基于B樣條曲線的電力巡檢機器人越障控制

張 剛，宋麗敏，龔 健，王 良

（南網廣東電網有限責任公司佛山供電局，佛山528500）

電力巡檢機器人在野外作業通常會遇到障礙物的阻礙， 導致電力巡檢機器人的作業半徑受限，因此需要進行電力巡檢機器人越障控制優化設計?；贐 樣條曲線（B-spline curve）是一種特殊的表示形式， 通常在數學的總多子學科數值里被應用，它是B-樣條基曲線的線性組合[1]，隨著人工智能技術的發展，基于B 樣條曲線的電力巡檢機器人越障控制技術通常采用人工智能控制，提高電力巡檢的效率。 建立電力巡檢機器人越障的自適應控制模型，可以提高電力巡檢機器人越障控制和穩態跟蹤能力。 相關的電力巡檢機器人越障控制方法研究在機器人的設計和穩定性控制中具有重要意義[2]。

文獻[3]提出新型四臂巡檢機器人結構轉向越障研究，采用一種三軸復合轉動的關節構建新型四臂巡檢機器人， 分析該機器人的轉向越障的步態，表示該機器人具有轉向越障能力。 文獻[4]提出基于諧波勢場的移動機器人避障控制，在共享控制器中加入了一個自適應的、 近似連續的控制分配函數，該函數根據機器人相對于障礙物的位置，不斷地改變人類的控制力和自主性。 此外，在自主控制輸入中還包含一個魯棒的前饋項，以在存在不利的人為輸入時保持穩定性，保證所開發的共享控制器的有限時間穩定性，即在人類導航機器人時，自主性保證了避障。

對電力巡檢機器人越障控制是建立在機器人的運動學參數特征分析基礎上，本文提出基于B 樣條曲線的電力巡檢機器人越障控制技術，構建電力巡檢機器人越障控制約束參數模型，采用B 樣條曲線跟蹤尋優方法進行機器人的越障路徑規劃，采用自適應的模糊信息加權方法，進行電力巡檢機器人越障控制優化。 最后進行仿真測試分析，得出有效性結論。

1 被控對象及電力巡檢機器人越障運動學模型構造

1.1 被控對象模型

為了實現基于B 樣條曲線的電力巡檢機器人越障控制，首先需要構建電力巡檢機器人的被控對象模型， 結合電力巡檢機器人驅動動力學分布，進行電力巡檢機器人的定位控制，采用避障算法進行電力巡檢機器人巡檢過程中的越障控制，基于姿態信息參量采集結果，進行電力巡檢機器人越障控制中的參數調節[5]，采用分布式傳感器定位跟蹤技術，進行電力巡檢機器人越障控制的識別。 控制電力巡檢機器人驅動步行，采用定姿測量方法進行機器人的位姿參數采集，提取電力巡檢機器人的位姿跟蹤信息。 根據電力巡檢現場的態勢感知進行越障控制和機器人對目標路徑的動態[6]，得到電力巡檢機器人越障控制的總體實現結構如圖1 所示。

圖1 電力巡檢機器人越障控制結構圖Fig.1 Obstacle surmounting control structure of electric inspection robot

采用分布式傳感器阻力力學采集方法進行電力巡檢機器人的巡檢特征參數采集，對采集的電力巡檢機器人越障控制信息采用動態融合識別，結合姿態參量測量方法，進行電力巡檢機器人的巡檢過程控制[7]，構建電力巡檢機器人的巡檢的動力學參數采樣模型為

式中：p（xt）表示電力巡檢機器人的巡檢動力系數；Vm表示電力巡檢機器人的巡檢定力速度。 結合模糊阻尼力跟蹤方法，進行電力巡檢機器人的巡檢參數分析，對越障方向的路徑進行自適應跟蹤[8]，得到在縱平面x1Oy1內，電力巡檢機器人的巡檢路徑分布。

在存在障礙物的環境下采用等效動態識別方法，進行電力巡檢機器人的巡檢過程的收斂性控制[9]，得到電力巡檢機器人的運動學模型為

式中：ωy1和ωx1分別表示電力巡檢機器人的感知態勢檢測參數；Jx和Jz分別表示電力巡檢機器人的加速度信息值；σ 表示電力巡檢機器人的感知態勢系數。 在動力學耦合參數約束下，得到電力巡檢機器人驅動控制對象模型為

式中：Jy表示電力巡檢機器人的加速信息模擬值，在驅動控制對象模型的基礎上，得到電力巡檢機器人的模糊信息融合參數。 在慣性力矩的約束下，電力巡檢機器人的模糊度分布矩陣采用非對角慣性尋優方法[10]。根據上述分析，進行電力巡檢機器人的被控對象描述。

1.2 電力巡檢機器人越障運動學模型

在進行電力巡檢機器人的被控對象分析的基礎上，結合位姿參數的自適應調節方法進行電力巡檢機器人越障運動學模型構造，采用空間擾動性融合方法，進行電力巡檢機器人越障連桿運動參數分析，得到連桿參數集為q1= [q1，…，q7]T，sinqi和cosqi分別記為sqi和cqi，并簡記為si和ci，表示電力巡檢機器人的空間轉動力矩，在坐標系i 和i-1 之間構建電力巡檢機器人的動態障礙的測距齊次矩陣Ti（qi）可表示式為

在4×4 的齊次坐標系中，得到電力巡檢機器人的轉動力矩特征量。 電力巡檢機器人驅動跟蹤沖量在位姿參數調節下，可控制電力巡檢機器人的控制約束參數。 在剛性約束下，得到電力巡檢機器人驅動給越障控制參數為

式中：L 為機器人傾斜誤差軌跡長度。 根據上述分析，建立電力巡檢機器人越障運動學模型，提高機器人的越障控制能力[11-12]。 其電力巡檢機器人越障運動學模型如圖2 所示。

圖2 電力巡檢機器人越障運動學模型圖Fig.2 Obstacle surmounting kinematic model of electric inspection robot

2 電力巡檢機器人越障控制技術優化

2.1 電力巡檢機器人越障擾動控制

建立電力巡檢機器人越障控制目標函數，采用B 樣條曲線跟蹤尋優方法進行機器人的越障路徑規劃[13]，得到空間路徑規劃函數為

式中：w（k）表示電力巡檢機器人的自適應加權系數；A，B，C，D，F1，F2為越障控制下機器人信息參數；ΔA，ΔB 為電力巡檢機器人的擾動增量，在電力巡檢機器人的越障擾動參數形式為

式中：G∈Rr×l，A1∈Rl×p，B1∈Rl×q為電力巡檢機器人驅動矩陣；F∈Rl×l為電力巡檢機器人的逆運動參數分布，滿足條件FTF≤I，電力巡檢機器人的模糊參考系數r，l 為正整數，并記：

采用自適應PID 控制方法，得到電力巡檢機器人的空間分布矩陣滿足。 采用變步長反饋跟蹤調節方法，進行電力巡檢機器人的模糊融合，得到加權系數M=｛mi∣i=1，2，…，m｝，構造電力巡檢機器人的尋優控制模型方程為

式中：wi（k）和vi（k）為科氏力和離心力矩陣，在B 樣條曲線約束下，得到電力巡檢機器人越障擾動控制流程如圖3 所示。

圖3 電力巡檢機器人越障擾動控制流程Fig.3 Obstacle crossing disturbance control flow chart of electric inspection robot

根據電力巡檢機器人越障擾動控制流程原理，得到電力巡檢機器人越障擾動控制輸出模型的穩定收斂。

2.2 越障路徑規劃優化

求得電力巡檢機器人最優越障控制參數模型mj（j=1，2，…，m）（?mj∈M），采用最大似然估計方法，建立電力巡檢機器人最優越評估協方差矩陣Pj（k）。 計算時刻電力巡檢機器人的正運動學模型mj（j=1，2，…，m）（?mj∈M），電力巡檢機器人的最優參數融合結果為

式中：Λj（k）服從均值為0、方差為Sj（k）的正態分布，Sj（k）為不同步長所對應的機器人質心水平位移，構建差異性分布的協方差矩陣，采用測距儀進行機器人越障控制中的信息采集和融合[14-15]，得到機器人越障控制的適應度模型為

對機器人的位姿信息進行自適應修正，得到電力巡檢機器人的空間位姿分量。 綜上分析，采用自適應的模糊信息加權方法，進行電力巡檢機器人越障控制優化。

3 仿真實驗結果分析

為了驗證本文方法在實現電力巡檢機器人越障控制中的應用性能，進行仿真實驗分析，實驗中采用的電力巡檢機器人為ROBDLH 型激光傳感電力巡檢機器人，機器人對環境信息采樣的二維地形圖如圖4 所示。

圖4 巡檢機器人工作環境的二維地形圖Fig.4 Two dimensional topographic map of inspection robot working environment

在圖4 所示的工作環境中，進行電力巡檢機器人越障控制仿真分析，假設障礙物的分布網格區域為7643，自適應迭代的次數為120，根據上述參數設定，進行電力巡檢機器人越障控制，得到越障路徑結果如圖5 所示。

由圖5 可知，采用本文方法進行電力巡檢機器人越障控制， 其越障控制的解析值接近理論值，測試控制結果自適應性能較好。 為進一步驗證其應用性能，對比文獻[3]和文獻[4]方法，驗證電力巡檢機器人越障控制靈敏度對比結果，如表1 所示。

圖5 電力巡檢機器人越障控制結果Fig.5 Obstacle surmounting control results of electric inspection robot

表1 電力巡檢機器人越障控制靈敏度對比結果Tab.1 Comparison results of obstacle surmounting control sensitivity of electric inspection robot

由表1 可知，利用本文方法進行電力巡檢機器人越障控制的靈敏度較高， 在進行多次實驗驗證時，本文方法的靈敏度最終可達0.998，高于文獻[3]方法和文獻[4]方法的靈敏度測試結果。 這是由于本文方法在進行電力巡檢機器人的巡檢過程實行收斂性控制。 在相同時間內，進行電力巡檢機器人的運動軌跡分布情況對比，得到其電力巡檢機器人運動軌跡分布對比結果如圖6 所示。

圖6 三種方法電力巡檢機器人運動軌跡分布對比結果Fig.6 Comparison results of three methods of electric inspection robot motion track distribution

根據圖6 可知，在相同時間內，利用文獻[3]方法和文獻[4]方法進行電力巡檢機器人運動軌跡測定分布結果不均勻，且遠離運動軌跡標準值；而利用本文方法進行電力巡檢機器人運動軌跡測定分布結果穩定，在標準值上下浮動，接近運動軌跡的標準值。 基于B 樣條曲線的電力巡檢機器人運動情況，能夠實現越障控制的安全，保障正常運行，在一定程度上提高了電力巡檢機器人越障性能。

4 結語

進行電力巡檢機器人越障控制優化設計，建立電力巡檢機器人越障的自適應控制模型，提高電力巡檢機器人越障控制和穩態跟蹤能力，本文提出基于B 樣條曲線的電力巡檢機器人越障控制技術，構建電力巡檢機器人越障控制約束參數模型，結合位姿參數的自適應調節方法進行電力巡檢機器人越障運動學模型構造，結合空間擾動性融合方法進行電力巡檢機器人越障擾動控制，采用B 樣條曲線跟蹤尋優方法進行機器人的越障路徑規劃，采用自適應的模糊信息加權方法，進行電力巡檢機器人越障控制優化。 分析得知，本文方法進行機器人越障控制的自適應控制能力較強，提高了電力巡檢機器人越障性能，具有很好的應用價值。