基于強人工智能的燃機電廠智能巡檢四足機器人應用研究

華能東莞燃機熱電有限責任公司 馮庭有 蔡承偉 劉希念 肖晨宇 田 際 武漢華中思能科技有限公司 朱天宇

強人工智能是在人工智能技術上發展而來的一種先進技術，在該技術的影響下，燃機電廠智能巡檢四足機器人具有更強的功能，能夠高效率完成巡檢，具有先進性。隨著燃機電廠的運行壓力不斷提升，則須在強人工智能的技術上進一步完善機器人的功能。

1 強人工智能背景下的智能巡檢四足機器人設計

1.1 強人工智能巡檢四足機器人的功能要求

在智能巡檢四足機器人設計中，為滿足燃機電廠的需求，該機器人要針對燃機電廠的特定區域進行實時觀測，并將所提取的環境信息可以加工為三維成像。從現有技術應用看，強人工智能技術的出現可進一步完善巡檢機器人的功能，如通過“熱點成像”方法來構建機器人所處環境的三維圖像，且成像裝置可做360°旋轉用于識別周圍環境信息，地圖構建能力更強，為針對性解決燃機電廠巡檢中的問題奠定基礎，現階段的強人工智能主要分為兩類：類人的人工智能。機器的思考和推理就像人的思維，可用于解決日常生產中的問題；非類人的人工思維。指機械產生了與人不同的知識與知覺，能處理特殊環境下的使用問題。

在本次研究中，為彰顯強人工智能的優點采用了類人的人工智能技術模式，如在燃機電廠巡檢中及時發現問題，檢測到設備的異常狀態后能自動判斷異常的原因并生成故障資料，同時該機器人應具有理想的地形適應及行動路徑規劃能力。

1.2 驅動結構的設計

驅動結構是智能巡檢四足機器人的核心部件，也是其他模塊的載體，對機器人的作業性能有直接影響。根據燃機電廠的作業要求，智能巡檢四足機器人必須要主動適應不同的作業環境，因此其驅動結構也存在差異，其中其陸地機器人以及空中機器人為主，本文所介紹的四足機器人為典型的陸地機器人。

1.3 身體支架結構設計

四足機器人身體設計的關鍵是機器人的腰部結構設計，目前常見的腰部結構可包括主動腰部、被動腰部及剛性腰部三種類型：主動腰部設計。通過在四足機器人的腰部增設驅動器，這種設計方法可提升機器人的可控性以及靈活性，但是機器人的控制難度會有明顯提升（圖1）；被動腰部設計。該設計方法的關鍵是在機器人的腰部增設被動彈性元件，這種設計方法能降低機器人在跳躍或奔跑中所承受的沖擊力或振動力等，且機器人的活動性能也有顯著提升。此外該彈性元件因具有良好的舒張與收縮功能和能量的釋放與儲存功能，所以機器人的運動效率也有顯著提高；剛性腰部設計。通過前后身做剛性連接來滿足機器人的正常運動，具有成本及控制難度低等優點。

圖1 主動腰部設計結構圖（腿部結構、電池盒、舵機）

而在仿真四足足端設計中，常見的是圓柱形足端，是指四足機器人的足端呈橫向的圓柱或半圓柱，與地面接觸時是一個矩形平面。圓形足端是目前四足機器人最常見的足端設計，足端呈球形或半球形,這種設計的優點是機器人足端可和地面從各個方向接觸，具有較強的環境適應性，但考慮到平真正四足動物的足端是不規則的，這樣才能與地面保持有效的接觸，所以在四足足端設計中可增設橡膠墊等方法[1]。

2 D_Star算法在強人工智能智能巡檢四足機器人中的應用

2.1 功能需求研究

巡檢機器人是目前應用最為廣泛的機器人，在燃機電廠巡邏檢測以及安全監控等方面具有明顯優勢，在強人工智能技術的支持下，巡檢機器人在運行期間能夠合理規劃其行進路徑，并具有一定的自主性，完成對周圍環境的分析，進而適應復雜的地形要求。所以在燃機電廠的智能巡檢中，應保證機器人能在不同時空節點進行路徑規劃，這些都是D_Star算法要重點實現的內容。

2.2 機器人工作空間建模分析

燃機電廠的運行條件復雜，并且不同生產活動的工作空間也存在差別，再加之設備及其他空間障礙（如內部工作人員）的影響，在這一特性作用下，巡檢機器人須穿越復雜的地形環境，并從環境中提取符合巡檢要求的圖像資料，所以在空間建模中，借助D_Star算法中關于均衡空間的設定，通過分隔型空間的設定要求能合理規劃整個燃機電廠的內部結構，最終形成巡檢的路線[2]。

2.2.1 工作空間權重的計算

對于燃機電廠而言，巡檢機器人在巡檢時可能出現空間碰撞現象，在這種情況下影響巡檢機器人的因素是多樣的，而在本次研究中為了能進一步增強機器人的行動能力，采用了錯峰行走的方法，不僅能有效減少空間中的碰撞，也能幫助機器人在行動過程中快速識別障礙區域。所以本文設計中，機器人在強人工智能的支持下能對各種干擾的因素進行分析，在通過建筑物內的不同空間時會有效應對其中的變化。在均衡型空間干擾權重分析過程中，本文假設無干擾空間權重的表達為X時，則干擾承重權重HR的表達方式可公式展開計算：HR=X(1+Xc)(1+Xr)(1+Xs)。

式中，XC為材料在工作空間內堆放時占整個空間的占比；Xr代表工作人員在某個空間內某個位置活動的概率，概率越高則證明空間干擾現象越嚴重；XS代表施工設備在空間運行時需要占用的空間范圍。同時考慮到強人工智能巡檢機器人的性能要求，須確保該機器人具有更強的空間適應能力，假設燃機電廠內部的干擾因素是不斷變化的，則強人工智能的巡檢機器人必須要滿足以下關系：H>HL=Hmax-(Hmax-Hmin)L。

式中，H代表巡檢機器人的空間適應能力；HL為線性空間條件下對機器人的干擾程度；Hmax為燃機電廠對機器人最大干擾程度的影響權重；Hmin為燃機電廠對機器人的最小干擾程度影響權重；L為構件與機器人之間的工作半徑距離[3]。

2.2.2 障礙區域建模分析

強人工智能要求巡檢機器人能智能化識別各種障礙物的影響，因此該機器人須具有障礙區域的建模識別能力。針對這一要求，相關學者強調通過BIM技術對燃機電廠內部的障礙物進行建模，確保機器人能有效識別場地內的地形特征并生成運動路徑[4]。所以在本次障礙區建模中，利用BIM技術對廠區內的實際空間進行模擬，現根據障礙物的分布情況為智能機器人提供有效的行動步驟（圖2）。

圖2 基于障礙物模擬的行動路線圖

2.3 對D_Star算法的優化

針對強人工智能巡檢機器人的建模要求，在機器人設計中應考慮到以下影響因素：能識別燃機電廠內部環境的動態變化情況；尋找最短距離的機器人運行路徑；確定機器人軌跡的空間位置。為實現這一目標，在基于D_Star算法的設計中，其關鍵技術步驟為：

步驟一，在掃描障礙區域后可集合所有初始障礙區域，針對障礙分布情況形成不同顏色劃分的格柵地圖；步驟二，確定巡檢機器人的起點位置與終點位置；步驟三，設置權重，采用Field對應的障礙區域來計算對應的干擾權重；步驟四，將巡檢的環境設置為靜態環境，在識別每個節點周圍最小的節點后可儲存其中的資料，通過虛擬連接線路來統計每個節點的cost，最終形成最短路徑，該路徑就是其中的靜態優化路徑。

步驟五，在燃機電廠的內部環境發生變化時，巡檢機器人可在區域集合中重新定義動態障礙，再通過不同顏色進行分區，打造出格柵地圖資料；步驟六，該算法通過模擬燃機電廠的內部環境，并按照靜態最優的要求可將目標節點作為巡檢機器人運動的起始點，并按照設計路徑來規劃心動路徑，直至最終的cost發生變化；步驟七，當燃機電廠的cost發生變化的情況下，通過智能化計算每個節點的cost，但是在巡檢過程中cost已經傳遞到下一個節點上，在重復步驟四的操作過程，能夠尋找到一條最新的機器人移動路徑；步驟八，輸出最終結果[5]。

優化后的路線結果見圖3。在分別對比圖2與圖3的相關內容后，可發現機器人的路線略有改變，但兩者相比，在圖3中在對路線進行優化后，機器人能夠獲得更多的影像資料，開展安全管理的效果更滿意，因此具有優勢。

圖3 優化后的路線圖

3 應用實例分析及強人工智能的燃機電廠智能巡檢四足機器人展望

案例簡介：為進一步分析基于強人工智能技術的實施效果，本文在D_Star算法的基礎上，對燃機電廠巡檢的四足機器人運動過程進行仿真。本次研究中所選擇的案例來源于某燃機電廠提供的BIM模型。

機器人的路徑規劃結果：根據案例項目對D_Star算法進行運算，通過識別燃機電廠內不同空間障礙的權重分布結果，假設不存在的工作空間的區域權重為1，則該方法下智能巡檢四足機器人在構件空間區域1～3的線性遞減空間、分隔型空間的干擾權重結果分別為：∞/3.36、3.36/8.77、3.36/8.77?？砂l現，通過D_Star算法能夠完成路徑規劃并定義燃機電廠內的障礙區域。

未來隨著燃機電廠的生產規模不斷擴大，可預見其運行環境變得更加復雜，因此智能巡檢四足機器人的工作量也在不斷增加，所以為了能夠進一步減少相關人員在巡檢中所投入的精力，則必須要不斷完善智能巡檢四足機器人的功能，借助新型檢測技術，在強人工智能的基礎上將傳感技術、空間建模技術等應用到機器人領域，這樣才能采集大量與燃機電廠有關的資料，包括燃機電廠的安防數據、環境數據、生產信息數據等。

同時本文所介紹的D_Star算法在技術上具有可行性，該技術能夠幫助機器人自定義路線并識別空間障礙物情況。為了能夠適應未來巡檢的要求，可在機器人的基礎上進一步完善功能，包括機器人的線速度、影像遠程傳輸系統、實時視頻、告警系統等[6]。最后，巡檢機器人采用鋰電池供電的模式，并且在充電過程中能夠識別充電樁線圈，該巡檢機器人可在12小時內做連續兩次的往返，充電時間為1.5小時，充滿電之后連續的里程數約為10000m，滿足未來運行要求。

4 結語

在強人工智能技術的支持下，燃機電廠智能巡檢四足機器人的功能有進一步完善，并且在該技術的支持下，通過D_Star算法可針對燃機電廠完成建模，并有效降低外部燃機電廠內部環境的影響。因此相關人員應深入了解強人工智能技術方案的基礎上，完善巡檢機器人的結構與功能，這樣才能提高燃機電廠的巡檢工作效果，為提高燃機電廠的內部管理能力奠定基礎。