[发明专利]一种分体式超高层全自动灭火机器人及其控制方法

权利要求书

1.一种分体式超高层全自动灭火机器人的控制方法，所述的机器人采用分体式结构设计，包括置于消防云梯顶端的热成像单元、图像采集单元、信息检测单元、远程无线通信单元、信息分析和处理单元以及置于消防车驾驶室内的指令执行单元；所述的信息检测单元包括测距单元和测风速单元；

其特征在于，所述的控制方法包括如下步骤：

1）通过热成像单元中的热成像相机采集火焰区域热像信息；

2）借助信息检测单元测量消防车与着火楼宇间的直线距离以及云梯顶部当前横向风速；

3）运用远程无线通信技术将所上述两种信息实时发送到驾驶室内的分析处理单元；

4）由分析处理单元运用预先建立的基于深度学习的火焰集散趋势预测模型对各时序所采集图像进行分析处理，并将图像信息通信过程时延因素考虑进去，在着火点火焰集散趋势预测模型中引入时序因子，从而更加精确地预判出该着火点的蔓延方式，包括链式、多点式、平面扇形式和空间全方位式蔓延，进而有针对性的确定具体灭火方位，最后根据消防车与着火楼宇间的距离、云梯顶部当前横向风速以及消防水炮自身参数生成水炮控制指令后通过无线通信单元将其发送给指令执行单元；

建立带有图像采集时序因子和图像传输时延因子的火焰集散趋势的深度学习预测模型，由其确定着火点的蔓延方式，防止因图像传输和信息处理引发信息滞后而出现消防水炮水柱覆盖区域与火焰蔓延区域不同步的问题，因为图像在采集、压缩、发送、接收以及后续的接收处理过程最大耗时将近十秒，导致控制指令的产生在一定程度上会滞后于着火点实际蔓延状况，因此在构建以着火点图像为输入和以着火点蔓延方式为输出节点构建基于卷积神经网络CNN着火点图像处理预测模型时，将图像传输过程中存在的时延因子引入到预测模型中，同时将按照时序采集的图像输入到循环神经网络中，由其产生时序因子输入到预测模型中，最后根据预先采集的着火点图像训练样本形成CNN网络参数，构成了着火点图像与其后续蔓延方式间的映射关系，从而为消防水炮运动控制指令的生成提供重要依据；

5）由指令执行单元负责控制电控高压水炮竖直方向和水平方向的转动角度和开闭操作；

6）由图像采集单元中的CCD相机采集水炮喷射到着火点区域的图像信息并借助无线通信单元将其发送到分析处理单元；

7）由分析处理单元中的位置参数修正模型判断水炮实际喷射水柱与预定喷射水柱间是否存在偏差，如果存在则由位置参数修正模型生成水炮位置参数修正指令并借助无线通信单元发送给指令执行单元；

8）由指令执行单元执行修正指令直至水炮喷射水柱精确落于着火点为止，从而实现消防水炮的闭环控制；

9）循环执行上述的（1）~（8）这八个环节直至该着火点灭火过程结束，进而实现整个灭火过程的全程自动化控制。