數字化變電站巡視機器人避障路徑智能規劃研究

趙澤龍 鄭 磊 易克松 朱清耀 周仲波

（貴州電網有限責任公司遵義供電局）

0 引言

現如今，變電站的智能自動化水平得到了極大的提升，而巡視自主移動機器人的應用也越來越廣泛，為數字化變電站日常的工作提供了極大的便利［1］。所謂巡視機器人是電力特種機器人系列中的一種，主要用于代替人工完成變電站巡檢工作，而路徑規劃則是保證巡視機器人工作質量與效率的關鍵［2］。傳統的巡視機器人通常是以單向避障或者定位避障的模式實現最優路徑的規劃，這種形式雖然可以完成預期的規劃目標，但是較容易受到外部因素的影響，導致規劃質量不高。在實際中，對于避障環境的要求和規劃限制也是極嚴格的，因此研究一種新的數字化變電站巡視機器人避障路徑智能規劃方法具有重要意義［3］。

為了提升數字化變電站巡視機器人避障路徑智能規劃質量，通過劃定數字化變電站巡檢覆蓋范圍，對機器人避障程序進行相應調整，并根據實際環境情況及路徑選擇合理的規劃方案，保證數字化變電站的安全平穩運行［4］。因此需要結合三維技術、高精度GPS技術，進一步構建更加靈活、多變的巡視規劃機器人內置結構，擴大對應的覆蓋區域，推動相關行業及技術邁入一個新的發展臺階［5］。所以研究一種新的數字化變電站巡視機器人避障路徑智能規劃方法勢在必行。

1 變電站巡視機器人避障路徑規劃方法設計

1.1 明確人工避障勢場區域

在對變電站巡視機器人避障路徑規劃方法設計之前，需要根據變電站巡視機器人實際的工作區域，明確人工避障勢場區域［6］。所謂人工避障勢場主要指的是結合三維技術所構建的一個虛擬的空間，是根據實際變電站的空間按照比例縮小而成的。將巡視機器人實際的運動程序作為構建勢場的限制條件，在標定的空間中搭建引力和斥力的場強線，致使巡視機器人依據“磁場”的變化不斷運動，完成預期的避障路徑智能規劃［7］。首先，需要在模糊區域之中布設一定數量的監測節點，測定機器人在行進的過程中所受的合力大小，計算出區域范圍之內的斥力和引力，具體如式（1）所示：

式中，G表示避障范圍內的斥力；I表示覆蓋范圍；φ表示磁場可控直徑；m表示磁場重合距離；i表示避障次數；κ表示單向運動范圍。通過上述計算，最終可以得出避障范圍內的斥力。隨后，結合得出的數值及磁場的變化情況計算出磁場的引力，具體如式（2）所示：

式中，o表示磁場的引力；β1表示障礙物識別預設時間；β2表示障礙物實際識別時間；χ表示目標點距離；?表示斥力場函數。通過上述計算，最終可以得出實際的磁場的引力。利用得出的引力和斥力，標記機器人的識別盲區，在對應位置安裝檢測裝置，形成全覆蓋式的人工避障勢場，根據總勢場的變動狀態決定機器人的運動方向，建立動態化的路徑規劃梯度，完成對人工避障勢場區域的明確，為后續路徑規劃提供重要的參考依據［8］。

1.2 巡檢障礙距離及方位計算

在明確人工避障勢場區域之后，接下來需要根據實際的避障需求及路徑規劃方法，進行巡檢障礙距離及方位的計算。通常情況下，與工業巡檢機器人不同的是，數字化變電站巡檢機器人的工作范圍是有限的，一般會在機器人的前方、后方、左側和右側各個位置安裝異常識別器和多維傳感裝置，利用相應的測試程序分析核算所識別障礙物與巡檢機器人之間的距離，具體結構如圖1所示。

圖1 巡檢障礙距離測定結構圖示

根據圖1，可以完成巡檢障礙距離測定結構的設定與調整，隨后結合機器人的運行狀態，計算出實際的巡檢障礙距離，具體如式（3）所示：

式中，J表示巡檢障礙距離；θ1表示探測范圍；θ2表示重合范圍；π表示空間矢量；?表示探測直徑。通過上述計算，最終可以計算得出實際的巡檢障礙距離。依據實際的巡檢障礙距離數值，判定此時巡檢機器人與障礙物之間的距離，結合周圍環境及磁場的變化，將機器人在變電站內部的識別角度從0°調整到360°，在此過程中逐步測定路徑智能規劃的空間方向矢量，具體如表1所示。

表1 機器人避障路徑智能規劃空間方向矢量表

根據表1，可以完成對機器人避障路徑智能規劃空間方向矢量的測定和分析。根據空間矢量的變動，結合機器人采集障礙物的運動方位信息，并通過設定模糊路徑，完成對巡檢障礙距離及方位的計算。

1.3 Dijkstra多目標避障路徑智能規劃模型設計

在完成對巡檢障礙距離及方位的計算之后，接下來根據變電站機器人的巡檢工作項目，結合Dijkstra多目標避障技術構建路徑智能規劃模型。通常情況下，巡檢機器人的運行是通過預設目標來催動的，雖然能夠完成預期的任務，但是不夠靈活。

在控制系統中融入Dijkstra多目標避障程序，從多個方向設計避障路徑。這部分需要注意的是，可以在機器人上搭載二維激光雷達，結合URDF調度模型，構建多范圍、動態化的模型的規劃流程，具體如圖2所示。

根據圖2，可以完成對Dijkstra多目標避障路徑智能模型流程的設計與調整，將上述計算出的數值應用在路徑智能規劃模型之中，優化模型對于障礙物的規避能力，實現Dijkstra多目標避障路徑智能規劃。

圖2 Dijkstra多目標避障路徑智能模型規劃流程

1.4 動態窗口法實現路徑規劃

在完成對Dijkstra多目標避障路徑智能規劃模型的設計之后，接下來采用動態窗口法，實現機器人避障路徑的智能規劃。在機器人的識別程序之中設定關聯窗口，并構建動態化的標記空間。根據機器人的運行區域，對異常位置逐一做出標定。

同時，通過動態窗口將相關的數據信息傳輸至控制系統程序之中，便于管理人員及時查看維護。但是這部分需要注意的是，動態窗口法對于機器人的路徑的規劃并不受到限制，所以覆蓋的范圍也會更大一些，更加有利于路徑的智能規劃處理，以此完成數字化變電站巡視機器人避障路徑智能規劃。

2 方法測試

為了驗證本文所設計的數字化變電站巡視機器人避障路徑智能規劃方法的有效性，進行實驗測試。選擇H數字化變電站作為測試的主要目標對象，為了保證實驗結果具有可比性，設定傳統插補軌跡路徑規劃測試組、傳統融合視覺路徑規劃測試組以及本文所設計的Dijkstra多目標避障路徑規劃測試組，測試得出的結果比照分析，得到相關的實驗結果。

2.1 測試準備

在對數字化變電站巡視機器人避障路徑智能規劃進究前，需要搭建相應的測試環境。將巡檢機器人與變電站的控制平臺相關聯，選擇bobac搭載上下兩層控制程序，并將全向輪設備作為基礎搭接。將預設好的巡檢工作任務以指令或者協議的形式設定在機器人的執行程序之中，根據相關的巡檢任務設置機器人的定向巡檢動作，具體如圖3所示。

圖3 機器人工作狀態圖示

根據圖3，可以完成對機器人工作狀態的調整的分析，隨后在機器人內部結構中預裝ROS控制系統，關聯上位機與下位機，實現多層級、多目標控制。與此同時，將傳感器與bobac工控器搭接，實現路徑規劃環境的構建。核定測試設備及裝置是否處于穩定的運行狀態，并確保不存在影響測試結果的外部因素，核定無誤后，開始測定。

2.2 測試過程及結果分析

根據上述搭建的測試環境，進行相關避障實驗測試。將所構建的避障任務分別設定在機器人之中，結合避障目標點的設定，測算出路徑規避指標值，具體如表2所示。

表2 路徑規避指標值設定表

根據表2，可以完成對路徑規避指標值的設定。隨后，根據調整的范圍，得到機器人進行避障路徑的智能規劃結果，結果如圖4所示。

圖4 巡檢機器人避障路徑智能規劃圖示

根據圖4，可以完成對巡檢機器人避障路徑智能規劃的設計與測定，在不同的測試避障目標下，測試變電站巡視機器人避障路徑智能規劃的耗時，對得出的測試結果對比分析，具體如表3所示。

表3 測試結果對比分析表

分析表3可知，對比于傳統插補軌跡路徑規劃測試組、傳統融合視覺路徑規劃測試組，本文所設計的Dijkstra多目標避障路徑規劃測試組最終得出的路徑智能規劃耗時均控制在了較低的水平，基本保持在1.4s以下，說明本文方法應用后，機器人對于障礙物的識別速度較快，路徑規劃的可靠率較高，實際應用效果較好。

3 結束語

為了保證機器人巡檢質量與效率，本文設計一種新的數字化變電站巡視機器人避障路徑智能規劃方法。與傳統的機器人避障路徑模式相對比，本次設定的路徑規劃方法更加靈活、穩定，且具有較強的針對性。在數字化變電站日常的工作中，動態障礙物環境、不符合實際需求等因素常常出現，這也導致巡視工作受到消極影響。使用本文方法后，巡視機器人會在標定的范圍之內，對動態或者非動態的障礙物進行規避，從多個角度考慮，設定更短且安全性更高的全局規劃路徑軌跡，過程中如果環境發生改變，還可以融合運動障礙物軌跡做出二次分析，使用動態窗口法對路徑方案做出合理調整，進一步增加機器人對周圍環境的適應度，進一步滿足避障需求，提升巡檢機器人工作質量與效率。