化工環境下巡檢機器人關鍵控制技術研究進展

＊張 寶

（新余學院 機電工程學院 江西 338004）

2023年1月，工信部等十七部門發布了《“機器人+”應用行動實施方案》，提出到2025年，制造業機器人密度較2020年實現翻番，機器人促進經濟社會高質量發展的能力明顯增強。聚焦10大應用重點領域，突破100種以上具有較高技術水平、創新應用模式和顯著應用成效的機器人典型應用場景，打造一批“機器人+”應用標桿企業，建設一批應用體驗中心和試驗驗證中心[1]。在化學工業生產中，安全和環境污染問題[2]一直是備受人們關注的重點。若在事故發生前及時發現并消除安全隱患能夠有效防止事故發生，如果在事故發生的初期及時采取有效措施也可以降低事故損失。安防巡檢是排查隱患和早期發現事故的有效方式，能夠減少事故所帶來的損失[3]。

圖1 巡檢機器人[4]

隨著機器人技術的不斷發展，巡檢機器人在化工生產過程中逐漸受到關注，移動機器人具有靈活性高與維護成本低的優點，同時能夠適應化工廠區域的復雜性和不確定性，從而逐漸成為實現巡檢任務的首選。目前針對化工機器人控制技術的研究熱點主要集中在軌跡規劃、定位導航、運動控制等[5-8]。

1.軌跡規劃

化工巡檢機器人軌跡規劃中的關鍵性技術問題主要是軌跡生成方式，在之前的研究中，通常運用直線插補、圓弧插補、定時插補、定距插補、關節空間插補等方式生成軌跡。上述軌跡生成方式易于實現，但軌跡插補精度有時很難保證，比如各路徑段采用拋物線過渡域線性函數進行軌跡生成，機器人的運動關節并不能真正到達那些路徑點，即使選取的加速度充分大，實際路徑也只是十分接近理想路徑點。為進一步提高軌跡規劃精度，考慮到化工巡檢工作的特殊性，近年來很多學者將機器學習算法應用到巡檢機器人軌跡規劃研究中。Xu等[9]提出一種基于時間優化的帶懲罰函數的軌跡規劃方法。根據巡檢機器人的Denavit-Hartenberg模型，找到運動學解，利用混合多項式插值算法生成各關節的軌跡。傳統的粒子群算法以時間優化為標準，無法處理復雜的約束條件，容易陷入局部最優解，收斂速度慢。對混合多項式插值算法生成的軌跡進行優化，提出一種帶懲罰函數的改進模擬退火粒子群算法。仿真結果表明，與混合多項式插值法相比，所提算法能夠限制角速度，減少機械臂各關節的運行時間。基于軌道檢測機器人對兩種算法進行了實驗驗證，結果表明采用優化算法后，各關節角速度均在角速度限制范圍內，運行時間更短，運行更加平滑，表明了所提算法的有效性。

Wang等[10]針對工廠巡檢的應用需求，對機器人的建圖、定位和路徑規劃方法進行了研究。考慮到相機和激光傳感器因其固有特性的局限性，以及在不同環境下的不同適用性，針對不同場景提出了基于多線激光雷達和視覺感知的SLAM應用系統。針對巡檢任務效率低的問題，引入A-star算法和時間彈性帶法相結合的混合路徑規劃算法。該方法有效解決了復雜環境下路徑規劃陷入局部最優的問題，提高了機器人的巡檢效率。實驗結果表明，所設計的SLAM和路徑規劃方法能夠滿足機器人在復雜場景下的巡檢需求，具有良好的可靠性和穩定性。Wang等[11]提出了一種大型罐底檢測機器人的路徑規劃與定位算法。根據罐底形狀設計預設的螺旋路徑，并在障礙物附近加入旋轉勢場，避免路徑規劃陷入局部最小值的問題，得到了精確且平滑的規劃結果。此外，通過測量聲發射距離，利用三點定位算法可以實現所提方法中機器人位置檢測的計算。

圖2 巡檢機器人路徑規劃[11]

2.定位導航

傳感器的性能好壞是化工巡檢機器人能否實現高精度定位導航的關鍵所在。傳感器的性能指標包括靈敏度、線性度、精度、重復性、分辨率、響應時間和抗干擾能力等。同時，開發高效的控制算法也將對定位導航技術的進步起到很大的推動作用。很多學者近年來開展了相關研究。Zhao等[12]采用基于2D LiDAR的Gmapping算法對機器人進行定位并構建地圖。通過自平衡試驗和抗干擾試驗，驗證了設計的自平衡算法具有一定的抗干擾能力和良好的魯棒性。通過使用Gazebo搭建仿真對比實驗，驗證了粒子數的選取對于提高地圖精度具有重要意義。實際測試結果表明構建的地圖具有較高的精度。Jiang等[13]分析了一種多信息融合的SLAM機器人定位導航算法，然后利用卡爾曼濾波技術通過Voronoi映射進行定位。針對機器人如何在高密度場景下進行路徑規劃和控制的問題，提出了一種五層神經網絡的方法。巡檢機器人利用身上的傳感器來檢測周圍環境的參數信息，動態路徑規劃算法相應地改變路徑，防止碰撞，最終達到預設目標。在復雜環境下對檢測機器人的模糊神經網絡算法進行了驗證，證明了算法的有效性和準確性。Zhao等[14]提出了一種基于最小二乘解廣義逆的反射鏡與激光器混合導航算法。針對多機器人巡檢協作路徑規劃問題，通過交通規則預留表生成表征電力巡檢交通擁堵的動態加權地圖，防止多機器人碰撞。通過分布式控制方法，機器人利用動態加權地圖改進RRT（快速探索隨機樹）算法，達到主動協同路徑規劃的目的，減少軌跡關鍵路徑點，解決協同擁堵。最后通過實驗驗證反射面導航算法在大范圍復雜環境下可以進行定位和標定補償。

3.運動控制

早期的工業機器人大多采用液壓、氣動方式來進行伺服驅動，隨著大功率交流伺服驅動技術的發展，目前大部分液壓和氣壓驅動被電氣驅動方式所代替。電氣驅動具有無環境污染、響應快、精度高、成本低、控制方便等優點，非常適合應用于化工巡檢機器人中。近年來，很多學者為提高巡檢機器人的運動控制精度與效率，展開了相關研究。Pierluigi等[15]針對一種用于室內外巡檢的混聯機器人進行了仿真和實驗測試。在結構和基礎設施檢查的背景下，機器人必須能夠在水平或傾斜的表面和過街障礙物上移動。針對用于室內和室外檢查的混聯機器人，在環境條件不允許自主導航的情況下，提出了機電一體化設計、仿真和實驗活動。該混聯機器人配備了外部和內部傳感器，以獲取主要結構元素的信息，避免了人員直接進入檢測現場。Wang等[16]設計了一種新型輪夾式橋梁斜拉索檢測機器人。其夾緊機構采用四輔助兩驅動輪夾緊方案，驅動單元采用雙輸出軸的單電機。基于Arduino設計了一種簡易的機器人自動控制系統。然后，計算出機器人所能夾持的斜拉索直徑范圍。建立了夾持狀態下機器人的力學模型。通過Matlab數據處理得到機器人在不同斜拉索直徑和斜拉索傾角下所需的最小推力和驅動力的變化曲線。基于Adams動力學仿真，確定了合適的車輪形狀和材料、質心分布的最佳位置以及如何提高車輪的抗風性能。Wang等[17]針對配備精密儀器的檢測機器人在復雜路面上移動時工作面不能始終保持穩定的問題，基于Teoriya Resheniya Izobreatelskikh Zadatch理論設計了一種浮動移動底盤，并基于物質場對浮動懸掛裝置進行了優化。建立了浮動移動底盤的運動學模型，并對凸臺、溝槽等復雜路況進行了越障分析。建立了越障輪的動力學模型和移動性能評價模型。在ADAMS中分別建立了非浮動式移動底盤原型和浮動式移動車架原型，并對凸臺、過溝和復雜路況進行了運動對比仿真分析。結果表明，浮動移動底盤具有良好的承載能力。

圖3 巡檢機器人運動控制[15]

4.結論

化工巡檢機器人是一種可以代替人工進行巡檢、監測和維護化工生產設備的機器人。它可以在高溫、高壓、有毒、有害、難以到達的地方進行操作，并且能夠自主完成巡檢任務，不需要人工干預，可以在短時間內完成大量的巡檢任務，提高了巡檢的安全性和效率。本文對化工巡檢機器人控制領域三個關鍵技術的研究現狀進行了分析和概括，以期為今后化工巡檢機器人關鍵控制技術的研究提供理論支撐和借鑒。