近年来,城市地下综合管廊已发展为宜居型智慧城市发展的必备基础设施之一,是当前城市建设的重点工程。国内综合管廊从结构单一、里程短、只能收容个别生活管道的“短小”管廊,发展到分支多、里程长、收容各种管道以及缆线的多功能廊道,是国家政府、研究学者和技术人员的共同努力的成果。随着管廊建设方案的日渐增多,越来越多的人把目光投向了管廊的运营监测方案。综合管廊的正常运营和后期维护是管廊建设中的重要一环,已有的分布式监测方案面临着投资花费大、设备管理难度大和设备维护工作量大的巨大挑战,将传感技术、物联网技术等手段集于一身的管廊巡检机器人目前已经成为行业研究和应用的热点。巡检机器人监控系统可以减低管廊的投资成本,提高巡检效率,因此针对管廊智能巡检机器人队列调度算法的研究具有重要意义。本文首先总结了国内外管廊的建设历程与管廊的监测技术,分析了隧道、矿山等应用场景的车辆调度算法。通过机器人运动形态适用性的分析,说明了挂轨式巡检机器人用于管廊巡检的必要性。其次,鉴于管廊调度算法对于实时性的要求,本文改进了粒子群算法。引入了精英反向学习策略来增加粒子种群的多样性,形成了一种新型的精英反向变异粒子群算法(Reverse Elitist Mutation Particle Swarm Optimization,REMPSO)。本文用测试函数验证了这种REMPSO算法的稳定性、寻优能力与计算速度。接着,本文针对发现灾害点后机器人巡检区域重分配的问题建立了调度模型。廊内发生灾害当前机器人定点监测,将其负责的巡检区域重新分配给左右两侧机器人,以重新分配巡检区域的机器人最大巡检消耗时间的最小值为目标函数,使用三种算法对模型求解。将REMPSO算法与其他算法的收敛速度、寻优能力、稳定性等方面进行了比对,结果证明改进算法有利于解决管廊机器人巡检区域重分配的调度问题。最后,给出机器人巡检区域重分配的实际模拟仿真图直观的展示机器人的巡检轨迹。同时设计了基于Qt的管廊机器人调度界面,为监控层实时了解机器人调度信息提供方便。