阅读说明：本技术 一种基于5g及北斗的电网巡检机器人定位方法 (Power grid inspection robot positioning method based on 5G and Beidou ) 是由 陈立业 衷宇清 王浩 王敏 崔兆阳 黄捷 于 2021-08-02 设计创作，主要内容包括：一种基于5G及北斗的电网巡检机器人定位方法,包括：在定位区域内构建多组5G基站,形成具有定位功能的5G网络平台；基于5G基站探测定位区域内的巡检机器人的定位数据,对定位数据进行处理及反馈；基于深度神经网络的联合定位方法,在混合定位系统中应用基本定位技术对定位数据进行混合计算,获取误差定位坐标；在5G网络平台的网络层上建立反馈式定位决策机制,利用不同定位信息分别获取不同误差定位坐标,在误差定位坐标中获取最优定位结果,输出最优定位结果。本发明通过5G技术以及北斗导航系统的融合,解决电网巡检机器人定位技术的精度和速度问题,通过深度神经网络的联合定位方法和混合定位系统来确保定位的精度,通过5G网络确保定位的速度。(A power grid inspection robot positioning method based on 5G and Beidou comprises the following steps: constructing a plurality of groups of 5G base stations in a positioning area to form a 5G network platform with a positioning function; detecting the positioning data of the inspection robot in the positioning area based on the 5G base station, and processing and feeding back the positioning data; the combined positioning method based on the deep neural network is characterized in that a basic positioning technology is applied to a hybrid positioning system to perform hybrid calculation on positioning data, and error positioning coordinates are obtained; and establishing a feedback type positioning decision mechanism on a network layer of the 5G network platform, respectively obtaining different error positioning coordinates by using different positioning information, obtaining an optimal positioning result in the error positioning coordinates, and outputting the optimal positioning result. According to the invention, the problems of precision and speed of a power grid inspection robot positioning technology are solved through the fusion of a 5G technology and a Beidou navigation system, the positioning precision is ensured through a combined positioning method of a deep neural network and a hybrid positioning system, and the positioning speed is ensured through the 5G network.)

一种基于5G及北斗的电网巡检机器人定位方法

技术领域

本发明涉及巡检机器人定位技术领域，尤其涉及一种基于5G及北斗的电网巡检机器人定位方法。

背景技术

近年来，随着电网技术的快速发展，电网的管理也成为了新的问题。与此同时，伴随着技术的进步，机器人自动巡检技术可以有效的降低安全隐患，对设备进行可靠的巡检。

巡检机器人的关键问题在于定位，并且定位的精度和速度决定了能否将其运用到实践中。目前已经存在很多的定位技术，例如基于激光雷达和SLAM的导航定位方法，基于灯光和红外的定位方法等，分别具有受室内条件限制，以及布置灯光导致后期成本高的缺点。同时目前我国5G技术飞速发展，而5G系统高速率，低时延的特点给通讯和导航定位带来了很大的方便，因此如何将5G系统与定位技术结合以提高巡检机器人定位的精度和速度是亟需研究的课题。

发明内容

本发明的目的在于针对背景技术中的缺陷，提出一种基于5G及北斗的电网巡检机器人定位方法，本发明通过5G技术以及北斗导航系统的融合，解决电网巡检机器人定位技术的精度和速度问题，通过深度神经网络的联合定位方法和混合定位系统来确保定位的精度，通过5G网络确保定位的速度。

为达此目的，本发明采用以下技术方案：

一种基于5G及北斗的电网巡检机器人定位方法，包括如下步骤：

在定位区域内构建多组5G基站，形成具有定位功能的5G网络平台；

基于5G基站探测定位区域内的巡检机器人的定位数据，对定位数据进行处理及反馈；

基于深度神经网络的联合定位方法，在混合定位系统中应用基本定位技术对定位数据进行混合计算，获取误差定位坐标；

在5G网络平台的网络层上建立反馈式定位决策机制，利用不同定位信息分别获取不同误差定位坐标，在误差定位坐标中获取最优定位结果，输出最优定位结果。

优选的，深度神经网络的联合定位方法包括离线阶段；

所述离线阶段包括神经网络的训练过程，具体步骤如下：

数据采集，包括采集各采集终端的接受信号强度RSSI和各5G基站之间的距离d；

数据规范化，包括将采集到的接受信号强度RSSI和各5G基站之间的距离d形成如下规范形式：

I＝{(I_RSS1，d₁)，(I_RSS2，d₂)，.......，(I_RSSi，d_i)}；

其中：

(I_RSSi，d_i)表示训练对；

I_RSSi表示第i个数据的接收信号强度；

d_i表示第i个RSSI对应的距离；

深度神经网络，包括将规范化的数据输入神经网络中进行训练得到训练模型；

所述训练模型用于在线距离检测。

优选的，深度神经网络的联合定位方法包括在线阶段；

所述在线阶段包括如下步骤：

从定位数据中获取信号到达角度AOA和各采集终端的接受信号强度RSSI；

将接受信号强度RSSI输入所述训练模型进行距离估算；

将估算的距离和信号到达角度AOA输入混合定位系统获取二维坐标信息并输出。

本发明的技术方案所实现的技术效果：

本发明通过5G技术以及北斗导航系统的融合，解决电网巡检机器人定位技术的精度和速度问题，通过深度神经网络的联合定位方法和混合定位系统来确保定位的精度，通过5G网络确保定位的速度。

附图说明

图1是本发明其中一个实施例的深度神经网络的联合定位方法的示意图；

图2是本发明其中一个实施例的通信综合网络的示意图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

本发明可在北斗地基建立5G基站，其用于观测并接收北斗系统卫星信号并增强基站周围5G信号，实现覆盖于电网周围的高精度定位。具体的，将大量的5G基站建立在定位区域，构建具有定位功能的5G网络平台。在未知信标或巡检机器人进入该网络时，5G基站将探测的不同信息可送至综合信息中心并反馈处理结果。5G网络是各种定位信号的载体，定位信号可以通过5G网络进行信息的传播；具体包括如下步骤：

在定位区域内构建多组5G基站，形成具有定位功能的5G网络平台；

基于5G基站探测定位区域内的巡检机器人的定位数据，对定位数据进行处理及反馈；

基于深度神经网络的联合定位方法，在混合定位系统中应用基本定位技术对定位数据进行混合计算，获取误差定位坐标；

在5G网络平台的网络层上建立反馈式定位决策机制，利用不同定位信息分别获取不同误差定位坐标，在误差定位坐标中获取最优定位结果，输出最优定位结果。

在高精度的定位系统中，我们采用基站可以处理信息，在基站上加载定位系统，基站可以先将定位信息进行初步的处理，再传至综合信息中心；

采用基于深度神经网络的联合定位方法与定位技术的融合，在混合定位系统上应用多种高精度定位技术以及补充各种定位技术，利用基本定位技术结果进行第一道判断，而其他各种定位技术测试量进行预测的混合算法，在不同层面反馈和判断定位数据，得出一定范围的误差定位坐标；需要说明的是，混合定位系统中混合的定位技术为现有技术，并非本申请的重点，故在此不做过多描述，本申请的重点在于深度神经网络的联合定位方法的计算过程；

而5G网络成为了平台，在网络层面建立了反馈式定位决策机制，利用不同信号来源综合估算定位坐标，输出最优定位结果；

估算出的高精度定位坐标信息由5G基站输送到终端或者定位者，提高定位可靠性和稳定性，通过深度神经网络的联合定位方法确保定位的精度，通过5G网络确保定位的速度。

优选的，如图1所示，在既有的复杂环境中，单一的算法存在误差，故本申请采用深度神经网络的联合定位方法，具体包括离线阶段；

所述离线阶段包括神经网络的训练过程，具体步骤如下：

数据采集，包括采集各采集终端的接受信号强度RSSI和各5G基站之间的距离d；

数据规范化，包括将采集到的接受信号强度RSSI和各5G基站之间的距离d形成如下规范形式：

I＝{(I_RSS1，d₁)，(I_RSS2，d₂)，......，(I_RSSi，d_i)}；

其中：

(I_RSSi，d_i)表示训练对；

I_RSSi表示第i个数据的接收信号强度；

d_i表示第i个RSSI对应的距离；

深度神经网络，包括将规范化的数据输入神经网络中进行训练得到训练模型；

所述训练模型用于在线距离检测。

优选的，深度神经网络的联合定位方法包括在线阶段；

所述在线阶段包括如下步骤：

从定位数据中获取信号到达角度AOA和各采集终端的接受信号强度RSSI；

将接受信号强度RSSI输入所述训练模型进行距离估算；

将估算的距离和信号到达角度AOA输入混合定位系统获取二维坐标信息并输出。

如图2所示，5G网络可成为一个处理同步、辅助和定位信号的平台，如搭配高精度同步授时网络、定位辅助系统和定位处理系统，通过不同设备终端采集不同定位信号来源，设备终端可以为激光设备、WiFi设备、光定位设备、陀螺仪等；同时在网络层面建立了反馈机制，利用不同定位信息寻求最优结果。反馈信息估算出高精度的定位信息由5G基站输送到终端或定位者。本申请以北斗及5G为基础，构建一体化融合处理模型。

以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。