變電站機器人巡檢路徑控制系統的設計

摘 要：本文針對傳統人工巡檢效率低、耗時長的問題，提出基于多目標任務的巡檢路徑規劃方法，利用融合蟻群算法和JPS算法提升路徑規劃效率和質量。對JPS算法進行改進，優化路徑轉折角度，降低碰撞風險。仿真試驗結果表明，改進后的JPS算法在縮短巡檢路徑、減少耗時和轉彎次數方面表現優秀，顯著提高巡檢效率，保障巡檢安全。本文為變電站智能巡檢提供技術支持，提升智能電網運行的可靠性。

關鍵詞：變電站巡檢；路徑控制；蟻群算法；JPS算法

中圖分類號：TP 242" " " " " " " 文獻標志碼：A

隨著智能電網的快速發展，變電站成為電力系統的關鍵設施。傳統的人工巡檢方式耗時耗力，不能全面、及時地發現潛在的安全隱患。因此，使用機器人的智能巡檢模式成為研究熱點[1]。智能巡檢機器人對變電站設備進行自主、高效巡檢，機器人巡檢的核心是路徑規劃，即巡檢機器人根據變電站的復雜環境，結合當前位置和巡檢目標位置規劃1條最優的巡檢路徑，不僅需要保證巡檢的全面性和準確性，還需要考慮路徑的安全性、長度、光滑度以及轉變數等因素，以提高巡檢效率并降低能耗[2]。

本文從變電站巡檢機器人路徑控制的需求出發，分析巡檢任務的特點，并提出基于多目標任務的巡檢路徑規劃方法，融合蟻群算法[3]和跳躍點尋路（Jump Point Search，JPS）算法[4]探討其在巡檢路徑規劃方面的優化效果和性能提升。同時，本文對JPS算法進行改進，以適應變電站巡檢的復雜環境，并利用仿真試驗驗證所提方法的有效性和可行性，優化巡檢路徑，降低巡檢過程中的風險，提高巡檢的可靠性和安全性。

1 變電站巡檢路徑控制需求

由于變電站內部設備設施布局復雜，變電站機器人巡檢與一般的巡檢要求不同，因此，本文針對變電站巡檢特征分析了變電站巡檢路徑控制的關鍵需求。1）提高路徑搜索效率，以保證巡檢機器人能夠迅速定位并遍歷所有巡檢點。2）優化巡檢路徑距離，規劃最短路徑來減少巡檢的總路程，降低能耗。3）減少巡檢過程中的轉彎次數，并盡可能縮短巡檢耗時，以提升巡檢的整體效率。以上需求構成了路徑控制系統設計的核心目標，利用智能化手段解決傳統人工巡檢方式中存在的效率低、耗時長等問題。

2 多目標任務巡檢路徑規劃

2.1 蟻群算法

蟻群算法（Ant Colony Optimization，ACO）是一種模擬自然界中螞蟻覓食行為的啟發式優化算法，其原理來自螞蟻在尋找食物源過程中釋放并感知信息素的現象，螞蟻會根據路徑中信息素的濃度選擇行走方向，并留下新的信息素以影響后續螞蟻的決策，信息素濃度高的路徑會逐漸被更多螞蟻選擇，形成1條最優路徑。

在巡檢路徑規劃中，構建一系列候選路徑，確定每條路徑的信息素濃度。當算法開始時，所有路徑的信息素濃度相同。隨后，算法模擬螞蟻的覓食過程，在每次迭代過程中，螞蟻根據各條路徑的信息素濃度，參考啟發式信息，例如路徑長度、安全性等，選擇1條路徑進行遍歷，并在遍歷過的路徑中釋放新的信息素，算法也會根據一定的蒸發規則減少路徑中的信息素濃度，以模擬信息素的消散過程。蟻群算法流程如圖1所示。

蟻群算法在巡檢機器人路徑規劃中的優勢是其能夠進行分布式計算、具有正反饋機制以及魯棒性強等，經過多次迭代，算法能夠逐漸收斂至1條相對較好的巡檢路徑。

2.2 JPS算法

由上文了解蟻群算法在變電站智能巡檢路徑控制系統中的應用，蟻群算法具有計算量大、收斂速度慢等局限性，在復雜的變電站巡檢環境中需要較長的計算時間才能找到滿意的解，因此將蟻群算法與其他算法相結合，以提高路徑規劃的效率和質量。變電站巡檢具有復雜性和多樣性，因此需要將不同算法的優勢相結合。JPS算法是一種高效的路徑搜索算法，其減少不必要的搜索節點，顯著提升路徑規劃的效率，在變電站智能巡檢路徑控制系統中，JPS算法廣泛應用于優化巡檢路徑。JPS算法的基本原理是識別路徑中的“跳躍點”（Jump Points），需要對地圖或環境進行預處理，以識別那些允許直接跳躍的特定位置，即跳躍點。這些跳躍點通常是路徑中的關鍵點，其與周圍環境存在特定關系，因此從該點出發可以跳過一定范圍內的檢查，直接跳轉至下1個可能的點。例如，在直線路徑中，除了起點和終點，中間的點可以視為跳躍點，因為巡檢機器人無須逐個檢查這些點，所以只需沿直線前進。在搜索過程中，JPS算法利用預處理得到跳躍點信息，從起始點開始逐步向目標點逼近。當到達一個節點時，會檢查該節點是否為跳躍點，并且決定是直接跳轉到下一個跳躍點，還是按照傳統方式繼續搜索周圍的節點。采用這種方式可以減少搜索空間，提高搜索效率。

2.3 蟻群-JPS算法的融合

為了提高機器人巡檢路徑規劃的效率，本文融合蟻群算法與JPS算法，融合算法結合了蟻群算法的全局搜索能力與JPS算法的高效搜索特點，在復雜環境中進行最優巡檢路徑規劃。具體流程如圖2所示。

2.3.1 步驟一：使用柵格法創建變電站環境地圖并初始化參數

利用柵格法將變電站的環境劃分為若干個小格子，每個格子代表環境中的1個區域。初始化蟻群算法和JPS算法所需的各項參數，包括信息素濃度、蒸發率、螞蟻數量和迭代次數等。

2.3.2 步驟二：采用JPS算法生成初始化路徑并更新初始信息素要素

利用JPS算法的高效搜索機制快速生成1條從起點至終點的初步巡檢路徑。該路徑是蟻群算法的初始化路徑，并在此基礎上初始化信息素要素。為JPS算法生成的路徑中的節點賦予較高的信息素濃度，引導蟻群算法在后續的迭代過程中優先探索這些區域。

2.3.3 步驟三：更新啟發函數

在蟻群算法中，當選擇路徑時，啟發函數生成螞蟻的考慮因子。為了發揮JPS算法的優勢，對啟發函數進行相應調整，使其不僅考慮路徑的長度，還考慮路徑的安全性、光滑度以及是否包括跳躍點等因素。這樣，螞蟻在搜索過程中會傾向于選擇那些既能夠縮短路徑長度，又能夠滿足安全性和其他要求的路徑。

2.3.4 步驟四：螞蟻移動與全局信息素更新

模擬螞蟻的覓食行為，每只螞蟻根據當前位置的信息素濃度和啟發函數選擇下一步的移動方向。當螞蟻完成一次遍歷后，根據路徑的質量和長度更新路徑中的信息素濃度。同時，根據JPS算法的結果對初始信息素濃度進行調整，以加快算法的收斂速度。

2.3.5 步驟五：迭代過程與最優路徑輸出

重復上述步驟，直至所有螞蟻都到達終點或達到預設的最大迭代次數。在每次迭代結束后，根據所有螞蟻的遍歷結果更新全局信息素要素。當達到最大迭代次數時，以當前信息素濃度的最長路徑作為最優巡檢路徑輸出。融合算法能夠充分發揮蟻群算法的全局搜索能力，并利用JPS算法的高效搜索特點在變電站的復雜環境中快速找到1條既能夠滿足巡檢要求，又能夠降低能耗、提升安全性的最優巡檢路徑。融合算法不僅提高了巡檢效率，還降低了巡檢過程中的安全風險，為變電站智能巡檢提供了有力的技術支持。

3 改進JPS算法的應用

由于變電站內部設備布局緊湊，因此在路徑規劃的過程中，特別是當繞過設備或轉角處時，如果路徑轉折角度過小，那么將增加巡檢機器人與設備發生碰撞的風險，影響巡檢任務順利執行。因此，需要解決蟻群-JPS算法在變電站巡檢路徑規劃中可能遇到的轉折角度過小的問題，保證機器人能夠安全通過，并減少不必要的碰撞風險。

3.1 轉折角度優化

在JPS算法中，當確定1個跳躍點時，不僅考慮直線段的跳躍，還引入角度約束條件。當計算跳躍點時，評估從這個點到下一個可能的跳躍位置或目標位置所在的直線和當前路徑之間的角度，如果夾角小于預設的安全角度閾值，那么調整跳躍策略，選擇更安全的路徑方向，保證轉折角度足夠大，避免與設備發生碰撞。

3.2 跳點處理優化

對JPS算法中的跳點進行精細化處理，不僅基于直線或直角關系確定跳點，還引入更復雜的幾何計算，例如圓弧擬合等，使路徑在轉折處更加平滑，減少尖銳轉角。

3.3 融合蟻群算法

將改進后的JPS算法與蟻群算法相結合，利用蟻群算法的全局搜索能力和正反饋機制，在JPS算法提供的高效搜索框架內進一步優化路徑選擇。在每次迭代中，蟻群算法根據路徑中的信息素濃度和啟發式信息，例如路徑長度、安全性等，對JPS算法生成的候選路徑進行評估和調整，逐步逼近最優解。在保持蟻群-JPS算法原有優勢的基礎上進一步提升巡檢路徑的安全性，減少碰撞風險，并優化路徑的轉折角度，使巡檢機器人能夠更加順暢、安全地完成巡檢任務。

在優化路徑的過程中，并行狀態是所有的設備所在點排列有用信息存在的狀態。設螞蟻k在巡檢點的位置為Qk lm（t），表示螞蟻當前在巡檢點L選擇行動至巡檢點M的概率，如公式（1）所示。

（1）

式中：τα lm（t）為t時刻巡檢點m和巡檢點l路徑中的信息素濃度；α為的相對重要程度；ηβ lm（t）為啟發式因子；β為η的相對重要程度；s為求和公式中的變量；allowedk為螞蟻k所能選擇的下一個巡檢點的集合。

全部巡查點的序列合集是螞蟻對所有的巡查點都按照一定順序檢查一遍以后，螞蟻在這個檢查過程中所經過的路段。螞蟻更新信息素公式如公式（2）、公式（3）所示。

τlm（t+1）=（1-ρ）τlm（t）+Δτlm（t） " " " "（2）

Δτlm（t）=∑k lm（t） " " " " " " " " " " " " " " " " " " " " " " " " "（3）

式中： τlm（t+1）為在t+1時刻巡檢點m至l的信息素濃度；ρ為信息素的不同揮發程度，螞蟻更新信息素在[0，1]；τlm（t）為在t時刻巡檢點m至l的信息素濃度；Δτlm（t）為螞蟻k在t時刻的這個階段在路徑區間中釋放的信息素的量，[l，m]為螞蟻走過的巡檢路徑，如果螞蟻選擇的巡查路徑在走過以后信息素濃度變大了，那么增加量為Δτlm；Δτk lm（t）為在t時刻巡檢點m至l的信息素濃度的所有增量的和。

本文中信息素揮發方式的更新模型如公式（4）所示。

（4）

式中：Q為信息素含量；Lk為螞蟻在巡檢過程中所途經的路程距離總和；ank k passes thouth[l，m]為當螞蟻k走過的巡檢路徑為[l，m]時；otherwise為其他情況。

在螞蟻巡檢的過程中，信息素不斷發生變化，直至達到提前設置好的指標值后算法收斂停止，在使用所有的算法得到結果后發現采用蟻群算法得到的路徑是最終解的最優路徑。

4 仿真試驗

4.1 試驗方案

采用地圖化方式對變電站環境進行處理，用柵格圖表示變電站中需要巡檢設備的布局。設置多組試驗，分別采用螞蟻算法、蟻群-JPS融合算法以及改進后的JPS算法進行巡檢路徑規劃。試驗的主要評價指標包括最短距離、總耗時以及轉彎次數。每組試驗重復多次，取平均值以保證結果的準確性。對比不同算法在相同環境中的性能表現，驗證所提蟻群-JPS融合算法和改進JPS算法在巡檢路徑規劃中的優化效果和可行性。

4.2 試驗結果

根據試驗方案，對螞蟻算法、蟻群-JPS融合算法以及改進后的JPS算法在最短距離、總耗時和轉彎次數3個指標方面的表現進行對比，試驗結果見表1。

改進后的JPS算法在各項評價指標方面均表現出色，在縮短巡檢路徑長度、減少總耗時和轉彎次數方面具有明顯優勢，與傳統的螞蟻算法相比，蟻群-JPS融合算法的性能更好，試驗結果驗證了改進后的蟻群-JPS算法在變電站智能巡檢路徑規劃中的效果和可行性。

5 結語

本文針對變電站機器人巡檢路徑控制系統進行研究，采用智能化手段解決傳統人工巡檢方式存在的效率低、耗時長等問題，從變電站巡檢機器人路徑控制的需求出發，明確了路徑控制系統設計的核心目標。本文提出基于多目標任務的巡檢路徑規劃方法，采用融合蟻群算法和JPS算法研究其在巡檢路徑規劃中的優化效果和性能提升。由于蟻群算法存在計算量大、收斂速度慢等局限性，在變電站復雜環境中表現不佳，因此本文融合蟻群算法與JPS算法，利用JPS算法的高效搜索特點對復雜環境中的最優巡檢路徑進行規劃。本文還對JPS算法進行改進，以適應變電站巡檢的復雜環境。引入角度約束條件和跳點精細化處理，保障路徑在轉折處更加安全、平滑，降低了與設備發生碰撞的風險，結合蟻群算法的全局搜索能力對改進后的JPS算法生成的候選路徑進行評估和調整，逐步逼近最優解。試驗結果表明，改進后的JPS算法在縮短巡檢路徑長度、減少總耗時和轉彎次數方面表現出色，顯著提高了巡檢效率和安全性，為變電站智能巡檢提供了有力的技術支持，推動了智能電網技術的發展。

參考文獻

[1]朱道華，郭雅娟，韋磊，等.基于5G軟件定義網絡的變電站巡檢智能控制系統設計[J].自動化技術與應用，2024，43（7）：111-116.

[2]金涌濤，張恬波，季宇豪，等.變電站機器人巡檢中設備目標動態捕捉識別技術研究[J].機械設計，2024，41（增刊1）：159-164.

[3]趙思文，朱津欣.基于改進蟻群算法的電力電纜敷設路徑規劃方法[J].電氣技術與經濟，2024（6）：322-323.

[4]方霞，俞宏圖，熊齊.求解并行JSP作業車間調度問題的一種混合遺傳算法[J].機電產品開發與創新，2021，34（1）：78-79.