浅谈大规模变电站智能巡检机器人的路径规划

浅谈大规模变电站智能巡检机器人的路径规划

徐红武

徐红武

湖北工业大学电气与电子工程学院430068

摘要：基于现阶段大规模变电站中智能巡检机器人的工作方式，本文建立了非动态的半结构化的数学模型，使用Dijkstra算法和GA算法进行剖析，并使用了SQL数据库，开发了具有非动态导航功能的大规模变电站的智能巡检机器人的平面导航地图，同时该地图在现实的变电站巡检中得到了运用。

关键词：变电站；机器人；路径规划

引言

随着超高压电网和特高压电网的不断发展，大规模变电站的巡视工作也成为了一项烦琐却十分重要不可或缺的任务。然而，传统的人为值班、定时巡检的方式必定会面对巡检任务重，工作效率差，工作人员的人身安全受到威胁等等一系列的新情况和新挑战，这就导致了传统的人工巡检方式已经逐渐不能满足大规模变电站的工作可靠性的要求。

1.现阶段变电站智能巡检机器人概况

变电站巡检的主要工作任务和工作需求是：监视检测变电站内各种仪器设备的工作情况，包括进行仪器运行时噪声、显示图形界面的采集；记录仪器表盘的读数；变电站内工作环境的温度、湿度、气压等的密切检测和不间断反馈汇报，这样才有可能能够在最短的时间内发现不正常工作状态并予以相对应的措施。变电站巡检的重中之重就是根据变电站的工作环境、地理位置以及各个仪器设备的分布情况来对巡检机器人的巡逻路径进行规划，所谓规划，实际上是在遵循约束条件的前提基础下，由想要得到优化的规划因素作为规划的目标，建立某个或某几个目标函数，综合使用一些算法和规划的方法，求出使得目标函数得到最优解的情形，该情形就是我们所需要的规划方案。然而，由于现实的实际工程问题错综复杂，往往采用多目标规划分析，即选取某几个因素作为主要考量对象建立目标函数，此时分析得到的规划方案将不会是单一的解（唯一解），而会是在形成的可行方案池中决策出最佳方案。

大规模变电站巡检机器人的方位确定、非整体路径规划以及整体路径规划互相辅助，一起合作进行其巡逻监测的任务。大规模的变电站巡检要求充分考虑适应变电站的场所分布布置的特点、各种电力设备的布局特点、符合安全性和可靠性的规定等等，找寻到花费时间最短、占用空间最小、巡检路线最合适、巡检效率最高的巡检方案。

2.半结构化数学模型的建立

利用平面可视图方法进行建模，是指把智能机器人看作成为一个质点，然后把路径中可能会碰到的路障抽象出来变成多边形，接着继续将智能机器人和多边形的每一个端点进行连线，这一步中特别要注意的是，所有的连线都一定要躲避开可能碰到的路障。其实，每一条线段都可以直接客观地被反映出来，也就是说，智能巡检机器人的每一种可能行进、绝对不会发生和路障的摩擦碰撞、合理有效的路径就是所联结而成的线段。从可视图中的这些线段我们也能够很轻易地发现智能巡检机器人的原有位置以及行动路径。当然，为了增强可视图的简洁性，让我们能够更加一目了然地了解到智能巡检机器人的行动路径的备选方案，并且切实有效地提高巡视检查的效率，我们可以适当地对可视图进行删减，删去没有实际可行性的、巡检作用甚微的线段，略去复杂的、绕行的巡检路线方案，这样，可视图将必然得到了简化处理。在简化后的可视图中再对大规模变电站中的智能巡检机器人的巡检路径进行规划和选择就自然会变得容易很多。

需要提醒和注意的一点是，使用平面可视图方法进行建模的前提条件是把智能巡检机器人看作成为了一个质点，而我们由物理学知道，质点只是理想化的，所以在实际现实情况中，即使联结的线段没有碰到路障，但是智能巡检机器人在实际工作时仍然会发生碰撞到路障的事件，所以还是需要尽可能地留出线段与多边形端点之间距离的富余量，也就是在实际空间中留出了智能巡检机器人的通道和足够的空间距离。

3.相关算法简介

本文主要采用了Dijkstra算法和GA算法。Dijkstra算法用于对任何两个端点间的最优路径求解问题，这里所谓的最优路径其实就是两点之间的最短路径了。智能巡检机器人需要只途径每个端点一次（即不重复）来完成停靠点的巡检任务，简单来说，该问题的研究分析可以简化为数学上的组合优化问题。求解最优规划问题通常就是从所有的可行方案池中找到使得某目标最优的解。遗传算法（GA）也称为进化算法，是一种属于全局优化的方法，但GA不具有记忆功能，其粒子会随着种群的改变而被改变。GA对高维复杂的问题，往往会遇到早熟收敛和收敛性能差的缺点，因此无法保证收敛到最优点。遗传算法既可以求全局最优解也可以求局部近似解，但是遗传算法并不保证一定能获得问题的最优解。遗传算法以通过维护一个潜在解的群体执行了多方向的搜索的方式，并进行了“数字化”的编码，支持这些方向上的信息的构成和交换。种群里面的个体就是这些数字化的编码。在之后的解码过程完成时，用目标函数（或者说用适应度函数）对每一个种群中的个体进行适应度的评估。一般说来，以面为单位的搜索往往比以点为单位的搜索更能够发现全局最优解。除了上述两种算法以外，模拟退火算法也是研究组合优化的常用算法之一，它是一种启发式算法，把局部优化的问题扩充为全局优化的问题，模拟固体的自然退火过程，可以方便地考虑约束条件，求解简单方便。

4.运行结果

本文使用上述算法，在SQL数据库和VisualC++中开发出来平面地图系统，该系统在Windows7系统和WindowsXP系统中完全可以正常运行。

大规模变电站中智能巡检机器人在经过了两个月的调试运行后，已经逐渐在实际生活中得到的运用。通过定期的维护与检查，已经顺利完成了六个月的工作任务。运行结果表明，在找到了智能巡检机器人的最优路径后，能有效地提高巡检的工作效率。但仍存在着如机器人运行方向难于控制等问题，需要进一步的研究。

参考文献：

[1]宋晓明.变电站智能巡检机器人关键技术研究[D].长沙理工大学，2013.

[2]李静.变电站智能巡检系统研究[D].青岛理工大学，2012.

[3]匙光.承德供电公司变电站智能巡检系统的应用研究[D].华北电力大学（河北），2009.

[4]陈瑶.变电站智能巡检机器人全局路径规划设计与实现[D].山东大学，2015.