基于多傳感融合與自適應(yīng)調(diào)節(jié)的絕緣桿智能懸臂平臺研制

中圖分類號：TP311 文獻標志碼：A 文章編號：2095-2945（2025）20-0056-04

Abstract：Thispaperdesignsandimplementsaninsulatedrodinteligentcantileverplatformbasedonmulti-sensorfusion andadaptiveadjustmenttosolvetheperformancelimitationsoftradionalplatformsincomplexdynamicenvironments.The systemusesmulti-modalsensorssuchasLiDAR，visionsensorsandinertial measurementunitstobuildasensing network，and usestheextendedKalmanfiteralgorithmtodynamicallfusemulti-sourcedataefectivelyimprovingthesensingacuracyof the workingenvironmentAtthecontrollevelanadaptiveadjustmentstrategybasedonthecombinationoffuzzcontrolanddeep reinforcementlearningisproposedtoachieverapidresponseandlong-termoptimizationoftheplatformtoexteraldisturbances. Experimentalandsimulationresultsshowthatthedesignedsmartcantileverplatformissignificantlysuperiortotraditional methodsintermsofenvironmentperception，controlacuracyandenergyconsumptioneficiencyprovidingareferenceforthe development of smart power equipment.

Keywords：intellgentcantileverplatform;multisensorfusion;adaptiveadjustment;Kalman filter;deepreinforcementleaing

絕緣桿作為電力維修作業(yè)中的重要工具，廣泛應(yīng)用于高壓線路的維護和檢修工作，其核心功能是確保操作人員遠離高壓電流，保障安全。然而，傳統(tǒng)的懸臂平臺普遍存在結(jié)構(gòu)剛性強、環(huán)境適應(yīng)性差、自動化程度低等問題，難以滿足現(xiàn)代電力維修對高效性與安全性的雙重要求。隨著電力系統(tǒng)復(fù)雜化及作業(yè)場景的多樣化，傳統(tǒng)平臺的局限性在惡劣天氣、復(fù)雜地形等環(huán)境中尤為突出。

近年來，智能化和電氣化技術(shù)迅速發(fā)展，為懸臂平臺的性能優(yōu)化提供了新的技術(shù)手段。特別是在高壓作業(yè)場景中，集成化、多功能化的智能平臺逐漸成為研究熱點，其能夠通過傳感器獲取多維信息，并利用自適應(yīng)算法實時調(diào)整運行參數(shù)，提高操作的精確性和穩(wěn)定性。因此，研發(fā)基于多傳感融合與自適應(yīng)調(diào)節(jié)技術(shù)的智能懸臂平臺，不僅是提升電力作業(yè)效率的現(xiàn)實需求，也是推動電力設(shè)備智能化升級的重要方向。

本研究提出了一種基于多傳感融合與自適應(yīng)調(diào)節(jié)的智能化解決方案。通過引入激光雷達、視覺傳感器和慣性測量單元等多模態(tài)傳感器，可以實現(xiàn)對作業(yè)環(huán)境的全面感知；同時，結(jié)合先進的自適應(yīng)調(diào)節(jié)算法，平臺能夠根據(jù)外部環(huán)境變化自動調(diào)整操作參數(shù)，從而顯著提升作業(yè)的安全性、精準性和穩(wěn)定性。

本研究設(shè)計的智能懸臂平臺具有重要的應(yīng)用價值。在高壓線路維修中，該平臺可以精準定位絕緣桿的作業(yè)位置，避免人工操作的誤差；在復(fù)雜環(huán)境中，如地形不規(guī)則或風(fēng)力較大的情況下，平臺的自適應(yīng)調(diào)節(jié)功能能夠確保系統(tǒng)的穩(wěn)定運行。此外，這一平臺也可擴展應(yīng)用于其他高風(fēng)險、高精度需求的作業(yè)場景，如通信塔維修和高空建筑安裝。因此，本研究不僅對提升絕緣桿懸臂平臺的智能化水平具有重要意義，也對相關(guān)行業(yè)的技術(shù)進步提供了參考價值。

1 國內(nèi)外研究現(xiàn)狀

近年來，國內(nèi)外學(xué)者在絕緣桿懸臂平臺的優(yōu)化設(shè)計與智能化技術(shù)應(yīng)用方面進行了大量研究。傳統(tǒng)懸臂平臺的設(shè)計多集中于結(jié)構(gòu)優(yōu)化和材料改進，旨在提升平臺的強度和耐久性。例如，通過應(yīng)用高強度復(fù)合材料來減輕絕緣桿的自重，同時提高其抗彎強度。然而，這類研究通常忽視了作業(yè)環(huán)境的復(fù)雜性和動態(tài)性，導(dǎo)致平臺在復(fù)雜條件下的適應(yīng)性不足。

在智能化方向，國外學(xué)者較早探索了多傳感器融合技術(shù)在機械臂和懸臂平臺中的應(yīng)用。以激光雷達和視覺傳感器為核心的感知系統(tǒng)已被證明能夠有效提高平臺對外部環(huán)境的識別能力。美國的一些研究機構(gòu)開發(fā)了集成環(huán)境感知模塊的高壓作業(yè)平臺，能夠在風(fēng)速、傾斜角度等環(huán)境參數(shù)變化時自動調(diào)整操作姿態(tài)。然而，這些研究多集中于感知層面，缺乏對傳感數(shù)據(jù)實時處理和反饋控制的深度探索，未能形成完整的自適應(yīng)調(diào)節(jié)體系。國內(nèi)的相關(guān)研究則更多關(guān)注懸臂平臺的應(yīng)用場景和經(jīng)濟適用性。一些高校和科研機構(gòu)開發(fā)了基于模糊控制和PID調(diào)節(jié)的智能懸臂平臺，但其自適應(yīng)能力和環(huán)境感知精度仍有待提升。同時，國內(nèi)研究在多模態(tài)傳感器的數(shù)據(jù)融合算法方面進展較為緩慢，難以滿足動態(tài)作業(yè)場景對響應(yīng)速度和穩(wěn)定性的高要求。

綜上所述，當前國際研究在感知技術(shù)與應(yīng)用開發(fā)方面處于領(lǐng)先地位，但在自適應(yīng)控制與高效數(shù)據(jù)處理方面存在不足；國內(nèi)研究雖在經(jīng)濟性和特定場景適配方面取得了一定成果，但在技術(shù)深度與廣度上仍需加強。本研究在綜合國內(nèi)外研究進展的基礎(chǔ)上，提出了一種結(jié)合多傳感融合技術(shù)與自適應(yīng)調(diào)節(jié)算法的智能懸臂平臺設(shè)計方案，為解決傳統(tǒng)平臺的不足提供了創(chuàng)新思路，同時也為智能電力設(shè)備的發(fā)展注入新的動力。

2多傳感融合技術(shù)設(shè)計

2.1傳感器選型與硬件結(jié)構(gòu)布置

在絕緣桿智能懸臂平臺中，為實現(xiàn)對作業(yè)環(huán)境和設(shè)備運行狀態(tài)的全面感知，需部署多類型傳感器構(gòu)建完整的感知體系。主要傳感器包括激光雷達、視覺傳感器、慣性測量單元（IMU）及環(huán)境傳感器（如溫濕度傳感器、風(fēng)速儀等）。

激光雷達主要用于高精度距離測量和環(huán)境三維建模，其快速掃描能力使其適合檢測平臺周圍障礙物和工作區(qū)域邊界；視覺傳感器通過攝像頭獲取圖像數(shù)據(jù)，結(jié)合深度學(xué)習(xí)算法，可實現(xiàn)目標識別和作業(yè)區(qū)域定位；IMU用于監(jiān)測平臺的姿態(tài)變化，實時獲取加速度和角速度數(shù)據(jù)，用于傾斜角度的校正；環(huán)境傳感器則實時監(jiān)測外界環(huán)境參數(shù)，為自適應(yīng)調(diào)節(jié)提供必要的支持。

硬件結(jié)構(gòu)布置上，激光雷達安裝在懸臂平臺頂部，確保具有 360^° 的視場角；視覺傳感器布置于平臺前端，以獲取作業(yè)目標的正面視角；IMU安裝在平臺的中心位置，以減少慣性干擾的影響。各類傳感器通過CAN總線與主控制器連接，形成實時、高效的數(shù)據(jù)采集網(wǎng)絡(luò)，為后續(xù)的數(shù)據(jù)融合與控制提供保障。

2.2 數(shù)據(jù)融合算法

多傳感器數(shù)據(jù)融合的關(guān)鍵在于整合不同傳感器的數(shù)據(jù)源，消除冗余信息與誤差，以提供高精度的環(huán)境與狀態(tài)感知信息。在本研究中，采用擴展卡爾曼濾波（EKF）算法對多源傳感器數(shù)據(jù)進行融合處理。卡爾曼濾波通過對多傳感器數(shù)據(jù)進行動態(tài)估計與優(yōu)化，有效整合了不同來源的信息，使得系統(tǒng)對作業(yè)環(huán)境的感知更加精準和魯棒。

2.2.1卡爾曼濾波整合過程

設(shè)定多傳感器系統(tǒng)中的數(shù)據(jù)來源為以下幾點。

1）激光雷達：提供平臺與目標的距離信息，數(shù)據(jù)更新頻率為 f₁ ，噪聲為 R₁ 。

2）IMU：提供平臺的加速度與角速度，數(shù)據(jù)更新頻率為 f₂ ，噪聲為 R₂ 中

3）視覺傳感器：用于目標定位與環(huán)境特征捕捉，數(shù)據(jù)更新頻率為 f₃ ，噪聲為 R₃ 。

定義系統(tǒng)的狀態(tài)向量 x_k ，包括平臺位置、速度及姿態(tài)信息

式中： （x_k，y_k，z_k） 表示位置， （?_k，θ_k，ψ_k） 分別為平臺的滾轉(zhuǎn)角、俯仰角和偏航角。

設(shè)置狀態(tài)轉(zhuǎn)移模型為

x_k=F_kx_k-1+B_ku_k-1+w_k，

式中： F_k 為狀態(tài)轉(zhuǎn)移矩陣， B_k 為控制輸入矩陣， u_k-1 為控制輸入， w_k 為過程噪聲。

觀測模型為

z_k=H_kx_k+v_k

式中： H_k 為觀測矩陣， v_k 為觀測噪聲。

2.2.2 數(shù)據(jù)整合過程

通過上述的數(shù)據(jù)信息，將融合過程分為預(yù)測階段和更新階段。

1）預(yù)測階段。利用系統(tǒng)的動態(tài)模型，對狀態(tài)進行預(yù)測

式中： 為預(yù)測狀態(tài)協(xié)方差， 為過程噪聲協(xié)方差矩陣， 表示 k 時刻的先驗狀態(tài)估計。

2）更新階段。整合各傳感器的數(shù)據(jù)，根據(jù)觀測模型更新狀態(tài)估計

式中： R 為綜合觀測噪聲矩陣，由各傳感器的噪聲協(xié)方差 R₁，R₂，R₃ ，加權(quán)計算得到。 K_k 表示時間步 k 的卡爾曼增益。

在融合過程中，根據(jù)各傳感器的噪聲特性賦予權(quán)重，實現(xiàn)了不同信息源的有效整合，避免了單一傳感器失效或數(shù)據(jù)不可靠對系統(tǒng)性能的影響。例如，當激光雷達的數(shù)據(jù)受障礙物干擾時，系統(tǒng)能夠通過IMU的姿態(tài)數(shù)據(jù)和視覺傳感器的目標位置數(shù)據(jù)進行補償，從而維持對平臺狀態(tài)的準確估計。

相較于傳統(tǒng)的分層感知策略（如逐層分析各傳感器數(shù)據(jù)后再進行處理），卡爾曼濾波以預(yù)測-更新機制為核心，在狀態(tài)估計的同時動態(tài)調(diào)整權(quán)重，使得數(shù)據(jù)整合過程更為實時。這種方法尤其適用于快速變化的環(huán)境。

卡爾曼濾波通過遞歸更新狀態(tài)估計，不僅考慮當前時刻的觀測數(shù)據(jù)，還綜合了過去的狀態(tài)估計及噪聲分布特性，從而在長時間運行中減少累積誤差。整合后，平臺的姿態(tài)控制誤差由傳統(tǒng)方法的 ±5^° 降低至 ±1.5^° ，目標定位誤差由 ±10cm 降低至 ±3cm 。綜上，卡爾曼濾波在本研究中的應(yīng)用實現(xiàn)了多傳感器數(shù)據(jù)的高效整合，大幅提升了絕緣桿智能懸臂平臺的感知精度、動態(tài)適應(yīng)能力與實時性，為后續(xù)的自適應(yīng)調(diào)節(jié)控制奠定了堅實基礎(chǔ)。

3 自適應(yīng)調(diào)節(jié)控制

3.1 環(huán)境動態(tài)變化的實時反饋調(diào)整

針對作業(yè)環(huán)境的動態(tài)變化，本文設(shè)計的智能懸臂平臺采用基于模糊控制與強化學(xué)習(xí)結(jié)合的自適應(yīng)調(diào)節(jié)策略。模糊控制通過模糊規(guī)則實現(xiàn)對不確定性環(huán)境的快速響應(yīng)，而強化學(xué)習(xí)則通過不斷迭代優(yōu)化控制策略，提升平臺的長期適應(yīng)性。

系統(tǒng)實時獲取多傳感器數(shù)據(jù)，包括環(huán)境參數(shù)（風(fēng)速、傾角）和平臺狀態(tài)（姿態(tài)、位置）。設(shè)風(fēng)速為 v ，平臺傾角為θ ，控制輸入為 ，通過模糊規(guī)則生成初始控制量

u₀=fuzzy（v，θ）

在模糊控制基礎(chǔ)上，引入強化學(xué)習(xí)對控制策略進行優(yōu)化。采用深 Q 學(xué)習(xí)（DQN）算法，定義狀態(tài)空間 s 和動作空間 a ，目標為最大化累計獎勵函數(shù)（優(yōu)化目標是讓智能體選擇動作 a_t 時，不僅關(guān)注即時的反饋，還考慮動作對未來狀態(tài)的影響，從而實現(xiàn)全局最優(yōu)的調(diào)節(jié)策略）

式中： r_t 為當前時刻的獎勵值， γ 為折扣因子。系統(tǒng)通過與環(huán)境交互更新 Q 值函數(shù)

Q（s，a）Q（s，a）+α[r+γmax_a^′Q（s^′，a^′）-Q（s，a）]

式中： α 為學(xué)習(xí)率， s^′ 為下一時刻狀態(tài)。a'表示在下一狀態(tài)中智能體可以選擇的所有動作。通過上述過程，系統(tǒng)能夠動態(tài)適應(yīng)外部環(huán)境的變化，提高控制精度與穩(wěn)定性。

3.2 控制效果

為驗證控制效果，系統(tǒng)針對不同場景進行了仿真與實驗測試。

如圖1所示，對比呈現(xiàn)了無自適應(yīng)控制（或傳統(tǒng)控制）策略及引入自適應(yīng)控制后的效果差異。在此模擬場景中，設(shè)定理想狀態(tài)遵循正弦函數(shù)變化規(guī)律，以精準反映系統(tǒng)的預(yù)期穩(wěn)態(tài)特性。同時，于時間節(jié)點10、50、80s處刻意施加突變因素，以此有效模擬實際運行過程中可能遭遇的外界突發(fā)干擾情形。通過對圖中曲線細致觀察可明晰察覺，以虛線標識的自適應(yīng)控制曲線展現(xiàn)出卓越的穩(wěn)定性表現(xiàn)，相較于實線所代表的無自適應(yīng)控制曲線，其在面臨外界突發(fā)干擾時，波動幅度極小，未呈現(xiàn)顯著的偏離趨勢，且整體走勢與預(yù)設(shè)的正弦函數(shù)變化規(guī)律契合度頗高，這充分彰顯了自適應(yīng)控制策略在維持系統(tǒng)穩(wěn)定性方面的突出效能，能夠助力系統(tǒng)在復(fù)雜多變的動態(tài)環(huán)境中穩(wěn)健運行。

在圖2中，實線代表外界干擾中的傾角變化情況，其呈現(xiàn)出復(fù)雜態(tài)勢，包含正弦規(guī)律的基礎(chǔ)波動、隨機產(chǎn)生的微小傾角擾動以及在關(guān)鍵時間點8、20、32s處突發(fā)的大傾角變化，與之相對應(yīng)，虛線所示為平臺姿態(tài)角，其反映了平臺在面對這些復(fù)雜干擾時，依據(jù)控制策略進行及時且有效的調(diào)整過程。盡管傾角出現(xiàn)不規(guī)則變動，平臺姿態(tài)角并未出現(xiàn)失控的大幅振蕩，而是在較短時間內(nèi)趨近于穩(wěn)定狀態(tài)，始終維持在一個合理的波動區(qū)間。

圖3展示了平臺在不同風(fēng)速干擾下的位置變化軌跡。當風(fēng)速從小風(fēng)轉(zhuǎn)變?yōu)榇箫L(fēng)，即環(huán)境干擾加劇時，平臺能夠快速感知風(fēng)速變化，并迅速調(diào)整自身狀態(tài)，使位移變化始終處于可控范圍。

從圖4可以看出，在自適應(yīng)控制策略的作用下，系統(tǒng)的輸入信號抖動得到了顯著抑制，相較于傳統(tǒng)控制方法，信號的波動幅度明顯降低。同時，自適應(yīng)控制在優(yōu)化控制性能的同時有效減少了能量消耗，表現(xiàn)出更高的能耗效率。這進一步驗證了所提出控制策略在動態(tài)環(huán)境下的優(yōu)越性。

4結(jié)束語

本文提出了一種基于多傳感融合與自適應(yīng)調(diào)節(jié)的絕緣桿智能懸臂平臺，通過設(shè)計多模態(tài)傳感器感知系統(tǒng)和擴展卡爾曼濾波融合算法，實現(xiàn)了對復(fù)雜作業(yè)環(huán)境的高精度感知與動態(tài)狀態(tài)估計。在控制層面，結(jié)合模糊控制與深度強化學(xué)習(xí)技術(shù)的自適應(yīng)調(diào)節(jié)策略，顯著提升了平臺在動態(tài)環(huán)境中的響應(yīng)速度與穩(wěn)定性。仿真與實驗結(jié)果驗證了所提出方法在作業(yè)環(huán)境感知、控制精度和能耗效率方面的優(yōu)越性，平臺能夠在復(fù)雜、高風(fēng)險場景下實現(xiàn)高效穩(wěn)定運行，為電力維修和高精度作業(yè)領(lǐng)域的智能設(shè)備發(fā)展提供了新思路。未來研究可進一步優(yōu)化平臺的硬件結(jié)構(gòu)與算法性能，以適應(yīng)更加復(fù)雜的應(yīng)用場景并實現(xiàn)實際工程應(yīng)用。

參考文獻：

[1]于洋，程云霞.基于電力輸電線路的運行維護探索[J].城市建筑與發(fā)展，2022，3（11）：212-214.

[2]任江波，趙子根，劉景立，等.變電站多功能帶電智能檢修平臺的設(shè)計與研究[J].應(yīng)用科技，2021，48（3）：104-110.

[3]葉增沈，王凡超，鄭凱，等.基于折衷規(guī)劃法的多工況結(jié)構(gòu)拓撲優(yōu)化設(shè)計[J].船舶，2022，33（3）：67.

[4]王瀟，張美娜.LiDAR傳感器及技術(shù)在農(nóng)業(yè)場景的應(yīng)用進展綜述[J].中國農(nóng)機化學(xué)報，2022，43（11）：155.

[5]李康敏，張柯，劉永斌，等.壓電懸臂梁振動控制系統(tǒng)聯(lián)合仿真與實驗研究[J].壓電與聲光，2022，44（6）：917-924.