CN119168329A - 一种基于物联网的检测机器人巡检调度管理系统及方法 - Google Patents

Abstract

本发明涉及水利工程巡检调度技术领域，具体为一种基于物联网的检测机器人巡检调度管理系统及方法，所述系统中风险巡检监测点分析模块结合相应水利工程中不同监测点之间的位置及相应水利工程在历史管控流程中涉及的各个监测点之间的协作关系，生成直接关联监测点集中每个元素分别对应的间接关联监测点，构建相应水利工程的风险巡检监测点集。本发明在巡检调度过程中，不仅通过监测点的运行状态数据、雨量变化情况对水利工程的水位影响，以及历史管控流程中涉及的各个监测点之间的协作关系，实现对风险巡检监测点集的动态构建；还考虑到检测机器人的所处位置，实现对巡检调度方案的动态分析及准确筛选，实现对检测机器人巡检调度的有效管理。

Description

一种基于物联网的检测机器人巡检调度管理系统及方法

技术领域

本发明涉及水利工程巡检调度技术领域，具体为一种基于物联网的检测机器人巡检调度管理系统及方法。

背景技术

水利工程通常规模庞大，需要耗费大量的人力资源进行巡检和维护。而巡检机器人的引入，可以替代部分人工巡检工作，降低人力成本。同时，由于机器人可以24小时不间断地进行巡检，因此还可以进一步减少人力投入，提高巡检工作的连续性。

现有的基于物联网的检测机器人巡检调度管理系统中，往往直接设置固定的待巡检的监测点对象或进行全面巡检，该方式存在较大的缺陷，一方面现有的传感器技术在一定程度上能够实现对水利工程监测点状态的监控；另一方面，水利工程所属区域的水位波动变化也会需要对待巡检的监测点进行动态调整，固定的巡检对象若属于部分巡检，则会导致巡检不全面，存在监控遗漏的情况；而若固定的巡检对象属于全面巡检，则会使得巡检周期较大，且对重点巡检对象的巡检力度存在不足现象，且费时费力。

发明内容

本发明的目的在于提供一种基于物联网的检测机器人巡检调度管理系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于物联网的检测机器人巡检调度管理方法，所述方法包括以下步骤：

S1、通过传感器实时获取水利工程中各个监测点对应的运行状态数据，并根据获取的运行状态数据，锁定水利工程中的核心监测点；获取水利工程所属区域内基于当前时间的后续预设时间段内的雨量预报信息，结合相应水利工程所属区域的历史雨量预报信息，预测相应水利工程的水位特征，锁定相应水利工程基于雨量预报信息的风险监测点；

S2、提取水利工程中的核心监测点及基于雨量预报信息的风险监测点，构建直接关联监测点集，结合相应水利工程中不同监测点之间的位置及相应水利工程在历史管控流程中涉及的各个监测点之间的协作关系，生成直接关联监测点集中每个元素分别对应的间接关联监测点，构建相应水利工程的风险巡检监测点集；

S3、提取相应水利工程的风险巡检监测点集中各个元素的故障风险特征，构建风险量化巡检序列；

S4、通过相应水利工程所属区域的局域网实时获取相应水利工程对应检测机器人的巡检特征集；基于风险量化巡检序列，生成相应水利工程对应检测机器人的各个巡检调度规划方案；分析不同巡检调度规划方案基于风险量化巡检序列的巡检调度偏向值；

S5、基于巡检调度偏向值最小的巡检调度规划方案生成巡检任务指令集，并通过相应水利工程所属区域的局域网将巡检任务指令集中的各个巡检任务指令分别传输给对应的检测机器人。

进一步的，所述运行状态数据包括相应监测点处的采集图片对应的异常提取信息，所述异常提取信息为对相应采集图片进行图像识别后提取的裂缝区域面积基于采集图片区域面积的占比、剥落区域面积基于采集图片区域面积的占比及腐蚀区域面积基于采集图片区域面积的占比；

锁定水利工程中的核心监测点时，获取相应水利工程预置的固定核心监测点，将相应水利工程中各个监测点对应的运行状态数据中异常提取信息内的各项数据分别与相应监测点对应项的预设异常提取阈值进行比较，

将相应水利工程中存在对应异常提取信息内的数据大于等于相应监测点对应项的预设异常提取阈值的所有监测点，以及相应水利工程预置的固定核心监测点均记为相应水利工程中的核心监测点；

锁定相应水利工程基于雨量预报信息的风险监测点包括以下步骤：

S11、获取水利工程所属区域内基于当前时间的后续预设时间段内的雨量预报信息及当前水利工程对应的监控区域内的水位高度构成的数据对，作为当前时间的水利环境特征；所述雨量预报信息包括相应时间段对应的时长及相应时间段内对应的降水深度预测值；

S12、获取相应水利工程所属区域的历史雨量预报信息，构建历史数据中不同的水利环境特征分别关联映射的水利工程监控区域内的水位变化量；每个水利环境特征关联映射的水利工程监控区域内的水位变化量，为基于水利环境特征的相应水利工程在相应水利环境特征中相应时间段中监控区域内的水位高度与相应水利环境特征中对应监控区域内的水位高度的最大差值；

S13、根据历史数据中不同的水利环境特征分别关联映射的水利工程监控区域内的水位变化量，匹配当前时间的水利环境特征关联映射的水利工程监控区域内的水位变化量，记为水位关联突变量，将当前水利工程对应的监控区域内的水位高度与所得水位关联突变量构成的数据对作为相应水利工程的水位特征预测结果；

S14、获取水利工程对应的监控区域内的水位高度在[h，h+h1]区间内覆盖的监测点构成的集合，记为风险监测集，所述风险监测集中任意一个元素均对应一个相应水利工程基于雨量预报信息的风险监测点；所述h表示相应水利工程的水位特征预测结果中当前水利工程对应的监控区域内的水位高度；所述h1表示相应水利工程的水位特征预测结果中的水位关联突变量。

本发明中分析相应水利工程所属区域内基于当前时间的后续预设时间段内的雨量预报信息，是考虑到相应水利工程所属区域的雨量预报信息，会对相应水利工程所属区域内的水位高度的变化情况产生影响，结合相应水利工程所属区域当前的水位高度，能够实现对相应水利工程所属区域内的水位高度的预测，进而提取水位水位高度变化区域内的监测点情况，为后续生成直接关联监测点集提供了数据依据。

进一步的，所述直接关联监测点集包括水利工程中的所有核心监测点及基于雨量预报信息的所有风险监测点；

生成直接关联监测点集中每个元素分别对应的间接关联监测点的方法包括以下步骤：

S21、获取相应水利工程中不同监测点之间的位置及相应水利工程在历史管控流程中涉及的各个监测点之间的协作关系；

所述监测点之间的协作关系表示相应水利工程中同一管控流程中各个管控流程步骤对应控制区域内，包含的所有监测点构成的集合中任意不同监测点之间的关系；

S22、获取相应水利工程中各个监测点的历史故障数据，得到每个监测点每次故障时分别对应的故障监测点关联分析集；每个监测点对应的故障监测点关联分析集的个数与相应监测点的故障次数相等，所述故障监测点关联分析集内的元素个数包括空集；

所述故障监测点关联分析集包括对应故障时间与相应监测点的故障时间之间的间隔时长小于预设间隔时长的所有故障的监测点；

将同一个监测点在对应每次故障时分别对应的故障监测点关联分析集的并集，记为相应监测点的关联影响监测集；

S23、对监测点的关联影响监测集中与相应监测点存在协作关系的元素进行标记；

S24、得到直接关联监测点集中每个元素分别对应的间接关联监测点，所述直接关联监测点集中任意一个元素对应的间接关联监测点为相应元素对应的关联影响监测集中被标记元素对应的监测点；

相应水利工程的风险巡检检测点集为相应直接关联监测点集中每个元素及相应元素分别对应的间接关联监测点构成的集合。

进一步的，提取相应水利工程的风险巡检监测点集中各个元素的故障风险特征时，所述故障风险特征包括自身故障风险概率及协同故障风险概率，将相应水利工程的风险巡检监测点集中第d个元素记为C_d，将Cd对应故障风险特征中的自身故障风险概率记为CZ_d，将CD对应故障风险特征中的协同故障风险概率记为CX_d，

所述CZ_d=P_Cd·P_{（Cd，[h，h+h1]）}，其中，P_Cd表示历史数据中Cd对应的故障总次数基于相应水利工程故障总次数的占比；P_{（Cd，[h，h+h1]）}表示历史数据中Cd对应水位高度在[h，h+h1]区间内的故障次数基于Cd对应的故障总次数的占比；

所述，其中，C_（d，k）表示C_d对应的各个间接关联监测点对应的集合与相应水利工程的风险巡检监测点集的交集中的第k个元素；kmax表示C_d对应的各个间接关联监测点对应的集合与相应水利工程的风险巡检监测点集的交集中的元素总个数；P_（d，k）表示历史数据中C_（d，k）对应的故障总次数基于相应水利工程故障总次数的占比；Px_（d，k）表示C_d对应的故障监测点关联分析集中包含C_（d，k）的集合个数基于C_d对应的故障监测点关联分析集总个数的占比；

将CZ_d+ω·CX_d记为C_d对应的风险量化值，ω表示预设的风险量化因子；按照风险量化值从大到小的顺序对相应水利工程的风险巡检监测点集中的各个元素进行排序，将所得排序结果作为构建的风险量化巡检序列。

进一步的，所述巡检特征集包括相应水利工程对应的各个检测机器人相应的设备绑定信息特征数据对，每个设备绑定信息特征数据对中第一个元素为相应的检测机器人编号，第二个元素为相应检测机器人在相应水利工程中的位置；

生成相应水利工程对应检测机器人的各个巡检调度规划方案的过程中，每个巡检调度规划方案包括各个检测机器人分别对应的巡检路线，每个检测机器人对应的巡检路线为相应检测机器人从相应检测机器人在相应水利工程中的位置出发，途径相应巡检调度规划方案中分配的属于相应水利工程的风险巡检监测点集的各个元素的最短规划路线；检测机器人从所处位置出现途径不同监测点的路线通过北斗导航软件生成；

所述每个巡检调度规划方案中各个检测机器人分别分配的属于相应水利工程的风险巡检监测点集的各个元素对应集合的并集为相应水利工程的风险巡检监测点集，且不同检测机器人分别分配的属于相应水利工程的风险巡检监测点集的各个元素对应集合之间的交集均为空集；将第i个巡检调度规划方案基于风险量化巡检序列的巡检调度偏向值记为D_i，计算公式如下：

，

其中，L_i表示第i个巡检调度规划方案中各个检测机器人分别对应的巡检路线的路程之和；Lmax表示每个巡检调度规划方案内各个检测机器人分别对应的巡检路线的路程之和中的最大值；μ表示预置的权重系数；Num_{（i，g，j）}表示第i个巡检调度规划方案中第g个检测机器人的巡检路线途径的第j个属于风险巡检监测点集的监测点在风险量化巡检序列内序号，大于第i个巡检调度规划方案中各个检测机器人的巡检路线分别途径的第j-1个属于风险巡检监测点集的监测点在风险量化巡检序列内序号的监测点个数，且j＞1；当j=1时，Num_{（i，g，j）}=0；gi表示第i个巡检调度规划方案对应的检测机器人个数；jgi表示第i个巡检调度规划方案中第g个检测机器人的巡检路线途径的属于风险巡检监测点集的监测点个数；DV_i表示第i个巡检调度规划方案内各个检测机器人分别对应的巡检路线的路程中，最大值与最小值的差值；DVmax表示i为不同值时分别对应的各个DVi中的最大值。

进一步的，所述检测机器人的巡检任务指令对应的巡检调度偏向值最小的巡检调度规划方案中相应检测机器人对应的巡检路线，以及相应巡检路线途径的所有监测点；

相应巡检路线途径的监测点包括相应水利工程的风险巡检监测点集中的元素，以及不属于相应水利工程的风险巡检监测点集且对应运行状态数据正常的监测点。

一种基于物联网的检测机器人巡检调度管理系统，所述系统包括以下模块：

运行状态采集模块，所述运行状态采集模块通过传感器实时获取水利工程中各个监测点对应的运行状态数据，并根据获取的运行状态数据，锁定水利工程中的核心监测点；

风险监测点锁定模块，所述风险监测点锁定模块获取水利工程所属区域内基于当前时间的后续预设时间段内的雨量预报信息，结合相应水利工程所属区域的历史雨量预报信息，预测相应水利工程的水位特征，锁定相应水利工程基于雨量预报信息的风险监测点；

直接关联监测点获取模块，所述直接关联监测点获取模块提取水利工程中的核心监测点及基于雨量预报信息的风险监测点，构建直接关联监测点集；

风险巡检监测点分析模块，所述风险巡检监测点分析模块结合相应水利工程中不同监测点之间的位置及相应水利工程在历史管控流程中涉及的各个监测点之间的协作关系，生成直接关联监测点集中每个元素分别对应的间接关联监测点，构建相应水利工程的风险巡检监测点集；

风险量化巡检序列构建模块，所述风险量化巡检序列构建模块提取相应水利工程的风险巡检监测点集中各个元素的故障风险特征，构建风险量化巡检序列；

巡检调度分析模块，所述巡检调度分析模块通过相应水利工程所属区域的局域网实时获取相应水利工程对应检测机器人的巡检特征集；基于风险量化巡检序列，生成相应水利工程对应检测机器人的各个巡检调度规划方案；分析不同巡检调度规划方案基于风险量化巡检序列的巡检调度偏向值；

巡检调度指令管理模块，所述巡检调度指令管理模块基于巡检调度偏向值最小的巡检调度规划方案生成巡检任务指令集，并通过相应水利工程所属区域的局域网将巡检任务指令集中的各个巡检任务指令分别传输给对应的检测机器人。

进一步的，所述巡检调度分析模块包括巡检特征集获取单元、巡检调度方案规划单元及巡检调度偏向值计算单元，

所述巡检特征集获取单元通过相应水利工程所属区域的局域网实时获取相应水利工程对应检测机器人的巡检特征集；

所述巡检调度方案规划单元基于风险量化巡检序列，生成相应水利工程对应检测机器人的各个巡检调度规划方案；

所述巡检调度偏向值计算单元分析不同巡检调度规划方案基于风险量化巡检序列的巡检调度偏向值。

与现有技术相比，本发明所达到的有益效果是：本发明在巡检调度过程中，不仅通过监测点的运行状态数据、雨量变化情况对水利工程的水位影响，以及历史管控流程中涉及的各个监测点之间的协作关系，实现对风险巡检监测点集的动态构建；还考虑到检测机器人的所处位置，实现对巡检调度方案的动态分析及准确筛选，实现对检测机器人巡检调度的有效管理。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于物联网的检测机器人巡检调度管理系统的结构示意图；

图2是本发明一种基于物联网的检测机器人巡检调度管理方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供技术方案：一种基于物联网的检测机器人巡检调度管理系统，所述系统包括以下模块：

运行状态采集模块，所述运行状态采集模块通过传感器实时获取水利工程中各个监测点对应的运行状态数据，并根据获取的运行状态数据，锁定水利工程中的核心监测点；

风险监测点锁定模块，所述风险监测点锁定模块获取水利工程所属区域内基于当前时间的后续预设时间段内的雨量预报信息，结合相应水利工程所属区域的历史雨量预报信息，预测相应水利工程的水位特征，锁定相应水利工程基于雨量预报信息的风险监测点；

直接关联监测点获取模块，所述直接关联监测点获取模块提取水利工程中的核心监测点及基于雨量预报信息的风险监测点，构建直接关联监测点集；

风险巡检监测点分析模块，所述风险巡检监测点分析模块结合相应水利工程中不同监测点之间的位置及相应水利工程在历史管控流程中涉及的各个监测点之间的协作关系，生成直接关联监测点集中每个元素分别对应的间接关联监测点，构建相应水利工程的风险巡检监测点集；

风险量化巡检序列构建模块，所述风险量化巡检序列构建模块提取相应水利工程的风险巡检监测点集中各个元素的故障风险特征，构建风险量化巡检序列；

巡检调度分析模块，所述巡检调度分析模块包括巡检特征集获取单元、巡检调度方案规划单元及巡检调度偏向值计算单元，

所述巡检特征集获取单元通过相应水利工程所属区域的局域网实时获取相应水利工程对应检测机器人的巡检特征集；

所述巡检调度方案规划单元基于风险量化巡检序列，生成相应水利工程对应检测机器人的各个巡检调度规划方案；

所述巡检调度偏向值计算单元分析不同巡检调度规划方案基于风险量化巡检序列的巡检调度偏向值；

巡检调度指令管理模块，所述巡检调度指令管理模块基于巡检调度偏向值最小的巡检调度规划方案生成巡检任务指令集，并通过相应水利工程所属区域的局域网将巡检任务指令集中的各个巡检任务指令分别传输给对应的检测机器人。

如图2所示，一种基于物联网的检测机器人巡检调度管理方法，所述方法包括以下步骤：

S1、通过传感器实时获取水利工程中各个监测点对应的运行状态数据，并根据获取的运行状态数据，锁定水利工程中的核心监测点；获取水利工程所属区域内基于当前时间的后续预设时间段内的雨量预报信息，结合相应水利工程所属区域的历史雨量预报信息，预测相应水利工程的水位特征，锁定相应水利工程基于雨量预报信息的风险监测点；

所述运行状态数据包括相应监测点处的采集图片对应的异常提取信息，所述异常提取信息为对相应采集图片进行图像识别后提取的裂缝区域面积基于采集图片区域面积的占比、剥落区域面积基于采集图片区域面积的占比及腐蚀区域面积基于采集图片区域面积的占比；

锁定水利工程中的核心监测点时，获取相应水利工程预置的固定核心监测点，将相应水利工程中各个监测点对应的运行状态数据中异常提取信息内的各项数据分别与相应监测点对应项的预设异常提取阈值进行比较，

将相应水利工程中存在对应异常提取信息内的数据大于等于相应监测点对应项的预设异常提取阈值的所有监测点，以及相应水利工程预置的固定核心监测点均记为相应水利工程中的核心监测点；

锁定相应水利工程基于雨量预报信息的风险监测点包括以下步骤：

S11、获取水利工程所属区域内基于当前时间的后续预设时间段内的雨量预报信息及当前水利工程对应的监控区域内的水位高度构成的数据对，作为当前时间的水利环境特征；所述雨量预报信息包括相应时间段对应的时长及相应时间段内对应的降水深度预测值；

S12、获取相应水利工程所属区域的历史雨量预报信息，构建历史数据中不同的水利环境特征分别关联映射的水利工程监控区域内的水位变化量；每个水利环境特征关联映射的水利工程监控区域内的水位变化量，为基于水利环境特征的相应水利工程在相应水利环境特征中相应时间段中监控区域内的水位高度与相应水利环境特征中对应监控区域内的水位高度的最大差值；

S13、根据历史数据中不同的水利环境特征分别关联映射的水利工程监控区域内的水位变化量，匹配当前时间的水利环境特征关联映射的水利工程监控区域内的水位变化量，记为水位关联突变量，将当前水利工程对应的监控区域内的水位高度与所得水位关联突变量构成的数据对作为相应水利工程的水位特征预测结果；

S14、获取水利工程对应的监控区域内的水位高度在[h，h+h1]区间内覆盖的监测点构成的集合，记为风险监测集，所述风险监测集中任意一个元素均对应一个相应水利工程基于雨量预报信息的风险监测点；所述h表示相应水利工程的水位特征预测结果中当前水利工程对应的监控区域内的水位高度；所述h1表示相应水利工程的水位特征预测结果中的水位关联突变量。

S2、提取水利工程中的核心监测点及基于雨量预报信息的风险监测点，构建直接关联监测点集，结合相应水利工程中不同监测点之间的位置及相应水利工程在历史管控流程中涉及的各个监测点之间的协作关系，生成直接关联监测点集中每个元素分别对应的间接关联监测点，构建相应水利工程的风险巡检监测点集；

所述直接关联监测点集包括水利工程中的所有核心监测点及基于雨量预报信息的所有风险监测点；

生成直接关联监测点集中每个元素分别对应的间接关联监测点的方法包括以下步骤：

S21、获取相应水利工程中不同监测点之间的位置及相应水利工程在历史管控流程中涉及的各个监测点之间的协作关系；

所述监测点之间的协作关系表示相应水利工程中同一管控流程中各个管控流程步骤对应控制区域内，包含的所有监测点构成的集合中任意不同监测点之间的关系；

S22、获取相应水利工程中各个监测点的历史故障数据，得到每个监测点每次故障时分别对应的故障监测点关联分析集；每个监测点对应的故障监测点关联分析集的个数与相应监测点的故障次数相等，所述故障监测点关联分析集内的元素个数包括空集；

所述故障监测点关联分析集包括对应故障时间与相应监测点的故障时间之间的间隔时长小于预设间隔时长的所有故障的监测点；

将同一个监测点在对应每次故障时分别对应的故障监测点关联分析集的并集，记为相应监测点的关联影响监测集；

S23、对监测点的关联影响监测集中与相应监测点存在协作关系的元素进行标记；

S24、得到直接关联监测点集中每个元素分别对应的间接关联监测点，所述直接关联监测点集中任意一个元素对应的间接关联监测点为相应元素对应的关联影响监测集中被标记元素对应的监测点；

相应水利工程的风险巡检检测点集为相应直接关联监测点集中每个元素及相应元素分别对应的间接关联监测点构成的集合。

S3、提取相应水利工程的风险巡检监测点集中各个元素的故障风险特征，构建风险量化巡检序列；

提取相应水利工程的风险巡检监测点集中各个元素的故障风险特征时，所述故障风险特征包括自身故障风险概率及协同故障风险概率，将相应水利工程的风险巡检监测点集中第d个元素记为C_d，将Cd对应故障风险特征中的自身故障风险概率记为CZ_d，将CD对应故障风险特征中的协同故障风险概率记为CX_d，

所述CZ_d=P_Cd·P_{（Cd，[h，h+h1]）}，其中，P_Cd表示历史数据中Cd对应的故障总次数基于相应水利工程故障总次数的占比；P_{（Cd，[h，h+h1]）}表示历史数据中Cd对应水位高度在[h，h+h1]区间内的故障次数基于Cd对应的故障总次数的占比；

所述，其中，C_（d，k）表示C_d对应的各个间接关联监测点对应的集合与相应水利工程的风险巡检监测点集的交集中的第k个元素；kmax表示C_d对应的各个间接关联监测点对应的集合与相应水利工程的风险巡检监测点集的交集中的元素总个数；P_（d，k）表示历史数据中C_（d，k）对应的故障总次数基于相应水利工程故障总次数的占比；Px_（d，k）表示C_d对应的故障监测点关联分析集中包含C_（d，k）的集合个数基于C_d对应的故障监测点关联分析集总个数的占比；

将CZ_d+ω·CX_d记为C_d对应的风险量化值，ω表示预设的风险量化因子；按照风险量化值从大到小的顺序对相应水利工程的风险巡检监测点集中的各个元素进行排序，将所得排序结果作为构建的风险量化巡检序列。

S4、通过相应水利工程所属区域的局域网实时获取相应水利工程对应检测机器人的巡检特征集；基于风险量化巡检序列，生成相应水利工程对应检测机器人的各个巡检调度规划方案；分析不同巡检调度规划方案基于风险量化巡检序列的巡检调度偏向值；

所述巡检特征集包括相应水利工程对应的各个检测机器人相应的设备绑定信息特征数据对，每个设备绑定信息特征数据对中第一个元素为相应的检测机器人编号，第二个元素为相应检测机器人在相应水利工程中的位置；

生成相应水利工程对应检测机器人的各个巡检调度规划方案的过程中，每个巡检调度规划方案包括各个检测机器人分别对应的巡检路线，每个检测机器人对应的巡检路线为相应检测机器人从相应检测机器人在相应水利工程中的位置出发，途径相应巡检调度规划方案中分配的属于相应水利工程的风险巡检监测点集的各个元素的最短规划路线；检测机器人从所处位置出现途径不同监测点的路线通过北斗导航软件生成；

所述每个巡检调度规划方案中各个检测机器人分别分配的属于相应水利工程的风险巡检监测点集的各个元素对应集合的并集为相应水利工程的风险巡检监测点集，且不同检测机器人分别分配的属于相应水利工程的风险巡检监测点集的各个元素对应集合之间的交集均为空集；将第i个巡检调度规划方案基于风险量化巡检序列的巡检调度偏向值记为D_i，计算公式如下：

，

其中，L_i表示第i个巡检调度规划方案中各个检测机器人分别对应的巡检路线的路程之和；Lmax表示每个巡检调度规划方案内各个检测机器人分别对应的巡检路线的路程之和中的最大值；μ表示预置的权重系数；Num_{（i，g，j）}表示第i个巡检调度规划方案中第g个检测机器人的巡检路线途径的第j个属于风险巡检监测点集的监测点在风险量化巡检序列内序号，大于第i个巡检调度规划方案中各个检测机器人的巡检路线分别途径的第j-1个属于风险巡检监测点集的监测点在风险量化巡检序列内序号的监测点个数，且j＞1；当j=1时，Num_{（i，g，j）}=0；gi表示第i个巡检调度规划方案对应的检测机器人个数；jgi表示第i个巡检调度规划方案中第g个检测机器人的巡检路线途径的属于风险巡检监测点集的监测点个数；DV_i表示第i个巡检调度规划方案内各个检测机器人分别对应的巡检路线的路程中，最大值与最小值的差值；DVmax表示i为不同值时分别对应的各个DVi中的最大值。

S5、基于巡检调度偏向值最小的巡检调度规划方案生成巡检任务指令集，并通过相应水利工程所属区域的局域网将巡检任务指令集中的各个巡检任务指令分别传输给对应的检测机器人。

所述检测机器人的巡检任务指令对应的巡检调度偏向值最小的巡检调度规划方案中相应检测机器人对应的巡检路线，以及相应巡检路线途径的所有监测点；

相应巡检路线途径的监测点包括相应水利工程的风险巡检监测点集中的元素，以及不属于相应水利工程的风险巡检监测点集且对应运行状态数据正常的监测点。

本实施例中检测机器人对应的巡检任务指令每隔预设时间更新一次，且在检测机器人正在执行的巡检任务指令未执行完成前，新接收的巡检任务指令会缓存到数据库中，待原有的巡检任务指令所属的巡检任务指令集内所有的巡检任务指令均执行完成后，检测机器人再执行数据库缓存的新接收的巡检任务指令；在检测机器人正在执行的巡检任务指令未执行完成前，若相应检测机器人接收到多个巡检任务指令，则相应数据库缓存最近一次接收的巡检任务指令，其余巡检任务指令删除。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于物联网的检测机器人巡检调度管理方法，其特征在于，所述方法包括以下步骤：

S1、通过传感器实时获取水利工程中各个监测点对应的运行状态数据，并根据获取的运行状态数据，锁定水利工程中的核心监测点；获取水利工程所属区域内基于当前时间的后续预设时间段内的雨量预报信息，结合相应水利工程所属区域的历史雨量预报信息，预测相应水利工程的水位特征，锁定相应水利工程基于雨量预报信息的风险监测点；

S2、提取水利工程中的核心监测点及基于雨量预报信息的风险监测点，构建直接关联监测点集，结合相应水利工程中不同监测点之间的位置及相应水利工程在历史管控流程中涉及的各个监测点之间的协作关系，生成直接关联监测点集中每个元素分别对应的间接关联监测点，构建相应水利工程的风险巡检监测点集；

S3、提取相应水利工程的风险巡检监测点集中各个元素的故障风险特征，构建风险量化巡检序列；

S4、通过相应水利工程所属区域的局域网实时获取相应水利工程对应检测机器人的巡检特征集；基于风险量化巡检序列，生成相应水利工程对应检测机器人的各个巡检调度规划方案；分析不同巡检调度规划方案基于风险量化巡检序列的巡检调度偏向值；

S5、基于巡检调度偏向值最小的巡检调度规划方案生成巡检任务指令集，并通过相应水利工程所属区域的局域网将巡检任务指令集中的各个巡检任务指令分别传输给对应的检测机器人。

2.根据权利要求1所述的一种基于物联网的检测机器人巡检调度管理方法，其特征在于：所述运行状态数据包括相应监测点处的采集图片对应的异常提取信息，所述异常提取信息为对相应采集图片进行图像识别后提取的裂缝区域面积基于采集图片区域面积的占比、剥落区域面积基于采集图片区域面积的占比及腐蚀区域面积基于采集图片区域面积的占比；

锁定水利工程中的核心监测点时，获取相应水利工程预置的固定核心监测点，将相应水利工程中各个监测点对应的运行状态数据中异常提取信息内的各项数据分别与相应监测点对应项的预设异常提取阈值进行比较；将相应水利工程中存在对应异常提取信息内的数据大于等于相应监测点对应项的预设异常提取阈值的所有监测点，以及相应水利工程预置的固定核心监测点均记为相应水利工程中的核心监测点；

锁定相应水利工程基于雨量预报信息的风险监测点包括以下步骤：

S11、获取水利工程所属区域内基于当前时间的后续预设时间段内的雨量预报信息及当前水利工程对应的监控区域内的水位高度构成的数据对，作为当前时间的水利环境特征；所述雨量预报信息包括相应时间段对应的时长及相应时间段内对应的降水深度预测值；

S12、获取相应水利工程所属区域的历史雨量预报信息，构建历史数据中不同的水利环境特征分别关联映射的水利工程监控区域内的水位变化量；每个水利环境特征关联映射的水利工程监控区域内的水位变化量，为基于水利环境特征的相应水利工程在相应水利环境特征中相应时间段中监控区域内的水位高度与相应水利环境特征中对应监控区域内的水位高度的最大差值；

S13、根据历史数据中不同的水利环境特征分别关联映射的水利工程监控区域内的水位变化量，匹配当前时间的水利环境特征关联映射的水利工程监控区域内的水位变化量，记为水位关联突变量，将当前水利工程对应的监控区域内的水位高度与所得水位关联突变量构成的数据对作为相应水利工程的水位特征预测结果；

S14、获取水利工程对应的监控区域内的水位高度在[h，h+h1]区间内覆盖的监测点构成的集合，记为风险监测集，所述风险监测集中任意一个元素均对应一个相应水利工程基于雨量预报信息的风险监测点；所述h表示相应水利工程的水位特征预测结果中当前水利工程对应的监控区域内的水位高度；所述h1表示相应水利工程的水位特征预测结果中的水位关联突变量。

3.根据权利要求1所述的一种基于物联网的检测机器人巡检调度管理方法，其特征在于：所述直接关联监测点集包括水利工程中的所有核心监测点及基于雨量预报信息的所有风险监测点；

生成直接关联监测点集中每个元素分别对应的间接关联监测点的方法包括以下步骤：

S21、获取相应水利工程中不同监测点之间的位置及相应水利工程在历史管控流程中涉及的各个监测点之间的协作关系；

所述监测点之间的协作关系表示相应水利工程中同一管控流程中各个管控流程步骤对应控制区域内，包含的所有监测点构成的集合中任意不同监测点之间的关系；

S22、获取相应水利工程中各个监测点的历史故障数据，得到每个监测点每次故障时分别对应的故障监测点关联分析集；每个监测点对应的故障监测点关联分析集的个数与相应监测点的故障次数相等，所述故障监测点关联分析集内的元素个数包括空集；

所述故障监测点关联分析集包括对应故障时间与相应监测点的故障时间之间的间隔时长小于预设间隔时长的所有故障的监测点；

将同一个监测点在对应每次故障时分别对应的故障监测点关联分析集的并集，记为相应监测点的关联影响监测集；

S23、对监测点的关联影响监测集中与相应监测点存在协作关系的元素进行标记；

S24、得到直接关联监测点集中每个元素分别对应的间接关联监测点，所述直接关联监测点集中任意一个元素对应的间接关联监测点为相应元素对应的关联影响监测集中被标记元素对应的监测点；

相应水利工程的风险巡检检测点集为相应直接关联监测点集中每个元素及相应元素分别对应的间接关联监测点构成的集合。

4.根据权利要求2所述的一种基于物联网的检测机器人巡检调度管理方法，其特征在于：

步骤S3中，所述故障风险特征包括自身故障风险概率及协同故障风险概率，相应水利工程的风险巡检监测点集中第d个元素记为C _d ，C _d 对应故障风险特征中的自身故障风险概率记为CZ _d ，将C _d 对应故障风险特征中的协同故障风险概率记为CX _d ；

C _d 对应故障风险特征中的自身故障风险概率CZ _d 的计算公式如下：

CZ _d =P _Cd ·P _{（Cd，[h，h+h1] ）}

其中，P _Cd 表示历史数据中C _d 对应的故障总次数基于相应水利工程故障总次数的占比；P _{（Cd，[h，h+h1]）}表示历史数据中C _d 对应水位高度在[h，h+h1]区间内的故障次数基于C _d 对应的故障总次数的占比；

C _d 对应故障风险特征中的协同故障风险概率CX _d 的计算公式如下：

，

其中，kmax表示C _d 对应的各个间接关联监测点对应的集合与相应水利工程的风险巡检监测点集的交集中的元素总个数；P _（d，k）表示历史数据中C _（d，k）对应的故障总次数基于相应水利工程故障总次数的占比；Px _（d，k）表示C _d 对应的故障监测点关联分析集中包含C _（d，k）的集合个数基于C _d 对应的故障监测点关联分析集总个数的占比；C _（d，k）表示C _d 对应的各个间接关联监测点对应的集合与相应水利工程的风险巡检监测点集的交集中的第k个元素；

将CZ _d +ω·CX _d 记为C _d 对应的风险量化值，ω表示预设的风险量化因子；按照风险量化值从大到小的顺序对相应水利工程的风险巡检监测点集中的各个元素进行排序，将所得排序结果作为构建的风险量化巡检序列。

5.根据权利要求1所述的一种基于物联网的检测机器人巡检调度管理方法，其特征在于：所述巡检特征集包括相应水利工程对应的各个检测机器人相应的设备绑定信息特征数据对，每个设备绑定信息特征数据对中第一个元素为相应的检测机器人编号，第二个元素为相应检测机器人在相应水利工程中的位置；

生成相应水利工程对应检测机器人的各个巡检调度规划方案的过程中，每个巡检调度规划方案包括各个检测机器人分别对应的巡检路线，每个检测机器人对应的巡检路线为相应检测机器人从相应检测机器人在相应水利工程中的位置出发，途径相应巡检调度规划方案中分配的属于相应水利工程的风险巡检监测点集的各个元素的最短规划路线；检测机器人从所处位置出现途径不同监测点的路线通过北斗导航软件生成；所述每个巡检调度规划方案中各个检测机器人分别分配的属于相应水利工程的风险巡检监测点集的各个元素对应集合的并集为相应水利工程的风险巡检监测点集，且不同检测机器人分别分配的属于相应水利工程的风险巡检监测点集的各个元素对应集合之间的交集均为空集；将第i个巡检调度规划方案基于风险量化巡检序列的巡检调度偏向值记为D _i ，计算公式如下：

，

其中，L _i 表示第i个巡检调度规划方案中各个检测机器人分别对应的巡检路线的路程之和；Lmax表示每个巡检调度规划方案内各个检测机器人分别对应的巡检路线的路程之和中的最大值；μ表示预置的权重系数；Num _{（i，g，j）}表示第i个巡检调度规划方案中第g个检测机器人的巡检路线途径的第j个属于风险巡检监测点集的监测点在风险量化巡检序列内序号，大于第i个巡检调度规划方案中各个检测机器人的巡检路线分别途径的第j-1个属于风险巡检监测点集的监测点在风险量化巡检序列内序号的监测点个数，且j＞1；当j=1时，Num _{（i，g，j）}=0；gi表示第i个巡检调度规划方案对应的检测机器人个数；jgi表示第i个巡检调度规划方案中第g个检测机器人的巡检路线途径的属于风险巡检监测点集的监测点个数；DV _i 表示第i个巡检调度规划方案内各个检测机器人分别对应的巡检路线的路程中，最大值与最小值的差值；DVmax表示i为不同值时分别对应的各个DVi中的最大值。

6.根据权利要求5所述的一种基于物联网的检测机器人巡检调度管理方法，其特征在于：所述检测机器人的巡检任务指令对应的巡检调度偏向值最小的巡检调度规划方案中相应检测机器人对应的巡检路线，以及相应巡检路线途径的所有监测点；相应巡检路线途径的监测点包括相应水利工程的风险巡检监测点集中的元素，以及不属于相应水利工程的风险巡检监测点集且对应运行状态数据正常的监测点。

7.一种基于物联网的检测机器人巡检调度管理系统，其特征在于，所述系统包括以下模块：

运行状态采集模块，所述运行状态采集模块通过传感器实时获取水利工程中各个监测点对应的运行状态数据，并根据获取的运行状态数据，锁定水利工程中的核心监测点；

风险监测点锁定模块，所述风险监测点锁定模块获取水利工程所属区域内基于当前时间的后续预设时间段内的雨量预报信息，结合相应水利工程所属区域的历史雨量预报信息，预测相应水利工程的水位特征，锁定相应水利工程基于雨量预报信息的风险监测点；

直接关联监测点获取模块，所述直接关联监测点获取模块提取水利工程中的核心监测点及基于雨量预报信息的风险监测点，构建直接关联监测点集；

风险巡检监测点分析模块，所述风险巡检监测点分析模块结合相应水利工程中不同监测点之间的位置及相应水利工程在历史管控流程中涉及的各个监测点之间的协作关系，生成直接关联监测点集中每个元素分别对应的间接关联监测点，构建相应水利工程的风险巡检监测点集；

风险量化巡检序列构建模块，所述风险量化巡检序列构建模块提取相应水利工程的风险巡检监测点集中各个元素的故障风险特征，构建风险量化巡检序列；

巡检调度分析模块，所述巡检调度分析模块通过相应水利工程所属区域的局域网实时获取相应水利工程对应检测机器人的巡检特征集；基于风险量化巡检序列，生成相应水利工程对应检测机器人的各个巡检调度规划方案；分析不同巡检调度规划方案基于风险量化巡检序列的巡检调度偏向值；

巡检调度指令管理模块，所述巡检调度指令管理模块基于巡检调度偏向值最小的巡检调度规划方案生成巡检任务指令集，并通过相应水利工程所属区域的局域网将巡检任务指令集中的各个巡检任务指令分别传输给对应的检测机器人。

8.根据权利要求7所述的一种基于物联网的检测机器人巡检调度管理系统，其特征在于：所述巡检调度分析模块包括巡检特征集获取单元、巡检调度方案规划单元及巡检调度偏向值计算单元，

所述巡检特征集获取单元通过相应水利工程所属区域的局域网实时获取相应水利工程对应检测机器人的巡检特征集；

所述巡检调度方案规划单元基于风险量化巡检序列，生成相应水利工程对应检测机器人的各个巡检调度规划方案；

所述巡检调度偏向值计算单元分析不同巡检调度规划方案基于风险量化巡检序列的巡检调度偏向值。