井下探測機器人運動控制與局部路徑規劃

吳 濤 張 泰

井下探測機器人運動控制與局部路徑規劃

吳 濤1 張 泰2

1西安石油大學地球科學與工程學院 2長慶油田第三輸油處

井下探測機器人主要是在出現井下安全事故時進入事故現場，獲取井下狀況信息。其控制系統包括決策控制層、傳感及信息處理層、動作執行層等三大層次。井下探測機器人局部路徑規劃選擇Q—learning算法。機器人借助自身所配置的專屬傳感器可以主動收集探測工作所需要的所有數據，并以所收集到的環境數據為依據對工作環境做出判斷，在此基礎之上提出規避障礙物的最佳方案。

井下探測機器人；運動控制；局部路徑規劃；模型

1 控制系統及姿態控制

井下探測機器人主要是在出現井下安全事故時進入事故現場，獲取井下狀況信息。在其開展探測的過程中會涉及大量數據處理分析工作[1]，單純依賴某種類型機器人無法實現，對井下探測機器人混合型控制系統進行深入分析和研究具有重要現實意義。

1.1 控制系統

為了更好地滿足油田井下事故情況探測需求，機器人控制系統應具備良好的環境判斷力、決策規劃力以及環境適應力，因此井下探測機器人應配置環境傳感器、操作狀態傳感器以及導航信息傳感器等傳感設備，以及能夠實現信息融合、決策及運動控制的計算機。其控制系統包括決策控制層、傳感及信息處理層、動作執行層等三大層次。

1.2 機器人姿態控制

井下探測機器人在運行過程中必須確保姿態平穩性及高效性，借助其姿態運動學模型，能夠獲取機器人運行姿態信息，以該信息為依據來評價判斷機器人運行狀態的平穩性。機器人運行姿態穩定性評價主要包括靜態穩定性及動態穩定性兩方面，其中靜態穩定性主要從幾何層面進行評價[2]，而動態穩定性主要從能量層面進行評價。機器人井下探測操作的姿態控制及路徑規劃主要以其姿態穩定性評價結果為依據。

依據邏輯規則規劃機器人行為，動作解析器所發出的解析命令傳輸到動作執行器，由后者負責具體執行。油田井下探測機器人行為協調控制過程如圖1所示。

圖1 井下探測機器人行為協調控制過程

行為協調邏輯規則的作用是對激活基本行為作出判斷，該評價機制主要是以環境傳感器所收集到的油田井下環境數據為依據的。行為協調邏輯規則可以歸結為以下6點：①在實現既定目標的情況下，全部行為則被禁止；②在機器人自身并未出現傾斜的情況下，姿態控制行為、越障行為以及路徑規劃行為也不會被啟動；③在機器人自身傾角出現較為明顯的波動情況下，越障行為及路徑規劃行為是被禁止的；④在機器人自身傾角存在，但并未發生較為顯著變化的情況之下，路徑規劃行為是被禁止的，此時會對坡道子行為進行調取；⑤如果機器人依據所收集的相關數據判斷存在地形顯著變化的情況，驅動行為及路徑規劃行為被禁止；⑥機器人探測到障礙的情況下，越障行為被禁止。

2 局部路徑規劃分析

2.1 算法選擇

井下探測機器人局部路徑規劃選擇Q—learning算法[3]。使用Q—learning算法環境模型并非必備條件，其規劃主要是借助異步動態法來實現，簡單的說，Q—learning算法在不具備初始條件的前提下依然能夠取得決定決策。使用Q—learning算法無需過多地關注環境模型，只需要在確定可以實現迭代運算的Q函數下便可以進行優化。此處的Q函數可以在既定條件St之下，執行動作αt，并且之后會默認依據最優動作序列完成強化值計算。Q—learning算法公式表達式為

之所以選擇Q—learning算法來進行井下探測機器人局部路徑優化設計，主要是考慮到該算法可以在初始環境不明確的情況之下，借助算法優化來確保探測機器人花費最短的時間完成路徑優化。

2.2 局部路徑規劃

選擇Q—learning算法開展井下探測機器人路徑規劃，探測機器人在處于實際環境時可以主動收集相關環境數據，從而最大限度地確保環境數據與實際吻合度，有效避免了因對初始環境數據進行更新所付出的費用。機器人借助自身所配置的專屬傳感器可以主動收集探測工作所需要的所有數據，并以所收集到的環境數據為依據對工作環境做出判斷，在此基礎之上提出規避障礙物的最佳方案。對于一般的障礙物而言，井下探測機器人要成功規避需依靠通常具有八個方向的測距傳感器，環境數據借助這些傳感器向核心芯片進行傳輸，由后者負責計算障礙物與機器人的距離，并以該計算結果為依據，推導出安全路徑。

3 結語

井下探測機器人主要是用來對較為復雜的油田井下環境數據進行收集，在實踐操作當中，機器人會根據具體工作的地形環境來選擇最適宜的行為方式，但對于地形較為復雜的環境而言，就需要組合使用數種行為方式。依據邏輯規則規劃機器人行為便會生成數個基本行為所構成的動作，動作解析器所發出的解析命令傳輸到動作執行器，由后者負責具體執行。

[1]李曉鵬．煤礦探測機器人空間建模分析及避障路徑規劃[J]．煤炭科學技術，2013，12（1）：123-124.

[2]田海波，馬宏偉，魏娟．礦井搜救機器人移動系統的研究與發展[J]．機床與液壓，2012，45（10）：234-235.

[3]Oscar Castillo，Leonardo Trujillo，Patricia Melin.Multiple Objective Genetic Algorithms for Path-planning Optimization in Autonomous Mobile Robots[J]．Soft Computing，2007，45（3）：56-57.

（欄目主持 楊 軍）

10.3969/j.issn.1006-6896.2014.3.016

基金論文：黑龍江省教育廳科學技術研究項目（12511006）（12531075）；863計劃項目（2012AA061303）。