一种机房巡检机器人自动巡检方法

专利主权项内容

1.一种机房巡检机器人自动巡检方法，其特征在于：包括，测量收集机房数据建立机房三维模型，巡检机器人自动规划巡检路线；巡检机器人通过监测装置和网络对机房信息进行收集；巡检机器人通过机房数据分析机房安全状态，并根据分析结果实施安全措施；安全措施实施完毕后巡检机器人生成处理记录并存储在数据库中；自动规划巡检路线包括如下步骤，S1.1、所述巡检机器人将机房三维模型进行网格划分，标记网格坐标并通过优化的蚁群算法探索巡检路径，首先初始化网格信息素浓度：其中τ为网格节点i到j的初始信息素浓度，d为节点i到j的距离，H(i)为节点i的启发式信息，通过计算节点i从起点到终点的垂直距离d得出，α为调节启发式信息影响的权重因子；ijijiS1.2、接着巡检机器人从起点开始，根据以下公式计算选择下一个节点的概率：其中P为巡检机器人选择下一节点的概率，η为节点i到j的启发式信息，通过计算节点i到j的垂直距离得出，β和γ分别为调节信息素浓度影响和启发式信息影响的权重因子；ijijS1.3、巡检机器人重复S1.2步骤进行迭代，计算选择最优路径并对路径上的信息素进行更新，公式如下：τ←(1-ρ)*τ+Δτijijij其中ρ为信息素蒸发率，Δτ为信息素增量，通过计算最优路径信息素浓度与路径初始信息素浓度之差得出；ijS1.4、更新路径信息素浓度后通知所有巡检机器人，巡检机器人基于更新后的路径信息素浓度计算得出初始巡检路线；S1.5、使用基于路径几何特征的局部优化算法去除初始巡检路线中的冗余弯曲：其中P＝{P，P，……，P}是一组定义在机房三维模型空间中的路径点，θ(P，P，P)表示由点P，P，P定义的角度，是路径的总长度，||P-P||代表从点P到P的欧式距离，δ和μ分别为路径弯曲度和总长度的权重系数；12ni-1ii+1i-1ii+1i+1ii+1iS1.6、重复步骤S1.5进行迭代，达到预设的迭代次数后，将F(P)值最小的一组路径点进行连线替换所述冗余弯曲，形成最终巡检路线。