智能巡檢機器人在抽水蓄能電站巡檢任務規劃的優化策略

常玉紅，鮑友革，何 秋，黃建德

（1.國網新源控股有限公司，北京市 100032；2.深圳市瑞德森工業自動化設備有限公司，廣東省深圳市813110；3.國網新源華東桐柏抽水蓄能發電有限公司，浙江省天臺縣 317200）

0 引言

隨著機器人在工業應用的普及，智能機器人在電力生產領域成為研究熱點，在這個領域的成果有助于實現工業2025戰略規劃，為智能電站、智慧電站建設提供局部解決方案。抽水蓄能電站大多為地下廠房布局，環境及工況較普通水電站更為復雜，巡檢機器人的應用要求很高，包括各種巡檢功能、任務的自動規劃和異常檢測識別等。任務規劃是智能巡檢機器人研究的最核心的問題之一，也是人工智能算法應用最多的地方。本文是在國網新源桐柏抽水蓄能電站展開對智能巡檢機器人的任務規劃優化研究，經過算法驗證、試驗分析等工作，取得了較好的效果。

1 巡檢機器人的任務規劃

巡檢機器人在變電站的應用開展比較早，任務規劃的研究偏重于具體巡檢項目的規劃[1]和路徑規劃[2]。水電站及抽水蓄能電站巡檢機器人任務規劃方面的研究比較少，本文就巡檢機器人在抽水蓄能電站復雜環境下巡檢任務規劃的優化策略展開研究應用，提出了巡檢任務規劃的難點和解決路徑，給出了任務規劃部署的策略和求解方法，希望對其他抽水蓄能電站巡檢機器人應用有參考價值。

智能巡檢機器人的巡檢任務規劃，是為保證高效圓滿完成巡檢任務成，綜合各約束條件，對巡檢機器人執行動作進行排序的策略。例如：巡檢機器人要完成對尾水人孔門處的巡檢，其具體步驟包括最優路徑確定、過門、乘電梯、到達指定位置、姿態調整、云臺調整、視覺巡檢、噪聲巡檢、振動巡檢等，實現這些步驟的程序就是任務規劃。而如何通過狹窄的門或走廊，如何乘電梯等，是更為具體的運動規劃；如何走才是最短路徑，如何按照生產現場規范達到目標位置，是路徑規劃；調整哪些姿態，完成哪些巡檢項目，則是巡檢動作規劃；任務規劃既偏向于高層決策，也包括底層的運動規劃、路徑規劃及巡檢動作規劃。對于復雜的巡檢任務，機器人需要任務規劃算法來排序動作，以實現單個動作不可能完成的巡檢任務目標。

在機器人巡檢過程中，需要時時刻刻計算和預測下一步的動作輸出，規劃是無時無刻不在的。任務規劃是在巡檢機器人執行任務之前需要計劃的動作進程，是通過程序和算法求解完成任務步驟的過程，是巡檢過程的描述，任務規劃的本質就是尋找問題的最佳求解過程[3]。抽水蓄能電站現場的實際狀況是復雜多變的，巡檢機器人做不到對現場不確定性因素進行全面的預測，因此也可能存在規劃失敗。失敗的規劃也是有價值的，為系統提供了監督樣本，使系統能夠及時糾錯，完成正確的動作輸出。

2 任務規劃的難點及解決路徑

抽水蓄能電站的巡檢任務規劃就是制定出滿足性能等約束條件，并使任務效能最優的任務實施計劃。任務規劃分為建立任務模型、任務目標說明和算法程序綜合等步驟。巡檢機器人是多學科交叉應用的產品，需要人工智能技術、現代控制技術、建模優化技術、決策理論等的支持，在研究各種技術和規劃方法的基礎上，需要搭建出適合現場需求的任務規劃系統，在機器人實際巡檢規劃的研究應用過程中，許多數據無法直接應用，規劃模型算法也無法通用，有些很好的算法應用雖然可行，但后期的使用和維護存在困難。而抽水蓄能電站巡檢任務環境具有不確定性，為規劃方法的選取以及規劃結果的有效性帶來了考驗，需要任務規劃由預先規劃向動態實時規劃轉變[4]，這就需要根據具體場景和任務需求選擇合適的算法，有時需要融合多種算法，才能夠滿足實際巡檢任務的需要。

由于抽水蓄能電站巡檢環境及任務的復雜性，任務規劃的環境、約束條件、技術指標都具有很強的非線性及離散性，要素很多并且相互耦合。現場環境的動態性與不確定性、機器人本身的限制，以及規劃結果的策略輸出等方面，都使得實際任務規劃的復雜性越來越高。

解決難點的第一個重要路徑是，剔除重復的、不變的部分。當巡檢機器人從一個空間狀態到達下一個空間狀態時，只需要重新考慮狀態中哪些是可能變化部分，哪些是固定不變的部分，而無需計算整個新的狀態。例如，當巡檢機器人從1號機組盤柜運動到2號機組盤柜，兩個巡檢點的狀態空間中，廠房及其他設備的位置并不改變。所以，當規劃狀態的復雜程度不斷提高時，就需要研究如何簡化信息量，選擇適合的框架來決定哪些狀態是可能變化的，哪些狀態是固定不變。

第二個重要路徑，就是把一個較難問題分割為幾個相對簡單并且比較容易解決的子問題，通過分解使較難的問題求解變得可能和容易些。但不是每個問題都能夠分解，有很多問題是無法合理分解的。為了解決這些問題，若把許多問題看作是可分解的，有可能被分割的某些子問題相關性不高，只有少量才相互作用。所以，需要通過相關性分析，設計合理的參數，達到解決問題的目的。

3 任務規劃的基本因素

在巡檢機器人實際巡檢任務中，機器人的傳感器及采集信息都存在或多或少的誤差，抽水蓄能電站的現場環境還可能存在諸多未知因素和障礙，所以，規劃所依賴的環境信息是不確定的，具有部分可觀性。同時，對任務規劃輸出進程的執行也不可避免地存在誤差，這些都成為影響任務成敗的重要因素。因此，對處理巡檢任務規劃過程中的不確定性需要有足夠的應對策略。如對環境狀態和動作效果都不確定的情況，通過概率統計，部分可觀馬爾可夫決策過程等一系列決策達到最優的算法模型[5]；按照實時動態任務規劃的方法，克服環境信息的動態性及不確定性帶來的影響，使得巡檢機器人在有限的計算資源和時間要求下，給出當前最優的規劃輸出。

所以，研究分析巡檢任務規劃的基本因素，有利于簡化這種復雜性和算法的求解難度。

3.1 狀態空間

巡檢任務需要包括巡檢機器人所有可能發生的狀態空間，比如巡檢機器人的位置和姿態、機器人的動作和速度等。離散的和連續的狀態都是需要的，在任務規劃中，最基本也是最重要一點是，用簡潔的規劃算法來描述這些狀態。

3.2 時間

所有的任務規劃問題都是在時間序列上的決策。設計簡潔的時間模型，能提高系統的反應速度，簡潔的時間模型需要保證正確的機器人控制序列。

3.3 初始狀態和目標狀態

任務規劃一般包含初始化的狀態和目標狀態，巡檢過程就是通過一系列規劃的中間狀態及控制序列組成。初始狀態是整個狀態空間的一個特殊點，也是動作序列未發生時的全局狀態。目標狀態是規劃被執行后一系列狀態變化后的最終狀態。

3.4 操作的控制序列

每一個任務規劃都將產生可以改變狀態空間的一系列動作。在任務規劃中，當控制序列被執行時，巡檢機器人的狀態需要有返回函數，以處理離散的時間變化或者可微分的連續時間上的變化，同時需要避免時間函數直接在狀態空間相鄰位置連續變換。

3.5 控制規劃

任務規劃通過一系列的策略和動作控制巡檢機器人完成給定的任務，有效的規劃策略應該使控制序列容易被執行。然而，這將使得規劃設計更加復雜，從而使預測計算變得很困難。現實是，如果不能很快預測下一步動作輸出，巡檢機器人將不知道如何工作，所以考慮預測的完美方案是沒有實際意義的，也就和貪心算法策略是相似的。大多采用反饋和動作規劃，雖然在這種情況下有些狀態測量精確度不夠，仍然使任務的動作能夠被有條件地執行下去。

3.6 標準化

標準化是將有關狀態和動作控制規劃的輸出結果進行編碼，形成可執行格式。大致可以分為兩種類型：一是只考慮可行性，不考慮其效率；二是在可行并且最優效能下，達到目標狀態的最佳性。

4 任務規劃的策略

根據抽水蓄能電站巡檢任務的需求，巡檢機器人通過動作進程來完成各種要求的巡檢任務。巡檢機器人管理服務系統平臺（Robots Server，簡稱RS系統）向機器人發送巡檢任務信息序列，巡檢機器人獲取并處理信息，完成相關動作后返回信息給系統，管理服務系統接收到機器人的巡檢數據和狀態信息后做出判定任務是否完成。巡檢機器人根據RS系統發布的巡檢任務和指定的位置，感知當前機器人在地圖上的坐標以及所處環境的數據集合，判斷達到目標位置的最優路徑、運動方式以及動作邏輯次序等。任務規劃將一個任務分解成多個子任務，以便采用成本最低的策略完成給定巡檢任務。

如何使巡檢機器人用最簡潔的動作完成系統部署的任務也是項目需要研究的，在實際巡檢進程中，有時會需要機器人同時處理多個子任務。在人工智能技術和機器學習中被描述為：空間狀態通過一系列進程而到達最終空間狀態，分解圖如圖1所示。

圖1 空間狀態分解Figure 1 Spatial state decomposition

目前針對任務規劃問題的策略，多采用啟發式搜索類算法，如A*算法，文化算法，回答集等[6]，通過不斷利用搜索進行試探，并在一定的約束條件下，計算得出（近似）最優動作序列后再去執行，從而完成空間狀態的變換。這些算法對執行簡單任務規劃效果比較好，缺點是隨著下達巡檢任務數逐漸增多，將會組合出非常復雜的動作序列，對時間的要求也越來越嚴格，沒有一定的算力，根本無法在要求的時間之內得出最優的結果，這就需要優化策略來完成目標。

4.1 任務排序策略

為了解決巡檢任務復雜組合帶來求解困難的問題，可將任務拆分成若干單個子任務，對于單個任務，算法比較容易產生最優解法，降低了求解難度。系統發布的每一個任務，都由任務規劃器按照巡檢目標的要求拆分成一系列的任務序列描述，形成各單獨的子任務來完成執行。這種逐一完成單個序列任務的方法，大大簡化了巡檢機器人的行動序列組合的復雜程度，同時降低了計算難度，使任務得以及時處理和完成。例如，對抽水蓄能電站主變壓器室的巡檢任務就隱含包括開門、收放擋鼠板、過門等子任務，只有先執行開門及過門子任務，在主變壓器室的門打開，擋鼠板放下后，巡檢機器人通過狹窄的主變壓器室門，到達目標地點完成對主變壓器的巡檢任務。當巡檢機器人執行完整個任務后，由RS系統判斷最后的完成狀態。

然而，有利必有弊，任務拆分也會帶來全局規劃的不可靠性。在巡檢中可能會出現一個任務尚未完成的情況下被一個新的任務沖掉，出現任務邏輯混亂。針對這種任務拆分可能帶來的問題，通過分析各巡檢任務和巡檢場景之間的聯系，將拆分后的任務序列按邏輯、按權重進行排序，給出一個最優的動作序列，保證每個任務都不會被其后的任務破壞，任務序列執行時不會出現混亂，增大全局規劃的可靠性。這樣既可以通過任務拆分簡化規劃，又可以保證每個任務的可靠完成。

4.2 任務預處理策略

在實際巡檢場景中，一個任務的兩個子任務之間不一定是完全獨立的，在執行一個子任務時可能對已完成的前一個子任務造成損害。經試驗發現，大多數原因是巡檢機器人在執行不同子任務時，處理的對象是同一個傳感器或設備，造成端口擠占或數據沖突。所以，對規劃的任務進行預處理是有必要的，預處理策略就是通過解析規劃的任務，提前預判信息的價值，合理調度，如：提前預判需要輸出哪個動作，需要對哪個設備進行操作。經過預處理之后，巡檢機器人的執行效率得到很大的提高。

在實際巡檢測試過程中，僅僅是這樣簡單的預處理并不能保證完成所有的任務要求。還需要按照排好的動作序列搜索相關信息，在執行兩個任務時，若搜索函數[7]按順序搜索到的均是一個信息，這就意味著可能會影響到之前執行過的任務。任務預處理策略，還能夠在執行任務之前先將所要執行的任務分成兩組，把和此任務相關的一組任務信息進行預先處理，而其他任務排序不變，仍按照之前設定的動作序列依次執行，這樣可以有效解決此問題。

4.3 任務優先級策略

在任務規劃中，對于各種不同的巡檢場景需要有一個統一的策略，通過現場調試檢驗，采用優先級策略。任務的優先級策略是保證巡檢機器人在執行下一任務時當前任務為空。這樣，巡檢機器人在執行下一任務時就不能對已完成的任務造成破壞。具體策略是，將巡檢機器人本體狀態監測任務設置為最高優先級，將機器人狀態信息解析到任務狀態中，作為執行其他任務的先決條件。對于機器人需要維護的任務設置為第二優先級，維護任務的狀態是可以確定的，比如電量狀態、通信狀態、傳感器狀態等，這些狀態都設置在一個維護列表里，在執行任務時，首先搜索維護列表，當搜索不到需要維護的項目時，就說明機器人狀態滿足繼續完成巡檢任務。在執行規劃的巡檢項目時，采用給每個動作序列設置不同的優先級，滿足高效、準確地完成每個巡檢任務的動作，而不會破壞其他任務的狀態。

經過模型分析和現場測試相結合，給出每個任務的優先執行序列，巡檢機器人就可以按要求處理每個任務。通過對任務按優先級進行排序劃分，合理地安排任務執行順序，使得規劃處理起來簡單有效，基本可以保證每個任務都能夠順利完成。

4.4 任務交互策略

在實際巡檢任務場景中，由于設備檢修或其他工作，巡檢機器人所處的場景出現改變，機器人本身出現故障重啟等，這種情況下，需要巡檢機器人感知周圍環境來判斷自己的位置等信息，或者問詢系統以獲取當前任務所需的相關信息。巡檢機器人獲取信息正確性和時效性是整個任務規劃的基礎。巡檢機器人只有獲取正確的信息才能完成下一步的任務，所以，和系統間保持交互是必須的，經過試驗分析可采用以下策略。

4.4.1 重復查詢

在執行巡檢任務時，為了順利完成巡檢項目，巡檢機器人必須實時獲取當前信息。比如對于現場環境變化、未知障礙出現、巡檢機器人信息異常丟失等，都需要重新獲取信息。這種狀況下，向系統重復查詢是比較簡單的策略。在測試試驗中，查詢RS系統獲得的信息正確率約為65%，錯誤率約為27%，不可知率約為8%。經計算，實際正確率約為70.6%，錯誤率約為29.4%。根據貝努里概型二項概率公式，可以計算得到n次之內正確的概率。二項概率公式如下：

式中：K——第k次的概率；

P——正確概率。

可以得到獲取正確信息的概率。經過試驗測驗，重復查詢策略是：一般查詢系統三次，將得到兩次及兩次以上相同的信息視為正確的信息。

4.4.2 移動探測

通過巡檢機器人原地旋轉、局部移動來感知、探測周圍的環境信息，將得到更高的正確率。首先原地旋轉獲取周圍環境信息，再小范圍移動，再判斷傳感器得到的信息中是否與已知信息相匹配，如果達到匹配度要求，就繼續執行下面的任務；如果沒有達到匹配度要求，就需要小范圍地移動一下位置，再次探測當前位置的信息，直到找到所需的信息。

4.4.3 融合策略

移動探測策略具有一定的盲目性，當周圍環境特征信息本來就非常少的情況下，那么有可能一直也無法達到匹配的要求，這種策略還會導致超時問題，巡檢機器人在盲目亂轉。一般而言，出現信息丟失，移動探測策略將首先使用，在規定時間內無法獲取到足夠的信息時，則啟動重復查詢策略，這樣，移動探測和重復查詢策略交替融合使用，減少了獲取信息的時間，增加了任務規劃的可靠性。

通過概率統計隨機變量及其分布公式如下：

式中：P——正確概率。

得出準確信息的概率，通過試驗一次探測兩次查詢就可以獲得很高的正確信息概率。

5 任務規劃求解方法

巡檢任務規劃需要完成機器人巡檢任務分配、任務控制、任務協同等功能，任務規劃的上層重點研究目標、項目、系統及機器人之間的優化調度與協調；規劃的底層是在任務配置的基礎上，確定巡檢機器人及巡檢子單元所執行的行動序列以及時序關系。需要根據場景的變換選擇算法，有時需要多算法融合優化才能達到應用效果[8]。任務規劃給出的最優任務序列是通過試驗和分析計算得到的，在大部分情況下可以得到有限最優解，在某些局部場景下則不一定是最優任務規劃序列。主要求解思路是集中式求解和分布式求解。

5.1 集中式求解法

集中式求解法一種是最優化方法，比如動態規劃算法、分支界定算法、窮舉算法等，缺點是最優求解會隨著任務規模的增大而急劇增加難度。

還有一種是啟發式方法，主要有神經網絡算法、蟻群算法、搜索算法、粒子群優化算法、模擬退火算法等。

5.2 分布式求解法

分布式求解法一種是自上向下的方法，思路是基于分層求解，即將巡檢任務問題分解為若干個子任務問題，巡檢機器人同各巡檢子平臺之間通過協商完成對任務問題的求解。常用的方法包括：分布式模型預測控制方法、分布式馬爾可夫決策方法、市場競拍機制方法等。

另一種是自下而上的方法，是研究反應和行為方法的優化與協調策略，重點是巡檢機器人對所處環境變化的動態反應，通過機器人的傳感器和動作反饋作用來協調控制機器人的行為。優點是計算量比較小、魯棒性好。比如，在異步間斷通信條件下，分布式任務的一致性方法，通過對系統內其他單元的狀態進行有效估計，提高各單元間任務分配的效能；同時在現場WIFI有限通信條件下，用決策—估計模型解決機器人各子系統信息共享及融合，保證巡檢機器人移動產生的動態通信連接[9]。

6 運動規劃和路徑規劃

運動規劃及路徑規劃是任務規劃底層規劃之一，路徑規劃一般分為全局規劃和局部規劃。路徑規劃首先對巡檢機器人的任務路徑進行描述，也叫運動軌跡的描述，再根據已經給定的軌跡參數，模擬出所要求的運動軌跡。巡檢機器人根據巡檢任務確定路徑參數，選擇合適的算法，在給定時間內按一定的速率計算出位置、速度和加速度，完成運動軌跡的預測計算，從而生成巡檢機器人的運動軌跡[10]。

巡檢機器人運動規劃首先要完成空間環境中的定位，通過雅克比矩陣求解微分方程，完成多傳感器融合算法，由卡爾曼算法完成機器人的定位。雅可比矩陣如下：

式中：xk——機器人的x坐標；

yk——機器人的y坐標；k

φ——機器人的角度；

vk——機器人的速度。

卡爾曼算法仿真如圖2所示，定位的穩定性和定位精度有很大提高。

圖2 多傳感器約束的卡爾曼算法仿真Figure 2 Kalman algorithm simulation of multi-sensor constraints

在定位的基礎上，建立起模型—預測—控制的運動規劃算法[11]，從而完成運動軌跡的最優線性跟蹤，試驗仿真如圖3所示，可以看出巡檢機器人在初始誤差較大的情況下，能夠快速消除誤差并最終達到穩定狀態，在運動規劃測驗中取得不錯的效果。

圖3 運動規劃的跟蹤仿真Figure 3 Tracking simulation of motion planning

在任務規劃中，不僅要給定巡檢機器人的起始點和終止點，而且要給出中間的路徑點，如過門地點、乘坐電梯地點等特殊位置，還要對機器人的位置及路徑點之間的時間進行合理分配，即給出兩個路徑點之間大約的運動時間。路徑規劃是尋找從當前位置到目標位置的最優路徑。采用粒子群優化算法、搜索算法、遺傳算法、蟻群算法、復合算法、RRT勢場法等來解決巡檢機器人的運動規劃問題。

由于巡檢機器人的運動規劃問題具有非線性、狀態和控制約束的最優控制問題，一般采用最優控制方法進行求解，最優控制方法可分為間接求解和直接求解。間接求解是基于極小值原理推導最優控制一階必要條件，進而構成最優軌跡的邊界進行求解。直接求解是基于參數化將最優控制問題轉化為非線性規劃問題，并通過數值優化方法求解來獲得最優運動軌跡[12]。為平滑運動軌跡，以運動狀態微分方程組的輸出為反饋，通過輸出到輸入空間的逆映射來獲取最優軌跡控制量輸出，使巡檢機器人轉彎軌跡控制更為平順，軌跡跟蹤更為準確。

7 任務規劃的應用

目前，所研發的智能巡檢機器人已在桐柏抽水蓄能電站投入試用，如圖4所示。巡檢機器人系統采用多算法融合策略的任務規劃，解決實際復雜場景下的巡檢任務部署，搭建適合現場需求的任務規劃系統，驗證了所用任務規劃策略和方法的可行性。按本文設計的任務規劃策略，巡檢機器人能夠完成抽水蓄能電站定時巡檢任務，指定巡檢任務等任規劃的部署。對于隱含在任務中的搭乘電梯、開門以及通過特殊場景的任務，通過算法合理規劃，嵌入在整個任務中，完成部署的巡檢任務。本文巡檢機器人任務規劃的優化策略對加快抽水蓄能電站巡檢機器人的應用具有現實意義。

圖4 智能巡檢機器人在執行巡檢任務Figure 4 Intelligent inspection robot is performing inspection task

8 結束語

本文研究的目的在于解決抽水蓄能電站復雜場景下巡檢任務的部署和優化策略問題，通過智能巡檢機器人在國網新源桐柏抽水蓄能電站的實際研究，提出了巡檢任務規劃的難點和解決路徑，給出了任務規劃部署的策略和求解方法。從現場試驗結果來看，巡檢機器人的巡檢任務規劃取得了很好的效果，基本達到預期目標。隨著機器人及人工智能技術的不斷發展，如何簡化和優化模型，如何提高任務規劃的實時性和可靠性，如何在全局規劃和局部規劃之間進行合理有效分配，以及對于知識庫的利用、控制策略的優化、知識獲取方式、推理機的應用等問題，還需要進行認真而深入的研究與探索。