一種基于RRT算法的水冷壁爬壁機器人路徑規劃

摘要： 針對水冷壁爬壁機器人在多變地形上的作業需求以及在垂直表面上的連續移動特性，文章提出了一種基于RRT算法的路徑規劃策略。該策略采用柵格化方法對機器人的作業環境進行建模，利用 RRT算法的搜索速度快以及建立隨機樹的特性，通過在空間中任意選取點，將其與樹相結合，構建通往目標的路徑。RRT算法具有對復雜環境、動態障礙的適應性，可為復雜壁面上的爬壁機器人的運動軌跡規劃提供依據。實驗數據表明，采用RRT算法的水冷壁爬壁機器人能夠高效地完成水冷壁表面的路徑規劃問題。

關鍵詞：水冷壁爬壁機器人；RRT算法；動態路徑規劃

中圖分類號：TP242.2" 文獻標志碼：A

0 引言

在提高探測效率的前提下，水冷壁探測機器人的發展大大降低了檢測費用，保證了檢測工作的持續性與可靠性。路徑規劃是機器人作業過程中的關鍵環節，須要綜合考慮距離、環境安全、路徑可通行性和可能存在的障礙等多個方面來確定最優巡檢路徑。本文提出一種有效的路徑規劃方法，可以提高巡檢機器人作業效率，保證作業過程中的安全性，降低系統的資源與能量消耗。

根據環境模擬的地圖已知和未知的情況，常用機器人的路徑規劃算法有蟻群算法^［1］、人工蜂群算法^［2］、沙貓優化算法^［3］、遺傳算法^［4］等。秦旭等^［5］對傳統 D*算法進行了改進，通過對子節點的選擇方法進行了優化和調整并對整個系統進行了局部化。選取各局部環境目標點，識別各關鍵節點；提出了一種基于光滑函數的檢測方法并對成本估算方程進行了修正。Li等^［6］針對移動機器人路徑規劃問題，提出了一種多步蟻群優化算法。Lamini等^［7］提出一種新的遺傳算法并將其應用于靜止環境下的遺傳算法求解。該算法具有結構簡單、性能穩定、搜索能力強、高效、魯棒等優點，但存在編碼速度慢、易早熟等缺點。

在現代工業中，對水冷壁進行維護與清洗是十分重要的。為提高工作效率和安全性，爬壁機器人得到了廣泛的研究和應用。本文將 RRT算法應用于壁爬式機器人的運動軌跡規劃中。該算法可以保證機器人在作業過程中，動態地覆蓋作業區域，既可避免由路徑不明或障礙而造成的反復運動，又可大幅降低控制難度，在維持較高的柔性與自適應能力的前提下，提高機器人的精度。

1 問題描述

1.1 構造環境模型

本研究基于對水冷壁爬壁機器人工作環境及其工作要求的研究，對其工作區域進行分區，采用地圖化方法建立2D地圖，確保水冷壁機器人可以在地圖上自由移動，對任意方位上的網格進行全方位的操作。

在水冷壁的2D地圖中，用（xi，yi）表示地圖中的坐標，由于實際的水冷壁形狀與地圖模擬的形狀存在一定的誤差，因此，構建地圖時須對障礙物進行一定的放大處理，變成規則的形狀，如圖1所示，障礙物使用灰色的規則圖形填充，須要規劃的路徑用白色填充。

1.2 RRT算法

1.2.1 算法描述

RRT算法采用逐步的方式構造路徑。該算法以起始點qstart為起點，逐步對隨機樹進行擴充。算法會隨機選擇一個點qrand，然后在最近的樹節點qnear與qrand之間的連線上，嘗試創建一個新的節點qnew。當新的節點qnew和qnear的路徑不沖突時，將添加新的節點到該樹中；如果出現沖突，該新節點將被忽略。在新的結點和目標點qgoal的距離比預先設定的閾值r小的情況下，將目標點qgoal加入路徑規劃。通過這種方式，算法就會一直迭代下去，直到找到一條可行的路徑為止。

RRT算法的公式為：

c（qnear）=c（qnew）+distance（qnew，qnear）（1）

式中，distance（qnew，qnear）是節點qnew到節點qnear之間的歐幾里得距離。c（qnew）是q的新節點。

對于空間中的2個點（x1，y1），（x2，y2），主要使用歐氏距離、曼哈頓距離等。在RRT算法中，常用歐氏距離作為代價值，其表達式如下。

dEuclid=（x2-x1）2+（y2-y1）2（2）

1.2.2 RRT算法流程

（1）開始階段：選擇起始點start作為樹的根，構建一個樹形結構（通常采用二叉樹的形式），根節點代表起始位置。

（2）隨機選擇：在探索空間內隨機選取一個點x_rand。該點可能位于可行區域，也可能位于障礙物內。

（3）確定最近節點：在已構建的樹中定位到距離x_rand最近的節點x_near。

（4）樹的擴展：從x_near向x_rand方向前進一段距離，創建一個新的節點x_new。如果x_new位于可行區域（即不與障礙物發生沖突），則將x_new添加到樹中并在x_near與x_new之間建立連接。

（5）目標驗證：判斷x_new是否接近目標區域。這里的“接近”可以通過設置一個特定的搜索半徑來定義。若x_new接近目標，則從起點到x_new構建一條路徑并終止算法。

（6）循環執行：重復步驟2至步驟5，直到找到目標點goal或達到預定的迭代次數。

其偽代碼如表1所示。

RRT算法的優點在于采用隨機抽樣、迭代擴展樹等方法，在有限的時間內搜索出最優路徑并高效地探索大型空間。RRT算法不須要構建整個空間的顯式表示，可根據樣本數據進行自適應擴充，在解決復雜場景、高維問題等方面有著明顯的優勢。

2 實驗與分析

2.1 實驗步驟

（1）構建水冷壁環境的2D仿真地圖：設計并實現一個模擬實際水冷壁空間的2D地圖，用于模擬水冷壁機器人利用RRT算法的路徑規劃。

（2）確定路徑規劃的起點和終點：在柵格地圖中標記出路徑規劃的起始位置和目標位置并設定路徑搜索的方向。

（3）應用RRT算法于包含靜態障礙物的柵格地圖：將RRT算法應用于包含靜態障礙物的柵格地圖中，進行路徑規劃實驗并記錄每次路徑規劃所需的時間。

（4）分析仿真數據并得出結論：對RRT算法仿真實驗的數據進行詳細分析，基于分析結果形成實驗的結論。

2.2 仿真實驗

本文采用PYCHARM軟件進行實驗仿真，工作環境主要運用50×30和60×40的2種水冷壁2D仿真地圖并隨機生成障礙物。

（1）在50×30的仿真柵格地圖上使用RRT算法讓爬壁機器人在仿真地圖上進行路徑規劃，結果如圖2所示。

（2）在60×40的仿真地圖上使用RRT算法讓爬壁機器人在仿真地圖上進行路徑規劃，結果如圖3所示。

其中圖2和圖3的（a）和（b）分別代表同一規格地圖下不同障礙物模擬的地圖。白色區域表示沒有障礙物的區域，這是爬壁機器人可以自由移動的空間。而灰色的圓形和矩形區域則模擬了水冷壁機器人在執行爬壁任務時可能遇到的障礙物。如圖2和圖3所示，左側小方塊坐標點代表爬壁機器人的起始位置。右側小方塊坐標點則代表機器人的目標點，即機器人需要到達的目的地。連接左側與右側小方塊路徑是RRT算法為爬壁機器人規劃的最優路線。圖中展示了RRT規劃的路徑，避開了所有的障礙物，確保了機器人能夠安全地到達目的地。

2.3 仿真實驗分析

本文在50×30和60×40的水冷壁仿真2D地圖上使用RRT算法多次進行路徑規劃仿真，將RRT算法在不同大小、環境不同的仿真地圖上完成路徑規劃所需要的時間進行記錄，如表1和表2所示。

從表1和表2可以看出，當障礙物數量從“少”變為“多”時，RRT算法的路徑規劃時間都有所增加。這表明障礙物的存在和數量是影響RRT算法效率的重要因素。障礙物越多，算法須要探索的空間越大，因此，需要更多的時間來找到一條避開障礙物的路徑。

在相同的條件下多次運行，路徑規劃所花費的時間也不一樣，說明RRT算法的隨機性，隨著實驗次數的增加，所需時間呈下降趨勢，說明RRT算法逐漸找到更優的路徑。

3 結語

水冷壁機器人在大型立面上的高效爬行能力依賴于其路徑規劃算法的性能。本文通過研究水冷壁爬壁機器人的運動路徑規劃算法，采用2D地圖仿真建模技術將復雜的壁面曲面轉換為一維結構地圖并在此基礎上增加壁面上的障礙物位置。爬壁機器人利用RRT算法對2D地圖進行快速搜索與規劃，以保證機器人的避障能力，使機器人的運動軌跡盡可能短。本文驗證了在水冷壁機器人上使用RRT算法的可行性并多次模擬實驗。

本文采用PYCHARM開發環境對所提出的路徑規劃算法進行了仿真測試。仿真結果證明了RRT算法在水冷壁2D地圖中進行路徑規劃的可行性和效率。雖然RRT算法存在隨機性和非最優性的缺點，但RRT算法在處理動態障礙物和路徑規劃上的效率是可行的。

參考文獻

［1］劉太聯，喬衛民，季春曉.蟻群算法在重離子治癌病灶定位中的應用研究［J］.核電子學與探測技術，2014（8）：954-957，985.

［2］王遠國，俞海兵，李云臣，等.基于改進人工蜂群算法的核電巡檢機器人路徑優化策略設計［J］.電子設計工程，2023（6）：70-74.

［3］張潔.沙貓群優化算法規劃核輻射探測機器人移動路徑［J］.核電子學與探測技術，2023（4）：759-765.

［4］孫茂榮，趙澤陽.基于遺傳算法的管板爬行機器人檢修路徑規劃［J］.制造業自動化，2023（11）：117-121.

［5］秦旭，黃曉華，馬東明，等.基于改進D*算法的巡檢機器人路徑規劃［J］.組合機床與自動化加工技術，2022（6）：10-13.

［6］LI D，WANG L，CAI J，et al.Research on terminal distance indexbased multistep ant colony optimization for mobile robot path planning［J］.IEEE Transactions on Automation Science and Engineering，2022（4）：2321-2337.

［7］LAMINI C，BENHLIMA S，ELBEKRI A.Genetic algorithm based approach for autonomous mobile robot path planning ［J］.Procedia Computer Science，2018，127：180-189.

（編輯 王雪芬）

Path planning method for water wall climbing robot based on RRT algorithm

XUE" Xiaobin1， CAO" Yifeng1， WU" Jie1， HUANG" Xianming^2*

（1.Jiangsu Changshu Power Generation Co.， Ltd.， Suzhou 215500， China;

2.Changshu Institute of Technology， Suzhou 215500， China）

Abstract：" The proposed path planning strategy for a watercooled wallclimbing robot， which aims to meet the operational requirements on variable terrains and continuous movement characteristics on vertical surfaces， is based on the RRT algorithm. This strategy utilizes rasterization method to model the robot’s working environment and leverages the fast search speed of the RRT algorithm along with its ability to establish a random tree. By combining any selected point in space with this tree， a path towards the goal can be constructed. The adaptability of the RRT algorithm to complex environments and dynamic obstacles makes it suitable for trajectory planning of wallclimbing robots on intricate surfaces. Experimental data demonstrates that utilizing the RRT algorithm enables efficient completion of path planning tasks for water wall climbing robots.

Key words： water wall climbing robot; RRT algorithm; dynamic path planning