光伏电站巡检机器人电磁导航系统设计*

兰建军，李春来，刘寅东

（1.东北电力大学自动化工程学院，吉林 吉林132012；2.国网青海省电力公司电力科学研究院，西宁810008）

0 引 言

为了保证光伏电站可靠高效运行，需要电站巡检员定期检查组件积灰，钢化玻璃变色、破损等情况。随着变电站的无人值守化的逐步推进，光伏电站现场的机器人巡检也将成为一种趋势。由于巡检机器人的运行轨迹相对固定，因此电磁导航方式是一种低成本、高可靠性的导航方式［1-2］。电磁导航研究早期，主要以位置和方向检测为主［3］，随着应用的不断普及，目前该技术逐步转向了自由空间场的定位和导航应用［4-5］，该技术实用性强，具有良好的发展前景。为了保证电磁导航机器人沿着预定的电磁轨道可靠运行，电磁轨道的磁场信号检测与转向控制是电磁导航机器人研究的重点。伍洲等进行了电磁传感器IIR滤波器的设计，改善了传感器数据的线性度［6］，黄水提出了基于模糊控制的舵机转向控制算法，改善智能车的动态性能［7］。唐昊等通过三次多项式曲线拟合方式进行了机器人位置解算，较好的完成了电磁导航机器人的转向控制［8］。

为了进一步准确获取巡检机器人偏离导航信号线距离，实现巡检机器人转向的准确控制。文章在现有电磁导航理论的基础上，在机械结构上设置了8个对称分布的电感传感器进行电磁导航巡检机器人的信号检测，利用数据加权融合算法对传感器的数据进行融合，准确计算出巡检机器人的转向角度。最后在设计的巡检机器人装置上对方案进行了效果测试，给出了实验测试数据。

1 检测原理与传感器布局

1.1 磁场检测原理

依据麦克斯韦电磁场理论，交变电流周围会产生交变的电磁场。可以在轮式机器人运行轨道上敷设导线，导线上输入20 kHz频率信号后产生交变磁场，利用该磁场作为轮式机器人的路径导航信号。磁场的信号检测利用电感实现，通过LC谐振电路进行选频，通过滤波电路滤除干扰信号，导线磁感应强度计算图如图1所示。

图1 直线电流磁场计算Fig.1 Linear current magnetic field calculation

依据毕奥-萨伐尔定律可以将距离导线距离为r处P点的磁感应强度推导如下：

对于无限长的导线来说，式中θ1可近似为0，θ2可近似为π，所以磁感应强度B可近似为：

当电感线圈的轴线为水平方向时，设电磁感应线圈中心轴线距离地面的垂直距离为h，水平距离为x时，可以将感应电动势推导如下：

1.2 传感器布局

图2 感应电动势变化趋势Fig.2 Development trend of induction electromotive force

当垂直距离固定后，感应电动势随水平距离变化趋势图如图2所示。根据图2所示的曲线变化趋势可知，当水平偏移距离在4 cm之内时，电感的感应电势和距离偏移关系趋近于线性。为了提高传感器输出的线性程度，传感器在布局时，两个电感传感器中心距离为3 cm，在传感器支架中心左右两侧共安装有8个电感传感器。

2 信号采集与处理

2.1 信号检测与采集

电感传感器选用10 mH的工字型电感，可以较好的感应交变电流产生的磁场。通过LC谐振电路实现选频，经过TLC2274放大后，可以得到50倍以上增益，可以实现距离在15 cm以上距离的可靠检测，并且有较好的线性度，详细的传感器检测电路原理图如图3所示。

图3 传感器检测电路原理图Fig.3 Principle diagram of sensor detection circuit

2.2 信号滤波处理

由于电感和后续处理电路等特性不一致的问题，使得不同传感器在同一高度和同一位置处检测值不同，如果不进行处理，后续将产生转向控制误差。因此首先要对传感器的输出值进行归一化标定，这样每路传感器输出值都归一化到统一量纲，保证传感器输出值只与偏移位置有关，与传感器及其配套处理电路特性差异无关，归一化公式如下：

式中VLi为第i个传感器归一化后值；adi为第i个传感器A／D转换之后值；max为标定的最大值；min为标定的最小值。

3 数据融合算法

3.1 支持度矩阵

数据融合技术是对多源的、多形式、多层次的信息进行有效综合应用的一种数据综合处理技术［10-11］。利用n个传感器从不同方位对同一参数进行测量，设 xi（k）和 xj（k）分别为第 i个和第 j个传感器在k时刻的测量值，如果二者测量值间相差较大，表明该时刻2个传感器的观测值相互支持度较低；相反，如果二者很接近，则表明传感器的观测值相互支持度高，将多传感器测得数据间的这种支持程度定义为支持度。同时，为统一量化处理，利用模糊集合理论中的隶属函数可将k时刻的支持度函数sij（k）描述如下：

为了衡量传感器测量值之间的相互支持度，可将k时刻传感器数据支持矩阵由sij（k）进行构造：

3.2 加权数据融合

为了使测量结果更加准确，需要对多个传感器的数据进行融合，令wi（k）为k时刻第i个传感器测量数据xi（k）在融合过程中所占权重，因此可以利用wi（k）对 xi（k）进行加权求和［13］，同时对加权系数wi（k）限定条件如下：

这样多个传感器在k时刻最终的数据融合值表达式如式（8）所示，通过采用不同的加权系数，保证数据融合结果更加准确。

3.3 加权系数确定

图4 传感器布局结构Fig.4 Sensor layout structure

图4所示为传感器布局结构图，8个电感传感器对称分布，右边4个传感器和小车中心线距离分布为L1、L2、L3、L4，舵机离电路板垂直距离为 D。舵机转向最大角度为±57°，因此可以根据传感器偏离中心位置距离L设置加权系数。由于传感器对称分布，因此传感器S1和S8到电路板中心距离均为L4，通过反正切的形式分别计算需要转换的角度，根据转换角度计算加权系数。具体的机械参数和加权系数对应关系如表1所示。

表1 机械参数和加权系数对应关系Tab.1 Corresponding relationship between mechanical parameters and weighting coefficient

4 实验数据与效果

为了验证方案的可行性，将小车传感器中心置于信号线正上方作为0点处数据，之后对传感器电路板进行左平移和右平移（保证信号线处于单个传感器正上方或者在两个相邻电感的中心位置）。依次分别记录下8个传感器的测量数据，将数据进行归一化处理后进行加权融合。得到如图5所示的位置-转向角度关系曲线，依据数据曲线可知，加权融合后的位置-转向角度曲线和实际位置-转向曲线基本吻合，表2给出了实际位置-转角角度和融合位置-转向角度数据，并进行了误差分析，分析表明，经过数据加权融合后的角度符合精度要求。

图5 位置-转向角度关系曲线Fig.5 Relationship curve between position and steering angle

表2 测试数据与误差分析Tab.2 Test data and error analysis

5 结束语

依据电磁检测原理，设计了光伏电站巡检机器人的电磁导航系统。为了保证巡检机器人实现精确的转向控制，依据机械结构完成加权系数的设定和计算，采用数据加权融合算法对传感器数据进行了融合。方案可以根据机器人偏离航线距离准确计算出机器人的转向角度，获取了数据加权融合后的位置-转向角度曲线，并进行了误差分析。实验数据表明，该方案可以实现机器人转向角度的准确测量，测量相对误差在3%以内，满足控制精度要求。