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！

龙图腾网获悉国网江西省电力有限公司电力科学研究院申请的专利一种灾区机器人作业路径与能耗优化方法及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：CN120871891B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511371346.7，技术领域涉及：G05D1/43；该发明授权一种灾区机器人作业路径与能耗优化方法及系统是由刘会荣;潘建兵;邓志祥;王书恒设计研发完成，并于2025-09-24向国家知识产权局提交的专利申请。

本一种灾区机器人作业路径与能耗优化方法及系统在说明书摘要公布了：本发明公开了一种灾区机器人作业路径与能耗优化方法及系统，该方法包括：构建多因子耦合的单位路径能耗预测模型，融合灾区地形、实时风阻及电池衰减因子，生成精准能耗地图；搭建分层强化学习路径调度框架，上层策略网络以能耗与时间最优为双目标生成全局路径，下层执行网络基于MPC实时处理传感器数据，避障时兼顾路径稳定与低能耗；设计事件触发的任务插件机制优化调度；采用知识蒸馏压缩上层策略网络，部署至机器人边缘端。本发明通过精准能耗模型提升续航与任务完成率，分层架构破解全局‑局部控制脱节，插件机制满足高实时性需求，边缘部署适配弱网断网环境，适用于灾后巡检、物资运送等高实时性场景。

本发明授权一种灾区机器人作业路径与能耗优化方法及系统在权利要求书中公布了：1.一种灾区机器人作业路径与能耗优化方法，其特征在于，包括如下步骤： 步骤S1：构建机器人的单位路径能耗预测模型； 步骤S2：基于单位路径能耗预测模型构建分层强化学习路径调度框架，实现机器人能耗最优加时间最优的路径调度；分层强化学习路径调度框架由上层策略网络和下层执行网络构成； 步骤S3：设计事件触发的任务插件机制优化分层强化学习路径调度框架； 步骤S4：采用知识蒸馏压缩上层策略网络，将压缩上层策略网络后的分层强化学习路径调度框架部署至机器人边缘计算平台，实现弱网或断网条件下的自主路径决策与执行； 单位路径能耗预测模型表示为： ； 式中，表示复杂灾后环境中机器人沿任意路径段的总能耗；表示机器人的质量；表示重力加速度；表示高程差；表示坡度角；表示路径段水平投影距离；表示地表摩擦系数；表示风阻系数；表示空气密度；表示机器人迎风面积；表示机器人与风的相对速度；表示时刻的电池效率； 上层策略网络以单位路径能耗预测模型为基础，构建全局拓扑栅格地图，表示全局拓扑栅格地图顶点即节点集合，为边的集合；每条边关联能耗属性和时间属性；能耗属性采用，时间属性表示为：，表示当前地形下的对标速度；表示全局拓扑栅格地图中的第条边，即连接两个顶点的路径段；基于全局拓扑栅格地图，以“路径能耗最小+任务时间最短”为复合奖励函数，采用强化学习策略网络进行路径决策训练，最终输出最优全局路径选择策略，生成能耗最优加时间最优的全局路径； 基于下层执行网络对能耗最优加时间最优的全局路径进行局部避障与轨迹平滑： 能耗最优加时间最优的全局路径生成后，每进入一个机器人的控制周期，首先通过传感器实时采集机器人局部状态，构建机器人状态向量，表示机器人当前的二维坐标，表示机器人当前的航向角，、分别表示机器人当前的线速度和角速度；表示机器人当前的实时电量；表示转置； 从最优全局路径中，截取未来步的全局路径参考点； 构建机器人运动学动力学模型，描述机器人第k步的状态向量加上机器人第k步的控制指令后，到机器人第k＋1步的状态向量的映射关系；，表示第k步的期望线速度，表示第k步的期望角速度； 构建MPC目标函数，量化优化目标； 通过实时感知获取障碍物信息，转化为MPC目标函数的避障约束； 求解MPC目标函数，得到控制指令； 执行当前控制指令，进入下一个控制周期。

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国网江西省电力有限公司电力科学研究院，其通讯地址为：330000 江西省南昌市青山湖区民营科技园内民强路88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。