申请/专利权人：南通大学

申请日：2023-03-09

公开（公告）日：2024-04-12

公开（公告）号：CN116382328B

主分类号：G05D1/695

分类号：G05D1/695;G05D109/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2023.07.21#实质审查的生效;2023.07.04#公开

摘要：本发明提供了一种基于水空多个机器人协同的坝体智能检测方法，属于多个机器人协同技术问题。解决了人工检测坝体时水下故障实时检测处理和水下机器人视野狭窄的技术问题。其技术方案为：包括以下步骤：S1、对无人机进行跟踪；S2、多无人机发现故障后，将故障分配给与故障数目相同组数的无人机和水下机器人；S3、通过机器人路径规划，到达指定故障位置；S4、到达指定位置后，水下机器人下潜进行故障检测；S5、检测完毕后，水下机器人重新浮于水面。本发明的有益效果为：多个机器人系统同时对多个故障点进行故障检测，提高了故障检测的效率。

主权项：1.一种基于水空多个机器人协同的坝体智能检测方法，其特征在于，包含以下步骤：S1：无人机编队于空中保持一定速度领航，多个水下机器人浮于水面，对无人机进行跟踪；所述S1包含以下步骤：S1.1、水下机器人和无人机通过模糊pid算法进行控制，采用动态的控制算法，使得无人机编队能够适应各种不同的大坝环境，保持一定的速度进行领航；S1.2、无人机编队采用Leader-Follower算法进行编队控制；leader-follower编队算法指将一个或者多个无人机设置为领航无人机，剩下的无人机设置为跟随无人机，跟随无人机以编队队形需要的偏航角和距离来进行飞行控制，Leader-Follower编队控制图采用有向非循环图F＝V,E,D来表示，包含N个顶点并指定每个节点的控制系统的有限集为V＝{v1,...,vn}，这个有限集为N个控制系统的集合，x.＝fit,xi,ui，其中，xi∈Rn用来表示无人机的所在位置信息，ui∈Rm表示无人机的运动时的状态信息，边集E∈V×V用来表示领航无人机和跟随无人机的关系，如果运动时的状态信息u_i与无人机i和所在的位置信息x_i相关，那么命令就属于E，每一个j:vi,vj∈E,vi∈V的控制目标就用集合D来表示；对于多无人机j，连接顶点j的无人机编队的末尾部分为j的领航无人机，用集合Lj∈V来表示，在无人机编队中，偏航角度为0的顶点vi是领航无人机，vi∈LF，因为LF中的顶点没有输入边缘，所以领航无人机不用接收跟随无人机的状态反馈，只需要按照程序所给定的航线来进行运动，同时无人机编队通过动态修正，进行避障等操作来使得编队能够正常的飞行；S1.3、水下机器人编队浮于水面采用YoloX算法，水下机器人通过摄像头采集图像信息，通过特征提取网络进行特征提取，特征提取网络主要包含跨阶段局部CSP网络结构和空间金字塔池SPP网络结构，CSP网络结构主要是为了使得网络的深度增加，提高特征提取能力，SPP主要是通过在不同的池化层中进行特征提取，增加网络的感受野，达到融合更多的特征信息的目的，在运用特征提取网络提取特征后，通过Neck结构，采用FPN结构进行特征融合，在预测端使用三个解耦头进行目标框预测，得到检测结果，水下机器人根据检测返回的坐标跟踪无人机编队；S2：多个无人机发现故障后，将故障分配给与故障数目相同组数的无人机和水下机器人；S3：分配到任务的无人机和水下机器人脱离编队，通过无人机路径规划，到达指定故障位置，其他无人机和水下机器人继续搜索故障；所述S3具体内容为：分配到任务的无人机和水下机器人成对脱离编队，无人机通过指定故障位置的坐标和自身的坐标，采用D*算法进行路径规划，在进行路径规划的过程中，遇到障碍物，D*算法将重新进行路径规划，从而安全到达指定故障位置，水下机器人采用上述YoloX算法跟随无人机到达指定故障位置；S4：到达指定故障位置后，水下机器人下潜进行故障检测，无人机悬停等待检测完毕；S5：检测完毕后，水下机器人重新浮于水面，无人机与水下机器人返回编队继续搜索。

全文数据：

权利要求：

百度查询： 南通大学 一种基于水空多个机器人协同的坝体智能检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD