基于六軸慣導的電網帶電運維機器人作業位置預判

王賢強，劉軍，張正祥，胡云輝

（國網安徽省電力公司合肥供電公司，安徽 合肥 230000）

目前，民用電量和工業用電量急劇增多，給電力系統帶來了較大的壓力，同時也為電力系統提供了新的發展機遇[1]。電力系統的安全運行是保證電網穩定的重要前提，早期對電網系統的檢查主要依賴于人工，工作人員使用特定的環境監控設備定期對電網進行巡檢，以此保障電網的安全運行。隨著用電量的成倍增加，電網供電范圍的擴大，早期的人工巡檢方法工作效率低、危險性高，易出現錯檢、漏檢的情況，巡檢工作逐漸被機器人取代[2-4]。針對電網特殊的工作環境，機器人代替人工巡檢的方法更加安全可靠，且實時性強，是未來電網帶電運維無人化的趨勢和研究熱點[5]。

國外對帶電作業機器人的研究比較早，運維機器人作為移動機器人的一種，其研究在80 年代末已經取得了一定的成果，進入21 世紀后，國外的一些學者已經開發出運維機器人的樣機，且對機器人的行為導航技術也有一定的研究成果[6]。傳統的機器人作業位置預判方法只能單自由度地控制機器人機械臂識別周圍環境，部分角度的環境信息缺失，使預判位置存在一定的位置誤差和航向角度誤差[7]。針對這一問題，該文提出了基于六軸慣導的電網帶電運維機器人作業位置預判方法，解決了傳統方法中存在的問題。

1 機器人作業位置預判方法設計

1.1 運維環境溫度誤差

利用六軸慣導控制機器臂末端的手持慣導設備軌跡，獲取以機器人為中心的周圍環境特征，為機器人作業位置的預判做準備。使用六軸慣導為帶電作業機器人的控制核心，其設計的控制模塊主要包括手持慣導設備、機器人空間機械臂和機械臂控制器，其中手持慣導設備采集操作員手部動作，將手部動作數據通過無線網絡傳輸到機械臂控制器。六軸慣導控制結構如圖1 所示。

圖1 六軸慣導控制結構

在實際的電網帶電運維過程中，機器人通過云臺被推送到作業高空，工作人員操作機器臂和環境感知部件感知周圍環境，傳輸環境數據，完成作業任務[8]。在云臺上，雙目立體相機實時將環境感知部件采集的圖像數據通過無線網絡傳輸到地面。機器臂操作控制器通過操作員手部操作，自動規劃各自由度的運行軌跡，驅動機械臂運動，從而使機器臂調整到操作員期望的空間角度，獲取周圍完整的環境信息[9-10]。

在獲取圖像的同時，使用紅外測溫功能，識別周圍環境溫度異常的物體。在電網系統中，很多設備零件內部存在熱運動，符合黑體輻射定律[11]。根據黑體輻射定律：

式中，α1和α2表示輻射常數，β表示光譜輻射波長，T表示絕對溫度，P表示能量密度。

結合上述公式可知紅外測溫的原理，輻射能力越強的物體代表其溫度也越高[12-13]。帶電運維機器人上裝有紅外熱像儀，利用紅外熱像儀上的探測器聚焦設備零件的局部區域熱度，從而將溫度數據傳輸至顯示界面，獲得已知的溫度數據。

根據已知的溫度數據進行診斷時，針對不同的情況，考慮溫升、溫差和相對溫差3 個關鍵因素[14]。相對誤差是根據相應的兩個測點之間的溫差與其中較熱點的溫升之比的百分數獲得[14]。公式如下：

式中，κ1表示發熱點的溫升，κ2為正常相對應點的溫升，g0表示環境參照體的溫度，g1和g2分別表示發熱點和正常相對應點的溫度。根據電網線路的溫度診斷，明確機器人運維環境，避免由溫度引起的運維誤差。

1.2 運維環境特征模型構建

通過上述過程獲得周圍環境特征，從而對機器人作業位置進行預判[15]。通過環境感知部件獲得一定的距離數據，距離數據所呈現的特征就是觀測到的環境特征。在環境感知部件工作時，受到外界因素的影響，距離數據中存在部分噪聲，不能直接獲取到完美直線。針對這一問題，引用約束規則，將屬于同一直線的距離點歸并，獲得完美的環境特征直線。用極坐標r=(θ,λ) 表示距離點，直線由模型參數(d,γ)描述，d表示機器人到直線的距離，γ表示d到機器人坐標橫軸的夾角。該直線特征作為機器人位置估計的觀測，觀測模型可以用下式表示：

式中，Ma表示在機器人極坐標下a時刻的觀測模型，通過觀測模型可獲得環境地圖中的特征。

1.3 機器人作業位置預判

假設帶電運維機器人從已知的位置出發，通過機器人上的運動感受傳感器達到獲取機器人行動信息的目的，將收集到的多種行動信息集成為控制輸入數據，通過這些輸入數據達到跟蹤機器人位置的目的[16]。需要注意的是，傳感器測量的數據并不能完美地代替機器人實際執行的動作，在測量過程中存在部分誤差，被引入到后續操作中，給機器人作業位置預判帶來了誤差。因此，建立機器人的位置預測模型，以預測機器人的作業位置。

利用IMU（慣性測量單元）獲取機器人的絕對航向信息，利用里程計和IMU 實現機器人在起始點的初始位置對準：

式中，W0表示機器人的初始位置。根據機器人的運動學模型，得到機器人位置更新的基本方程：

式中，v表示機器人的線速度，W表示前一時刻位置的估計數據，ω表示機器人移動的旋轉角速度，W'表示后一時刻位置的估計數據。通過初始位置和更新位置獲得預測直線。在對電網帶電運維機器人作業位置預判時，將通過觀測模型獲得的觀測直線及通過IMU 得到的預測直線相匹配，將預測直線數據組成預測子集，觀測子集則由環境感知數據組成。為了保證匹配過程中預測和觀測的數據一一對應，避免出現一對多或多對一的異常情況，將觀測直線和預測直線都關聯同一個環境特征。同時建立一個預測和觀測之間的修正量ξij，更好地找到觀測之間預測的配對。

式中，(v·t)ja表示a時刻的觀測，(v·t)'ia表示a時刻的預測。為了判斷特征預測和觀測之間匹配是否有效，給出匹配的判定門限：

其中，G表示預測和觀測之間匹配的門限閾值。在預測子集和觀測子集匹配過程中，通過式（9）的判定條件判斷一個觀測與各個預測之間的關系。在真實的作業過程中，只有一個觀測結果落在一個判定門限才是有效的。若出現一個觀測對應多個判定門限，則通過計算和多次匹配，篩選出最佳的配對作為有效配對。對于匹配過程中沒有落入判定門限的觀測，則直接棄置，僅利用預測來估計機器人的作業位置。

在電網帶電運維過程中，其機器人作業環境基本相似，環境特征相似度較高，為了避免落入多個判定門限的情況，選擇環境特征差異較大的區域。

至此，基于六軸慣導的電網帶電運維機器人作業預判方法設計完成。

2 實驗結果與分析

在電網帶電運維機器人作業位置預判實驗研究中，主要引用傳統的預判方法進行對比實驗，實驗所用的機器人如圖2 所示。

圖2 實驗機器人

為減少自然環境的干擾，定位實驗在室內進行，分別使用基于六軸慣導的電網帶電運維機器人作業位置預判方法和文獻[7]提出的巡線機器人輸電線路狀態檢修方法進行對比實驗，使用第三方軟件Rviz輸出結果，通過仿真結果能夠明顯看出不同預判方法的對比效果。

圖3顯示的a、b、c、d 4個點為預判點，圖中的軌跡為機器人行動軌跡。從圖中可以看出，傳統預判方法預判的位置與機器人實際行動軌跡相比，出現了嚴重的偏離，而該文方法預判的位置與機器人實際行動軌跡十分貼切。統計出兩組實驗結果的位置誤差和航向角誤差，使用不同的預判方法進行多次實驗，利用統計軟件SPSS 統計位置誤差和航向角誤差。具體統計結果如表1 所示。

圖3 不同預判方法位置預判實驗結果

表1 不同預判方法誤差統計結果

由表1 可知，文獻[7]提出的巡線機器人輸電線路狀態檢修方法平均位置誤差為30.55 cm，航向角誤差為9.41°；基于六軸慣導的預判方法平均位置誤差為2.79 cm，航向角誤差為0.52°。對比以上數據，可以明顯看出傳統的預判方法位置誤差遠高于基于六軸慣導的電網帶電運維機器人作業位置預判方法，說明設計的預判方法優于傳統預判方法。

3 結束語

機器人在電網帶電運維中承擔著電力巡檢的任務，通過對作業位置的預判，完成預定的作業任務并實時上報。通過引用六軸慣導控制機器人的行為，利用機器臂獲取機器人周圍環境信息，依據環境信息及物件溫度變化預判出機器人作業位置。針對不同預判方法，設計對比實驗，在相同的實驗條件下，證明了設計的基于六軸慣導的電網帶電運維機器人作業位置預判方法更加優秀。但是所提方法仍然存在一些問題，由于實驗過程數據主要依靠人工測量，定位精度不足，下一步研究工作可以圍繞這一問題展開。