[发明专利]一种应用于高铁机房的巡检方法及巡检机器人系统

权利要求书

1.一种应用于高铁机房的巡检方法，其特征在于包括如下步骤：

(1)巡检机器人启动，开机状态自检及设备初始化；

(2)读取巡检任务文件，获取需检测的目标机柜号，从机柜位置数据库中导出与所述目标机柜号对应的目标机柜的位置信息；

(3)巡检机器人根据激光雷达采集的环境特征进行实时定位，进行全局路径规划与局部路径规划，依次到达目标机柜位置；当巡检机器人到达目标机柜位置时进行环境检测，并对目标机柜的状态进行检测；其中，进一步包括如下子步骤：(31)判断目标机柜是否走完，若结果为否，则执行步骤(32)；若结果为是，执行步骤(34)；(32)开始到达下一个目标机柜位置，通过激光雷达进行实时定位，判断巡检机器人是否成功到达，当成功到达时，采集声音数据和温湿度数据，并依次采集低位置、中位置及高位置的目标机柜状态数据，然后进入步骤(33)；当没有成功到达时，记录失败的目标机柜号，然后进入步骤(33)；(33)读取巡检机器人的电量值，判断是否需要充电；若是，则巡检机器人回到充电桩位置，进行自主充电；若否，则返回步骤(31)；(34)判断是否有失败的目标机柜位置，若结果为否，则直接进入步骤(4)；若结果为是，执行步骤(35)：重新组合失败的目标机柜位置，依次到达失败的目标机柜，当成功到达目标机柜时，采集声音数据和温湿度数据，并依次采集低位置、中位置及高位置的目标机柜状态数据，如果有未成功到达的目标机柜，则再次记录失败的目标机柜号，然后进入步骤(4)；

(4)回到充电桩位置，进行自主充电，结束巡检。

2.如权利要求1所述的巡检方法，其特征在于：

在步骤(3)中，加载高铁机房的地图，通过激光雷达感知的环境特征，提取激光雷达测量得到的激光数据中的局部特征信息，并利用SLAM技术将局部特征信息融合成一个统一的全局特征地图，进而实现对巡检机器人的实时定位，并更新到地图中；然后根据已获取的地图，导航模块根据自身当前位置、目的地位置及可通行性的分析，并结合巡检任务的需求，对全局路径和局部路径进行规划，选择快捷的路径进行巡检。

3.如权利要求1所述的巡检方法，其特征在于：

在步骤(3)中，使用预先生成的包含深度学习神经网络模型的状态灯识别算法对机柜状态灯进行检测；并且，包含不同深度学习神经网络模型的状态灯识别算法分别与相应目标机柜号及高、中、低位置关联存储。

4.如权利要求3所述的巡检方法，其特征在于：

在步骤(3)中所使用的深度学习神经网络模型的训练过程如下：

S1：采集每个机柜的视频，按照机柜类别进行视频分类及编号；对采集的视频进行切片，分割成图片的格式；

S2：建立训练的数据集，将所有的机柜状态灯分为六大类：绿灯、红灯、黄灯、白灯、灭灯、灯组；

S3：根据对机柜状态灯的分类，对切片后的图片进行标注；

S4：将数据集分为两大类，分别是训练数据集和测试数据集；

S5：对于训练数据集，定义深度学习神经网络模型，设计合适的神经网络结构；并定义损失函数，用来描述神经网络的训练效果；

S6：将训练数据集数据传入深度学习神经网络模型，进行模型参数训练，得到深度学习神经网络模型的连接权值和偏置参数；判断损失函数是否收敛，若是，输出深度学习神经网络模型，否则，继续训练；

S7：将测试数据集传入训练后的深度学习神经网络模型，判断准确率是否大于设定阈值，若是，获得最终的深度学习神经网络模型，结束训练流程；否则，返回S6重新训练。