一種自主巡邏智能預警的機器人系統設計*

，

(1.廣州大學 華軟軟件學院 電子系，廣州 510990；2.廣州卓絕智能科技有限公司)

引　言

隨著科學技術的發展和社會的進步，倉儲行業進入高速發展階段，倉庫空間面積也越來越大，而倉庫監管技術并未得到同步發展，導致各地倉庫的危險事故頻頻發生，例如，2015年8月15日，在震驚中外的天津濱海新區塘沽危險品倉庫大爆炸中，165人死亡，8人失聯，334人受傷，據惠譽國際信用評級有限公司評估該次事故直接損失高達15億美元。

化學化工產業是我國經濟的重要組成部分，而化工產品中危化品又占據了相當份額[1]，危化品倉庫的危險事故大多是因倉庫環境變化造成的[2-3]，而倉庫環境又由空氣溫濕度、壓強、光照、泄漏危化品濃度等變量耦合而成，對倉庫全范圍中相關環境變量的檢測是預防危險事故的先決條件。目前危化品倉庫的管理一般有純人工監控管理和設備監控管理兩種方式，但不管是純人工監控還是設備監控都存在很大的缺陷，天津大爆炸就證明了這一點。在純人工管理方式下，無論倉管人員是否充足，都很難做到24小時不間斷無差錯地巡邏，而且因人體對環境信息的感知不夠敏感，倉庫環境惡化時不容易發覺。借助設備監控這種管理方式也存在以下問題[4-5]：倉庫定點安裝監控裝置容易存在監控盲區；安裝的檢測傳感器較單一，且針對性不強，漏報警和誤報警率高，系統缺乏智能性；需多點安裝監控裝置，系統成本太高。

針對上述問題，本文設計了一個具有自主巡邏、立體檢測、智能預警和遠程監控功能的危化品倉庫巡邏機器人系統，有效彌補了危化品倉庫安全監控中存在的不足。

1　總體方案設計

本巡邏機器人能夠借助巡邏導航子系統在危化品倉庫中全范圍自主巡邏，同時通過環境監測子系統對倉庫中各種環境參數和泄漏危化品濃度進行檢測和數據融合處理，并通過WiFi無線網絡將各種原始數據和融合后數據上傳至云服務器保存。同時機器人會對采集的各種環境數據進行數據融合處理，并將數據融合結果值和報警閾值進行比較來判定倉庫環境的危險程度，當機器人認為倉庫綜合環境存在安全隱患時，會發出預警甚至報警信號，當管理人員未及時處理時，機器人會通過GSM打電話給倉庫管理人員，工作人員也可以通過遠程監控子系統登陸云服務器隨時隨地查看倉庫情況或對機器人發送各種控制指令。整個系統結構如圖1所示。

圖1　巡邏機器人系統結構圖

2　系統硬件設計

2.1　巡邏導航子系統

該子系統主要實現巡邏機器人在室內閉合環境中的自主巡邏功能，硬件上它由微控制器STM32F429IG及最小系統電路、電機及驅動模塊L298N、6軸運動處理組件MPU6050、紅外避障檢測傳感器E18-D80NK等組成。它首先利用L298N驅動電機使機器人進行移動，并利用E18-D80NK傳感器進行障礙物檢測，借助MPU6050內置的角速度傳感器檢測機器人在巡邏過程中累計變換的方向角，在機器人每巡邏一圈后，巡邏方式自動在右手法則和左手法則之間切換，同時在巡邏過程中利用PID算法對機器人行進路徑進行控制，從而實現機器人在危化品倉庫中的自主巡邏導航功能。巡邏導航子系統硬件結構圖如圖2所示。

圖2　巡邏導航子系統硬件結構圖

2.2　環境檢測子系統

該子系統主要實現機器人對周邊各種環境變量的檢測、多傳感器數據融合、數據通信和視頻監控功能，硬件上包括微控制器STM32F429IG(與巡邏導航子系統共用)、泄漏危化品氣體檢測傳感器MQ2(可檢測液化氣、烷、苯、氫氣、酒精、煙霧等)、火焰檢測傳感器RB-02S022A、溫濕度傳感器DHT11等環境監測傳感器(必要時還可根據不同的需要在預留的單片機接口加裝所需要的傳感器)，通信模塊包括集GSM、藍牙技術于一體的模塊SIM808和WiFi模塊RTL8188EUS，視頻監控采用可電動控制的云臺+攝像頭組合，用戶可以通過攝像頭在遠程控制云臺查看倉庫中各個角度的畫面。在工作原理上，它首先利用機器人自身攜帶的上述各種傳感器在巡邏過程中對周邊環境進行檢測，同時利用MCU對各傳感器采集的數據以基于BP神經網絡的多傳感器數據融合模型進行融合處理，并根據融合結果自行判斷當前倉庫環境的危險程度，當融合結果接近報警閾值時，機器人會自動通過WiFi向遠程監控平臺向發出相應的預警甚至報警信號，當管理人員未及時處理時，機器人還會利用SIM808給管理人員撥打電話。整個環境檢測子系統硬件結構圖如圖3所示。

圖3　環境檢測子系統硬件結構圖

3　系統軟件設計

3.1　自主巡邏功能

在室內環境中自主移動是機器人進行環境監控的前提，為實現機器人在室內環境中的自主巡邏，采用了紅外傳感器檢測可行走區域的邊界，以左手法則和右手法則作為機器人全地圖巡邏的準則，同時通過角速度傳感器和電機轉動圈數檢測機器人前進時累積的方位角和里程數，每轉完1圈時，機器人以45°角在左、右手法則之間切換巡邏，并以PID控制算法使機器人沿著室內地圖邊緣平行前移。

本文中左手法則定義：在自主巡邏過程中，當檢測到左側有障礙物(即可行走區域的邊界)時，機器人以PID算法與邊界保持一定的距離沿著邊界前行，直到轉完1圈為止。在機器人前行的過程中，將行經的路程和轉換的方向角不斷進行累加，當路程等于預先設定的室內空地巡邏路徑周長，且機器人方位的轉向角度達到360°時即認為轉完1圈。右手法則類似。

本系統使用的自主巡邏算法流程圖如圖4所示。

圖4　機器人自主巡邏算法流程圖

3.2　多傳感器數據融合功能

通過對周邊環境各種參數的檢測來預估環境潛在的危險度是巡邏機器人非常重要的功能，通過搭載多個異型

傳感器來感知環境中的溫度、濕度、有毒、易燃易爆氣體濃度是最常用的檢測方法。但由于各種環境變量之間存在不同程度耦合作用，例如當空氣中相對濕度大于60%時，發生火災很少，易燃易爆氣體在空氣中的安全濃度閾值大大提升；當濕度在40%～60%之間時，可以發煙燃燒但不易擴大燃燒面積，當空氣濕度在30%～40%時，容易燃燒并蔓延，而濕度低于25%時，極易發生火災，空氣中極少量的易燃易爆氣體也可能會引發災難[6-7]。為此，本系統在硬件上利用多個異型傳感器的互補性來豐富對空間環境各變量的檢測，并設計了一種以BP神經網絡為核心算法的特征級數據融合模型來評估環境參數的危險度。

本文設計的以BP神經網絡為核心算法的多傳感器數據融合系統結構如圖5所示，其原理是首先通過巡邏機器人系統的n個異型傳感器采集倉庫環境變量，再利用拉依達法則對采集的數據進行去噪，然后進行歸一化處理，將處理結果作為BP神經網絡的標準輸入數據，最后利用訓練好的神經網絡進行融合處理，并將融合結果作為機器人報警決策的依據進行輸出。

圖5　基于BP神經網絡的多傳感器數據融合系統

本文設計的神經網絡模型中包括1個輸入層、1個隱層和1個輸出層。為便于研究，本文選取了三個典型環境變量(包括空氣溫度x1、空氣相對濕度x2、各種有毒或可燃性危化品濃度綜合值x3)作為網絡輸入，選用預警變量y(0≤y≤1)作為網絡輸出層結點的輸出。經過訓練后的神經網絡模型相關參數如表1所列。具體神經網絡模型的設計和訓練過程詳見本項目已另著論文(參考文獻[8])。

表1　訓練后的BP神經網絡參數

3.3　遠程監控子系統

一方面，機器人在巡邏過程中通過環境檢測子系統周期性地采集周邊環境數據，并對采集的數據利用BP神經網絡數據融合模型進行融合處理，然后將采集的環境數據(包括融合處理的結果)通過網關上傳至云服務器，當融合結果接近報警閾值時機器人還會給監控平臺發送預警信號，當管理人員未及時作出處理時機器人還會通過GSM方式給管理員手機發送報警信號。另一方面，管理人員也可通過PC監控平臺或手機監控平臺訪問服務器，隨時隨地查看當前倉庫環境，必要時還可以通過監控平臺遠程對機器人發送指令。

遠程監控子系統包括機器人程序、云服務器程序、PC監控平臺程序和手機App程序。其中機器人程序主要實現環境信息的采集、數據融合、數據上傳、發送報警信號和接收控制信號等功能，云服務器以中國移動提供的PaaS物聯網開放平臺oneNET為基礎，主要用于接收、保存機器人上傳的數據，并為PC監控平臺和手機App提供數據訪問服務；PC監控平臺采用oneNET配套的WEB服務實現，主要用于從云服務器讀取機器人上傳的環境信息和機器人本身的狀態參數；手機App上除了PC監控平臺程序功能外，另外加入了機器人遠程控制功能，其工作流程如圖6所示。

圖6　遠程監控子系統工作流程圖

4　實驗及結果分析

4.1　實驗條件

采集危化品倉庫現場真實事故前夕的數據十分困難，但為了進一步驗證本文設計的巡邏機器人系統在實際應用中的效果，在面積約30 m2的室內空間模擬了危化品倉庫的地形和可能出現的各種異常環境，并以各種家具物品模擬危化品存放處，輔以加濕器和除濕器作為濕度控制手段，以可制冷制熱的空調作為溫度控制手段，對于極端高溫不好模擬的情況，則直接在程序中設置數據代替，并把A點和B點作為危化品氣體模擬泄漏點，以煤氣瓶模擬泄漏氣體CO，所建立的實驗環境如圖7所示。

圖7　模擬危化品倉庫實驗環境

4.2　實驗結果及分析

4.2.1自主巡邏

危化品倉庫自主巡邏是機器人及時發現危化品氣體泄漏的基礎，在實驗中機器人實際行走路線如圖8所示，其中S1點為機器人右手法則中首次發現障礙物邊界的點，即開始第1圈巡邏時的起點，S2為左手法則中初次發現障礙物邊界的點，也即被機器人標為第2圈巡邏的起點，S3為第3圈巡邏起點，實線箭頭為第1圈巡邏的軌跡，點劃線箭頭為第2圈巡邏的軌跡，虛線箭頭為第3圈巡邏的軌跡。

可以看出在這種復雜度的地形中，機器人可以完全遍歷所有危化品存放點，在左、右手法則切換巡邏的過程中，以右手法則進行巡邏的奇數圈起點明顯不同，以左手法則進行巡邏的偶數全起點也不一樣，但不管起點如何變化，機器人均能按預定的規則一直在倉庫中巡邏，并遍歷所有危化品存放點。巡邏機器人在查找是否有泄漏點時，檢測出存在泄漏點的時間取決于該泄漏點附近空氣中CO濃度，在實驗過程中，危化品模擬泄漏點A和B發生少量煤氣泄漏，機器人在巡邏第1圈時發現B點泄漏，第2圈時發現A點泄漏，進一步驗證了該機器人自主巡邏算法的有效性。

4.2.2智能報警

為了驗證巡邏機器人的多傳感器數據融合算法的有效性，通過調節控制實驗倉庫中不同溫度、濕度和煤氣泄漏度，利用巡邏機器人在實驗室中進行了大量的安全預警報警測試。為便于驗證，將測試過程中的30組數據的安全度按安全規則進行了人工判定，并將機器人融合輸出值y(0≤y≤1)作為機器人預警依據，并規定y值越接近0表示安全度越高，反之越接近1表示安全度越低，并設定當y≤0.3時不報警，當0.30.7時紅色警報，30組測試數據如表2所列。

圖8　實驗倉庫中自主巡邏第1、2圈路線圖

從表2可知，機器人對30組測試數據的融合結果雖然與報警預期有一定的偏差，但均在允許的誤差范圍內，按規則生成的自動判定結果與人工判定結果一致，完全可以應用于機器人巡邏過程的分級預警。

表2　30組測試數據表

結　語