郭紀(jì)祥，牛全旺，王浩丞，唐海波

（湖南科技大學(xué)，湖南 湘潭 411201）

人工智能上升到國家戰(zhàn)略地位，使得智能巡檢的需求也越來越大。智能巡檢具有即時(shí)通訊、操作便捷、不受空間環(huán)境約束等優(yōu)點(diǎn)。設(shè)備可以切換為手動(dòng)/自動(dòng)兩種巡檢模式、智能規(guī)劃巡檢路徑，精確獲取溫度、濕度、空氣質(zhì)量等環(huán)境信息，火災(zāi)預(yù)警、遠(yuǎn)程通話、視頻監(jiān)控、數(shù)據(jù)存儲(chǔ)、24小時(shí)自主運(yùn)行等功能，可應(yīng)用于多個(gè)領(lǐng)域。

為此，本文設(shè)計(jì)了一款針對(duì)工廠安全生產(chǎn)的智能巡檢設(shè)備。該智能巡檢設(shè)備通過激光雷達(dá)采集設(shè)備所處環(huán)境信息，自主規(guī)劃最優(yōu)的巡檢路線，可實(shí)現(xiàn)全天候、360度無死角的巡檢任務(wù)，滿足在不同環(huán)境下智能巡檢的需要。同時(shí)，也可以切換為人工控制的模式，用戶使用移動(dòng)端向設(shè)備發(fā)送信息指令，使其適應(yīng)多種環(huán)境，代替人工作業(yè)，最大限度消除安全隱患。該智能巡檢設(shè)備擁有較強(qiáng)的底盤運(yùn)動(dòng)系統(tǒng)，能夠應(yīng)付巡檢過程中的各種復(fù)雜的路面。設(shè)備內(nèi)含低電量自主返程充電程序，根據(jù)與充電樁的距離及電源電量進(jìn)行智能計(jì)算，即將達(dá)到臨界值前做出響應(yīng)，自動(dòng)返程充電，以此提高工作效率。

1 硬件設(shè)計(jì)

智能巡檢設(shè)備以樹莓派為核心處理器，搭載粉塵檢測(cè)傳感器、熱成像傳感器、智能攝像頭、激光雷達(dá)等模塊。由系統(tǒng)功能分析需求可知，巡檢系統(tǒng)需要接受粉塵檢測(cè)模塊、熱成像傳感器的數(shù)據(jù)，并將這些數(shù)據(jù)通過WiFi模塊發(fā)送至云平臺(tái)。同時(shí)，還要處理激光雷達(dá)的數(shù)據(jù)進(jìn)行路徑規(guī)劃，來控制驅(qū)動(dòng)模塊。由于數(shù)據(jù)量大，所以需要主控制器的較好的處理速度，并具有WiFi功能進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)。第三代樹莓派，其具有集成度高，運(yùn)行速度快，低能耗等優(yōu)點(diǎn)。操作系統(tǒng)存儲(chǔ)在SD卡上，可以快捷地進(jìn)行燒錄替換。包含一個(gè)四核處理器、內(nèi)置了WiFi模塊，十分契合本次項(xiàng)目設(shè)計(jì)。所以選取第三代樹莓派作為整個(gè)系統(tǒng)的主控制器。

激光雷達(dá)擔(dān)任“眼睛”的角色，實(shí)時(shí)監(jiān)測(cè)智能巡檢設(shè)備所處環(huán)境的改變，對(duì)前方障礙物以及周圍環(huán)境進(jìn)行輪廓描繪。然而，因?yàn)閱尉€激光雷達(dá)工作原理的限制，只能進(jìn)行平面的掃描，所以在復(fù)雜路況下智能巡檢設(shè)備不能準(zhǔn)確完成導(dǎo)航，因此，需要激光雷達(dá)和超聲波傳感器、視覺攝像頭相互配合完成工作。

巡檢設(shè)備的粉塵濃度采集功能的實(shí)現(xiàn)利用了光散射原理。由于單色激光光斑小、雜光少和穩(wěn)定性好的特點(diǎn)，此次采用單色激光管作為光源。顆粒物阻擋單色激光后產(chǎn)生散射光，通過光電接收器將光信號(hào)轉(zhuǎn)換成電信號(hào)，以此計(jì)算出待測(cè)顆粒物的濃度。

為了更好地對(duì)散射光信號(hào)進(jìn)行處理，需要設(shè)計(jì)電路對(duì)信號(hào)進(jìn)行二次放大和濾波處理。由于轉(zhuǎn)換后的電信號(hào)變化在μV級(jí)別，為了降低其他電信號(hào)對(duì)其的干擾，電路應(yīng)滿足偏置電流低、增益高、低溫漂和高帶寬的特點(diǎn)。根據(jù)以上要求，采用有源運(yùn)放電路進(jìn)行信號(hào)的放大和濾波處理，由二級(jí)放大電路進(jìn)一步放大和濾波電信號(hào)。

熱成像的實(shí)現(xiàn)利用物體熱輻射的特性，選用FLIR熱成像模塊，通過USB接口與樹莓派進(jìn)行通信和圖像傳輸。USB接口是一種高速、雙向的、同步進(jìn)行傳輸?shù)拇薪涌?，其芯片通?？梢苑譃槠胀ê虳MA兩種模式，其中DMA工作模式更適合高速、實(shí)時(shí)的熱成圖像的傳輸。

2 軟件處理

2.1 數(shù)據(jù)傳輸——TCP

智能巡檢設(shè)備的各項(xiàng)監(jiān)測(cè)數(shù)據(jù)上傳采用了基于TCP協(xié)議的實(shí)時(shí)傳輸方法，TCP在傳輸數(shù)據(jù)之前，會(huì)有三次握手嘗試來建立連接；在數(shù)據(jù)傳輸時(shí)，有確認(rèn)、重傳等機(jī)制，確保數(shù)據(jù)傳輸?shù)姆€(wěn)定性和可靠性。監(jiān)測(cè)數(shù)據(jù)在PC端、移動(dòng)端均以網(wǎng)頁的形式呈現(xiàn)。網(wǎng)頁采用PHP語言和C語言混合編寫，結(jié)合ECharts（可視化圖表庫），可以快速制作出數(shù)據(jù)圖表。云端數(shù)據(jù)庫的可視化查看，方便工作人員對(duì)巡檢報(bào)表以及往期的巡檢記錄進(jìn)行分析，及時(shí)完成異常問題的排查。

2.2 粉塵監(jiān)測(cè)數(shù)據(jù)處理——滑動(dòng)平均濾波算法

激光粉塵傳感器實(shí)時(shí)采集信號(hào)，經(jīng)過A/D轉(zhuǎn)換放大后，會(huì)使數(shù)據(jù)誤差較大?；瑒?dòng)平均濾波算法是一種有效的數(shù)據(jù)處理方法，可以使監(jiān)測(cè)的數(shù)據(jù)更加精確穩(wěn)定。其原理是求一次采樣值和過去的若干次采樣值的平均值，將平均值作為有效取樣值投入使用。

設(shè)原始數(shù)據(jù)列的Xk總長(zhǎng)度為L(zhǎng)，滑動(dòng)平均濾波的表達(dá)式如式（1）所示。

其中，Yk是第k個(gè)數(shù)據(jù)經(jīng)滑動(dòng)平均濾波處理所得的結(jié)果。當(dāng)2≤k≤L-1時(shí)，濾波結(jié)果Wk如式（2）所示。

2.3 自主避障——模糊算法

超聲波傳感器通過舵機(jī)云臺(tái)不斷旋轉(zhuǎn)進(jìn)行測(cè)距，以此獲取周圍障礙物信息，測(cè)距原理是不斷發(fā)射的超聲波，超聲波接觸到障礙物后發(fā)生反射，則可根據(jù)時(shí)間渡越法實(shí)時(shí)計(jì)算設(shè)備與障礙物之間的距離，其計(jì)算公式為：

模糊控制系統(tǒng)的輸入為智能巡檢設(shè)備周圍障礙物的距離信息和設(shè)備的移動(dòng)速度信息，輸出為設(shè)備左、右電機(jī)的速度，即設(shè)計(jì)模糊控制系統(tǒng)為4輸入/2輸出系統(tǒng)。設(shè)備左驅(qū)動(dòng)輪和右驅(qū)動(dòng)輪的角速度分別為ω1，ω2，驅(qū)動(dòng)輪的半徑為R，兩輪間的距離為D，只要調(diào)整兩驅(qū)動(dòng)輪的轉(zhuǎn)速，就可以實(shí)現(xiàn)其方向的控制，其速度分別為：

平滑的高斯型隸屬度函數(shù)曲線可以使系統(tǒng)更加精準(zhǔn)簡(jiǎn)潔，建立合適的模糊控制規(guī)則，與設(shè)備左方障礙物距離較近時(shí)，進(jìn)行右偏轉(zhuǎn)；與設(shè)備右方障礙物距離較近時(shí)，進(jìn)行左偏轉(zhuǎn)；與前方障礙物距離較遠(yuǎn)時(shí)，巡檢設(shè)備直線前進(jìn)。之后采用Mamdani推理法根據(jù)輸入的模糊量，由模糊控制規(guī)則完成模糊推理以求解模糊關(guān)系方程，并轉(zhuǎn)化為輸出量。

2.4 路徑規(guī)劃——A＊算法

A*算法相對(duì)其他算法比較成熟，是一種很常見的路徑規(guī)劃和圖形遍歷算法，將啟發(fā)式方法和常規(guī)算法進(jìn)行組合，通過節(jié)點(diǎn)尋優(yōu)可以對(duì)周圍環(huán)境及時(shí)做出反應(yīng)，規(guī)劃出最為合適的路線。其核心在于估價(jià)函數(shù)的設(shè)計(jì)，如（6）式所示。

其中，g（n）為耗散函數(shù)，h（n）為啟發(fā)函數(shù)，f（n）為估計(jì)函數(shù)。

2.5 SLAM 構(gòu)圖算法

如今使用較多的激光SLAM算法有Hector、Gmapping、Karto、Cartographer等，其中Cartographer是谷歌開源的建圖項(xiàng)目，沒有采用粒子濾波，所以在性能較低的設(shè)備也能獲得良好的使用效果，Graph-based SLAM是Cartography的處理核心，Graph-based SLAM將設(shè)備運(yùn)動(dòng)過程中不同時(shí)刻的位姿稱之為“點(diǎn)”，位姿之間的關(guān)系稱之為“邊”，所以Graph-based SLAM構(gòu)圖的基本過程是先將設(shè)備在運(yùn)動(dòng)過程中大量的點(diǎn)和邊構(gòu)建成圖，再從全圖的角度對(duì)圖進(jìn)行優(yōu)化。

雷達(dá)將采集的每一幀數(shù)據(jù)進(jìn)行估計(jì)計(jì)算，將數(shù)據(jù)在最佳估計(jì)位置處插入到子圖中。產(chǎn)生成新的子圖后，會(huì)在局部進(jìn)行回環(huán)，根據(jù)預(yù)先計(jì)算的網(wǎng)格，所有子圖完成后，再進(jìn)行全局的回環(huán)。

3 結(jié)語

本文提出了一種基于RPI的智能巡檢設(shè)備系統(tǒng)方案，詳細(xì)闡述了此方案的軟硬件實(shí)現(xiàn)過程。仿真數(shù)據(jù)表明，系統(tǒng)能正常運(yùn)行，且具有良好的性能；依此完成的實(shí)物參加了第七屆全國大學(xué)生光電設(shè)計(jì)競(jìng)賽，榮獲全國三等獎(jiǎng)，驗(yàn)證了本文關(guān)于智能巡檢設(shè)備設(shè)計(jì)方案的可行性。本設(shè)計(jì)具有成本低，擴(kuò)展性強(qiáng)的特點(diǎn)，為后續(xù)智能巡檢設(shè)備的進(jìn)一步研究提供了基礎(chǔ)。