下无人艇、棱锥形防雨水驻留智能检测装置,所述巡检无人机包括以下设备中的一种或多种:挂吊运输无人机、通信中继无人机和隐患感知无人机、运载无人机、通信中继无人机。
16、进一步的,所述集控车巡视子设备移动仓顶部设置有无人机起飞回收升降平台,载具无人车天气、定位及通信系统,太阳能电池板,仓内设置有平台支撑滑杆,仓体一侧设置有供无人车、船及艇运输到地面或水面的可伸缩回收栈桥;集控车采用履带式结构。
17、本专利技术的有益效果为:
18、本专利技术能够实现堤防隐患的全域覆盖和智能预警,对隐患分类和发展趋势能够进行有效判断,并启动除险加固应急预案,兼具创新性高、实用性强和可推广性高等特点。
本文档来自技高网...【技术保护点】
1.全域抵近智能巡堤机器人系统的动态部署方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的全域抵近智能巡堤机器人系统的动态部署方法,其特征在于,所述步骤一中,堤防资料包括结构资料、气象资料、水文资料;国内外堤防失事和隐患数据库包括:现象表现的数据图像、演化过程以及成因分析。
3.根据权利要求1所述的全域抵近智能巡堤机器人系统的动态部署方法,其特征在于,所述步骤二中,online算法依次周期采取如下算法进行计算:图探索、无记忆周期探索图分解、快速扩展随机树-贪婪边界搜索、多目标搜索群机器人简化虚拟受力模型。
4.根据权利要求1所述的全域抵近智能巡堤机器人系统的动态部署方法,其特征在于,所述步骤二中,采用Sen趋势分析判别隐患的趋势变化是否向严重、稳定和收敛的方向发展;对于非结构图像数据采用深度学习Unet\YoloV7进行隐患识别,并根据收集的隐患程度及其距离判别隐患严重程度及其发展趋势,当某一隐患出现恶化或连续数次不收敛时,将在此隐患区域周边一定范围内扩大搜索范围,寻找新隐患,直到连续多个周期没有找到新隐患为止;同时记录隐患部位并进行位
5.根据权利要求1所述的全域抵近智能巡堤机器人系统的动态部署方法,其特征在于,所述步骤三中,offline算法中依次采用以下方法进行计算:随机搜索算法、最大概率网格算法、最大发现概率和算法、最大覆盖算法、最大信息熵增量算法。
6.根据权利要求1所述的全域抵近智能巡堤机器人系统的动态部署方法,其特征在于,所述步骤三中,巡查时间密度为:汛期前后每天巡检两次,超巡限水位每小时巡检一次,当隐患巡检与前次对比有恶化时,巡检间隔减半,当巡检时间小于半小时时,采用悬吊无人机悬挂防雨驻留机器人进行全天候不间断监测。
7.全域抵近智能巡堤机器人系统,其特征在于,实现权利要求1-6中任意一项所述的全域抵近智能巡堤机器人系统的动态部署方法,包括带有边缘计算的全地形巡堤机器人载具无人集控车、信息深度融合分析处理和人机交互平台及通讯网络;所述通讯网络用于全地形巡堤机器人载具无人集控车和交互平台之间的通讯;
8.根据权利要求7所述的全域抵近智能巡堤机器人系统,其特征在于,所述巡视子设备移动仓内装载有以下设备中的一种或多种:巡检无人机、隐患感知机器狗、隐患感知无人车、无人船、水下无人艇、棱锥形防雨水驻留智能检测装置,所述巡检无人机包括以下设备中的一种或多种:挂吊运输无人机、通信中继无人机和隐患感知无人机、运载无人机、通信中继无人机。
9.根据权利要求7所述的全域抵近智能巡堤机器人系统,其特征在于,所述集控车巡视子设备移动仓顶部设置有无人机起飞回收升降平台,载具无人车天气、定位及通信系统,太阳能电池板,仓内设置有平台支撑滑杆,仓体一侧设置有供无人车、船及艇运输到地面或水面的可伸缩回收栈桥;集控车采用履带式结构。
...【技术特征摘要】
1.全域抵近智能巡堤机器人系统的动态部署方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的全域抵近智能巡堤机器人系统的动态部署方法,其特征在于,所述步骤一中,堤防资料包括结构资料、气象资料、水文资料;国内外堤防失事和隐患数据库包括:现象表现的数据图像、演化过程以及成因分析。
3.根据权利要求1所述的全域抵近智能巡堤机器人系统的动态部署方法,其特征在于,所述步骤二中,online算法依次周期采取如下算法进行计算:图探索、无记忆周期探索图分解、快速扩展随机树-贪婪边界搜索、多目标搜索群机器人简化虚拟受力模型。
4.根据权利要求1所述的全域抵近智能巡堤机器人系统的动态部署方法,其特征在于,所述步骤二中,采用sen趋势分析判别隐患的趋势变化是否向严重、稳定和收敛的方向发展;对于非结构图像数据采用深度学习unet\yolov7进行隐患识别,并根据收集的隐患程度及其距离判别隐患严重程度及其发展趋势,当某一隐患出现恶化或连续数次不收敛时,将在此隐患区域周边一定范围内扩大搜索范围,寻找新隐患,直到连续多个周期没有找到新隐患为止;同时记录隐患部位并进行位置电子地图标准,为下一步路径规划和周期巡检提供路径上关键点。
5.根据权利要求1所述的全域抵近智能巡堤机器人系统的动态部署方法,其特征在于,所述步骤三中,offline算法中依次采用以下方法进行计算:随机搜索算法、最大概率网格算法、最大发现概率和算法、最...
【专利技术属性】
技术研发人员:方卫华,蒋东进,杨浩东,陶然,夏翔,朱超,
申请(专利权)人:水利部南京水利水文自动化研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。