首页 > 论文范文 > 工程工业论文 > 电力工业论文 > 基于蚁群算法的电力巡检机器人移动轨迹自动化跟踪控制系统

基于蚁群算法的电力巡检机器人移动轨迹自动化跟踪控制系统

2024-11-26 52 上传者：管理员

摘要：针对现有电力巡检机器人存在的工作效率低、控制稳定性差等问题，设计了一种基于改进蚁群算法的机器人移动自动化跟踪控制系统。系统总体上由监控层、导航控制层和运动控制层构成，系统主要的控制硬件有STM32F407单片机、霍尔传感器、电源模块、信号转化器等。在控制算法设计方面，先基于蚁群算法构建机器人的路径规划模型，引入方向启发因子提高系统全局寻优能力，再利用方向评价函数和距离评价函数对蚁群算法进行二次改进，提高电力巡检机器人的局部避碰能力。测试结果显示，基于改进蚁群算法的机器人跟踪控制系统的行进路程为719 m，耗时1018 s，工作效率均优于两种传统系统。

关键词：
启发因子
电力巡检机器人
电力系统
电网
蚁群算法
加入收藏

在电力系统中变电站、升压站等都是重要的节点[1-2]，只有确保每个节点的全部设备都正常运转，整个电网才能稳定运行。变电站、升压站等电网节点中包含了大量不同类型的电力设备，如变压器、压力表阵列、避雷检测器、套管油位计等[3-6]，传统人工巡检方式，不仅增加了工作人员的工作量和人工成本，而且可靠性也无法得到保证。当前，巡检机器人已经开始被应用于电力设备巡检工作之中，相对于人工巡检方式，电力巡检机器人的可靠性更强，在工作效率和成本控制方面也具有一定优势。文献[7]设计了一种基于A*算法的轨迹控制系统，通过图形遍历直接优选行进路径，该种算法的缺点运算复杂度较高且效率较低；文献[8]设计了一种基于粒子群的轨迹跟踪系统，利用种群粒子位置和速度的调整寻找出最优的行进路径，但这种算法的全局寻优能力较差。针对现有轨迹自动化控制系统存在的不足，本文设计了一种基于蚁群算法的轨迹自动化跟踪系统，利用蚂蚁个体信息素浓度差异寻找出最优的路径。本文还对蚁群算法进行优化，提升了控制系统的最优轨迹全局寻优能力、工作效率和局部自动化避碰能力。

1、自动化控制系统的总体框架设计

电力巡检机器人移动轨迹自动化控制系统在总体框架设计上，要综合考虑稳定性、成本投入、所占空间大小、耐用性等多种因素。本文设计的电力巡检机器人移动轨迹自动化控制系统，从框架上共包括3层，即监控层、导航控制层和运动控制层，如图1所示。

图1 电力巡检机器人移动轨迹自动化控制系统框架

控制系统的最上层是监控层，其他层的信息汇总到上位机，并由上位机做数据分析后给出机器人的移动指令。上位机通过ROS总线与导航控制层连接，导航控制层负责机器人位置定位、避障等，高清摄像头能够采集位置信息，并将位置信息通过RS232总线传递到MCU单元；激光雷达主要用于电力巡检机器人的避障，运动控制层的核心是STM32F407单片机，兼具了性能和功耗，单片机通过RS232总线接收指令并传递当前机器人的各种控制信息。

2、电力巡检机器人自动化控制系统硬件设计

电力巡检机器人移动轨迹自动化控制系统的硬件模块有STM32F407单片机、霍尔编码器、电源和信号转换器。

(1)STM32F407单片机。

该单片机基于ARM架构设计完成，内部集成了512 KB的FLASH存储器，内置了4～16 MHz的时钟电路和晶振，芯片的工作电压范围为2 V～3.6 V，工作温度区间在-20°～50°之间。STM32F407单片机拥有10个定时器和15个数据交互接口，有IIC接口、USB接口、ADC接口，此外还配备了20个探测线接口。

(2）编码器。

编码器本质上是一种霍尔传感器，对实时感知到的机器人运动速度、方向等信息进行编码转换。

(3）电源模块。

选择增量式锂电池电源工作电压24 V，工作电流10 A，增量式锂电池能够替换和扩容，根据实际需求进行调整。

(4）信号转换器。

STM32F407单片机发出的信号是模拟信号，需要经过PWM放大并转换为数字信号，机器人在t时刻的移动速度vt表示如下：

式中：r为电力巡检机器人的转弯半径；ω为步进电机的转速；η为电机的转速比；f表示信号的脉冲频率。通过将模拟信号转换为数字信号，提升对机器人运动方向和运动轨迹的控制精度。

3、基于改进蚁群算法的机器人轨迹自动化跟踪控制设计

电力巡检机器人在指定区域工作过程中，要在设定的时间段内周期性地遍历范围内的全部电力设备，采集相关的参数，这对电力机器人的工作效率，运动跟踪最优路径选择等提出了较高的要求。

3.1 蚁群控制算法的方向与步长控制优化

在机器人的局部避障方面融合了动态窗口算法提高对障碍物的躲避能力，蚁群算法是一种模拟了蚂蚁个体的觅食过程的启发算法，蚂蚁个体在觅食时会沿途释放信息素，后面的蚂蚁个体根据对路径上信息素的浓度判断距离事物源的位置，信息素浓度最高的路径即为最优路径。引入t时刻蚂蚁个体i从p点到q点的状态转移概率为，求解过程如下：

式中：α和β分别表示信息素因子和启发因子，取值会影响到蚂蚁个体的移动方向和移动速度；τpq(t）表示t时刻从p点到q点路径中的信息素浓度；ηpq(t）表示与τpq(t）对应的启发函数，启发函数为从p点到q点欧式距离dpq的倒数：

如果从p点到q点是一条全局范围内的最优路径，那么在t+1时刻信息素更新后浓度会增加并吸引更多的蚂蚁个体到这条路径中来，信息素的更新过程如下：

式中：τpq(t+1）表示第t+1时刻信息素路径上的信息素浓度；ρ是一个取值在（0,1）之间的挥发系数；Δτpq为信息素的增量。本文通过改进算法的启发函数，为蚂蚁个体明确行进的方向，并使其走出局部最优解。引入一个方向启发因子ζpq，计算过程（当p、q两点之间的欧式距离和真实距离不等时）如下：

式中：θ为当p、q两点之间的欧式距离和真实距离对应线段的夹角。此时，对启发函数ηpq(t）的计算过程进行优化：

式中：ξ为欧式距离和角度的影响系数，通过对蚂蚁个体行进方向的纠偏，有助个体在全局范围内迭代寻优。通常情况下步长与行进路径之间成反比关系，在欧式距离确定的前提下，蚂蚁个体的路径选择有多种，如果用dpq′表示其他候选步长的欧式距离，则优化后的启发函数可以表示如下：

即对现有蚂蚁个体i在t时刻的步长加以约束，选择最大的步长，进一步提升了蚁群算法的性能。

3.2 机器人局部避碰与跟踪控制的实现

采用动态窗口算法对蚁群算法进行二次优化，提高电力巡检机器人自动跟踪控制的局部避障能力。引入一种二级控制距离的理念，第一级为可控安全距离L1（可控距离）和第二级安全距离L2（紧急制动距离）。当机器人的激光雷达识别到L1距离内，机器人将行进速度降低一半，在t+1时刻速度v(t+1）表示如下：

当有移动障碍物突然出现在蚂蚁个体的路径上，需要同时改变航向并紧急制动控制距离，为此引入了方向评价函数H（ω）和距离评价函数L(v):

式中：γ紧急制动中的权重避让因子，取值范围在0～1之间。在多个蚂蚁个体同步寻优中，通过行进角度、步长距离的控制、行进速度控制等，能够最大限度地将机器人之间的距离控制在第一级为可控安全距离L1内。机器人利用方向评价函数H（ω）和距离评价函数L(v）感知局部范围内的其他移动障碍物，满足全局路径寻优，提高电力机器人的工作效率，且有效避免局部紧急碰撞。

4、自动化控制系统测试

4.1 系统测试环境搭建与参数设定

为验证本文设计的电力巡检机器人移动轨迹自动化控制系统适用性和有效性，在某室外变电站进行系统测试，变电站的实景图和平面图，分别如图2和图3所示。

图2 户外变电站的实景图

图3 变电站平面图

电力巡检机器人选择北京中能智旷公司的RW-400D型号智能巡检机器人，图3中的A、B、C三区各布置一台机器人负责区域内各设备的巡检工作（机器人内置了STM32F407单片机，负责巡检控制）。机器人通过无线网络与后台上位机连接，上位机的参数设置如表1所示。

表1 控制系统后台上位机参数设置

改进蚁群算法的种群规模设定为100，最高迭代次数为200次。

4.2 自动化跟踪控制系统的性能分析

电力巡检机器人自动化跟踪控制系统测试，从完成指定巡检任务路程与耗时，机器人控制角度偏差，和机器人发生碰撞次数等3个层面展开研究，传统控制算法的参数设置按标准算法参数设定，种群规模和迭代次数同为100和200次。

(1）机器人完成巡检任务路程与耗时

给电力巡检机器人设计的巡检任务是5次（巡检A区的全部设备，每次巡检的间隔期是1 h，根据设备表显数据判断设备是否出现异常，机器人会记录巡检后的全部数据，当表显数据超过阈值范围后机器人会主动预警），引入设计的控制系统，完成5次巡检任务控制系统的行进路程和耗时统计，如表2所示。

表2 算法完成巡检任务路程与耗时

从完成5次巡检任务的机器人行进距离和耗时来分析，基于改进蚁群算法的机器人控制系统能够较好地控制行进路程和耗时。

(2）电力巡检机器人的控制稳定性分析

随机抽取一段200 s的行进时长，验证在本文提出控制系统控制下机器人的控制角度偏差波动情况，数据拟合结果如图4所示。

图4 电力巡检机器人行进角度控制稳定性分析

在本文算法控制下，方差值仅为0.015，验证本文控制算法的稳定性良好，也未出现局部碰撞的情况。由于本文设计系统在机器人局部避碰方面进行优化，通过行进方向评价和紧急制动距离评价有效避免了与移动障碍物的碰撞。

5、结语

多台电力巡检机器人同步巡检，对于工作效率和机器人之间避碰有较高的要求，为此本文设计了一种基于改进蚁群算法的巡检控制自动化控制与跟踪系统，从距离控制、方向调整等多个不同的角度优化控制系统的轨迹规划和避碰能力。测试结果显示，基于改进蚁群算法的机器人巡检控制系统，在完成巡检任务时耗时更少，总体路程更短，行进角度控制更具优势。随着电力系统规模的不断增大，电力巡检机器人的普及率还会提高，因此实现多种启发算法和仿生算法的融合使用，将进一步提高机器人的巡检效率。

参考文献:

[1]张晨,韩新阳,边海峰,等.电力基础资源共享下变电站多业务场景经济-环境-社会效益分析[J].电力建设,2022,43(4):130-139.

[2]郭科,白英,邵雪瑾,等.基于数字建模技术的变电站直流辅助系统设计[J].现代电子技术,2023,46(10):110-114.

[3]张涛,穆云飞,贾宏杰,等.含电力电子变压器的交直流配电网随机运行优化[J].电网技术,2022,46(3):861-869.

[4]张慧洁,刘超,高奔浩,等.变电站GSU模块装配式基础受力性能与数值分析[J].结构工程师,2022,38(3):148-154.

[5]贺家慧,张丹丹,张露,等.变电站工频电磁场对避雷器在线监测装置测量稳定性影响试验研究[J].高压电器,2022,58(12):117-122.

[6]陈建洪,黄运豪,林静怀,等.基于云边协同的变电站倒闸操作平台设计与实现[J].电网技术,2023,47(2):833-841.

[7]陈光友,余粟.改进A*的多机器人双层路径规划算法[J].计算机工程与应用,2023,59(11):312-319.

[8]钟佩思,王祥文,张超,等.基于混沌粒子群算法的机器人动力学参数辨识[J].仪表技术与传感器,2023(8):107-113.

文章来源:王宏德,李晓盟.基于蚁群算法的电力巡检机器人移动轨迹自动化跟踪控制系统[J].自动化与仪表,2024,39(11):60-63+68.