CN119533492A 地下燃气管道定位机器人的多传感协同定位系统及方法 (北京大学)_第1页
CN119533492A 地下燃气管道定位机器人的多传感协同定位系统及方法 (北京大学)_第2页
CN119533492A 地下燃气管道定位机器人的多传感协同定位系统及方法 (北京大学)_第3页
CN119533492A 地下燃气管道定位机器人的多传感协同定位系统及方法 (北京大学)_第4页
CN119533492A 地下燃气管道定位机器人的多传感协同定位系统及方法 (北京大学)_第5页
已阅读5页,还剩32页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

地下燃气管道定位机器人的多传感协同定本发明公开了地下燃气管道定位机器人的传感器以及若干种辅助传感器,如视觉传感器性传感器以及若干种辅助传感器测量得到的数等特殊环境时测量误差增大而导致定位不准确传感器的哪个性能参数受到影响提供了判定依2S1、对当前惯性传感器中受到燃气管道环境影响S2、采用若干种类型的燃气管道环境对应的S3、获取在惯性传感器参数类型集中的参数异常S4、根据所述现存测验点干扰测量坐标数据矩阵根据当前定位机器人、惯性传感器参数类型集以及辅助参数类S5、计算所述现存测验点干扰测量坐标数据矩阵S6、配合最终传感器数据融合映射方程矩阵、2.根据权利要求1所述的地下燃气管道定位机器人的多传感协同定位方法,其特征在已知测量测验点集中每个测验点的坐标数据进行采集并计算与测验点实际坐标数据集之S13、在施加单一的不同类型的环境变量的情况下多次采用当前惯性传感器对已知测差值大于或者等于测验点坐标测量误差阈值的动态误差数据对应的环境变量类型选取出3.根据权利要求2所述的地下燃气管道定位机器人的多传感协同定位方法,其特征在S21、分别采集所述燃气管道环境类型集中每种燃气管道环境类型对应的若干个现存S22、采用所述管道内部入口图像数据矩阵以及燃气管道环境类型集构建燃气管道环34.根据权利要求3所述的地下燃气管道定位机器人的多传感协同定位方法,其特征在S31、针对所述燃气管道环境类型集中的每种燃气管道环境类型设定对应的存在单种S32、分别在所述现存燃气管道集中每个现存燃气管道上均匀设定若干个已知坐标的S33、分别使所述当前最终定位机器人上的惯性传感器的每种惯性传感器参数受到影5.根据权利要求4所述的地下燃气管道定位机器人的多传感协同定位方法,其特征在S42、根据所述现存测验点干扰测量坐标图像数据矩阵以及惯性传感器参数类型集构6.根据权利要求5所述的地下燃气管道定位机器人的多传感协同定位方法,其特征在S51、计算所述现存测验点干扰测量坐标数据矩阵集中每行数据与现存测验点实际坐标数据矩阵中对应行的数据之间的欧式距离,得到现存测验点干扰测量坐标误差数据矩7.根据权利要求6所述的地下燃气管道定位机器人的多传感协同定位方法,其特征在于,S52中对该现存测验点干扰测量坐标误差数据对应的初始传感器数据融合映射方程进S521、将S52中所述该现存测验点干扰测量坐标误差数据对应的初始传感器数据融合4S524、开始进行迭代;每轮迭代过程中采用所述数的适应度函数计算上轮迭代过程中更新得到的数据融合映射方程调整非洲秃鹫种群中每只非洲秃鹫的位置矩阵的适应度值并对上轮迭代过程中更新得到的数据融合映射方程调8.根据权利要求7所述的地下燃气管道定位机器人的多传感协同定位方法,其特征在S62、根据所述实时坐标数据集构建坐标图像并输入至传感器误差源类型映射模型中型在最终传感器数据融合映射方程矩阵选择对应的最终传感器数据融合映射方程来对当9.一种实现如权利要求1_8任一项所述的地下燃气管道定位机器人的多传感协同定位5[0002]公告号为CN106441272B的中国专利公开了一种管道清堵机器人自动快速定位系传统的采用单一的传感器进行定位易受到复杂环境中的长距离、倾斜等环境因素的影响,据矩阵集;6器对已知测量测验点集中每个测验点的坐标数据进行采集,得到测验点静态坐标数据集;分别计算测验点动态坐标数据矩阵中每行数据与测验点实际坐标数据集之间的间的差值大于或者等于测验点坐标测量误差阈值的动态误差数据对应的环境变量类型选S21、分别采集所述燃气管道环境类型集中每种燃气管道环境类型对应的若干个S22、采用所述管道内部入口图像数据矩阵以及燃气管道环境类型集构建燃气管定所述辅助传感器集中每个辅助传感器测量的参数类型并进行组合,得到辅助参数类型S31、针对所述燃气管道环境类型集中的每种燃气管道环境类型设定对应的存在7S32、分别在所述现存燃气管道集中每个现存燃气管道上均匀设定若干个已知坐S33、在所述当前最终定位机器人分别在现存燃气管道集中每个现存燃气管道内惯性传感器的惯性传感器参数类型集中每种惯性传感器参数类型对应的参数受到影响时,续判定是否对初始的数据融合映射方程进行调整提供S41、根据所述现存测验点干扰测量坐标数据矩阵集中每个现存测验点干扰测量S42、根据所述现存测验点干扰测量坐标图像数据矩阵以及惯性传感器参数类型通过对每个现存测验点干扰测量坐标数据矩阵中的每行坐标数据构建坐标数据图像,从而得知在不同类型的环境类型下惯性传感器的不同类型的性能参数受到影响时,S51、计算所述现存测验点干扰测量坐标数据矩阵集中每个现存测验点干扰测量坐标数据矩阵中每行数据与现存测验点实际坐标数据矩阵中对应行的数据之间的欧式距存测验点干扰测量坐标误差数据以及对应的初始传感器数据融合映射方程矩阵中的初始传感器数据融合映射方程分别记为待调整坐标误差数据以及待调整初始传感器数据融合扰测量坐标误差数据矩阵中不存在现存测验点干扰测量坐标误差数据大于或者等于干扰通过计算现存测验点干扰测量坐标数据矩阵集中每个现存测验点干扰测量坐标8[0010]优选地,S52中对所述待调整初始传感器数据融合映射方程进行调整包括以下步根据所述测量数据系数取值区间矩阵以及偏置量取值区间集设定数据融合映射中采用所述数据融合映射方程调整非洲秃鹫种群的适应度函数计算初始位置矩阵集中每最大的适应度值以及对应的非洲秃鹫的初始位置矩阵分别作为第一全局最佳适应度以及其他每轮迭代过程中采用所述数据融合映射方程调整非洲秃鹫种群的适应度函数计算上轮迭代过程中更新得到的数据融合映射方程调整非洲秃鹫种群中每只非洲秃鹫据所述第二全局最佳适应度以及第二全局最佳位置对上轮迭代过程中更新得到的数据融融合映射方程;配合所述优化后传感器数据融合映射方程获取并计算对应的坐标误差数9案中采用非洲秃鹫优化算法对测量误差大于或者等于设定阈值对应的数据融合方程的系前坐标变化图像输入至传感器误差源类型映射模型中进行映射,得到传感器误差源类型;根据所述传感器误差源类型以及当前燃气管道环境类型在最终传感器数据融合映射方程矩阵选择对应的最终传感器数据融合映射方程来对当前最终定位机器人上各个传感器的[0014]2.本发明中通过采集并计算静态误差数据并与受到单一的不同类型的环境变量影响之后误差数据进行对比,从而得到哪些环境变量对传感器的哪些性能参数受到了影[0016]4.本发明中通过设定在不同类型的环境类型以及惯性传感器的不同类型的性能的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,a545分别如下,;;;分别计算测验点动态坐标数据矩阵中每行数据与测验点实际坐标数据集之间的;间的差值大于或者等于测验点坐标测量误差阈值的动态误差数据对应的环境变量类型选量类型集进行选取之后得到的第i种环境变量类型,a;表示选取出来的环境变量类型的总S21、分别采集所述燃气管道环境类型集中每种燃气管道环境类型对应的若干个;部入口图像数据,ai表示针对第i种地下燃气管道环境类型采集的现存且已知的管道内部S22、采用所述管道内部入口图像数据矩阵以及燃气管道环境类型集构建燃气管管道环境类型集分别作为训练数据以及训练标签输入到第一初始CNN分类模型中进行训气管道环境类型集分别作为测试数据以及测试标签输入到第一训练好的CNN分类模型中进第一测试准确率阈值时,将所述第一训练好的CNN分类模型作为燃气管道环境类型映射模助传感器集中每个辅助传感器测量的参数类型并进行组合,得到辅助参数类型集据矩阵集;S31、针对所述燃气管道环境类型集中的每种燃气管道环境类型设定对应的存在燃气管道环境类型集中的第i种燃气管道环境类型设定对应的存在单种环境类型的现存燃S32、分别在所述现存燃气管道集中每个现存燃气管道上均匀设定若干个已知坐;S33、在所述当前最终定位机器人分别在现存燃气管道集中每个现存燃气管道内部多次进行运动并采集每个测验点的坐标数据的过程中,当所述当前最终定位机器人上的惯性传感器的惯性传感器参数类型集中每种惯性传感器参数类型对应的参数受到影响时,分别采集每个测验点的坐标数据,得到现存测验点干扰测量坐标数据矩阵集k表示当所述当前最终定位机器人上的惯性传感器的惯性传感器参数类型集中第k种惯性传感器参数类型对应的参数受到影响时,采集得到的现存测验点干;kijxkijykijz分别表示ck中现存燃气管道集中第i个现存燃气管道上设定S41、根据所述现存测验点干扰测量坐标数据矩阵集中每个现存测验点干扰测量;其中,表示根据所述现存测验点干扰测量坐标数据矩阵集中第i个现存测验点干扰测量坐标数据矩阵中第j行坐标数据构建的S42、根据所述现存测验点干扰测量坐标图像数据矩阵以及惯性传感器参数类型扰测量坐标图像训练数据矩阵以及现存测验点干扰测量阵以及惯性传感器参数类型集分别作为训练数据以及训练标签输入到第二初始CNN分类模矩阵以及惯性传感器参数类型集分别作为测试数据以及测试标签输入到第二训练好的CNN大于或者等于第二测试准确率阈值时,将所述第二训练好的CNN分类模型作为传感器误差;其中,表示在惯性传感器参数类型集中第i个惯性传感器参数类型对应的参数出现故障时且同时处于燃气管道环境类型集中第j个燃气管道环境类型中的初始传感器数;S51、计算所述现存测验点干扰测量坐标数据矩阵集中每个现存测验点干扰测量坐标数据矩阵中每行数据与现存测验点实际坐标数据矩阵中对应行的数据之间的欧式距;其中,d;表示所述现存测验点干扰测量坐标数据矩阵集中第i个现存测验点干扰测量坐标数据矩阵中的第j行数据与现存测验点实际坐标数据矩阵中第j行数据之间的欧存测验点干扰测量坐标误差数据以及对应的初始传感器数据融合映射方程矩阵中的初始传感器数据融合映射方程分别记为待调整坐标误差数据以及待调整初始传感器数据融干扰测量坐标误差数据矩阵中不存在现存测验点干扰测量坐标误差数据大于或者等于干S52中对所述待调整初始传感器数据融合映e'以及当前迭代次数为e;,分别记为方程调整最大迭代次数以及方程调整当前迭代次数;S522、设定待调整初始传感器数据融合映射方程中每个测量数据对应系数以及每个偏置量的取值区间,得到测量数据系数取值区间矩阵以及偏置量取值区间集;根据所述测量数据系数取值区间矩阵以及偏置量取值区间集设定数据融合映射方程调整非洲秃鹫种群中每只非洲秃鹫的初始位置矩阵,得到初始位置矩阵集,表示所述数据融合映射方程调整非洲秃鹫种群中第j'只非洲秃鹫;分别表示所述数据融合映射方程调整非洲秃鹫种群中第j只非洲秃鹫的初始位置矩阵在待调整初始传感器数据融合映射方程中的当前最终定鹫种群中第j只非洲秃鹫的初始位置矩阵在待调整初始传感器数据融合映射方程中的当前最终定位机器人上的辅助传感器测量得到的第i种类型的辅助参数数据的系数维度上的位;中采用所述数据融合映射方程调整非洲秃鹫种群的适应度函数f计算初始位置矩阵集中每最大的适应度值以及对应的非洲秃鹫的初始位置矩阵分别作为第一全局最佳适应度以及其他每轮迭代过程中采用所述数据融合映射方程调整非洲秃鹫种群的适应度函数f计算上轮迭代过程中更新得到的数据融合映射方程调整非洲秃鹫种群中每只非洲秃鹫据所述第二全局最佳适应度以及第二全局最佳位置对上轮迭代过程中更新得到的数据融融合映射方程;配合所述优化后传感器数据融合映射方程获取并计算对应的坐标误差数前坐标变化图像输入至传感器误差源类型映射模型中进行映射,得到传感器误差源类型;根据所述传感器误差源类型以及当前燃气管道环境类型在最终传感器数据融合映射方程矩阵选择对应的最终传感器数据融合映射方程来对当前最终定位机器人上各个传感器的所述当前惯性传感器受影响参数筛选模块用于采用当前惯性传感器对已知测量测验点集中每个测验点的坐标数据进行采集时受到燃气管道环境类型集中燃气管道环境所述燃气管道环境类型映射模型构建模块用于采用燃气管道环境类型集对应的现存且已知的管道内部入口图像数据构建燃气管道环境类所述现存测验点实际坐标采集模块用于采集燃气管道环境类型集对应的存在单所述现存测验点干扰测量坐标数据获取模块用于获取在惯性传感器参数类型集中的参数异常的情况

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论