【技术实现步骤摘要】
本专利技术涉及智能巡检机器人，尤其涉及一种基于多传感器融合的智能巡检机器人及方法。
技术介绍
1、地下管廊是一种用于集中布置各种管线的地下隧道，其能够将电力、通信、燃气、供热、给排水等各种工程管线集于一体，具有节省土地、保护环境、提高安全性等优点。然而，管廊内的环境复杂多变，存在着火灾、爆炸、中毒等安全隐患，因此，需要定期对管廊内的环境进行巡检和监测。
2、传统的廊巡检方式主要依赖于人工观察和记录，需要大量的人力投入。在巡检过程中，巡检人员需要进入管廊进行检查和记录，但是管廊内部结构复杂且距离较长，这种巡检方式不仅费时费力，还存在一定的安全风险。同时，人力巡检也容易受到人为因素的影响，如疲劳、注意力不集中等，可能导致漏检或误检，无法全面准确地获取管廊内部的环境信息，例如，某些隐蔽的问题可能被忽略或未及时发现，从而增加了管廊的安全风险。
3、此外，传统的巡检方式通常是周期性的，无法实时监测管廊环境的变化。一旦出现异常情况，如温度升高、气体泄漏等，可能需要等待下一次巡检才能发现，导致预警响应的延迟，增加了事故的发生概率和损失。
4、因此，期望一种基于多传感器融合的智能巡检机器人。
技术实现思路
1、本专利技术实施例提供一种基于多传感器融合的智能巡检机器人及方法，其能够实时采集管廊内的温湿度、一氧化碳、甲醛等气体数据，并将数据传输到智能巡检机器人的数据处理模块，以利用数据处理和分析算法来进行多传感数据的时序协同分析，以此来判断管廊内环境是否存在异常情况
2、本专利技术实施例还提供了一种基于多传感器融合的智能巡检机器人，其包括：
3、数据采集模块，用于通过智能巡检机器人的温湿度传感器、一氧化碳传感器和甲醛传感器采集预定时间段内多个预定时间点的温度值、湿度值、一氧化碳值和甲醛值；
4、数据传输模块，用于将所述多个预定时间点的温度值、湿度值、一氧化碳值和甲醛值输入所述智能巡检机器人的数据处理模块；
5、数据时序排列模块，用于在所述数据处理模块，将所述多个预定时间点的温度值、湿度值、一氧化碳值和甲醛值分别按照时间维度排列为温度时序输入向量、湿度时序输入向量、一氧化碳时序输入向量和甲醛时序输入向量；
6、数据时序协同分析模块，用于将所述温度时序输入向量和湿度时序输入向量进行逐位置关联编码后与所述一氧化碳时序输入向量和所述甲醛时序输入向量进行时序协同分析以得到管廊环境融合特征；
7、管廊环境监测预警模块，用于基于所述管廊环境融合特征，确定管廊内环境是否存在异常并生成预警提示。
8、本专利技术实施例还提供了一种基于多传感器融合的智能巡检方法，其包括：
9、通过智能巡检机器人的温湿度传感器、一氧化碳传感器和甲醛传感器采集预定时间段内多个预定时间点的温度值、湿度值、一氧化碳值和甲醛值；
10、将所述多个预定时间点的温度值、湿度值、一氧化碳值和甲醛值输入所述智能巡检机器人的数据处理模块；
11、在所述数据处理模块，将所述多个预定时间点的温度值、湿度值、一氧化碳值和甲醛值分别按照时间维度排列为温度时序输入向量、湿度时序输入向量、一氧化碳时序输入向量和甲醛时序输入向量；
12、将所述温度时序输入向量和湿度时序输入向量进行逐位置关联编码后与所述一氧化碳时序输入向量和所述甲醛时序输入向量进行时序协同分析以得到管廊环境融合特征；
13、基于所述管廊环境融合特征，确定管廊内环境是否存在异常并生成预警提示。
本文档来自技高网...【技术保护点】
1.一种基于多传感器融合的智能巡检机器人，其特征在于，包括：
2.根据权利要求1所述的基于多传感器融合的智能巡检机器人，其特征在于，所述数据时序协同分析模块，包括：
3.根据权利要求2所述的基于多传感器融合的智能巡检机器人，其特征在于，所述深度神经网络模型为卷积神经网络模型。
4.根据权利要求3所述的基于多传感器融合的智能巡检机器人，其特征在于，所述数据时序特征融合单元，包括：
5.根据权利要求4所述的基于多传感器融合的智能巡检机器人，其特征在于，所述管廊环境监测预警模块，包括：
6.根据权利要求5所述的基于多传感器融合的智能巡检机器人，其特征在于，还包括用于对所述基于卷积神经网络模型的图像特征提取器、所述级联融合模块结构、所述特征自相关关联强化模块和所述分类器进行训练的训练模块。
7.根据权利要求6所述的基于多传感器融合的智能巡检机器人，其特征在于，所述训练模块，包括：
8.根据权利要求7所述的基于多传感器融合的智能巡检机器人，其特征在于，所述分类损失单元，用于：
9.一种基于多传感
10.一种基于多传感器融合的智能巡检方法，其特征在于，包括：
...【技术特征摘要】
1.一种基于多传感器融合的智能巡检机器人，其特征在于，包括：
2.根据权利要求1所述的基于多传感器融合的智能巡检机器人，其特征在于，所述数据时序协同分析模块，包括：
3.根据权利要求2所述的基于多传感器融合的智能巡检机器人，其特征在于，所述深度神经网络模型为卷积神经网络模型。
4.根据权利要求3所述的基于多传感器融合的智能巡检机器人，其特征在于，所述数据时序特征融合单元，包括：
5.根据权利要求4所述的基于多传感器融合的智能巡检机器人，其特征在于，所述管廊环境监测预警模块，包括：
6.根据...
【专利技术属性】
技术研发人员：车海宝，吴睿恒，费双，张春茹，窦轩，黄志华，李兴茂，雷茜，
申请(专利权)人：中建新疆建工集团第三建设工程有限公司，
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。