申请/专利权人:安徽工业大学
申请日:2024-04-01
公开(公告)日:2024-06-28
公开(公告)号:CN118258403A
主分类号:G01C21/20
分类号:G01C21/20;G01D21/02;G06F17/15;G06F17/10
优先权:
专利状态码:在审-公开
法律状态:2024.06.28#公开
摘要:本发明公开了一种基于泛化分析的工厂监测方法,涉及工厂监测技术领域,包括步骤一:将监测区域划分为多个区间路线;步骤二:确定巡回机器人在每个区间路线内的状态变量;步骤三:计算巡回机器人在各个区间路线内的转向变量;步骤四:确定各个阶段对应的最优函数;步骤五:得到巡回机器人在各个区间路线内的优化后动态变量和转向变量;通过优化巡回机器人在各个区间路线内的动态变量可以使机器人在巡检过程中以最优的方式移动,减少路径冗余和时间浪费,通过优化巡回机器人在各个区间路线内转向变量,可以使机器人在转弯处以最优的方式转向,提高巡检效率和准确性。
主权项:1.一种基于泛化分析的工厂监测方法,其特征在于,包括以下步骤:步骤一:根据巡回机器人的起始点和目标点,获取初始监测路线,并将监测区域划分为多个区间路线;步骤二:将多个区间路线映射到厂区的二维地图中,确定巡回机器人在每个区间路线内的状态变量,即位置变量和速度变量;步骤三:根据巡回机器人在各个区间路线内的状态变量,计算转向变量;步骤四:根据巡回机器人在各个区间路线内的状态变量和转向变量,计算区间路线对应的指标函数,通过最小化指标函数的值,确定各个阶段对应的最优函数;步骤五:通过动态递归方程,得到巡回机器人在各个区间路线内的优化后动态变量和转向变量。
全文数据:
权利要求:
百度查询: 安徽工业大学 一种基于泛化分析的工厂监测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。