寧雪峰，袁煒燈

(1.廣東電網(wǎng)有限責(zé)任公司 東莞供電局，廣東 東莞 523000；2.華南理工大學(xué) 電力學(xué)院，廣州 510000)

0 引言

目前我國變電站的發(fā)展方向以無人式管理為主，巡檢機器人出現(xiàn)后，解決了以往人工巡檢效率低這一弊端[1]。電力設(shè)備巡檢時，機器人屬于巡檢所用智能體，可使用全自動或遠程控制的方式完成電力巡檢任務(wù)。當(dāng)下我國很多企業(yè)都將無軌化導(dǎo)航技術(shù)，使用在機器人巡檢控制問題中，但此類技術(shù)均以優(yōu)化巡檢信息采集精度、常規(guī)性巡檢路徑規(guī)劃效果為主，未考慮機器人在復(fù)雜障礙場中路徑規(guī)劃效果[2]。復(fù)雜障礙場中，除了固定已知障礙物，還會出現(xiàn)動態(tài)移動、新增的障礙物，此類障礙物的出現(xiàn)模式并不存在規(guī)律，此問題對電力巡檢機器人運行安全存在直接威脅[3-4]。

劉勝等人曾將ACO-SA算法，用于變電站巡檢機器人路徑規(guī)劃問題中，此算法可由改進的蟻群-模擬退火算法，完成機器人路徑全局規(guī)劃，但在復(fù)雜障礙場中避障效果還有待測試[5]；童梟軍等人在規(guī)劃表計讀數(shù)巡檢機器人巡檢路徑時，構(gòu)建可優(yōu)化巡檢效率的路徑規(guī)劃目標函數(shù)，并由蟻群優(yōu)化算法尋優(yōu)獲取路徑規(guī)劃方案，完成巡檢機器人路徑優(yōu)化設(shè)計。但此方法路徑規(guī)劃僅適用于環(huán)境已知的工況之中，針對動態(tài)、突然出現(xiàn)的障礙物而言，此方法是否具備路徑動態(tài)規(guī)劃能力，還有待分析[6]。邱碩涵等人通過使用DStar算法來規(guī)劃機器人的最優(yōu)路徑，考慮到機器人在執(zhí)行任務(wù)時可能會遇到障礙物或工作空間的干擾，因此在規(guī)劃路徑時充分考慮了避免碰撞的策略，從而降低了潛在的碰撞風(fēng)險和安全隱患，保障了機器人執(zhí)行任務(wù)的安全性[7]。鄭亞紅等人提出利用自適應(yīng)蒙特卡洛定位算法解決傳統(tǒng)蒙特卡洛算法中機器人綁架和粒子數(shù)固定問題，能夠?qū)崟r定位巡檢機器人的位置，并結(jié)合異常溫度檢測與報警算法，及時發(fā)現(xiàn)并報警溫度異常情況。與傳統(tǒng)蒙特卡洛算法相比，它能夠根據(jù)機器人實時的運動狀態(tài)，動態(tài)地調(diào)整粒子數(shù)的數(shù)量，減少了機器人綁架和定位不準確的問題，提高了巡檢效率和精準度，同時也保障了機器人行動的安全性[8]。張志文等人采用了融合改進A*算法和動態(tài)窗口法的全局動態(tài)路徑規(guī)劃方法。這種方法首先基于傳統(tǒng)A*算法，結(jié)合JPS算法對子節(jié)點進行擴展跳躍，從而提高了路徑規(guī)劃效率；其次，采用Floyd算法對規(guī)劃的路徑進行平滑優(yōu)化，使得路徑更加平滑，減少了路徑的曲折度；最后，融合動態(tài)窗口法，使得A*算法能夠進行全局動態(tài)路徑規(guī)劃[9]。但上述方法的路徑規(guī)劃效率及機器人運動效率不夠理想，還需要獲得更加智能化和高效的路徑規(guī)劃解決方案。

為此，本文研究面向復(fù)雜障礙場的電力巡檢機器人局部動態(tài)融合路徑規(guī)劃方法。此方法結(jié)合復(fù)雜障礙場環(huán)境的特殊性，采用基于柵格法的復(fù)雜障礙場地圖生成方法，構(gòu)建面向復(fù)雜障礙場的電力巡檢環(huán)境地圖。結(jié)合所構(gòu)建地圖信息，采用基于局部動態(tài)融合的電力巡檢機器人路徑規(guī)劃方法，通過改進遺傳算法尋優(yōu)獲取最短路徑并結(jié)合時間彈性帶算法，在不同時刻根據(jù)機器人位姿信息，判斷機器人與動態(tài)障礙物碰撞可能性，并通過彈性拉伸方式完成局部動態(tài)融合的避障運行。同時，還需要對局部動態(tài)規(guī)劃路徑中機器人運行方向與全局規(guī)劃路徑的一致性進行分析和動態(tài)調(diào)節(jié)規(guī)劃機器人巡檢路徑，以確保其路徑規(guī)劃的準確性和高效性。

1 電力巡檢機器人局部動態(tài)融合路徑規(guī)劃方法

障礙物群體因運行方式不同，且存在未知性，為此可將其看做復(fù)雜障礙場。面向復(fù)雜障礙場的電力巡檢環(huán)境中可能存在多種形狀的障礙物，如墻壁、陡坡、河流等。這些障礙物不僅影響了機器人的行進速度，還可能引起機器人的碰撞和損壞。且巡檢環(huán)境可能包含多個場景，例如室內(nèi)外、高空等，不同場景的特點和巡檢難度都不一樣。需要針對不同場景做出相應(yīng)的適配和規(guī)劃。并且環(huán)境中障礙物和巡檢目標的位置隨時間和空間的變化而改變，機器人需要實時感知環(huán)境并調(diào)整路徑規(guī)劃。為簡略說明巡檢過程，將電力巡檢機器人所巡檢環(huán)境，近似成二維平面，則電力巡檢機器人在巡檢環(huán)境中，躲避多種障礙物問題，便可看成二維空間中穿越復(fù)雜障礙場問題。設(shè)置電力巡檢機器人在出發(fā)點至巡檢目標點時，途中會出現(xiàn)已知、未知障礙物群體，此類障礙物群體又分為靜態(tài)、動態(tài)障礙物，詳情如圖1所示。障礙物之間存在一定距離，可以作為電力巡檢機器人可通行路徑。

為此，在此巡檢環(huán)境中，想要保證電力巡檢機器人安全運行至目標點，必須動態(tài)規(guī)劃機器人的運行路徑，在動態(tài)避障的前提下，才能安全抵達目標點[10]。為此，本文研究面向復(fù)雜障礙場的電力巡檢機器人局部動態(tài)融合路徑規(guī)劃方法，此方法的核心方法主要分為復(fù)雜障礙場地圖生成、全局路徑規(guī)劃、局部動態(tài)路徑規(guī)劃、巡檢路徑動態(tài)融合規(guī)劃4種。

1.1 基于柵格法的復(fù)雜障礙場地圖生成方法

復(fù)雜障礙場地圖是指存在著多個不規(guī)則形狀的障礙物，如建筑物、道路障礙等，這些障礙物對于機器人的路徑規(guī)劃具有很大的影響。因此，將復(fù)雜障礙場中電力巡檢機器人巡檢環(huán)境進行地圖建模，可以有效解決路徑規(guī)劃的問題。

柵格法是一種將二維或三維空間離散化的方法，可以將空間分成相等大小的小方格或小立方體，每個小格子或小立方體稱為一個柵格。在電力巡檢機器人路徑規(guī)劃問題中，柵格法可用于建立復(fù)雜障礙場地圖。在柵格法中，能把面向存在障礙場特征的巡檢地圖，分解成若干個小柵格，各個柵格狀態(tài)主要分為占用、空閑兩類。將障礙物生成為一個占用柵格，然后將機器人所在位置也生成為一個占用柵格，空閑柵格則表示機器人可以自由通過的區(qū)域。采用柵格法建立復(fù)雜障礙場地圖可以有效降低路徑規(guī)劃過程的難度，提高電力巡檢機器人工作效率和安全性[11]。

在本文研究內(nèi)容中，把各個柵格信息，看做此柵格是否被障礙物占據(jù)的描述，如果此柵格中存在障礙物，那么此柵格概率值是0，電力巡檢機器人運行時，此柵格屬于不可行駛狀態(tài)；如果柵格不存在障礙物，此柵格便可通行[12]。

設(shè)置巡檢地圖柵格邊長是M，結(jié)合M把面向復(fù)雜障礙場的電力巡檢環(huán)境，分解成若干矩形柵格，此時復(fù)雜障礙場的電力巡檢環(huán)境中，原始巡檢地圖便轉(zhuǎn)換為s行b列的柵格地圖。巡檢地圖里各柵格均描述為一個節(jié)點，并具備對應(yīng)序號編碼[13]。第j行第i列柵格序號是r(j，i)：

r(j，i)=j+(i-1)×i

(1)

其中：j∈[1，s]，i∈[1，b]。

(2)

結(jié)合柵格地圖劃分結(jié)果可知，某節(jié)點最多存在8個方向。因此，針對各個柵格而言，它和附近柵格序號相關(guān)性可表示為矩陣A。將方向順序以順時針角度分別設(shè)成右上、右、右下、下、左下、左、左上、上[15]。結(jié)合上文柵格序號編碼，便可構(gòu)建矩陣A：

A[-1，s-1，s，s+1，1，-s+1，-s，-s-1]

(3)

則柵格r的臨近柵格的序號cand(r)是：

cand(r)=r+A

(4)

但針對電力機器人巡檢地圖邊緣的柵格而言，因某些柵格的方向，會超出電力機器人巡檢地圖邊界線，使用式(4)運算便會出現(xiàn)誤差。為此，設(shè)置上、下邊界柵格條件分別是mod(r，s)=1、mod(r，s)=0，mod是求余函數(shù)。左、右邊界柵格條件分別是1≤r≤s、(b-1)+1≤r≤s×b。若滿足此類條件，則柵格對應(yīng)方向的柵格序號便設(shè)成0，此方向?qū)儆谘矙z機器人不可行駛位置。

1.2 基于局部動態(tài)融合的電力巡檢機器人路徑規(guī)劃方法

電力巡檢機器人路徑規(guī)劃問題，可看做機器人在執(zhí)行巡檢任務(wù)時，從出發(fā)點運行至目標點的安全巡檢路徑規(guī)劃。在運行過程中，除了已知障礙物之外，經(jīng)常會出現(xiàn)突發(fā)性障礙物，此類障礙物不存在已知性，且存在動態(tài)性，若機器人不能躲避障礙物，便會出現(xiàn)碰撞事件，從而影響巡檢進度[16]。為此，提出基于局部動態(tài)融合的電力巡檢機器人路徑規(guī)劃方法，此方法首先利用全局規(guī)劃的方式，結(jié)合已知障礙物信息，規(guī)劃一個全局性的安全運行路徑。然后由局部動態(tài)路徑規(guī)劃方法，以動態(tài)障礙物與機器人之間的距離作為路徑改變決策信息，完成局部路徑規(guī)劃，并分析局部路徑是否與全局路徑方向一致，完成巡檢路徑融合規(guī)劃。

1.2.1 全局路徑規(guī)劃

電力巡檢機器人的路徑規(guī)劃問題，就是在1.1小節(jié)所構(gòu)建復(fù)雜障礙場地圖中，對柵格r及臨近柵格序號cand(r)進行計算后，選定出一個點集Q={r1，r2，…，rm}，此點集即為電力巡檢機器人全局路徑規(guī)劃結(jié)果，r1，r2，…，rm是電力巡檢機器人出發(fā)點與目標點之間，m個路徑柵格序號。Q屬于復(fù)雜障礙場地圖中電力巡檢機器人巡檢所用的最短路徑點集[17]。

設(shè)置出發(fā)點與目標點分別是φ、ψ，隨機2個柵格之間距離，就是2個柵格中心點之間連線長度，將其設(shè)成q：

(5)

其中：x、y表示柵格中心點橫坐標、縱坐標。

在Q中，首個柵格節(jié)點和最后一個柵格節(jié)點之間長度，即為出發(fā)點與目標點之間全部可通行的路徑長度最小值。為了在所構(gòu)建復(fù)雜障礙場地圖中檢索Q，本文使用改進遺傳算法，結(jié)合復(fù)雜障礙場地圖中已知靜態(tài)障礙物所在柵格信息，遍歷尋優(yōu)獲取可安全運行的最短巡檢路徑。

本文將遺傳算法改進，引入刪除算子，則基于改進遺傳算法的全局路徑規(guī)劃方法流程如下。

1)可通行路徑個體編碼：

電力巡檢機器人自出發(fā)點至目標點運行時，安全運行的柵格路徑即為路徑個體，將此個體排序串聯(lián)的過程即為路徑個體編碼處理。將電力巡檢機器人在巡檢地圖中的路徑轉(zhuǎn)化為一串編碼，這個編碼可以分為兩部分：一個是表示路徑方向的編碼，另一個是表示路徑長度的編碼。對于路徑方向的編碼，可以將巡檢地圖中的每個柵格按照其位置關(guān)系編上號，如將左上角的柵格編為1，右上角的柵格編為2，以此類推。然后將巡檢路徑上每個柵格的編碼連接起來，得到表示路徑方向的編碼。對于路徑長度的編碼，可以將整個路徑的長度進行均分，將每個均分后的距離用二進制編碼表示，用一個符號表示正負，表示路徑長度的編碼。這樣，整個路徑編碼就由路徑方向編碼和路徑長度編碼兩部分組成了，可以將其作為遺傳算法中的一個個體，進行計算和優(yōu)化。

2)初始化種群：

在電力巡檢機器人路徑規(guī)劃中，初始種群即為路徑個體的集合。由于路徑個體存在的柵格節(jié)點數(shù)量和路徑長度存在差異，因此在初始化種群的過程中，必須限定路徑柵格節(jié)點的數(shù)量。這個數(shù)量可以根據(jù)電力巡檢機器人的巡檢需求和機器人的運動能力進行設(shè)定。在生成路徑個體時，可以采取隨機生成的方法或者遺傳算法中的交叉變異策略生成[18]，生成的路徑個體需要保證在電力巡檢機器人的巡檢地圖上是合法的、安全的、可行的。在生成完路徑個體集合后，需要使用適應(yīng)度函數(shù)對每個個體進行評價和排序，然后進行選擇、交叉和變異等操作，生成下一代種群。通過多次迭代，最終得到最優(yōu)解，即最優(yōu)路徑規(guī)劃方案。

3)適應(yīng)度函數(shù)：

適應(yīng)度函數(shù)對電力巡檢機器人全局路徑規(guī)劃效果存在直接影響，在本文研究內(nèi)容中，最短巡檢路徑需要存在連貫性，為此，適應(yīng)度函數(shù)是：

(6)

4)遺傳算子：

遺傳處理過程的核心問題是設(shè)置合理的遺傳算子[19]，才能保證巡檢路徑不出現(xiàn)冗余路徑。為此，改進遺傳算法使用刪除算子處理冗余柵格點。具體算子詳情如下：

(1)選擇算子

選擇算子可在種群中提取優(yōu)秀個體，主要根據(jù)個體適應(yīng)度篩選可通行的柵格路徑個體。

(2)交叉算子

引入兩點交叉算子，由此算子執(zhí)行路徑編碼，能夠在2點交叉的操作下，保證巡檢路徑連通性。

(3)變異算子

電力巡檢機器人運行過程中，為保證尋優(yōu)的路徑柵格節(jié)點適應(yīng)度始終最優(yōu)，需要使用變異算子執(zhí)行變異，如果變異算子數(shù)值隨機設(shè)置，便會導(dǎo)致巡檢路徑可靠性變差，為此，本文在適應(yīng)度最顯著的路徑柵格點八鄰域中，隨機選擇可通行的柵格點，運算此區(qū)域柵格點適應(yīng)度，把適應(yīng)度最大柵格點作為通行路徑。

(4)刪除算子

遍歷全部路徑個體，結(jié)合路徑個體之間的連通性，分析是否存在冗余路徑，由刪除算子去除冗余路徑后，運算可通行柵格節(jié)點適應(yīng)度。

5)分析迭代次數(shù)是否為最大值，如果滿足最大次數(shù)，便可輸出目前適應(yīng)度函數(shù)最優(yōu)路徑個體，將此路徑個體最為電力巡檢機器人全局路徑規(guī)劃結(jié)果。

1.2.2 局部動態(tài)路徑規(guī)劃

使用時間彈性帶算法完成機器人局部動態(tài)路徑規(guī)劃，時間彈性帶算法是一種基于不同時刻機器人位姿信息結(jié)合距離閾值判斷的路徑規(guī)劃算法[20]，用于避免機器人與動態(tài)障礙物發(fā)生碰撞。該算法考慮了機器人、動態(tài)障礙物和全局規(guī)劃路徑之間的時態(tài)關(guān)系，將全局規(guī)劃路徑實施彈性拉伸，以實現(xiàn)避障運行。將全局規(guī)劃路徑分成若干段連通區(qū)域，將區(qū)域中的每個點和動態(tài)障礙物進行距離判斷，判斷是否有可能會出現(xiàn)碰撞，確定每個區(qū)域的時間帶大小，以確保機器人在路徑上進行運動時，避開動態(tài)障礙物，但又不會偏離全局規(guī)劃路徑，對路徑進行彈性拉伸，使機器人在避開動態(tài)障礙物的同時，能夠在一定程度上保持運動的原始方向和速度。

設(shè)置電力巡檢機器人為質(zhì)點，其偏轉(zhuǎn)角是，則：

(7)

其中：(xφ，yφ)、(xψ，yψ)分別是電力巡檢機器人巡檢時出發(fā)點、目標點坐標。

局部動態(tài)路徑規(guī)劃時，設(shè)置電力巡檢機器人時刻的位姿坐標是Bt=[xt，yt，βt]，則t+1時刻位姿與t時刻的時間差是Δt。

局部動態(tài)路徑規(guī)劃的重點是躲避新增的、動態(tài)的未知障礙物。為此，先結(jié)合各時刻電力巡檢機器人激光雷達，所檢測的其和障礙物之間距離et，距離閾值e0=0.5m，若電力巡檢機器人和障礙物之間距離超過距離閾值，機器人按照全局規(guī)劃路徑運行，無需改變路徑，若小于距離閾值，便需要改變路徑，此時路徑改變方法是：

(8)

其中：r′、δ分別是路徑改變后的柵格節(jié)點、復(fù)雜障礙場出現(xiàn)的動態(tài)障礙物數(shù)目。

巡檢路徑改變后，巡檢機器人運行軌跡也出現(xiàn)變化，所以不可以按照原始線速度與角速度運行，此時機器人線速度Vx、角速度Vy是：

(9)

(10)

1.2.3 面向復(fù)雜障礙場的巡檢路徑動態(tài)融合規(guī)劃

實時檢測局部動態(tài)規(guī)劃路徑下，機器人運行方向是否與全局規(guī)劃路徑一致，是為了確保機器人能夠按照全局規(guī)劃路徑順利到達目的地。若出現(xiàn)差異，說明機器人遇到了一些障礙物或者運動出現(xiàn)了異常，便需要運算出現(xiàn)差異時，目前路徑所在柵格節(jié)點鄰域的所有可通行路徑柵格節(jié)點，與目前機器人位置節(jié)點的距離ea，以及運算所有可通行路徑節(jié)點與巡檢目標點的距離eb，將ea與eb相加，提取數(shù)值最小路徑節(jié)點作為下一步運行路徑，以此循環(huán)，直到電力巡檢機器人安全抵達目標點便可停止，完成巡檢機器人巡檢路徑動態(tài)融合規(guī)劃。

在機器人運行過程中，需要不斷檢測運動方向和全局規(guī)劃路徑是否一致，并及時做出動態(tài)規(guī)劃調(diào)整，以確保機器人能夠順利到達目的地，同時還需要考慮各種異常情況，如突發(fā)的障礙物出現(xiàn)或者機器人運動出現(xiàn)異常等，及時做出相應(yīng)的調(diào)整，保證電力巡檢機器人的安全和巡檢效率。

2 實驗分析

為分析本文方法使用效果，將某變電站作為本文方法的路徑規(guī)劃目標，實驗環(huán)境詳情如表1所示。

表1 實驗環(huán)境詳情

本文方法使用基于柵格法的復(fù)雜障礙場地圖生成方法，將此變電站巡檢環(huán)境進行建模，生成復(fù)雜障礙場地圖，詳情如圖2所示。

圖2 復(fù)雜障礙場地圖

其中，黑色與白色分別代表存在障礙物位置、可通行柵格位置。

表2 是實驗所用機器人的性能指標詳情

實驗中的電力巡檢機器人出廠性能參數(shù)、實驗規(guī)劃參數(shù)如表3所示。

表3 機器人出廠性能參數(shù)、實驗規(guī)劃參數(shù)

本文方法對此機器人全局規(guī)劃路徑如圖3所示。

圖3 全局規(guī)劃路徑

在此障礙場中加入動態(tài)障礙物，則本文算法結(jié)合圖3的全局規(guī)劃路徑信息，啟動局部動態(tài)融合規(guī)劃，規(guī)劃結(jié)果如圖4所示。

圖4 局部動態(tài)融合規(guī)劃路徑

如圖4所示，本文方法能夠結(jié)合復(fù)雜障礙場的動態(tài)變化，自適應(yīng)規(guī)劃巡檢人的避障運行路徑，機器人未與多障礙物出現(xiàn)碰撞，本文方法的局部動態(tài)融合規(guī)劃效果較好。

圖5是本文方法使用前后，巡檢機器人巡檢過程中避障耗時。

圖5 路徑規(guī)劃前后巡檢機器人避障耗時變化

分析圖5可知，本文方法使用前后，巡檢機器人安全完成巡檢任務(wù)時，避障耗時出現(xiàn)明顯變化，本文方法規(guī)劃路徑后，巡檢機器人避障耗時縮短，可提高電力巡檢機器人避障速度約300%。

設(shè)置如表4所示多種復(fù)雜障礙場的巡檢工況，對比分析本文方法使用前后，電力巡檢機器人路徑規(guī)劃長度、障礙物碰撞次數(shù)變化，測試結(jié)果如表5所示。

表4 多種復(fù)雜障礙場的巡檢工況詳情

表5 路徑規(guī)劃長度、障礙物碰撞次數(shù)對比結(jié)果

分析表5對比結(jié)果可知，本文方法使用前，多種復(fù)雜障礙場的巡檢工況中，電力巡檢機器人巡檢路徑長度均比本文方法規(guī)劃路徑長，本文方法使用后，巡檢路徑長度縮短值最高達6m，原因是本文方法能夠?qū)⑷致窂揭?guī)劃與局部動態(tài)路徑規(guī)劃相融應(yīng)用，減少機器人避障路徑重復(fù)運行，且在全局路徑規(guī)劃時，引入刪除算子改進了遺傳算法，有效刪除巡檢環(huán)境地圖中冗余路徑。障礙物碰撞次數(shù)分析可知，本文方法所規(guī)劃路徑能夠?qū)⑴鲎泊螖?shù)控制為0次，和使用本文方法前相比，電力巡檢機器人運行安全性得到保證。

3 結(jié)束語

巡檢是電力變電站核心任務(wù)之一，以往電力巡檢任務(wù)主要由工作人員親自完成，此種巡檢方式巡檢效果會受工作人員身體狀態(tài)所影響，且變電站面積較大，人工巡檢耗時過多，導(dǎo)致電力巡檢效率低。而本文研究了一種面對復(fù)雜障礙場的電力巡檢機器人局部動態(tài)融合路徑規(guī)劃方法，從全局、局部規(guī)劃角度，將靜態(tài)避障、動態(tài)避障技術(shù)相結(jié)合，完成電力巡檢機器人局部動態(tài)融合的避障巡檢路徑規(guī)劃，保證機器人安全完成巡檢任務(wù)。這種方法可以為電力巡檢提供更加智能化、高效的路徑規(guī)劃解決方案，提高機器人避障效率，且不會出現(xiàn)碰撞問題，可大大提高機器人路徑規(guī)劃的精度和速度，具備可用價值。