摘要
本发明提供基于多源数据融合的机器人智能巡检方法及其系统,涉及智能巡检技术领域,其方法包括基于巡检机器人对巡检区域进行数据采集;调节设备外观图像的增强参数,突出巡检区域声音中的设备运行声音,校正设备温度分布,补偿区域气体浓度;提取设备外观图像中的缺陷特征,捕捉设备运行声音中的声音特征,提取设备温度分布中的温度特征,学习区域气体浓度对应的气体浓度特征;对各特征进行时空融合生成时空融合巡检特征,输出设备故障诊断结果并调整巡检机器人的当前巡检路径,从而可以协同采集设备多维度信息,经自适应处理优化数据质量,通过时空融合挖掘关联特征,结合智能决策调整巡检路径,提升故障诊断可靠性,保障设备安全稳定运行。
技术关键词
巡检设备
智能巡检方法
热红外传感器
光学传感器
流形学习方法
巡检机器人
声学传感器
巡检路径
深度信念网络
卡尔曼滤波算法
时间序列模型
气体传感器
卷积神经网络提取
全方位数据采集
传感器阵列
图像
故障知识库