基于數字孿生的電力機器人作業控制系統研究與應用

甘志堅，黃國方，張靜，劉曉銘

（1.南瑞集團（國網電力科學研究院）有限公司，南京 211106；2.國電南瑞科技股份有限公司，南京 211106）

0 引言

隨著人工智能技術和數字化技術飛速發展，機器人在電力系統應用也越來越廣泛。電力機器人執行任務的工作場景是非常復雜與危險的，運動控制出現差錯，將帶來不可估量的危害[1-2]。因此在面對實際執行任務之前，有必要通過仿真對作業任務和功能進行驗證，確保機器人運動精準與安全。實時監控是電力機器人安全作業不可缺失的重要部分，能及時掌握機器人作業過程狀態信息，確保機器人安全可靠完成作業任務[3-4]。在作業過程中如發生異常情況，操作人員可以及時采取異常處理措施。

目前大多數機器人仿真平臺功能單一、仿真精度低、可靠性差，不能有效高精度地完成作業任務仿真，導致在實際作業過程中發生故障。傳統監控系統可視化效果差，監控方式單一，不能對機器人作業全狀態進行監控與管理[5-6]。

2005年由Grieves等[7]提出數字孿生技術，物理空間與數字空間交互映射系統，該技術為解決上述問題提供了一種新方法。Bielefeldt等[8]對機翼損害建立數字孿生模型，Armendia等[9]針對機床的設計而建立機床數字孿生模型。在國內方面，陶飛等[10]對設備的生命周期監控提出了五維架構數字孿生理論，劉志峰等[11]提出了車間零件生產過程生命周期監控的數字孿生技術。針對數字孿生機器人的研究，大部分集中在數字孿生的建模架構理論研究和生產制造生命周期監控研究兩個方面。而對真實機器人作業過程缺乏雙向數據相互仿真功能，監控系統不夠通透，狀態管理不全面。因此，本文建立配網帶電作業機器人作業仿真與監控系統數字孿生模型，對配網帶電作業控制仿真與監控進行研究，驗證模型準確性和是否有效反映真實的機器人作業過程狀態。

1 配網電力機器人系統設計

1.1 配網電力機器人數字孿生架構

基于數字孿生技術理論的作業控制系統架構如圖1所示，包含物理空間、虛擬空間、數據交互和服務系統4個部分組成。以物聯網底層技術和虛擬仿真為依托，實現真實空間與虛擬空間之間的雙向數據互通、指令控制、虛實聯動。

圖2 配網帶電作業機器人

圖3 配網電力機器人的末端工具

圖4 機器人URDF模型的部件之間連接

物理空間由機器人本體（如機械臂）、末端工具、傳感器和作業環境組成。機器人本體完成作業任務相關運動，如控制末端工具到達作業目標位置。末端工具完成作業任務精細運動，如剝削行線絕緣材料、連接固定引線和行線任務。傳感器主要完成作業環境信息采集，提供三維環境模型數據。作業環境是指作業過程中周邊相關環境物體，例如配網作業的行線與引流線等作業對象、絕緣子與樹木等周邊環境障礙物。

數據交互由數據采集模塊、數據傳輸模塊和數據處理模塊組成，為建立與驅動虛擬空間提供數據基礎。采集數據主要是物理參數表達和指令與傳感數據。物理參數化表達主要是機器人模型參數、末端工具模型參數、環境物體模型參數等物理模型參數。指令與傳感數據主要是作業任務控制指令、機器人傳感數據、環境采集數據等數據信息。

虛擬空間是物理空間的虛擬對應關系，實現對真實作業場景、真實機器人的映射。虛擬空間由孿生模型和孿生數據組成。孿生模型是將機器人和作業場景的物理參數以數字化形式建立模型，物理參數包括位置、幾何尺寸、顏色、材質、從屬關系、運動學特征等。孿生數據是從物理空間采集、傳輸和處理得到數據，用于驅動孿生模型。

服務系統建立在物理空間、虛擬空間的基礎上，通過數據交互層連接，對應具體模型功能的應用，包括作業任務仿真、運動預測、作業過程回放以及全方位可視化監控。

1.2 配網電力機器人硬件設計

本文研究的電力機器人作業控制系統可應用于配網帶電作業，機器人由機械臂、控制系統、末端工具、傳感器等組成。

機械臂與末端工具相互配合完成剝線、穿線、接線、抓線等作業。配網帶電作業機器人采用雙機械臂，左右分布安裝在機器人底座上。根據機械臂與引流線距離不同，每個機械臂的作業任務不同。靠近引流線的機械臂用于抓取引流線，將引流線調整到穿線作業最佳位姿，另一個機械臂則是用于控制末端工具完成剝線、穿線、接線等作業。本文所采用的機械臂是UR10機械臂，由6各旋轉關節組成六自由度機械臂，由基座、肩部、肘部、手腕1、手腕2、手腕3等組成。其中基座、肩部和肘部決定機械臂的作業位置，手腕1、手腕2和手腕3決定了機械臂末端的位姿。

控制系統指揮配網帶電作業機器人的各個部件按照指令功能要求協調工作，是配網帶電作業機器人的神經中樞和指揮中心，由存儲器、程序計數器、操作驅動器組成。存儲器主要存放控制機器人各部件工作程序指令和機器人作業過程的相關數據。程序計數器指明作業程序中下一次要執行的指令地址，記錄當前執行指令地址以及指令計數功能。操作驅動器執行存儲器的作業程序，用來產生各種操作驅動信號，驅動電動機運動以及傳感部件工作。

末端工具連接機械臂末端執行器，用于協調機械臂完成配網帶電作業相關任務。末端工具包括剝線工具、接線工具及夾爪等。剝線工具作用是切除行線的絕緣皮，便于引線和行線連接導電。接線工具利用線夾將引線與行線連接固定。夾爪作用抓取引線，將引線調整到適合穿線作業姿態。

傳感系統檢測機器人自身運行狀態以及檢測作業對象、環境與機器人的關系。傳感系統由內部傳感器和外部傳感器組成。內部傳感器用來檢測機械臂關節角度、力矩、溫度等本身狀態和檢測其他傳感器工作狀態。外部傳感器用于采集環境信息，檢測配網帶電作業機器人所處環境是什么物體，物體的位姿及抓取的物體是否滑落狀況。外部傳感器主要是激光雷達傳感器，激光雷達傳感器選用2D LiDAR SICK TIM561。2D激光雷達傳感器和旋轉平臺組合完成3D作業環境信息采集。

2 數字孿生模型建立

數字孿生模型對物理空間的機器人和環境的結構、屬性、功能等進行數字化可視化表達。孿生模型由機器人模型和環境模型組成。在保證孿生建模精度下，為減少數字孿生模型建模難度，分別采用不同方法對機器人模型和環境模型進行單獨的模型創建。

2.1 機器人模型

機器人由固定部件（如機器人底座）和運動部件（如機械臂）組成。其運動部件分為連桿和關節兩部分。用一個轉動關節連接兩個連桿。關節坐標系可以由父坐標系進行變換，子坐標系也可以由關節坐標系進行變換。關鍵是要使所有的關節都有一個正確的空間關系。URDF（Unified Robot Description Format，統一機器人描述格式）是一種機器人描述格式XML規范來描述機器人。URDF文件用于記錄虛擬機器人的全部信息。為了提高建模精度和仿真效果，采用（CAD）計算機繪圖設計軟件創建機器人模型，然后將CAD模型轉換成URDF機器人描述模型。

2.2 基于激光雷達三維點云作業環境模型

配網作業場景三維重建在機器人帶電作業過程中是一項重要的任務，因為擁有準確的環境表征是與環境安全交互的必要條件。通過三維重建技術對機器人作業環境虛擬建模，提高作業仿真精度，減少機器人作業安全事故的發生。本文主要針對與配網帶電作業機器人關聯的環境建立三維點云環境模型。

將激光雷達2D采集平面旋轉運動實現3D環境采集。利用PCL庫將采集得到的數據進行預處理、分割、參數屬性提取、對象重建，最終得到三維作業環境模型。三維環境建模方法步驟如下。

1）數據預處理。激光雷達掃描頻率較高，采集空間大，得到點云數據密度大。對原始數據體積濾波和噪聲處理，減少數據量提高點云處理效率。對于散亂點云數據的去噪，主要采用拉普拉斯算法。Wetzler等[12]將拉普拉斯算子運用到濾波過程中，其基本公式為

2）點云分割處理。采用聚類優化算法對點云進行區域分割, 將點云劃分為包含原始對象特征信息的各個聚類區域。配網帶電作業環境形狀組合由圓柱面和平面組成。利用不同區域曲面或平面屬性將點云劃歸到相同的點云子集中。

3）參數屬性提取。為了簡化建模難度，我們提取行線、橫擔、桿塔的幾何特征。對行線、橫擔、桿塔區域點云進行切片處理，得到平面質心、行線半徑、橫擔和桿塔長寬。采用最小二乘法進行直線擬合得到行線、橫擔、桿塔等軸線。對行線、橫擔、桿塔區域點云之間相互坐標進行提取。

4）作業環境對象重建。根據行線、橫擔、桿塔的幾何屬性，利用OpenGL庫對作業環境進行三維建模。將模型轉換為計算機圖形應用系統中常用的stl文件保存。利用激光雷達對機器人進行定位，得到機器人在世界坐標系位姿。環境模型和機器人模型發布到虛擬空間進行可視化。

3 作業控制系統仿真與3D可視化監控

配網帶電作業機器人作業控制系統仿真與3D可視化監控技術，有利于保證機器人作業可靠與安全。

3.1 運動學分析與路徑規劃

為了實現配網帶電作業機器人作業任務仿真，需要對機械臂進行運動學分析和軌跡規劃。利用D-H運動學建模方法，得到連桿i的位姿矩陣在連桿i－1關系矩陣i－1i T。

本文采用的是UR10 機械臂，其關節坐標系分布如圖5所示。

路徑規劃是機械臂控制末端工具到達目標點的重要環節。機械臂具有高自由度、非線性的特點，不能直接使用傳統的平面路徑規劃算法。本文采用快速擴展隨機樹算法完成機械臂多維空間路徑規劃。首先，以當前機械臂位置為樹根節點。然后子節點通過隨機采樣不斷進行擴展，從而在搜索空間形成隨機擴展樹。當父節點在隨機樹中找到目標點后，則完成路徑搜索任務。

隨機采樣點xrand，在擴展樹中距離隨機采樣點最近的點xnear，從最近的點xnear到采樣點xrand方向以固定長度l生成的新子節點xnew公式為

式中，‖ ‖為兩點間距離。

3.2 基于層次包圍盒碰撞檢測技術

碰撞檢測是驗證配網帶電作業機器人作業仿真安全性和正確性的重要功能。本文通過建立層次包圍盒模型進行碰撞檢測，在虛擬空間對機器人作業仿真過程進行碰撞檢測驗證，確保配網帶電作業安全可靠。

本文利用AABB包圍盒和OBB包圍盒建立配網作業機器人的層次包圍盒模型。SAO 混合包圍盒結構樹中的Sphere 包圍球用于排除相距較遠不可能發生碰撞的物體；AABB 層為粗略檢測階段，用來處理逐漸靠近的物體雖然與包圍盒相交但實際物體還未發生碰撞的情況；OBB 層為精確檢測階段，用來處理與包圍盒相交、實際物體也發生碰撞的情況。

3.3 作業控制系統仿真

根據配網帶電作業機器人在復雜多變環境中開展多任務作業需求，為提高作業安全性和效率，作業任務仿真又可細分為作業前仿真、作業過程中仿真和作業后的全流程復盤。

1）作業前仿真。作業前仿真主要是驗證相關算法功能的正確性，以及通過標準作業文件開展全流程作業仿真，排除不確定性因素的干擾，快速建立與完善當前作業環境的作業文件。首先獲取仿真作業環境對應的點云數據，通過點云數據建立環境模型。建立和調試作業文件過程中，需加載線路環境仿真模型、機器人模型和通用作業文件進行全數字化仿真，根據仿真結果進行調整，確定最佳流程。最后將最佳流程應用于實際機器人進行驗證。

2）作業中仿真。作業中仿真為確保機器人在執行作業過程中避免由于實時場景與模型的差異性帶來誤碰的情況，確保機器人作業的安全性。因此，作業中仿真是基于實際作業環境的數字模型，將關鍵步序執行器替換為對應的仿真組件，仿真組件將執行結果或問題反饋給作業任務管控模塊，只有在仿真無問題后才能切換到實際執行器執行相應動作。通過關鍵步的虛實結合仿真，提高了機器人對作業環境的適應性，確保了機器人作業的安全可靠。

3）作業后的全流程復盤。在完成作業后，利用現場環境模型、機器人作業數據，在仿真環境中進行復現，其中執行器狀態和動作根據實際作業數據進行調整，從而實現問題快速定位。此外，在獲取現場作業數據后，機器人可在仿真環境中基于現場數據進行訓練，實現對感知、規劃和控制知識的迭代學習，以及對作業流程的持續完善，并通過項目研究的云端協同管控技術實現機器人知識共享，進而不斷提高機器人的智能化水平。

3.4 可視化監控系統設計

可視化監控系統是對配網帶電作業機器人作業過程進行三維映射監控和異常監控，對真實作業場景實時數據以可視化模型復現作業過程。可視化監控系統由狀態監控和感知監控組成。

狀態監控是配網帶電作業機器人和作業環境三維可視化監控及機器人狀態異常監控。首先對機械臂關節狀態信息、末端工具位姿和電動機狀態、傳感系統狀態和數據等物理空間的狀態數據進行實時采集。數據處理模塊對物理空間狀態數據進行集成，機械臂關節狀態信息、末端工具位姿和電動機狀態、傳感系統狀態等數據以ROS標準話題形式發布到RViz可視化平臺[13]，實時數據驅動機器人模型，實現機器人運動狀態實時可視化監控。同時對狀態數據進行常態檢測，檢測狀態數據是否超過正常數值或者機器人部件是否發生干涉碰撞。

感知監控是對傳感數據進行監控。傳感系統采集的數據以可視化標準話題結構發布到rviz平臺，實現傳感采集數據可視化監控。

4 實驗與結果分析

4.1 作業仿真功能實驗

為驗證配網帶電作業機器人作業仿真功能，構建了剝線作業任務進行仿真測試。配網帶電作業機器人剝線作業仿真實驗如圖6所示。利用激光雷達傳感器對環境進行點云采集，完成環境建模。通過對機械臂運動學分析和路徑規劃，完成機械臂取放工具和到達剝線點的剝線作業仿真。

圖6 配網帶電作業機器人剝線作業仿真實驗

4.2 配網帶電作業監控系統實驗

為驗證基于數字孿生技術的配網帶電作業監控系統的可行性，搭建了簡易配網線路的實驗平臺進行剝線作業三維可視化監控實驗，如圖7、圖8所示。實驗結果表明可視化監控系統可以實現配網帶電作業機器人作業過程狀態監控。環境模型和機器人模型進行可視化顯示，根據真實機器人與環境中定位信息，建立環境模型和機器人模型位姿關系。利用作業過程數據驅動機器人模型，實現了作業過程三維可視化監控。機械臂關節位置傳感數據和末端工具狀態數據以列表形式顯示，激光雷達感知數據以點云形式進行可視化顯示，實驗結果表明可視化監控系統可以實現感知數據可視化監控。

圖7 剝線作業三維可視化監控實驗

圖8 移動終端中對機器人感知可視化監控界面

4.3 碰撞檢測實驗

為了驗證碰撞檢測功能，我們測試機器人與環境和機器人自身發生碰撞，碰撞檢測實驗如圖9所示。實驗結果表明基于數字孿生技術配網帶電作業機器人系統可以實現機器人與環境和機器人自身碰撞檢測功能。

圖9 碰撞檢測實驗

5 結語

本文提出了一種基于數字孿生技術電力機器人作業控制系統，并應用于配網帶電作業。搭建配網了帶電作業實驗平臺，實現配網帶電作業虛擬空間和物理空間互聯。實驗結果表明，該系統已實現三維可視化實時監控、剝線作業任務仿真和碰撞檢測功能實驗驗證，有效提高了開發人員研發效率以及作業安全性。

我們未來工作包括：1）進一步完善環境建模、機器人運動學與動力學模型及碰撞檢測模型，使得虛擬空間與真實作業更為真實；2）利用深度學習相關知識，使得監控與預測更為智能；3）結合5G通信與云服務技術，降低數據傳輸時延性和數據共享便攜性。