买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北师范大学申请的专利基于多传感器融合的轮式巡检机器人智能导航检测系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121140770B 。

龙图腾网通过国家知识产权局官网在2026-01-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511686751.8，技术领域涉及：G01C21/00；该发明授权基于多传感器融合的轮式巡检机器人智能导航检测系统是由范满红;陶中幸;张津京设计研发完成，并于2025-11-18向国家知识产权局提交的专利申请。

本基于多传感器融合的轮式巡检机器人智能导航检测系统在说明书摘要公布了：本发明公开了基于多传感器融合的轮式巡检机器人智能导航检测系统，涉及工业自动化巡检技术领域，包括依次连接的传感器层、数据融合层、路径规划层、导航修正层和执行层；传感器层采集多维度环境与机器人状态数据；数据融合层采用改进集合卡尔曼滤波算法处理多源数据；路径规划层基于GA‑PSO融合算法生成静态与动态路径，路径含路径参考节点；导航修正层通过DQN算法输出速度与转向角修正量；执行层经PID控制驱动执行部件；本发明提供的系统提升了导航精度与动态障碍物适应能力，适用于变电站等复杂巡检场景，解决了传统巡检机器人导航偏差大、响应慢的问题。

本发明授权基于多传感器融合的轮式巡检机器人智能导航检测系统在权利要求书中公布了：1.基于多传感器融合的轮式巡检机器人智能导航检测系统，其特征在于：包括依次连接的传感器层、数据融合层、路径规划层、导航修正层和执行层； 传感器层采集环境三维点云、图像、机器人姿态、运动速度及环境温湿度数据并同步传输至数据融合层； 数据融合层采用改进集合卡尔曼滤波算法处理多源数据，对多传感器数据进行融合，输出机器人全局位置、姿态及环境障碍物坐标；其中，改进集合卡尔曼滤波算法包括：初始化集合；基于轮式机器人差分运动物理模型，对每个集合成员进行状态预报；计算预报集合均值与预报误差协方差矩阵，并计算卡尔曼增益；对集合成员进行分析更新，输出融合后状态均值；最后输出机器人全局位置、姿态及环境障碍物坐标；对预报误差协方差矩阵进行局地化处理，避免在融合过程中出现虚假相关，表达式如下： ； 式中，表示局地化因子；为融合状态向量的第个分量与第个分量的关联距离；表示局地化半径； 局地化后的预报误差协方差矩阵的表达式如下： ； 式中，为舒尔乘积，表示局地化矩阵，表示时刻预报误差协方差矩阵； 路径规划层基于改进遗传算法与粒子群优化融合算法，结合融合后的障碍物信息生成静态最优路径，并在动态障碍物出现时触发实时重规划，输出动态路径； 导航修正层通过深度强化学习算法，根据机器人实时状态与综合跟踪误差，输出速度修正量与转向角修正量； 执行层接收修正指令，通过PID控制器驱动直流电机、舵机及电磁制动器，实现机器人沿规划路径的精准导航； 路径规划层中动态路径的输出过程如下： A1、采用栅格法构建环境地图，障碍物栅格标记为1，自由栅格标记为0； B1、由PSO算法生成含路径参考节点的静态最优路径； C1、由GA算法对B1中生成的含路径参考节点的静态最优路径进行优化，生成含更新路径参考节点的动态路径； B1中由PSO算法生成含路径参考节点的静态最优路径的过程如下： B11、初始化粒子群：设定粒子数量、最大迭代次数，每个粒子对应一条候选路径，路径由一系列连续的栅格节点组成； B12、迭代更新粒子速度与位置，优化路径参考节点的分布，实现路径搜索，表达式如下： ； ； 式中，表示第次迭代时第个粒子的速度向量，反映粒子在解空间中的移动快慢与方向；表示惯性权重；表示第次迭代时第个粒子的速度向量；表示粒子自身认知系数，控制粒子向自身历史最优位置靠拢的权重；、均表示[0,1]区间内的随机数，增加算法搜索的随机性，避免陷入局部最优；表示第个粒子的历史最优位置；表示第次迭代时第个粒子的当前位置；表示全局社会认知系数，控制粒子向整个粒子群历史最优位置靠拢的权重；表示全局最优位置；表示第次迭代时第个粒子的位置； B13、根据适应度函数计算每个粒子的适应度值，筛选出当前粒子的历史最优位置与全局最优位置； B14、输出静态最优路径：设置的最大迭代次数迭代完成后，以全局最优位置对应的路径作为静态最优路径，该路径上的所有节点为静态路径参考节点； 综合跟踪误差的计算过程如下： A2、计算水平位置误差，通过机器人当前水平位置与路径参考节点的欧氏距离反映平面内轨迹偏离，表达式如下： ； 其中，、分别为时刻融合后的东向、北向坐标，、分别为路径参考节点的东向、北向坐标； B2、计算航向误差，通过机器人当前航向与路径参考航向的角度偏差反映行驶方向偏离，表达式如下： ； 其中，为时刻融合后的偏航角，为路径参考节点的基准航向； C2、计算综合跟踪误差，加权融合水平位置误差与航向误差，作为DQN算法的输入，表达式为： ； 其中，；为水平位置误差权重，为航向误差权重。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北师范大学，其通讯地址为：730070 甘肃省兰州市安宁区安宁东路967号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。