基于巡检机器人的轨道状态检测系统、机器人以及方法技术方案

本发明专利技术涉及一种基于巡检机器人的轨道状态检测系统、机器人以及方法，其中，系统包括：巡检机器人，巡检机器人包括：用于采集轨道图像和探伤返波信号的多路采集子系统，用于测量与各个站点的相对距离信息的测距子系统；用于获取区间定位信息并结合通过测距子系统获取的相对距离信息，得到精确定位信息的定位子系统；用于通过轨道图像和探伤返波信号进行处理分析，并结合精确定位信息输出初步状态判断结果的初步判断子系统。本发明专利技术在机器人侧提供一种快速判断轨道状态方案，保证在通讯不良的情况下，巡检机器人能快速发现轨道缺陷并判断缺陷类型，同时在系统侧还提供一种更为完善的缺陷判断方案，以此来对机器人侧的判断做一个复检。检。检。

【技术实现步骤摘要】
基于巡检机器人的轨道状态检测系统、机器人以及方法


[0001]本专利技术涉及轨道状态检测
，尤其涉及一种基于巡检机器人的轨道状态检测系统、机器人以及方法。

技术介绍

[0002]随着轨道交通的迅速发展，轨道线路的检修维护工作愈发重要。在很多巡检场景中，不仅通信环境恶劣，而检测人员的安全健康问题也无法得到保障，依靠人工检测传统方法已逐渐无法满足轨道线路智能化检测需求，因此，智能巡检机器人系统在变电站、地下电缆和架空线路中的应用场景中应运而生，不仅降低了巡检人员的危险性，减少了人力成本，而且极大地提升了电网的自动化程度。
[0003]但是现有的巡检机器人在通信条件不良的情况下，难以通过远程控制系统对轨道状态进行一个准确的判断，即使考虑将控制分析装置搭载在机器人侧，不仅会给巡检机器人的电量带来较大的压力，严重影响巡检进度，而且因计算判断时间过长使得原本就紧张的巡检时间更为捉襟见肘。

技术实现思路

[0004](一)要解决的技术问题
[0005]鉴于现有技术的上述缺点、不足，本专利技术提供一种基于巡检机器人的轨道状态检测系统、机器人以及方法，其解决了现有巡检机器人难以在通信条件不良的时候对故障进行快速判断的技术问题。
[0006](二)技术方案
[0007]为了达到上述目的，本专利技术采用的主要技术方案包括：
[0008]第一方面，本专利技术实施例提供一种基于巡检机器人的轨道状态检测系统，轨道上设有提供位置信息的多个站点，所述轨道状态检测系统包括：运行于所述轨道上的巡检机器人；
[0009]所述巡检机器人包括：
[0010]多路采集子系统，用于采集轨道图像和探伤返波信号；
[0011]测距子系统，用于测量与各个站点的相对距离信息；
[0012]定位子系统，用于与所述站点交互获取区间定位信息，并结合通过所述测距子系统获取的相对距离信息，得到精确定位信息；
[0013]初步判断子系统，用于通过预设的轻量化SSD模型对轨道图像进行处理分析，通过预设的超声波快速识别模型对所述探伤返波信号进行处理分析；基于图像分类结果和返波信号分类结果，并结合所述精确定位信息输出初步状态判断结果。
[0014]可选地，所述多路采集子系统包括：
[0015]超声波采集模块，用于采集轨道的返回超声波信号；
[0016]图像采集模块，用于采集轨道面、焊接或连接处的图像；
[0017]可选地，所述超声波采集模块为包含若干超声波传感器的超声波组合探头；所述图像采集模块为CCD相机组件。
[0018]可选地，所述轻量化SSD模型包括：第一卷积块、第二卷积块、第三卷积块、第四卷积块、第五卷积块、第六卷积块、第七卷积块、第八卷积块以及类别输出模块；
[0019]第一卷积块包括：卷积核为3
×
3的卷积层、卷积核为3
×
3的深度可分离卷积层、卷积核为1
×
1的卷积层以及最大池化层；
[0020]第二卷积块包括：卷积核为3
×
3的深度可分离卷积层、卷积核为1
×
1的卷积层以及最大池化层；
[0021]第三卷积块包括：卷积核为3
×
3的深度可分离卷积层、卷积核为1
×
1的卷积层以及最大池化层；
[0022]第四卷积块包括：卷积核为3
×
3的深度可分离卷积层、卷积核为1
×
1的卷积层以及最大池化层；
[0023]第五卷积块包括：卷积核为3
×
3的深度可分离卷积层、卷积核为1
×
1的卷积层以及最大池化层；
[0024]第六卷积块包括：卷积核为3
×
3的卷积层和最大池化层；
[0025]第七卷积块包括：卷积核为1
×
1卷积层；
[0026]第八卷积块包括：卷积核为1
×
1的卷积层和3
×
3的卷积层；
[0027]所述类别输出模块，用于将接收的所述第四卷积块、第七卷积块和第八卷积块的输出特征图进行特征融合，输出分类结果。
[0028]可选地，所述轻量化SSD模型在所述第四卷积块、第七卷积块和第八卷积块的输出端均设有有注意力机制模块；
[0029]所述注意力机制模块满足如下的公式：
[0030]y＝f(x,w
i
)+sub(x)
[0031]其中，各个卷积块的输出特征图为x，f(x,w
i
)为对输出特征图进行卷积，卷积次数为i，i≤5，sub(x)为对输出特征图作下采样。
[0032]可选地，所述超声波快速识别模型包括：
[0033]预处理模块，用于对所述探伤返波信号进行预处理；
[0034]窗位划分模块，用于将所述经预处理的探伤返波信号按时间相位划分为多个窗位；
[0035]类别判断模块，用于计算多个窗位与预设的类别时间序列的相似度，基于所述相似度输出输出返波信号分类结果；
[0036]其中，所述计算多个窗位与预设的类别时间曲线的相似度通过如下公式进行：
[0037][0038]X[i]＝k
×
x[i]+c
[0039]其中，x[i]为第i个窗位，Y[i]为预设的类别时间序列，k≠0。
[0040]可选地，所述轨道状态检测系统，还包括：与所述巡检机器人连接的控制分析平台，所述控制分析平台用于接收采集的轨道图像、探伤返波信号以及初步状态判断结果；
[0041]所述控制分析平台上设有SSD模型和长短时记忆神经网络；
[0042]所述SSD模型在所述轻量化SSD模型的基础上，还包括：第九卷积块、第十卷积块以及第十一卷积块；
[0043]所述SSD模型基于接收的所述第四卷积块、第七卷积块、第八卷积块、第九卷积块、第十卷积块以及第十一卷积块的输出特征图，经特征融合输出图像分类结果；
[0044]所述长短时记忆神经网络对所述探伤返波信号进行返波分类结果；
[0045]所述所述控制分析平台将所述图像分类结果和返波分类结果与所述初步状态判断结果经归一化后进行比较，若差值大于预设阈值则将所述控制分析平台输出的图像分类结果和所述返波分类结果作为最终状态判断结果并提示所述巡检机器人。
[0046]可选地，所述所述长短时记忆神经网络对所述探伤返波信号进行返波分类结果包括：
[0047]对所述探伤返波信号进行小波降噪处理；
[0048]通过短时傅里叶算法提取出经小波降噪处理的探伤返波信号的多维特征向量；
[0049]基于所述多维特征向量，采用长短时记忆神经网络对所述探伤返波信号进行返波分类结果。
[0050]第二方面，本专利技术提供一种用于检测轨道状态的巡检机器人，所述巡检机器人包括：
[0051]多路采集子系统，用于采集轨道图像和探伤返波信号；...

【技术保护点】

【技术特征摘要】
1.一种基于巡检机器人的轨道状态检测系统，其特征在于，轨道上设有提供位置信息的多个站点，所述轨道状态检测系统包括：运行于所述轨道上的巡检机器人；所述巡检机器人包括：多路采集子系统，用于采集轨道图像和探伤返波信号；测距子系统，用于测量与各个站点的相对距离信息；定位子系统，用于与所述站点交互获取区间定位信息，并结合通过所述测距子系统获取的相对距离信息，得到精确定位信息；初步判断子系统，用于通过预设的轻量化SSD模型对轨道图像进行处理分析，通过预设的超声波快速识别模型对所述探伤返波信号进行处理分析；基于图像分类结果和返波信号分类结果，并结合所述精确定位信息输出初步状态判断结果。2.如权利要求1所述的一种基于巡检机器人的轨道破损识别系统，其特征在于，所述多路采集子系统包括：超声波采集模块，用于采集轨道的返回超声波信号；图像采集模块，用于采集轨道面、焊接或连接处的图像。3.如权利要求2所述的一种基于巡检机器人的轨道破损识别系统，其特征在于，所述超声波采集模块为包含若干超声波传感器的超声波组合探头；所述图像采集模块为CCD相机组件。4.如权利要求1所述的一种基于巡检机器人的轨道破损识别系统，其特征在于，所述轻量化SSD模型包括：第一卷积块、第二卷积块、第三卷积块、第四卷积块、第五卷积块、第六卷积块、第七卷积块、第八卷积块以及类别输出模块；第一卷积块包括：卷积核为3
×
3的卷积层、卷积核为3
×
3的深度可分离卷积层、卷积核为1
×
1的卷积层以及最大池化层；第二卷积块包括：卷积核为3
×
3的深度可分离卷积层、卷积核为1
×
1的卷积层以及最大池化层；第三卷积块包括：卷积核为3
×
3的深度可分离卷积层、卷积核为1
×
1的卷积层以及最大池化层；第四卷积块包括：卷积核为3
×
3的深度可分离卷积层、卷积核为1
×
1的卷积层以及最大池化层；第五卷积块包括：卷积核为3
×
3的深度可分离卷积层、卷积核为1
×
1的卷积层以及最大池化层；第六卷积块包括：卷积核为3
×
3的卷积层和最大池化层；第七卷积块包括：卷积核为1
×
1卷积层；第八卷积块包括：卷积核为1
×
1的卷积层和3
×
3的卷积层；所述类别输出模块，用于将接收的所述第四卷积块、第七卷积块和第八卷积块的输出特征图进行特征融合，输出分类结果。5.如权利要求4所述的一种基于巡检机器人的轨道破损识别系统，其特征在于，所述轻量化SSD模型在所述第四卷积块、第七卷积块和第八卷积块的输出端均设有有注意力机制模块；所述注意力机制模块满足如下的公式：
y＝f(x,w
i
)+sub(x)其中，各个卷积块的输出特征图为x，f(x,w
i
)为对输出特征图进行卷积，卷积次数为i，i≤5，sub(x)为对输出特征图作下采样。6.如权利要求5所述的一种基于巡检机器人的轨道破损识别系统，其特征在于，所述超声波快速识别模型包...

【专利技术属性】
技术研发人员：张猛，邓成呈，汪春，丁祥宇，叶德辉，
申请(专利权)人：杭州申昊科技股份有限公司，
类型：发明
国别省市：