一种机器人智能巡检任务规划方法及系统与流程

本发明涉及机器人，具体为一种机器人智能巡检任务规划方法及系统。

背景技术：

1、随着电力系统电压等级不断提升、变电站向无人值守模式全面推进，利用移动机器人对站内一次设备、二次屏柜及辅助设施进行自主巡检，已成为保障电网安全运行的重要手段；在220kv及以上电压等级的敞开式变电站及gis室内站中，巡检机器人需对变压器、断路器、隔离开关、互感器、避雷器、母线及绝缘子等数百个巡检点位进行周期性检查，采集可见光图像、红外热像、表计读数及异响等数据，以发现设备过热、绝缘劣化、油位异常、sf6泄漏等潜在缺陷。

2、现有变电站巡检机器人的任务规划主要依赖人工预设的巡检路线和固定点表；运维人员根据站内设备分布和经验，预先为每台机器人设定巡检路径、停靠点和检查项目，机器人按时间触发沿预设路径依次执行；然而变电站的运维条件存在以下实际问题：站内时常因检修、技改、扩建施工而临时设置安全围栏、堆放物资或变更通道，预设路线频繁失效，机器人遇阻后仅能停车等待人工恢复，无法自主调整检查策略；表计读数、红外测温等检查项目的质量严重受限于观察角度和光照条件，逆光、被遮挡或观察距离过远时采集数据不可用，但现有系统无法评估每次采集的信息可信度，导致巡检走过场而未能捕获真实设备状态；当多台机器人分区协同时，各机器人独立执行预设任务，彼此之间无信息交换，容易出现对同一重点设备重复检查而对边缘区域疏于覆盖的情况；变电站运维中积累的大量历史巡检数据、缺陷记录及季节性的设备劣化规律，未能被用于优化巡检任务的编排，导致巡检频次和检查细度长期固化，无法根据设备实际健康状态进行差异化聚焦。

技术实现思路

1、为实现以上目的，本发明通过以下技术方案予以实现：

2、一种机器人智能巡检任务规划系统，包括：

3、数据获取模块：获取由各机器人扫描局部环境生成的局部认知地图数据，局部认知地图数据包含表征环境认知不确定性的信息熵；

4、初始规划生成模块：通过各机器人加载经元学习预训练得到的规划策略先验模型参数，以局部认知地图数据为输入，通过预设次数的梯度更新适应规划策略先验模型参数，生成初始任务序列数据；其中，初始任务序列数据包含多个任务片段以及各任务片段预计降低的局部信息熵；

5、报价转化模块：基于各任务片段预计降低的局部信息熵，计算各任务片段执行后能降低的全局信息熵减少量，生成包含全局信息熵减少量的认知报价数据；

6、分布式协商模块：通过各机器人交换认知报价数据，以最小化全局认知不确定性为目标，通过分布式共识算法协商确定任务分配，形成协同巡检计划数据；

7、执行与记录模块：各机器人依据协同巡检计划数据执行巡检任务，并记录执行过程中实际降低的全局信息熵及协同过程指标，生成任务协同日志数据；

8、反馈更新模块：汇聚各机器人任务协同日志数据形成跨场景协同经验数据集，通过引入包含协同冲突指标的损失函数，对规划策略先验模型参数进行更新。

9、进一步地，生成的局部认知地图数据的过程为：

10、基于各机器人采集的环境数据构建局部占据栅格地图，将栅格标记为占据、空闲或未知状态；

11、识别环境中的巡检目标并确定其类型与位置，调用预设知识库获取各巡检目标的推荐观察位姿；

12、根据栅格的占据状态、栅格与已识别巡检目标的距离，以及表征传感器感知置信度随距离衰减的感知退化关系，计算各栅格的信息熵值，生成栅格化信息熵地图；其中，被巡检目标覆盖的栅格赋予预设最大信息熵，空闲栅格赋予预设最小信息熵，未知栅格赋予基于距离与感知退化关系计算得到的中间信息熵；

13、建立巡检目标节点表，关联存储各巡检目标的标识、位置、类型、由对应覆盖栅格信息熵均值确定的当前信息熵，以及推荐观察位姿。

14、进一步地，得到规划策略先验模型参数的过程为：

15、构建元学习训练数据集，每个训练样本包含一个场景的认知地图数据与对应的最优协同巡检计划标签数据；

16、采用图神经网络与卷积神经网络混合结构构建特征编码器，并采用序列生成网络构建任务解码器，形成初始神经网络；

17、基于元学习算法对初始神经网络进行内外循环训练，内循环中基于局部认知地图数据经少步梯度下降得到适应后参数，外循环中基于适应后参数生成任务序列预测数据，并计算外循环损失进行参数正式更新；

18、其中，外循环损失中引入协同冲突指标，协同冲突指标至少依据任务序列预测数据中，各机器人对同一巡检目标的时间窗口重叠冲突次数确定；

19、重复内外循环直至满足收敛条件，得到规划策略先验模型参数。

20、进一步地，生成初始任务序列数据的过程为：

21、将局部认知地图数据中的栅格化信息熵地图转换为多维特征张量数据，将巡检目标节点表转换为图结构数据；

22、通过规划策略先验模型的特征编码器，提取空间维度的环境认知特征图与巡检目标间的结构关联特征，融合得到场景特征向量；

23、通过规划策略先验模型的任务解码器，基于场景特征向量生成包含多个候选任务片段的初始预测输出，每个候选任务片段包含分配的巡检目标标识符、观察位姿、路径点序列和时序窗口；

24、基于至少包含可达性约束、信息增益及覆盖均衡性的适应度损失函数，对规划策略先验模型参数进行预设次数的梯度更新，得到适应后模型；

25、将适应后模型输出的候选任务片段作为初始任务序列数据，并基于各巡检目标当前信息熵值与感知退化模型，计算各任务片段预计降低的局部信息熵。

26、进一步地，生成包含全局信息熵减少量的认知报价数据的过程为：

27、获取初始任务序列数据中各任务片段预计降低的局部信息熵，以及预设的全局关联关系表，全局关联关系表存储各巡检目标之间的信息关联度系数；

28、针对每一任务片段，基于其局部信息熵与目标巡检目标同其他巡检目标之间的信息关联度系数，结合其他巡检目标当前信息熵与目标巡检目标当前信息熵的比值进行加权，计算该任务片段对所有巡检目标产生的全局信息熵减少量；

29、生成包含全局信息熵减少量、对应能耗成本与时间窗口的认知报价数据。

30、进一步地，形成协同巡检计划数据的过程为：

31、各机器人维护本地任务分配状态表和全局信息熵状态表，将自身生成的认知报价对应的任务片段预分配至本地任务分配状态表；

32、进行多轮分布式协商，每轮中机器人交换认知报价数据，基于包含全局信息熵减少量和能耗成本的综合效用函数评估报价，根据评估结果执行任务片段的转让与接收，并同步更新全局信息熵状态表；

33、在检测到多个机器人对同一任务片段竞拍出现死锁时，查询预先构建的协同历史模式库获取替代任务方案，将替代任务方案重新生成认知报价并投入协商；

34、当满足预设协商收敛条件时终止协商，基于各机器人最终的本地任务分配状态表，生成包含任务执行清单的协同巡检计划数据。

35、进一步地，生成任务协同日志数据的过程为：

36、各机器人依据协同巡检计划数据依次执行各任务片段，采集巡检目标的实际感知数据并记录实际行驶轨迹；

37、基于实际感知数据评估巡检目标观察后的残余信息熵值，结合观察前信息熵值计算实际降低的局部信息熵，并根据全局关联关系表计算连带降低的全局信息熵；

38、统计协同过程指标，协同过程指标至少包括协商收敛轮次、任务分配冲突次数和最终全局认知覆盖率；

39、整合生成包含任务执行明细、协同过程指标及执行前后信息熵状态快照的任务协同日志数据。

40、进一步地，对规划策略先验模型参数进行更新的过程为：

41、汇聚各机器人多次任务生成的任务协同日志数据，提取每次任务的执行前后信息熵状态与协同过程指标，形成跨场景协同经验数据集；

42、构建包含信息覆盖损失、规划一致性损失和协同冲突损失的复合损失函数，其中协同冲突损失基于协商收敛轮次、任务分配冲突次数与预设容忍阈值的超出量确定；

43、基于跨场景协同经验数据集与复合损失函数，对规划策略先验模型参数进行更新，并将更新后的参数分发至各机器人。

44、一种机器人智能巡检任务规划方法，包括如下步骤：

45、步骤一、获取由各机器人扫描局部环境生成的局部认知地图数据，局部认知地图数据包含表征环境认知不确定性的信息熵；

46、步骤二、通过各机器人加载经元学习预训练得到的规划策略先验模型参数，以局部认知地图数据为输入，通过预设次数的梯度更新适应规划策略先验模型参数，生成初始任务序列数据；其中，初始任务序列数据包含多个任务片段以及各任务片段预计降低的局部信息熵；

47、步骤三、基于各任务片段预计降低的局部信息熵，计算各任务片段执行后能降低的全局信息熵减少量，生成包含全局信息熵减少量的认知报价数据；

48、步骤四、通过各机器人交换认知报价数据，以最小化全局认知不确定性为目标，通过分布式共识算法协商确定任务分配，形成协同巡检计划数据；

49、步骤五、各机器人依据协同巡检计划数据执行巡检任务，并记录执行过程中实际降低的全局信息熵及协同过程指标，生成任务协同日志数据；

50、步骤六、汇聚各机器人任务协同日志数据形成跨场景协同经验数据集，通过引入包含协同冲突指标的损失函数，对规划策略先验模型参数进行更新。

51、本发明提供的一种机器人智能巡检任务规划方法及系统，具备以下有益效果：

52、（1）本发明通过构建基于元学习先验与分布式认知协商的双环耦合任务规划架构，将单机器人面对站内临时围栏、通道变更等局部环境变化时的少样本快速重规划能力，与多机器人以设备状态认知不确定性减少量为效用的协商机制统一纳入协同巡检决策过程；相较于现有方法仅以路径距离或预设点表作为任务分配依据导致的表计逆光不可读、红外测温角度偏差等无效巡检问题，本方案使得每一台机器人在进入陌生间隔或新投运区域时，能够基于局部扫描数据快速生成具有协同预适应倾向的初始巡检序列，多机器人间的任务交换以降低变压器、断路器、隔离开关等关键设备的状态认知不确定性为目标进行收敛，在站内部分区域通信遮挡或后台系统退出的情况下，仍能自主形成对全站设备状态信息获取效率最大化的自组织协同巡检方案。

53、（2）本发明基于认知报价与全局信息熵状态同步的分布式共识协商机制，将各机器人对表计读数、红外热点、绝缘子外观等检查项的信息获取置信度预估，以及变压器本体与冷却器、母线连接点与相邻刀闸等设备间的热场与电气关联效应进行量化建模并交换协商；当多台机器人对同一主变或高抗等重点设备产生巡检竞拍冲突时，根据协同历史模式库中记录的站内类似工况化解经验，自动生成从备用观察角度拍摄、分配邻近机器人补查关联部件等替代方案以解除死锁，当全站各间隔设备状态认知不确定性降至预设阈值时自动终止协商，使得系统在追求全站设备状态全感知的同时，兼顾巡检任务时效性与机器人续航约束，在不同电压等级、不同接线形式的变电站中实现高效且鲁棒的多机协同任务分配。

54、（3）本发明通过将每次巡检任务中实际获取的红外测温偏差量、表计读数清晰度、设备缺陷检出情况及协商过程中任务冲突与化解记录等多源经验数据统一汇聚至模型更新模块的反馈闭环中，实现了规划策略先验模型在站内不同季节负荷特性、不同检修工况下的持续进化；当站内因间隔停电检修或扩建施工导致设备布局发生变化时，由元学习先验模型基于历史站内相似工况经验生成初始规划即具备低冲突倾向，当多机协商因站区道路狭窄或充电桩资源有限出现僵局时，由协同历史模式库提供该站历史巡检中已验证的化解策略，使得变电站巡检系统在经历迎峰度夏、年度检修、新间隔投运等不同运行阶段后，逐步降低多机协同所需的通信轮次与人工干预频次。