油氣場站自動化巡檢機器人系統設計

王仕強， 余昭江， 袁建軍*， 管仁明， 何莎， 于佩航， 馮曉輝

(1.中國石油集團川慶鉆探工程有限公司安全環保質量監督檢測研究院， 廣漢 618300； 2.上海機器人研究所， 上海 200442； 3.嘉興高維智控有限公司， 平湖 314200)

石油和天然氣是主要的能源供應原料，而油氣場站在油氣的傳輸過程中起著重要的中繼和管理作用。由于站內存儲天然氣和石油、完成各流程工藝、人員進出頻繁，其總體事故發生率較高，事故危險性也更大，故站場的安全管理是站場運行的重中之重。當前，外國場站無人值守站場發展迅猛。通過站場自動控制和調控中心遠控，可實現極少維護人員的站場監控。

油氣場站的危險主要分為兩類：油氣場內的可燃物質的泄露和人員未能正確進行操作，因此針對這兩種狀況進行自動巡檢，可以大大降低場站在運行過程中的安全風險，做到自主檢測，自主上報。

Birk等[1]設計了一款變電站巡檢機器人，采用基于軌道的路徑導航方式，搭載紅外熱成像儀，并在變電站投入試用。Soldan[2]研制了一款名為RoboGas Inspector的檢測機器人，用于在工業自動化環境下的異常檢測過程。Bennetts等[3]研發了Gasbot機器人平臺并開發一種新型的氣體分配算法來生成室內外勘探區域的甲烷濃度圖，完成未知區域甲烷泄漏的勘探并定位。祝玉泉等[4]將可調諧二極管激光吸收光譜技術應用于天然氣管道泄漏檢測及定位上。祖麗楠等[5]針對無人值守的變電站巡檢機器人開發了基于視覺和電磁融合的巡檢導航機器人。鄧斌等[6]研發了聲屏障巡檢機器人并對其動力學進行分析，能夠很好地適應復雜的巡檢環境。魯守銀等[7]研發的巡檢機器人采用了3D激光雷達、慣性導航和視覺融合技術，利用同時定位與建圖(simultaneous localization and mapping, SLAM)技術解決了因環境變換引起的導航定位與地圖匹配失敗問題。這些檢測機器人的出現使得自動巡檢技術變得逐漸成熟，但仍然沒有見到一款成熟的系統性的針對油氣場站環境的巡檢機器人。

基于此，設計了油氣場站自動化巡檢機器人系統，通過設計具有強越障能力的移動底盤，搭載甲烷檢測器、拾音器、紅外攝像頭等多種環境監測傳感器，使其能夠在現有的油氣場站進行無人化的巡檢；通過傳感器數據處理與預警系統，實時分析油氣場站的環境信息并進行報警。以期通過此設備，油氣場站可以在無人化的情況下自主安全運行，保障場站和巡檢工作人員的安全。

1 整體架構設計

為完成設計目標，該油氣場站自動化巡檢機器人系統的組成結構如圖1所示，詳情如下。

圖1 油氣場站自動巡檢機器人系統整體構成Fig.1 The overall architecture of automatic inspection robot systemfor oil and gas station

1.1 自主移動平臺

為使得機器人能夠在復雜的場站環境下移動，其應具有強力的動力基礎硬件，能夠保障機器人能夠在場站非平整路面行走，能夠越過普通的障礙物，機器人的可通過性盡可能的提高。同時，作為機械主體部分，其應當有一定的負載能力，能夠裝載在巡檢過程中的傳感檢測過程中所必須的傳感器件。

1.2 底層控制及傳感器

為使得巡檢機器人能夠正常的在場站內能夠進行運動，需要根據機器人的運動情況，運動負載，運動時間進行合理的選擇電氣元件并進行底層控制。根據控制需求選擇控制方案；根據巡檢的內容和工作要求，選擇合適的傳感器。

1.3 自主導航的算法開發

為使得巡檢機器人能夠完成在場站內進行自動的巡檢功能，需要開發機器人的自主巡檢算法。開發整個場站的建圖方案，完成整個場站地圖環境的構建；開發導航算法，使得機器人能夠在構建的場站環境的地圖下，自主的根據設定的目標點進行巡檢，同時動態的避開障礙。

1.4 傳感器檢測算法

為使得巡檢機器人能夠完成巡檢要求，檢測場站中的不安全因素，需要開發傳感器檢測算法，進行非正常值的檢測，分析，預警。開發基于紅外的圖像識別算法，分析異常溫度；開發基于可見光的圖像識別算法，檢測異常閥門，儀表；開發基于聲波的頻譜分析檢測算法，檢測異常震動；開發基于甲烷傳感器的檢測算法，檢測甲烷的泄露情況。

1.5 數據處理與預警平臺

為使得巡檢機器人的檢測結果得到有效利用，需要開發數據處理與預警平臺。需要搭建可視化窗口平臺，完成采集的各項數據的可視化查詢功能，完成采集到的數據的各種預警功能，完成良好的人機交互過程，能夠進行數據回傳和展示。

1.6 整體功能測試

為了檢測巡檢機器人的整體功能是否達到設計的目標，需要進行整體的功能測試。需要對巡檢機器人的各種性能進行測試，以達到設計的目標；需要對巡檢機器人的環境建圖和自主導航進行測試，來驗證自主巡檢功能；需要對傳感器識別算法進行測試，來驗證傳感器的異常檢測上報功能，需要對巡檢機器人的可視化平臺進行測試，來驗證數據傳輸的正確性和預警功能的可行性。

2 油氣場站自動巡檢機器人硬件設計

針對油氣場站自動巡檢的復雜任務，進行符合其巡檢環境的移動機器人底盤開發并根據具體的巡檢任務合理的選擇對應的傳感器。

2.1 巡檢機器人底盤

根據以上的設計目標，設計一款具有強越障能力的移動底盤，主要包含以下模塊：由四組車輪模組構成的整體移動底盤模塊，其為八輪四驅的結構；進行驅動的四組電機和驅動器模塊；提供動力的電池及無線充電模塊；進行通信的無線WIFI模塊；具有防爆功能的殼體模塊；完成環境信息提取的傳感器模塊和完成附加功能的照明燈、警示燈、急停按鈕等輔助模塊。總體結構示意如圖2所示。

在巡檢機器人底盤設計中，機器人的車輪組模塊是整個越障的核心，其采用的行星輪差動結構使得機器人具有被動適應地形波動的能力。該成輪組的結構如圖3所示，動力由中間的太陽輪進行輸入，然后通過兩側的惰輪分配給兩個驅動輪。該結構具有兩個自由度，驅動輪除了可以進行自轉外，還能夠繞著太陽輪進行轉動。而此模塊的動力源只有一個，因此是欠驅動系統，另外一個自由度受到重力的影響進行約束。

以圖4所示的過程分析結構的自適應能力。在平整路面進行運動時，車輪組受到地面的約束，機器人只能向前或向后運動。當機器人碰到障礙時，由于受到障礙物的支持，前輪將進行抬升，整個車輪組的欠驅動結構將圍繞著太陽輪進行順時針旋轉，從而帶動前輪跨越障礙，此時整個機器人前輪模組的中心僅提高了半個障礙物的高度。當前輪通過后，后輪由于受到重力但無支撐力時，將進行逆時針旋轉，從而也跨越障礙，完成前輪模組整體的越障行為，中心提高了整個障礙物的高度，使得機器人的越障更加平滑。

圖2 巡檢機器人總體結構示意Fig.2 General structure of inspection robot

圖3 車輪模組結構Fig.3 Wheel module construction

根據機器人設計的越障和爬坡性能進行分析機器人的電機所需要的扭矩。由于機器人在爬坡時所需要的扭矩最大，針對此進行分析。如圖5所示，忽略空氣阻力，機器人此時的受力平衡方程為

Ft=Ff+Fi+Fj

(1)

式(1)中：Ft為移動機器人驅動力；Ff為滾動摩擦阻力；Fi為爬坡阻力；Fj為加速度阻力。

移動機器人的驅動力Ft的計算公式為

(2)

式(2)中：Tt為作用在驅動輪上的轉矩；Te為電機轉矩；ig為減速器傳動比；ηT為傳動系機械效率；r為驅動輪半徑。

圖4 車體越障過程Fig.4 The process of vehicle crossing obstacles

圖5 爬坡時機器人受力分析Fig.5 Force analysis of robot when climbing slope

滾動摩擦阻力Ff的計算公式為

Ff=fG

(3)

式(3)中：f為滾動摩擦系數；G為重力加速度。

爬坡阻力Fi的計算公式為

Fi=Gsinα

(4)

式(4)中：α為斜坡傾角。

假設在行進過程中的速度較為平穩，沒有太多的速度變化，忽略加速度阻力。將式(2)～式(4) 代入式 (1)中可得

(5)

由于機器人設定的爬坡角度為30°，傳動比設為60，傳動系數設置為0.98，f設置為0.02，可以得到每個電機需要的扭矩為7.2 N·m。

最終經過設計和分析，得到表1所示的巡檢機器人主要設計參數指標。

表1 巡檢機器人主要設計參數指標Table 1 Main design parameters of inspection robot

2.2 傳感器系統組成

為保證巡檢機器人能夠自適應的在環境中進行自主巡檢，需要配備不同功能的傳感器來完成相應的任務，主要的傳感器分為兩個大類：一類用于保障機器人的自主移動能力，另一類用于完成現場環境的異常檢測。

為保障機器人具有自主的移動能力，需要的傳感器包括：①多線激光雷達，通過多對激光發射和接收裝置進行激光測距，形成點云，完成環境信息的采集建圖。本文系統采用禾賽的16線中距機械式激光雷達；②GNSS模塊，用來提供精確的位置信息，從而能夠輔助自動導航完成定位的功能，本文系統選擇上海華測的組合導航接收機；③慣性測量單元(inertial measurement unit，IMU)，為了獲得移動平臺的速度和加速度信息，用于解決依靠激光雷達建圖時的畸變問題及用于后期算法的速度環的反饋，選用IMU來作為相關信息的傳感設備，本文系統選擇搭載的是Xsens的慣性測量單元。

為了保障機器人能夠進行環境異常的檢測，需要的傳感器包括：①防爆攝像儀，用于在油氣場站進行環境監測，異常捕捉，儀表數據讀取，本文系統選擇搭載ZAFR6202-AT防爆攝像儀，該防爆攝像儀集防爆攝像儀(護罩)、防爆熱像儀、防爆云臺、防爆解碼器、防爆雨刷于一體；②防爆式甲烷傳感器，用于檢測場站中的甲烷濃度，進行泄露檢測，本文系統選擇搭載的是威海精訊暢通的防爆式甲烷傳感器；③防爆拾音器，用于進行音頻分析，檢測設備異常聲響，有較好的信噪比，能夠不失真的采集四周的聲音信息，并且需適用于爆炸性氣體混合物危險場所，本文系統選擇的是用深圳世國的防爆拾音器。

3 油氣場站自動巡檢機器人系統算法及軟件開發

開發一套全自動油氣場站巡檢機器人系統的算法和可視化平臺，通過搭載的激光雷達，IMU等傳感器完成自主導航算法開發，通過高清攝像機、紅外成像儀、聲音傳感器、氣體傳感器，實現油氣場站現場儀表數據以及閥門啟閉狀態、異常溫度、設備振動狀態、氣體泄漏等多種檢測任務的自動巡檢，并對傳輸至遠程數據中心的實時數據進行處理，及時發現安全隱患并主動預警，減少人工檢測的危險性，提升油氣場站無人化安全管理水平。

3.1 底層控制系統設計

對于本巡檢機器人系統，設計了專門的底層控制系統來完成底層硬件的控制，從而能夠在獨立于上層應用下控制底層的運動，設計的系統框架如圖6所示。

工控機負責上層算法的計算與運動命令的產生，然后通過指定的協議格式，以232的傳輸方式下發給底層的控制系統進行執行。考慮到整個系統的計算能力和處理能力，采用了STM32進行作為控制芯片進行控制。在底層的控制這一層級，系統主要完成上層工控機計算好的運動指令的計息與校核，然后分析出四個輪子的輪速信息，通過CAN通訊的方式，下發給驅動器，然后驅動器通過PID算法進行閉環的速度執行，通過反饋信息反饋上來，最終通過底層控制芯片將四輪的輪速信息反饋上工控機進行處理。

圖6 底層控制邏輯Fig.6 Underlying control logic

為保障機器人的越障性能，本移動底盤采用四驅差速轉向的結構進行設計。此時可以通過控制機器人的每個電機的轉速進而控制移動平臺的運動。在已知每側輪的轉速vR、vL和輪距d時，機器人的角速度w和線速度v可表示為

(6)

(7)

式中：下標R表示右側輪；下標L表示左側輪。

則可以根據式(6)、式(7)，進行計算下發給各個驅動器的具體速度指令。

3.2 自主導航算法開發

為保證巡檢機器人能夠正常的在場區內進自主巡檢，數據采集等功能，其應當具有在場區內根據設置的目標點進行自主的路徑規劃，自動避開障礙物的功能。為保障機器人有如上的功能，需要對巡檢機器人進行自主導航算法的開發，框架如圖7所示，其主要構成如下。

(1)同時定位與建圖。通過SLAM算法進行構建點云地圖，以用于后續的導航地圖的生成。

(2)地圖數據的轉化。對于生成的地圖信息，需要進行地圖的轉化，才能用于導航過程中的路徑規劃。

(3)軌跡規劃。根據柵格地圖，進行路徑的規劃，最終給到控制器真實的執行速度信息(包括角速度和線速度)。

(4)動態避障。動態的根據傳感器收集的信息，進行障礙物的采集，并將其更新到局部地圖中，從而能夠動態的調整巡檢機器人的實時位置信息，避免撞上障礙物。

圖7 導航流程框架Fig.7 Navigation flow framework

基于以上設計的框架，最終構建了如下的實現方式。

采用Ubuntu下的ROS系統作為整個巡檢機器人上層算法的開發環境，完成系統的信息管理與分發，數據的處理與各種話題的訂閱，服務的激活等操作。

在導航算法方面，采用現有的建圖算法，以Lego-LOAM[8]算法為基礎，作為建圖的主要算法。以先錄包后建圖的方式來降低對工控機的要求，通過訂閱禾賽雷達的/hesai/pandar話題和/imu/data話題，最終輸出環境的三維點云地圖。

在得到三維點云地圖后，采用OctoMap[9]包進行轉換地圖數據。在構建八叉樹三維環境地圖的時，采用概率的方式來進行描述每個小正方體是否被占據從而來解決由于觀測噪聲引起的誤判現象。采用的概率更新的方程為

P(n|z1∶T)=

(8)

式(8)中：n為小正方體的編號；P(n|z1∶T-1)為由t=1～T-1時刻觀測到的數據得到的第n個方格被占據的概率；z1,z2,…,zT為t=1,2,…,T時刻觀測到的數據值。

在構建好八叉樹地圖后，根據該位置處的占據概率和判斷閾值來生成柵格地圖。

最后依賴機器人操作系統(robot operating system，ROS)的navigation包集合，采用A*算法[10]作為全局路徑的規劃器，采用動態窗口法(dynamic window approach, DWA)[11]作為局部路徑的規劃器，最終生成可以執行的運動指令，下發給底層控制系統進行執行。

本文系統對于DWA局部規劃器加入速度反饋項進行調節機器人速度的穩定性，將其評價函數修改為

G(v,ω)=δ[αheading(v,ω)+βdist(v,ω)+

γvel(v,ω)+σsmooth(v,ω)]

(9)

式(9)中：G為關于線速度v和角速度w的函數，其取決于heading函數，懲罰當前值的車頭角度、dist函數、懲罰距離值、vel函數、懲罰速度值，δ、α、β、γ、σ分別為對應的懲罰系數；smooth函數是加入的反饋項，其計算規則為

smoth(v,ω)=1-(v-vo)

(10)

式(10)中：vo為當前狀態下的移動機器人速度。

當加入了此評價函數值時，選擇其他的速度帶來的增益較小時，機器人將會維持原有的速度，使得機器人的運動更加的連續。

3.3 自主巡檢算法開發

在完成巡檢機器人的自主移動算法開發后，需要進行巡檢任務的上層算法開發。這部分的算法開發針對各種異常環境的檢測，主要涉及對油氣場站中溫度異常檢測，開關閥門狀態異常檢測，環境聲音異常檢測，環境甲烷濃度異常檢測等。

針對環境的溫度檢測問題，采用的基于紅外的圖像傳感器進行紅外的熱輻射進行檢測，將檢測的結果進行計算。當傳感器檢測到溫度異常，大于設定的某個上限的時候，將進行報警。

針對環境中的數字儀表的問題，采用可見光攝像頭進行處理，對于采集到的環境進行圖像分割處理[12]，對于數字儀表器，識別其數值和記錄的數據進行對比，從而能夠發現儀表上顯示的指數的異常問題；對于一些閥門的狀態，也可以判斷閥門的狀態是否處于正常狀態。

針對異常聲音的處理，機器人先完成指定地點的音頻采集，作為原始對比音頻，通過快速傅里葉變換(fast Fourier transform，FFT)實現對音頻信號從時域信號轉換為頻域信號[13]。通過特征提取，完成原始音頻的允許頻率以及幅值的提取。而后，在實際巡檢過程中，通過再次采集監測點音頻，同樣通過FFT以相同方式實現特征提取，比對原始允許的頻率以及幅值，計算是否存在異常的信號。

對于甲烷泄露的檢測，設計了一種甲烷檢測系統，采用多個傳感器獲取環境中與催化燃燒反應有關的濕度、溫度、甲烷、氧氣和二氧化碳等參數，再將獲取的傳感器數據通過局部異常因子算法進行預處理。在此基礎上，通過隨機森林算法提取重要特征，再去除共線性特征，然后通過極端隨機樹算法[14]對多個傳感器采集的數據進行訓練得出預測模型，以便實現較高濃度的甲烷預測。

在完成以上的環境檢測的傳感器開發后，巡檢機器人即擁有了自主巡檢的能力，能夠完成對陌生的環境進行溫度是否正常，閥門狀態是否正常，環境震動是否正常，甲烷是否泄露等問題進行檢測并自主上報。

3.4 遠程可視化平臺開發

為了能夠將巡檢機器人在巡檢過程中的狀態，發現的問題及時的返回給中控室，需要進行開發遠程可視化平臺。通過此平臺，更便于后臺工作人員查看巡檢機器人的位置、狀態、采集的數據、異常信息和歷史記錄等信息。

系統主要分為服務器端、網頁端和機器人端。機器人端主要包括手柄模塊、底盤模塊、音頻模塊、導航模塊、RS485模塊、自主任務模塊和消息隊列遙測傳輸(message queuing telemetry transport，MQTT)MQTT服務器端，它們之間互相通信是通過MQTT服務器進行消息轉發，MQTT服務器端與服務器通信模塊直接通信，服務器通信模塊和服務器端的MQTT服務器通信，將機器人端MQTT服務器收到的消息上傳到服務器端的MQTT服務器，服務器端的MQTT服務器將數據上報到網頁端，將一些數據保存在數據庫中，也可以接受來自網頁端的指令和從數據庫中獲取數據，將數據轉發給機器人端，機器人端的MQTT服務器再將指令和數據發給各個對應的模塊。

網頁端平臺主界面(圖8)主要包括點云地圖、任務模塊、視頻模塊、機器人狀態模塊、遙操作模塊。

后臺管理界面(圖9)分為機器人信息、后臺日志管理、后臺傳感器數據和后臺任務管理四部分，主要管理網頁展示的信息，可以在后臺查看到完整的數據并進行修改。

圖8 網頁端主界面Fig.8 Main page of website

圖9 機器人狀態信息可視化界面Fig.9 Visual interface of robot state information

4 油氣場站自動巡檢機器人系統集成測試

在完成整個油氣產站自動巡檢機器人系統的設計后，進行了樣機的制造并對設計過程中的各項指標和功能進行了系統的測試。

4.1 巡檢機器人本體測試

根據2.1節中的設計方案，最終得到圖10所示的實物樣機，對其進行能力測試。

如圖11所示，選取10°～40°的坡道于機器人所經道路上，機器人分別以0.5、1、1.5 m/s行駛，，不同速度爬行每個坡道5次。經測試顯示機器人可穩定在最高為30°的坡道上行駛。

圖10 油氣場站自動巡檢機器人樣機Fig.10 Prototype of automatic inspection robot for oil and gas station

如圖12所示，設置10～30 cm不同高度的障礙在機器人所經道路上，機器人分別以0.5、1、1.5 m/s行駛，不同速度每個障礙物經過5次。經測試顯示機器人最高可穩定越過25 cm高的障礙物。

圖11 爬坡性能測試Fig.11 Climbing performance test

圖12 越障性能測試Fig.12 Obstacle crossing performance test

設置100～500 mm不同寬度的壕溝在機器人所經道路上，機器人分別以0.5、1、1.5 m/s行駛，不同速度每道壕溝經過5次。測試顯示機器人最高可穩定越過400 mm的壕溝。

在電池充滿電的情況下，進行自主導航續航測試，按錄制場景及自主導航路徑，隨后不斷循環行駛，直至無電停止行駛。最終記錄從導航開始至電池電量無法支持機器人行駛的時間。電池電壓滿電約57 V，機器停止運行時約為46.8 V。最終累計自動導航平地運行約7 h 10 min，加上前期準備工作所耗費電力。可得結論：機器人平地滿電可運行時間為7.5 h。

4.2 巡檢機器人導航測試

在2.4節中，詳細敘述了環境建圖所需要的傳感器數據，建圖的邏輯和工作框架，建圖的算法實現流程。利用前述的方法，進行環境建圖的測試，以某園區的環境作為環境建圖的測試對象，對一個長約1 km、寬約300 m的園區進行環境建圖。在建圖部分，需要完成步驟如下。

步驟1采集環境數據包。將巡檢機器人開到要進行錄制環境數據包的場地，指定錄包的指令，開始錄制數據包

步驟2運行建圖算法生成點云地圖。在完成了環境數據包的錄制后，可以運行建圖的算法，進行建圖。啟動環境建圖的數據包，并打開RVIZ進行可視化數據顯示，最終生成如圖13(a)所示的點云點圖。

步驟3運行地圖轉換算法進行轉換為柵格地圖。運行轉化柵格地圖的功能包，將其轉化為柵格地圖以供導航使用，結果如圖13(b)所示。

對于生成的點云地圖，主要通過兩種方式進行精度的評估：一種是與已有的地圖進行對比，另一種則是通過回環的檢測。如圖14所示，根據高德地圖的衛星地圖，截取了一張錄制環境的地形地圖。然后將自己生成的點云地圖轉化的柵格地圖進行對比，發現基本符合，在幾百米的地圖環境下，誤差都控制在一米級以下，整體的環境的路面趨勢符合。

圖13 環境地圖Fig.13 Environmental map

以機器人的起點位置作為原點，X軸朝前，Y軸朝左進行參考，然后提取了4個特征點的真實世界坐標和點云地圖中的坐標進行對比誤差，得到表2所示的誤差關系，表明建立的點云地圖總平均誤差小于0.69%。

在完成了環境地圖的構建之后，需要進行導航的測試環節。機器人能夠在下發了目標信息之后，生成一條規劃好的全局路徑和具體執行的局部路徑。在執行過程中，需要不斷的進行自定位，以確保自己的位置是正確的。同時，利用搭載的傳感器，進行環境信息的識別，判斷障礙物是否出現在規劃的路徑中，做到動態的路徑修改以避障。

如圖15所示，經測試，巡檢機器人能夠完成路徑規劃并動態的避開障礙物。

圖14 生成的地圖與衛星地圖的對比Fig.14 Comparison of the map with the satellite map

表2 特征點在真實世界的坐標與點云中的坐標對比Table 2 The coordinates of feature points in the real world and the map

4.3 巡檢機器人預警能力測試

對于巡檢機器人的數據處理與預警能力進行測試，通過可視化界面在任務模塊下發熱成像識別任務，利用紅外熱成像技術檢測設備溫度的分布情況進而確認設備的運行情況，如圖16、圖17所示，利用攝像頭對指針的識別結果如圖18所示，該系統能夠進行環境溫度檢測、指針識別并將其傳到web端可視化界面展示。

圖15 避障測試Fig.15 Obstacle avoidance test

圖16 熱成像結果Fig.16 Thermal imaging results

經測試，熱成像識別功能共執行6條用例，發現缺陷0個；通過可視化界面在任務模塊下發甲烷檢測任務，通過氣體傳感器將氣體成分、濃度等信息傳到web端可視化界面展示，甲烷檢測分析功能測試執行了3條用例，發現缺陷0個；通過可視化界面在任務模塊下發音頻檢測分析任務，利用數字拾音器通過系統將音頻信號轉換成數字信號并處理，展示為音頻波動圖，傳到web端可視化界面。音頻檢測分析功能測試執行了4條用例，發現缺陷0個。測試中當二氧化碳超過10-3和甲烷體積分數超過4%時，會自動彈出報警框進行提示。

圖17 溫度數據歷史變化趨勢Fig.17 Historical trend of temperature data

5 結論

系統論述了油氣場站全自動化巡檢機器人系統的整體內容，包括自主移動平臺的整體構建、傳感器選型和底層控制、自主導航的算法開發、傳感器檢測算法、數據處理與預警平臺。經實驗證明，本油氣場站自動化巡檢機器人系統具有靈活跨越各種障礙物、自主建立環境地圖并導航、自主收集檢測環境樣本并回傳數據、進行數據分析并報警等能力。得出如下結論。

(1)構建了一種新型的越障底盤，通過采用欠驅動的行星齒輪組的結構，使其具備了較強的地形自適應能力，在本機器人的尺寸設計下，能夠穩定跨越20 cm的障礙物，在各種非結構化道路上行進。

(2)自主開發了同時建圖與定位算法并完成自主導航的算法，通過應用ROS系統和Lego-LOAM的方式進行建圖、全局和局部結合的方式進行導航，使得建圖誤差小于0.69%，導航誤差小于10 cm。

圖18 指針表識別結果Fig.18 Pointer table recognition result

(3)自主開發傳感器檢測算法并進行數據處理與預警，識別成功率不低于92%，甲烷濃度高于4%時能夠遠程報警進行提示。

所設計的油氣場站全自動化巡檢機器人滿足設計目標，在油氣自動巡檢的應用上有較大前景。但是由于時間倉促和技術的可優化性，本油氣場站全自動化巡檢機器人仍有進一步優化的空間，在導航算法的柔順性，大場景建圖的可行性評估方面仍然有較大的提升優化空間。