基于RPI智能巡檢設備的設計

郭紀祥，牛全旺，王浩丞，唐海波

（湖南科技大學，湖南 湘潭 411201）

人工智能上升到國家戰略地位，使得智能巡檢的需求也越來越大。智能巡檢具有即時通訊、操作便捷、不受空間環境約束等優點。設備可以切換為手動/自動兩種巡檢模式、智能規劃巡檢路徑，精確獲取溫度、濕度、空氣質量等環境信息，火災預警、遠程通話、視頻監控、數據存儲、24小時自主運行等功能，可應用于多個領域。

為此，本文設計了一款針對工廠安全生產的智能巡檢設備。該智能巡檢設備通過激光雷達采集設備所處環境信息，自主規劃最優的巡檢路線，可實現全天候、360度無死角的巡檢任務，滿足在不同環境下智能巡檢的需要。同時，也可以切換為人工控制的模式，用戶使用移動端向設備發送信息指令，使其適應多種環境，代替人工作業，最大限度消除安全隱患。該智能巡檢設備擁有較強的底盤運動系統，能夠應付巡檢過程中的各種復雜的路面。設備內含低電量自主返程充電程序，根據與充電樁的距離及電源電量進行智能計算，即將達到臨界值前做出響應，自動返程充電，以此提高工作效率。

1 硬件設計

智能巡檢設備以樹莓派為核心處理器，搭載粉塵檢測傳感器、熱成像傳感器、智能攝像頭、激光雷達等模塊。由系統功能分析需求可知，巡檢系統需要接受粉塵檢測模塊、熱成像傳感器的數據，并將這些數據通過WiFi模塊發送至云平臺。同時，還要處理激光雷達的數據進行路徑規劃，來控制驅動模塊。由于數據量大，所以需要主控制器的較好的處理速度，并具有WiFi功能進行數據轉發。第三代樹莓派，其具有集成度高，運行速度快，低能耗等優點。操作系統存儲在SD卡上，可以快捷地進行燒錄替換。包含一個四核處理器、內置了WiFi模塊，十分契合本次項目設計。所以選取第三代樹莓派作為整個系統的主控制器。

激光雷達擔任“眼睛”的角色，實時監測智能巡檢設備所處環境的改變，對前方障礙物以及周圍環境進行輪廓描繪。然而，因為單線激光雷達工作原理的限制，只能進行平面的掃描，所以在復雜路況下智能巡檢設備不能準確完成導航，因此，需要激光雷達和超聲波傳感器、視覺攝像頭相互配合完成工作。

巡檢設備的粉塵濃度采集功能的實現利用了光散射原理。由于單色激光光斑小、雜光少和穩定性好的特點，此次采用單色激光管作為光源。顆粒物阻擋單色激光后產生散射光，通過光電接收器將光信號轉換成電信號，以此計算出待測顆粒物的濃度。

為了更好地對散射光信號進行處理，需要設計電路對信號進行二次放大和濾波處理。由于轉換后的電信號變化在μV級別，為了降低其他電信號對其的干擾，電路應滿足偏置電流低、增益高、低溫漂和高帶寬的特點。根據以上要求，采用有源運放電路進行信號的放大和濾波處理，由二級放大電路進一步放大和濾波電信號。

熱成像的實現利用物體熱輻射的特性，選用FLIR熱成像模塊，通過USB接口與樹莓派進行通信和圖像傳輸。USB接口是一種高速、雙向的、同步進行傳輸的串行接口，其芯片通常可以分為普通和DMA兩種模式，其中DMA工作模式更適合高速、實時的熱成圖像的傳輸。

2 軟件處理

2.1 數據傳輸——TCP

智能巡檢設備的各項監測數據上傳采用了基于TCP協議的實時傳輸方法，TCP在傳輸數據之前，會有三次握手嘗試來建立連接；在數據傳輸時，有確認、重傳等機制，確保數據傳輸的穩定性和可靠性。監測數據在PC端、移動端均以網頁的形式呈現。網頁采用PHP語言和C語言混合編寫，結合ECharts（可視化圖表庫），可以快速制作出數據圖表。云端數據庫的可視化查看，方便工作人員對巡檢報表以及往期的巡檢記錄進行分析，及時完成異常問題的排查。

2.2 粉塵監測數據處理——滑動平均濾波算法

激光粉塵傳感器實時采集信號，經過A/D轉換放大后，會使數據誤差較大。滑動平均濾波算法是一種有效的數據處理方法，可以使監測的數據更加精確穩定。其原理是求一次采樣值和過去的若干次采樣值的平均值，將平均值作為有效取樣值投入使用。

設原始數據列的Xk總長度為L，滑動平均濾波的表達式如式（1）所示。

其中，Yk是第k個數據經滑動平均濾波處理所得的結果。當2≤k≤L-1時，濾波結果Wk如式（2）所示。

2.3 自主避障——模糊算法

超聲波傳感器通過舵機云臺不斷旋轉進行測距，以此獲取周圍障礙物信息，測距原理是不斷發射的超聲波，超聲波接觸到障礙物后發生反射，則可根據時間渡越法實時計算設備與障礙物之間的距離，其計算公式為：

模糊控制系統的輸入為智能巡檢設備周圍障礙物的距離信息和設備的移動速度信息，輸出為設備左、右電機的速度，即設計模糊控制系統為4輸入/2輸出系統。設備左驅動輪和右驅動輪的角速度分別為ω1，ω2，驅動輪的半徑為R，兩輪間的距離為D，只要調整兩驅動輪的轉速，就可以實現其方向的控制，其速度分別為：

平滑的高斯型隸屬度函數曲線可以使系統更加精準簡潔，建立合適的模糊控制規則，與設備左方障礙物距離較近時，進行右偏轉；與設備右方障礙物距離較近時，進行左偏轉；與前方障礙物距離較遠時，巡檢設備直線前進。之后采用Mamdani推理法根據輸入的模糊量，由模糊控制規則完成模糊推理以求解模糊關系方程，并轉化為輸出量。

2.4 路徑規劃——A＊算法

A*算法相對其他算法比較成熟，是一種很常見的路徑規劃和圖形遍歷算法，將啟發式方法和常規算法進行組合，通過節點尋優可以對周圍環境及時做出反應，規劃出最為合適的路線。其核心在于估價函數的設計，如（6）式所示。

其中，g（n）為耗散函數，h（n）為啟發函數，f（n）為估計函數。

2.5 SLAM 構圖算法

如今使用較多的激光SLAM算法有Hector、Gmapping、Karto、Cartographer等，其中Cartographer是谷歌開源的建圖項目，沒有采用粒子濾波，所以在性能較低的設備也能獲得良好的使用效果，Graph-based SLAM是Cartography的處理核心，Graph-based SLAM將設備運動過程中不同時刻的位姿稱之為“點”，位姿之間的關系稱之為“邊”，所以Graph-based SLAM構圖的基本過程是先將設備在運動過程中大量的點和邊構建成圖，再從全圖的角度對圖進行優化。

雷達將采集的每一幀數據進行估計計算，將數據在最佳估計位置處插入到子圖中。產生成新的子圖后，會在局部進行回環，根據預先計算的網格，所有子圖完成后，再進行全局的回環。

3 結語

本文提出了一種基于RPI的智能巡檢設備系統方案，詳細闡述了此方案的軟硬件實現過程。仿真數據表明，系統能正常運行，且具有良好的性能；依此完成的實物參加了第七屆全國大學生光電設計競賽，榮獲全國三等獎，驗證了本文關于智能巡檢設備設計方案的可行性。本設計具有成本低，擴展性強的特點，為后續智能巡檢設備的進一步研究提供了基礎。