一種基于RRT算法的水冷壁爬壁機器人路徑規(guī)劃

摘要： 針對水冷壁爬壁機器人在多變地形上的作業(yè)需求以及在垂直表面上的連續(xù)移動特性，文章提出了一種基于RRT算法的路徑規(guī)劃策略。該策略采用柵格化方法對機器人的作業(yè)環(huán)境進行建模，利用 RRT算法的搜索速度快以及建立隨機樹的特性，通過在空間中任意選取點，將其與樹相結(jié)合，構建通往目標的路徑。RRT算法具有對復雜環(huán)境、動態(tài)障礙的適應性，可為復雜壁面上的爬壁機器人的運動軌跡規(guī)劃提供依據(jù)。實驗數(shù)據(jù)表明，采用RRT算法的水冷壁爬壁機器人能夠高效地完成水冷壁表面的路徑規(guī)劃問題。

關鍵詞：水冷壁爬壁機器人；RRT算法；動態(tài)路徑規(guī)劃

中圖分類號：TP242.2" 文獻標志碼：A

0 引言

在提高探測效率的前提下，水冷壁探測機器人的發(fā)展大大降低了檢測費用，保證了檢測工作的持續(xù)性與可靠性。路徑規(guī)劃是機器人作業(yè)過程中的關鍵環(huán)節(jié)，須要綜合考慮距離、環(huán)境安全、路徑可通行性和可能存在的障礙等多個方面來確定最優(yōu)巡檢路徑。本文提出一種有效的路徑規(guī)劃方法，可以提高巡檢機器人作業(yè)效率，保證作業(yè)過程中的安全性，降低系統(tǒng)的資源與能量消耗。

根據(jù)環(huán)境模擬的地圖已知和未知的情況，常用機器人的路徑規(guī)劃算法有蟻群算法^［1］、人工蜂群算法^［2］、沙貓優(yōu)化算法^［3］、遺傳算法^［4］等。秦旭等^［5］對傳統(tǒng) D*算法進行了改進，通過對子節(jié)點的選擇方法進行了優(yōu)化和調(diào)整并對整個系統(tǒng)進行了局部化。選取各局部環(huán)境目標點，識別各關鍵節(jié)點；提出了一種基于光滑函數(shù)的檢測方法并對成本估算方程進行了修正。Li等^［6］針對移動機器人路徑規(guī)劃問題，提出了一種多步蟻群優(yōu)化算法。Lamini等^［7］提出一種新的遺傳算法并將其應用于靜止環(huán)境下的遺傳算法求解。該算法具有結(jié)構簡單、性能穩(wěn)定、搜索能力強、高效、魯棒等優(yōu)點，但存在編碼速度慢、易早熟等缺點。

在現(xiàn)代工業(yè)中，對水冷壁進行維護與清洗是十分重要的。為提高工作效率和安全性，爬壁機器人得到了廣泛的研究和應用。本文將 RRT算法應用于壁爬式機器人的運動軌跡規(guī)劃中。該算法可以保證機器人在作業(yè)過程中，動態(tài)地覆蓋作業(yè)區(qū)域，既可避免由路徑不明或障礙而造成的反復運動，又可大幅降低控制難度，在維持較高的柔性與自適應能力的前提下，提高機器人的精度。

1 問題描述

1.1 構造環(huán)境模型

本研究基于對水冷壁爬壁機器人工作環(huán)境及其工作要求的研究，對其工作區(qū)域進行分區(qū)，采用地圖化方法建立2D地圖，確保水冷壁機器人可以在地圖上自由移動，對任意方位上的網(wǎng)格進行全方位的操作。

在水冷壁的2D地圖中，用（xi，yi）表示地圖中的坐標，由于實際的水冷壁形狀與地圖模擬的形狀存在一定的誤差，因此，構建地圖時須對障礙物進行一定的放大處理，變成規(guī)則的形狀，如圖1所示，障礙物使用灰色的規(guī)則圖形填充，須要規(guī)劃的路徑用白色填充。

1.2 RRT算法

1.2.1 算法描述

RRT算法采用逐步的方式構造路徑。該算法以起始點qstart為起點，逐步對隨機樹進行擴充。算法會隨機選擇一個點qrand，然后在最近的樹節(jié)點qnear與qrand之間的連線上，嘗試創(chuàng)建一個新的節(jié)點qnew。當新的節(jié)點qnew和qnear的路徑不沖突時，將添加新的節(jié)點到該樹中；如果出現(xiàn)沖突，該新節(jié)點將被忽略。在新的結(jié)點和目標點qgoal的距離比預先設定的閾值r小的情況下，將目標點qgoal加入路徑規(guī)劃。通過這種方式，算法就會一直迭代下去，直到找到一條可行的路徑為止。

RRT算法的公式為：

c（qnear）=c（qnew）+distance（qnew，qnear）（1）

式中，distance（qnew，qnear）是節(jié)點qnew到節(jié)點qnear之間的歐幾里得距離。c（qnew）是q的新節(jié)點。

對于空間中的2個點（x1，y1），（x2，y2），主要使用歐氏距離、曼哈頓距離等。在RRT算法中，常用歐氏距離作為代價值，其表達式如下。

dEuclid=（x2-x1）2+（y2-y1）2（2）

1.2.2 RRT算法流程

（1）開始階段：選擇起始點start作為樹的根，構建一個樹形結(jié)構（通常采用二叉樹的形式），根節(jié)點代表起始位置。

（2）隨機選擇：在探索空間內(nèi)隨機選取一個點x_rand。該點可能位于可行區(qū)域，也可能位于障礙物內(nèi)。

（3）確定最近節(jié)點：在已構建的樹中定位到距離x_rand最近的節(jié)點x_near。

（4）樹的擴展：從x_near向x_rand方向前進一段距離，創(chuàng)建一個新的節(jié)點x_new。如果x_new位于可行區(qū)域（即不與障礙物發(fā)生沖突），則將x_new添加到樹中并在x_near與x_new之間建立連接。

（5）目標驗證：判斷x_new是否接近目標區(qū)域。這里的“接近”可以通過設置一個特定的搜索半徑來定義。若x_new接近目標，則從起點到x_new構建一條路徑并終止算法。

（6）循環(huán)執(zhí)行：重復步驟2至步驟5，直到找到目標點goal或達到預定的迭代次數(shù)。

其偽代碼如表1所示。

RRT算法的優(yōu)點在于采用隨機抽樣、迭代擴展樹等方法，在有限的時間內(nèi)搜索出最優(yōu)路徑并高效地探索大型空間。RRT算法不須要構建整個空間的顯式表示，可根據(jù)樣本數(shù)據(jù)進行自適應擴充，在解決復雜場景、高維問題等方面有著明顯的優(yōu)勢。

2 實驗與分析

2.1 實驗步驟

（1）構建水冷壁環(huán)境的2D仿真地圖：設計并實現(xiàn)一個模擬實際水冷壁空間的2D地圖，用于模擬水冷壁機器人利用RRT算法的路徑規(guī)劃。

（2）確定路徑規(guī)劃的起點和終點：在柵格地圖中標記出路徑規(guī)劃的起始位置和目標位置并設定路徑搜索的方向。

（3）應用RRT算法于包含靜態(tài)障礙物的柵格地圖：將RRT算法應用于包含靜態(tài)障礙物的柵格地圖中，進行路徑規(guī)劃實驗并記錄每次路徑規(guī)劃所需的時間。

（4）分析仿真數(shù)據(jù)并得出結(jié)論：對RRT算法仿真實驗的數(shù)據(jù)進行詳細分析，基于分析結(jié)果形成實驗的結(jié)論。

2.2 仿真實驗

本文采用PYCHARM軟件進行實驗仿真，工作環(huán)境主要運用50×30和60×40的2種水冷壁2D仿真地圖并隨機生成障礙物。

（1）在50×30的仿真柵格地圖上使用RRT算法讓爬壁機器人在仿真地圖上進行路徑規(guī)劃，結(jié)果如圖2所示。

（2）在60×40的仿真地圖上使用RRT算法讓爬壁機器人在仿真地圖上進行路徑規(guī)劃，結(jié)果如圖3所示。

其中圖2和圖3的（a）和（b）分別代表同一規(guī)格地圖下不同障礙物模擬的地圖。白色區(qū)域表示沒有障礙物的區(qū)域，這是爬壁機器人可以自由移動的空間。而灰色的圓形和矩形區(qū)域則模擬了水冷壁機器人在執(zhí)行爬壁任務時可能遇到的障礙物。如圖2和圖3所示，左側(cè)小方塊坐標點代表爬壁機器人的起始位置。右側(cè)小方塊坐標點則代表機器人的目標點，即機器人需要到達的目的地。連接左側(cè)與右側(cè)小方塊路徑是RRT算法為爬壁機器人規(guī)劃的最優(yōu)路線。圖中展示了RRT規(guī)劃的路徑，避開了所有的障礙物，確保了機器人能夠安全地到達目的地。

2.3 仿真實驗分析

本文在50×30和60×40的水冷壁仿真2D地圖上使用RRT算法多次進行路徑規(guī)劃仿真，將RRT算法在不同大小、環(huán)境不同的仿真地圖上完成路徑規(guī)劃所需要的時間進行記錄，如表1和表2所示。

從表1和表2可以看出，當障礙物數(shù)量從“少”變?yōu)椤岸唷睍r，RRT算法的路徑規(guī)劃時間都有所增加。這表明障礙物的存在和數(shù)量是影響RRT算法效率的重要因素。障礙物越多，算法須要探索的空間越大，因此，需要更多的時間來找到一條避開障礙物的路徑。

在相同的條件下多次運行，路徑規(guī)劃所花費的時間也不一樣，說明RRT算法的隨機性，隨著實驗次數(shù)的增加，所需時間呈下降趨勢，說明RRT算法逐漸找到更優(yōu)的路徑。

3 結(jié)語

水冷壁機器人在大型立面上的高效爬行能力依賴于其路徑規(guī)劃算法的性能。本文通過研究水冷壁爬壁機器人的運動路徑規(guī)劃算法，采用2D地圖仿真建模技術將復雜的壁面曲面轉(zhuǎn)換為一維結(jié)構地圖并在此基礎上增加壁面上的障礙物位置。爬壁機器人利用RRT算法對2D地圖進行快速搜索與規(guī)劃，以保證機器人的避障能力，使機器人的運動軌跡盡可能短。本文驗證了在水冷壁機器人上使用RRT算法的可行性并多次模擬實驗。

本文采用PYCHARM開發(fā)環(huán)境對所提出的路徑規(guī)劃算法進行了仿真測試。仿真結(jié)果證明了RRT算法在水冷壁2D地圖中進行路徑規(guī)劃的可行性和效率。雖然RRT算法存在隨機性和非最優(yōu)性的缺點，但RRT算法在處理動態(tài)障礙物和路徑規(guī)劃上的效率是可行的。

參考文獻

［1］劉太聯(lián)，喬衛(wèi)民，季春曉.蟻群算法在重離子治癌病灶定位中的應用研究［J］.核電子學與探測技術，2014（8）：954-957，985.

［2］王遠國，俞海兵，李云臣，等.基于改進人工蜂群算法的核電巡檢機器人路徑優(yōu)化策略設計［J］.電子設計工程，2023（6）：70-74.

［3］張潔.沙貓群優(yōu)化算法規(guī)劃核輻射探測機器人移動路徑［J］.核電子學與探測技術，2023（4）：759-765.

［4］孫茂榮，趙澤陽.基于遺傳算法的管板爬行機器人檢修路徑規(guī)劃［J］.制造業(yè)自動化，2023（11）：117-121.

［5］秦旭，黃曉華，馬東明，等.基于改進D*算法的巡檢機器人路徑規(guī)劃［J］.組合機床與自動化加工技術，2022（6）：10-13.

［6］LI D，WANG L，CAI J，et al.Research on terminal distance indexbased multistep ant colony optimization for mobile robot path planning［J］.IEEE Transactions on Automation Science and Engineering，2022（4）：2321-2337.

［7］LAMINI C，BENHLIMA S，ELBEKRI A.Genetic algorithm based approach for autonomous mobile robot path planning ［J］.Procedia Computer Science，2018，127：180-189.

（編輯 王雪芬）

Path planning method for water wall climbing robot based on RRT algorithm

XUE" Xiaobin1， CAO" Yifeng1， WU" Jie1， HUANG" Xianming^2*

（1.Jiangsu Changshu Power Generation Co.， Ltd.， Suzhou 215500， China;

2.Changshu Institute of Technology， Suzhou 215500， China）

Abstract：" The proposed path planning strategy for a watercooled wallclimbing robot， which aims to meet the operational requirements on variable terrains and continuous movement characteristics on vertical surfaces， is based on the RRT algorithm. This strategy utilizes rasterization method to model the robot’s working environment and leverages the fast search speed of the RRT algorithm along with its ability to establish a random tree. By combining any selected point in space with this tree， a path towards the goal can be constructed. The adaptability of the RRT algorithm to complex environments and dynamic obstacles makes it suitable for trajectory planning of wallclimbing robots on intricate surfaces. Experimental data demonstrates that utilizing the RRT algorithm enables efficient completion of path planning tasks for water wall climbing robots.

Key words： water wall climbing robot; RRT algorithm; dynamic path planning