基于灰狼算法的廠房巡檢機器人路徑規劃

寧旭成 張 倩 王續紅

（1.天津城建大學，天津 300384；2.天津市立維科石油技術服務有限公司，天津 300272）

0 引言

近年來，我國各行各業的不斷發展使相關工作流程得到了完善，其中巡檢崗位是一個不可或缺的職位，尤其是在電廠、燃氣廠房和煤礦等危險領域中的工作，更不能缺少巡檢崗位。傳統的巡檢工作是通過工人不定時地對每臺機器或地點進行檢查來完成工作，這不僅會耗費大量的人力和物力資源，而且在危險環境和特殊天氣下，工人也會面臨一定的危險以及存在檢查不到位的顧慮。因此智能巡檢機器人的誕生就很好地解決了巡檢工作存在投入人力大、成本高、效率低、巡檢結果不可靠以及巡檢人員面臨一定危險的問題。巡檢機器人的運行只與電量以及其本身質量有關，不會受到危險環境和特殊天氣的影響，且巡檢機器人的靈活性使它不受時間和地點的限制。相對于人工巡檢來說，將重要、復雜以及重復的巡檢任務交給巡檢機器人，可以極大地降低成本，提升巡檢過程的效率和可靠性。巡檢機器人在廠房環境下工作需要具備一定的條件，需要根據廠房的特殊環境對機器人進行設計和路徑規劃，例如燃氣管道廠房中存在因氣體泄露而造成的易燃易爆、中毒和燃氣管道內壓力超標等一系列危險，因此，使用巡檢機器人可以更好地保障財產和人員的安全。

1 巡檢機器人路徑規劃

路徑規劃[1-2]作為巡檢機器人研究中的重要領域，對機器人的運動有不可或缺的作用。路徑規劃是指巡檢機器人按照某些特定約束搜索一條從起始點到目標點的最優或次優路徑。因此路徑規劃的研究也就是在可以到達目標點的前提下，滿足相關約束，例如滿足耗費時間最短、路程最短和耗費能量最少等約束，進而達到高效率、高精度以及低消耗的目的[3]。為達到這一目的，巡檢機器人的路徑規劃研究一般分為3個步驟：1） 環境建模 。2） 使用優化算法規劃出一條滿足要求的路徑 。3） 對已規劃化的路徑進行處理（例如對路徑進行平滑處理，減少拐彎次數）。

2 灰狼優化算法

灰狼算法[4]是2014年Mirjalili 團隊基于灰狼群體捕食過程提出的一種新型仿生智能算法，灰狼算法具有結構簡單、調節參數小、容易實現以及存在能夠自適應調整的收斂因子的優點，廣泛應用于機器人、無人機和工業控制等行業。該文對灰狼算法適應度函數進行調整，將其應用于燃氣管道廠房巡檢機器人的路徑規劃中，使燃氣管道廠房所需要的巡檢機器人具有更高的安全性、快速性和準確性。

灰狼算法的基本思想為初始化狼群后，選取適應度最好的3匹狼作為頭狼，分別定義為α、β和δ，其余狼群ω在頭狼的帶領下根據它們與獵物的距離更新自己的位置，進而圍捕獵物，獵物的位置代表最優解?；依撬惴ㄖ饕ㄟ^搜索獵物、包圍獵物以及進攻獵物來建立數學模型[4-5]。

灰狼包圍獵物的數學模型如公式（1）、公式（2）所示。

式中：t為迭代次數；為 灰狼與獵物之間的長度向量；（t）為當前獵物的位置向量；（t）為當前灰狼的位置向量；X（t+1）為灰狼個體更新后的位置向量；和為系數向量。

公式（1）和公式（2）分別表示灰狼與獵物之間的距離和灰狼個體的位置更新。

系數向量的計算如公式（3）、公式（4）所示。

式中：tmax為最大迭代次數，公式（5）中，從2到0線性遞減。

灰狼在捕食過程中，逐漸靠近獵物并包圍獵物，最后對獵物發起進攻，其數學模型隨著不斷地迭代，所有初始解也不斷地向最優解靠近，最終得到最優解，即最優解為頭狼α，第二解和第三解分別為β狼和δ狼。圖1為灰狼算法中灰狼個體的位置更新圖[6]。

圖1 灰狼算法灰狼位置更新圖

灰狼算法中進攻獵物的數學模型如公式（6）所示。

灰狼ω的更新過程如公式（7）、公式（8）所示。

公式（7）和公式（8）分別表示灰狼個體ω的位置更新和灰狼個體最終的移動位置。

灰狼算法的基本計算步驟如下：1） 初始化狼的種群數量N、收斂因子以及向量系數和。2） 計算每個灰狼的適應度，保存適應度最好的三匹狼為α、β和δ。3） 根據公式更新灰狼的位置以及參數和。4） 計算灰狼個體的適應度并更新三匹頭狼的適應度和位置。5） 判斷是否達到最大迭代次數，達到最大迭代次數后輸出頭狼α的位置為最優解，否則返回第3步繼續計算。

3 灰狼算法在廠房路徑規劃中的應用仿真

3.1 適應度函數

灰狼群體的頭狼α、β和δ是由適應度的大小而決定的，即適應度越高，灰狼與獵物的位置越近。因此選擇路徑的長短作為評價適應度大小的標準，路徑越短，其適應度越高，如公式（9）、公式（10）所示。

式中：L為起點到終點路徑的總長度，即為適應度函數，起點為左上角（坐標為（1，1）），終點為右下角（坐標為（c，c），c為柵格地圖的行列數；L（s）為起點到第一個節點的距離；L（f）為最后一個節點到終點的距離；L（i）為中間其余節點之間的距離；x（i）為除去第一個節點和最后一個節點的其余節點，i∈，（2，c-2）；x（1）為路徑的第一個節點；x（end）為路徑的最后一個節點；x（i-1）為節點x（i）的上一個節點。

3.2 灰狼算法Matlab仿真

該仿真是在2018（a）版Matlab軟件上進行的，首先建立10×10、15×15以及20×20的柵格地圖來模擬燃氣管道廠房的環境，用黑色格子模擬障礙物和燃氣管道，左上角為起點，其坐標是為（1，1），右下角為終點，其坐標為（c，c），c為柵格地圖的行列數，節點線段的和表示最終計算所得的路徑。柵格地圖10×10分別用不同障礙物進行路徑規劃的模擬（如圖2所示）；柵格地圖15×15分別用不同障礙物進行路徑規劃的模擬（如圖3所示）；柵格地圖20×20分別用不同障礙物進行路徑規劃的模擬（如圖4所示）。

圖2 在柵格10×10地圖下計算所得路徑

圖3 柵格15×15地圖下計算所得路徑

圖4 柵格20×20地圖下計算所得路徑

分別建立大小不同的柵格地圖和不同障礙物的柵格地圖，通過Matlab路徑仿真圖發現使用灰狼算法可以得到一條最優路徑，通過表1可以發現不管地圖的大小和路徑的長短，灰狼算法計算路徑所用時間都很短且很穩定，可以很好地滿足廠房巡檢機器人的要求。

表1 不同地圖下計算路徑所用時間和路徑大小

4 結論

該文主要討論了巡檢機器人的路徑規劃研究，針對廠房巡檢機器人應該滿足快速性、準確性和安全性的特點，引入灰狼算法進行路徑規劃，并使用Matlab進行仿真實驗，在地圖大小和障礙物數量不同的情況下，發現用灰狼算法得到的路徑的準確性和快速性都很好，可以有效地滿足廠房巡檢機器人的要求。

巡檢機器人的路徑規劃過程主要為建立所需要的環境地圖，根據地圖建立滿足要求的目標函數，進而通過優化算法得到一條最優路徑。路徑規劃的主要研究還是優化算法的使用，而算法的使用就存在一些缺陷，例如算法收斂性差、容易陷入局部最優、實時運算速度慢以及搜索效率低等，因此未來對算法性能的提升將是一種提高巡檢機器人路徑規劃精度的有效方法。