基于時間柵格法和最優搜索的電網巡檢機器人避障路徑規劃方法

張曉曄，謝志文，吳 暉

(1.廣東電網公司電力科學研究院，廣東 廣州510030；2.南方電網電力科技股份有限公司，廣東 廣州510030；3.武漢大學，湖北 武漢430072)

0 引言

電力系統數據量日益增多，極大地增加了電能的輸送任務，傳統的人工電網巡檢面臨著更大的危險[1-2]。采取機器人代替人工進行電網巡檢，不僅可以保障工作人員的健康，而且可以提高巡檢效率，創造更高價值的經濟效益[3-4]。巡檢機器人必須進行路徑規劃，即在有障礙物的未知環境下，規劃一條能夠避開所有障礙物的最佳運行路徑，這具有十分重要的意義[5-6]。

任彥等[7]通過對勢場蟻群法進行改進，以改進的算法為基礎研究避障路徑規劃方法，主要在虛擬牽引力中引入蟻群算法，利用勢場合力進行螞蟻路徑搜索，防止受到誤導信息影響陷入局部最優問題，具備較強的全局搜索性能。江超等[8]以未知環境為基礎，展開移動機器人面對靜態和動態障礙物的避障方法研究，對障礙物利用k-mean聚類進行聚類獲取障礙物位置信息，通過最小二乘法進行障礙物的運動學模型擬合，根據運動方向和速度預測觸碰情況，根據機器人大小采用相對坐標實現機器人的成功避障。

雖然上述方法都能有效實現機器人的避障及路徑規劃，但是存在避障能力低下和路徑規劃不合理的問題。而時間柵格法是一種可以有效標識動態障礙物，并建立空間動態環境信息的一種方法；最優搜索算法可在全局范圍內搜索到最佳目標點。基于上述2種方法特點，本文研究了基于時間柵格法和最優搜索的電網巡檢機器人避障路徑規劃方法，利用時間柵格法構建巡檢機器人的避障環境信息，通過最優搜索和人工勢場法進行全局和局部的路徑規劃。

1 基于時間柵格法和最優搜索的電網巡檢機器人避障路徑規劃

1.1 構建環境信息

1.1.1 時間柵格法

電網巡檢機器人通常利用傳感器獲取障礙物的相關信息，但是傳感器信息不具有空間屬性。因此，需要結合時間柵格法構建工作空間，對比機器人和障礙物的大小，根據對比結果確定時間柵格的數量和尺寸[9]，獲取相關環境信息。

時間柵格法的柵格值包括3種情況：當柵格值為0時，表示不存在障礙物；當柵格值為設定值時，表示存在靜態障礙物；當柵格值為其他值時，表示存在1個或多個動態障礙物[10]。針對動態障礙物運動的速度和方位，機器人可通過傳感器進行獲取與計算，根據計算結果在工作空間內確定障礙物運動到柵格內某處的時間值，以該時間值進行動態障礙物的標識[11]，根據機器人到達標識的柵格時間是否與動態障礙物相同來判斷機器人與障礙物能否發生觸碰狀況。

為了通過最少的柵格對動態障礙物進行標識，將機器人的直徑設定大于緊鄰的2個障礙物之間的間距。若在某一柵格內同時出現多個障礙物，則需疊加該柵格內的時間，在路徑規劃過程中，以動態障礙物各自到達重疊處的時間值為依據分離柵格內疊加的時間值[12]。

1.1.2 獲取障礙物運動狀態

利用CAS算法，根據機器人的運動方向和速度，結合傳感器獲取的障礙物2個相鄰時刻的位置信息,計算障礙物的方向、速度及位置等狀態。獲取障礙物運動狀態，如圖1所示。

圖1 獲取障礙物運動狀態示意

由圖1可知，在已知機器人運動速度和運行方向條件下，通過傳感器可獲取動態障礙物在t和t+1時刻時與機器人之間的角度，分別為θold和θmew，與機器人間距為rold和rnew，從全局視角出發，可對動態障礙物的運行速度和運動方向進行計算。

1.2 最優搜索避障路徑算法

根據上述時間柵格法構建的工作空間，采用最優搜索算法對機器人進行全局避障路徑規劃，最優搜索算法為：

a.對緊鄰機器人的時間柵格進行搜索，選出自由柵格。

b.以自由柵格中心點(x,y)為起始位置，以目標中心點為終點位置，通過評估函數計算該路徑間距，即

(1)

H表示緊鄰機器人的時間柵格；g表示目標位置的時間柵格。

c.將獲取的各柵格H(G)值進行比較，篩選出最小值的柵格。

d.將機器人移動到最小值柵格內。

e.以目標點為基準，判斷機器人是否到達該點。

f.若已到達，則任務完成，或進行后續任務；若未到達，則回到步驟c，重復操作。

1.3 電網巡檢機器人避障路徑規劃設計

在已規劃好的巡檢路徑中，巡檢機器人可通過近紅外和超聲波2種傳感器判斷其前方、左邊和右邊3個方位。這2種傳感器測距原理是通過設定的安全距離確保傳感器有充裕的時間傳輸信號，根據接收的傳感器信號進行障礙物位置的判定[13-14]。為了提升避障精準度，特將障礙物設為矩形，機器人通過傳感器獲取自身周邊障礙物相關信息，保證運行安全性和避障性，機器人在避障過程中利用計數算法進行運行時間的計算，結合機器人受到的引力和斥力關系判斷機器人局部極值點，若發生陷入極值點的情況，則采用人工勢場法調整機器人垂直運行方向進行躲避[15]。

a.斥力勢函數。

在電網巡檢機器人避障過程中，障礙物勢場對機器人產生斥力，障礙物(xobst,yobst)和機器人(xrobot,yrobot)之間的間距與斥力勢能成反比，故斥力勢函數為

(2)

r為間距；rmax為勢場范圍最大值；k1為加權系數。

機器人承受的斥力計算公式為

Fr=-gradEr

(3)

機器人承受斥力的角度公式為

(4)

當r越小時，則Fr越大，為了避免發生相撞，設定r0為安全距離，當r越趨近于r0時，保證Fr為允許最大值即可。

優化Fr使其能夠連續，優化公式為

(5)

機器人本身大小、其運行速度以及空間內障礙物的密度決定了r0和rmax的值。

b.引力勢函數。

根據定位目標點進行巡檢機器人的路徑規劃，機器人與目標點之間會生成一種引力，該引力勢能與機器人和目標點之間的間距成正比，引力勢函數公式為

Eg=k2r

(6)

機器人承受的引力公式為

Fg=k2

(7)

角度公式為

(8)

c.計算合力。

合力為斥力和引力的疊加矢量，巡檢機器人運動方向取值于合力方向。在x方向和y方向進行斥力和引力的分解，分別計算斥力和引力在2個方向上各自的分力，即Fr,x、Fr,y和Fg,x、Fg,y，通過各分力計算合力，即

(9)

合力方向為

(10)

為了提升電網巡檢機器人避障精度，增設定位模塊定位目標，機器人根據已設定目標進行動態路徑規劃，精簡巡檢路徑，提升巡檢效率，實現在任何環境中的定位導航功能。

2 試驗結果與分析

設12 m×12 m的區域為仿真環境，其中不均勻地分布著20個長方形障礙物，巡檢機器人起始位置和目標點位置坐標分別為[0,0]和[11,11]，機器人步長為0.50。根據已規劃的路徑軌跡進行12次重復避障試驗，避障結果如圖2所示。

圖2 機器人避障數量統計

由圖2可知，巡檢機器人在既定路徑中避障試驗過程中，其中9次避障準確率達到100%，平均避障率為97.92%，證明本文方法具有較好的避障效果。

采用人工勢場法的目的是避免機器人陷入極值點，若機器人發生陷入極值點的情況會導致其無法規劃出成功到達目標點的行動軌跡，巡檢機器人解決陷入極值點示意如圖3所示。

圖3 巡檢機器人解決陷入極值點示意圖

由圖3a可知，機器人在巡檢過程中發生了陷入極值點的情況，導致機器人最終沒有正確到達目的點，通過人工勢場法干預后，如圖3b所示，機器人成功避開陷阱，順利到達設定目的點，這表明該方法能夠有效解決路徑規劃中存在的局限性問題并成功規劃最佳的有效路徑。

在工作空間內布置1個動態障礙物，假設巡檢機器人為勻速運動，當動態障礙物與機器人即將發生觸碰時，機器人利用最優搜索避開障礙物，其中，虛線代表機器人及其路徑，實線代表動態障礙物及其路徑，試驗結果如圖4所示。

圖4 巡檢機器人避開動態障礙物示意

由圖4可知，巡檢機器人在面對動態障礙物的情況下，根據障礙物的運動方向和速度能夠采取有效的躲避措施，成功實現避障目的。

采用本文方法分別與文獻[7]方法和文獻[8]方法進行避障有效性的對比試驗，在相同工作空間和障礙物個數的情況下，分別進行了靜態障礙物和動態障礙物的躲避試驗，試驗結果如圖5所示。

圖5 避障對比試驗結果

由圖5a可知，在面對靜態障礙物時，本文方法避障效果優于文獻[7]方法和文獻[8]方法，在初始2個障礙物的情況下，3種方法的避障成功率幾乎相同，都能達到99.90%以上。但是隨著障礙物數量的增多，3種方法的避障成功率均呈下降趨勢，本文方法靜態障礙物平均避障成功率為98.37%，比文獻[7]方法和文獻[8]方法對比方法分別高8.37%和3.49%。由圖5b可知，在面對動態障礙物時，3種對比方法的避障成功率隨著障礙物數量增加差距逐漸拉大，隨著動態障礙物的增加，均表現出波動較大的變化，本文方法動態障礙物平均避障成功率為96.12%，比文獻[7]方法和文獻[8]方法對比方法分別高15.03%和9.10%。結果表明,本文方法無論是在面對靜態障礙物還是動態障礙物，均具備良好的避障能力。

在所有條件一致的情況下，利用3種方法進行多次巡檢機器人避障路徑規劃試驗，其中的8次路徑規劃耗時數據如表1所示。

表1 機器人避障路徑規劃耗時統計

由表1可知，本文方法在避障路徑規劃中耗時最高為1.80 s，最低1.40 s，平均耗時1.56 s，文獻[7]方法耗時最高為3.10 s，文獻[8]方法耗時最高為2.10 s，平均耗時分別比本文多1.12 s和0.20 s。

3 結束語

本文設計了一個基于時間柵格法和最優搜索的電網巡檢機器人避障路徑規劃方法，利用時間柵格法對動態障礙物進行標識，構建巡檢機器人的避障環境信息，結合最優搜索和人工勢場法進行避障路徑規劃，該方法是一種結合局部和全局的避障算法，在進行全局路徑規劃過程中，可同時進行局部躲避障礙物的路徑規劃。基于時間柵格法和最優搜索的避障方法，一方面能夠有效避免規劃中算法時間和精度產生沖突，另一方面通過調整斥力勢函數、引力勢函數及合力的計算，提升巡檢機器人適應環境的能力，繼而提升機器人的避障能力和巡檢效率。