【技术实现步骤摘要】
本申请涉及外墙清洗，尤其是涉及一种高空玻璃幕墙自动清洗方法、系统、清洗无人机及介质。
技术介绍
1、幕墙是现代大型和高层建筑常用的带有装饰效果的轻质墙体，一般面积较大且大多处于几十米甚至上百米的高处，且周围无可攀援的支架，幕墙的清洗成为一项繁重、危险的工作。已往的幕墙清洗工作主要由人工完成，清洗工作难度大、安全风险高且效率较低。
2、现有技术中，提供了一种高空清洗无人机，虽代替了传统的人力，但高空清洗无人机对于不同的污染区域没有进行针对性的清洗，导致清洗不干净。
技术实现思路
1、有鉴于此，本申请提供一种高空玻璃幕墙自动清洗方法、系统、清洗无人机及介质，以解决高空清洗无人机对于不同的污染区域没有进行针对性的清洗的技术问题。
2、本申请的第一方面提供一种高空玻璃幕墙自动清洗方法，所述方法包括：
3、使用清洗无人机的摄像头扫描玻璃幕墙，得到所述玻璃幕墙的整体结构信息与污染区域信息；使用清洗路线模型基于所述整体结构信息与所述污染区域信息得到幕墙清洗路线；
4、基于所述污染区域的污染类型与污染程度对所述幕墙清洗路线进行修正，得到污染清洗路线；根据所述污染清洗路线，控制所述清洗无人机上的清洗设备对所述玻璃幕墙进行清洗。
5、在一种可能的实施方式中，所述清洗路线模型为预先通过强化学习训练得到的，其中，通过强化学习训练得到所述清洗路线模型的过程包括：
6、建立并初始化所述清洗路线模型的仿真模拟环境；
7、基于强化
8、通过所述神经网络与所述仿真模拟环境进行交互，得到所述清洗无人机的经验值，所述经验值根据状态、动作及奖励确定；
9、将每步对应的所述经验值放入随机回放池中；
10、每一回合从所述随机回访池中抽取至少一条经验对所述神经网络进行训练，直至满足训练结束条件时，结束对所述神经网络的训练，得到所述清洗路线模型。
11、在一种可能的实施方式中，所述奖励函数包括：
12、稠密奖励函数及稀疏奖励函数；
13、其中，所述稠密奖励函数根据清洗区域的污染程度、所述清洗无人机完成整体清洗任务的耗时与路径长度进行设置。
14、在一种可能的实施方式中，所述基于所述污染区域的污染类型与污染程度对所述幕墙清洗路线进行修正，得到污染清洗路线包括：
15、基于所述污染类型选择所述清洗无人机装载的清洗液状态；
16、基于所述污染程度调节所述清洗无人机与所述玻璃幕墙之间的间隔距离；
17、将所述污染区域对应的所述清洗液状态与所述间隔距离加入所述幕墙清洗路线，得到污染清洗路线。
18、在一种可能的实施方式中，所述基于所述污染类型选择所述清洗无人机装载的清洗液状态包括：
19、根据所述污染类型确定目标温度及目标浓度；
20、使用所述清洗无人机将清洗液的温度调整到所述目标温度及将所述清洗液的浓度调整到所述目标浓度。
21、在一种可能的实施方式中，所述基于所述污染程度调节所述清洗无人机与所述玻璃幕墙之间的间隔距离包括：
22、将所述污染程度与预设污染程度阈值进行比较；
23、当所述污染程度大于所述预设污染程度阈值时，缩短所述清洗无人机与所述玻璃幕墙之间的距离；
24、当所述污染程度小于所述预设污染程度阈值时，保持所述清洗无人机与所述玻璃幕墙之间的距离不变。
25、在一种可能的实施方式中，所述方法还包括：
26、使用所述清洗无人机的风力传感器检测环境风力；
27、当所述环境风力大于预设风力阈值时，根据所述环境风力及预设环境风力阈值分段区间，确定目标旋转速度；
28、将所述清洗无人机的外侧风扇的旋转速度调整为所述目标旋转速度；
29、其中，所述预设环境风力阈值分段区间包括多段环境风力阈值区间，每段环境风力阈值区间对应一种旋转速度。
30、本申请的第二方面提供一种高空玻璃幕墙自动清洗系统，所述系统包括：
31、信息收集模块，用于使用清洗无人机的摄像头扫描玻璃幕墙，得到所述玻璃幕墙的整体结构信息与污染区域信息；
32、路线计算模块，用于使用清洗路线模型基于所述整体结构信息与所述污染区域信息得到幕墙清洗路线；
33、路线修正模块，用于基于所述污染区域的污染类型与污染程度对所述幕墙清洗路线进行修正，得到污染清洗路线；
34、幕墙清洗模块，用于根据所述污染清洗路线，控制所述清洗无人机上的清洗设备对所述玻璃幕墙进行清洗。
35、本申请的第三方面提供一种清洗无人机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的高空玻璃幕墙自动清洗方法的步骤。
36、本申请的第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的高空玻璃幕墙自动清洗方法的步骤。
37、本申请实施例提供的高空玻璃幕墙自动清洗方法、系统、清洗无人机及介质，通过利用清洗无人机和清洗路线模型，实现了高空玻璃幕墙的自动清洗。使用预先通过强化学习训练得到的清洗路线模型，清洗无人机可以根据幕墙的整体结构和污染区域计算出清洗路线，并且模型可以不断优化和改进，提高清洗效果和效率。基于玻璃幕墙各个污染区域的类型和程度，对清洗路线进行修正，针对不同的污染情况进行有针对性的清洗，提高清洗效果。本申请结合了清洗无人机、摄像头、清洗路线模型和强化学习算法，实现了高效、智能、安全的高空玻璃幕墙自动清洗，提高了清洗效率和质量，减少了人力投入和风险。
本文档来自技高网...【技术保护点】
1.一种高空玻璃幕墙自动清洗方法，其特征在于，所述方法包括：
2.根据权利要求1所述的高空玻璃幕墙自动清洗方法，其特征在于，所述清洗路线模型为预先通过强化学习训练得到的，其中，通过强化学习训练得到所述清洗路线模型的过程包括：
3.根据权利要求2所述的高空玻璃幕墙自动清洗方法，其特征在于，所述奖励函数包括：
4.根据权利要求1所述的高空玻璃幕墙自动清洗方法，其特征在于，所述基于所述污染区域的污染类型与污染程度对所述幕墙清洗路线进行修正，得到污染清洗路线包括：
5.根据权利要求4所述的高空玻璃幕墙自动清洗方法，其特征在于，所述基于所述污染类型选择所述清洗无人机装载的清洗液状态包括：
6.根据权利要求4所述的高空玻璃幕墙自动清洗方法，其特征在于，所述基于所述污染程度调节所述清洗无人机与所述玻璃幕墙之间的间隔距离包括：
7.根据权利要求1至6中任意一项所述的高空玻璃幕墙自动清洗方法，其特征在于，所述方法还包括：
8.一种高空玻璃幕墙自动清洗系统，其特征在于，所述系统包括：
9.一种清洗无人机，
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的高空玻璃幕墙自动清洗方法的步骤。
...【技术特征摘要】
1.一种高空玻璃幕墙自动清洗方法，其特征在于，所述方法包括：
2.根据权利要求1所述的高空玻璃幕墙自动清洗方法，其特征在于，所述清洗路线模型为预先通过强化学习训练得到的，其中，通过强化学习训练得到所述清洗路线模型的过程包括：
3.根据权利要求2所述的高空玻璃幕墙自动清洗方法，其特征在于，所述奖励函数包括：
4.根据权利要求1所述的高空玻璃幕墙自动清洗方法，其特征在于，所述基于所述污染区域的污染类型与污染程度对所述幕墙清洗路线进行修正，得到污染清洗路线包括：
5.根据权利要求4所述的高空玻璃幕墙自动清洗方法，其特征在于，所述基于所述污染类型选择所述清洗无人机装载的清洗液状态包括：
6.根据权利要求4所述的高空玻璃...
【专利技术属性】
技术研发人员：庄庆全，
申请(专利权)人：深圳景源达建设集团有限公司，
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。