改进蚁群算法的输电线巡检机器人避障路径规划

王言军

（国网黑龙江省电力有限公司大庆供电公司，大庆 163458）

电力行业是国家的能源支柱行业之一，掌握着国家的经济命脉，电力设备是否安全直接关系着国家的经济、社会发展，同时也会影响人们的正常生产及其生活，由此可见，保障电力设备的安全至关重要[1]。电力设备种类较多，运行环境较为复杂，尤其是输电线，其长期暴露在野外，天气环境变化无常，再加之输电线分布广泛，跨越自然环境较多，例如原始森林、高山、湖泊、冰雪覆盖区、灾害多发区等，在自然因素、老化因素、人类活动因素等的影响下，输电线设备使用年限会受到极大的不利影响，其故障率也远高于其他电力设备[2]。若是没有及时发现输电线故障隐患，随着时间的累积，隐患就会变成大故障，轻者造成所在线路停电，重则城市供电系统瘫痪。为了防止上述现象的发生，需要实时对输电线进行巡视检查，及时发现并消除输电线故障隐患，以此来防止输电线故障事件发生，保障输电线的稳定运行。

传统输电线巡检采用人工方式，受到自然环境、主观思想、电力知识等多方面的限制，导致巡检效果较差。巡检机器人的出现，使得输电线巡检向着智能化、信息化方向发展，不但能够有效提升输电线巡检的效率，也能够获取更精准的巡检效果[3]。但是，在巡检机器人作业过程中会存在障碍物，如果无法有效避开障碍物，巡检机器人就会出现碰撞现象，造成损坏、报废等结果，是制约巡检机器人发展与应用的关键问题之一。因此，提出改进蚁群算法的输电线巡检机器人避障路径规划方法研究，希望通过改进蚁群算法的应用，提升巡检机器人避障能力，保障巡检机器人的安全作业。

1 输电线巡检机器人避障路径规划方法研究

1.1 障碍物体检测与建模

在输电线巡检机器人作业开始起，应用激光传感器对周围环境中障碍物体表面信息进行获取，通过激光发射确定障碍物体信息点（采用极坐标表示），设置安全阈值，当巡检机器人与障碍物体信息点之间的距离小于安全阈值时，认定其为一个障碍物体，并对其进行相应的建模，方便后续巡检机器人避障算法的推出[4]。设置障碍物体信息点集为O=｛O1，O2，…，Ok｝，采用包围盒算法计算覆盖全部障碍物体信息点的最小圆Dk，为障碍物体建模与躲避提供便利。基于包围盒算法求解包围点集O=｛O1，O2，…，Ok｝的最小圆，步骤如下所示：

步骤1：依据O=｛O1，O2，…，Ok｝的实际分布情况，制定相应的包围盒，并在包围盒四边寻找4 个边界点，具体如图1所示。图1中，W 表示的是包围盒的宽度，H 表示的是包围盒的高度。当W≥H 时，选取空心球对应的O1与O2点；当W＜H 时，选取实心球对应的O1与O2点。将选取的信息点O1与O2作为最小包围圆确定的依据。

图1 点集包围盒示意图Fig.1 Schematic diagram of point set bounding box

步骤2：依据O1与O2构造最小圆，记为D1。在剩余障碍物体信息点中寻找到最远点Os，判断其是否在D1内部。如果Os∈D1，说明D1是最小圆；如果Os∉D1，说明D1不是最小圆，转至步骤3。

步骤3： 重新寻找3 个障碍物体信息点构建最小圆，计算圆心，计算公式为

式中：（x，y）表示的是构建最小圆的圆心坐标；（xa，ya），（xb，yb）与（xc，yc）分别表示的是3 个障碍物体信息点的坐标。

重复进行步骤2 与步骤3，直至满足终止条件为止，输出覆盖全部障碍物体信息点的最小圆，记为Dk，完成了障碍物体的检测[5]。

为了使巡检机器人能够更安全地躲避开障碍物体，将障碍物体进行适当的扩大化[6]。在障碍物体直径的基础上加上巡检机器人的宽度，障碍物体扩大化示例如图2所示。

图2 障碍物体表示示例图Fig.2 Example diagram of obstacle object representation

上述过程完成了障碍物体的检测与建模，为后续巡检机器人安全躲避障碍物体奠定坚实的基础。

1.2 巡检机器人避障算法推出

以上述检测到的障碍物体为基础，确定巡检机器人与障碍物体之间的位姿关系，制定巡检机器人避障算法，完成巡检机器人的避障功能[7]。设定巡检机器人时刻t 的全局坐标信息为（xt，yt，θt），激光传感器检测到的障碍物体坐标信息为 （dxt，dyt）[8]。但是，巡检机器人坐标系为全局坐标系，障碍物体坐标系为当前坐标系，无法直接显示两者之间的位姿关系[9]。因此，需要对障碍物体坐标信息进行转换，表达式为

式中：（xk，yk） 表示的是全局坐标系下障碍物体的坐标信息。

以上述获得的巡检机器人与障碍物体位姿关系为基础，根据两者之间的距离预测巡检机器人的避障相关信息，制定科学合理的巡检机器人避障算法，具体如图3所示。按照图3所示流程，即可实现巡检机器人避障功能，为巡检机器人的安全作业提供有力的保障。

图3 巡检机器人避障算法流程Fig.3 Flow chart of obstacle avoidance algorithm of inspection robot

1.3 巡检机器人避障路径规划目标确定

以上述障碍物体检测结果与巡检机器人避障算法为依据，确定巡检机器人的避障路径规划目标，为后续避障路径规划实现做好充足的准备[10]。为了获取最佳巡检机器人避障路径，确定避障路径必须满足如下条件：①避障路径长度最短；②每个杆塔只能经过1 次；③将风险较高的杆塔设置为优先级。

在满足上述条件的基础上，通过蚁群算法寻找最佳巡检机器人避障路径很容易陷入局部最优，收敛速度也较慢，是现今巡检机器人避障路径规划的最大阻碍因素之一。因此，此研究对蚁群算法进行相应的改进，寻找避障、长度最短的巡检机器人运行路径[11]。

上述过程阐述了巡检机器人避障路径规划目标，并给出了避障路径求解的算法，为后续最佳避障路径获取提供支撑。

1.4 巡检机器人避障路径规划实现

以上述确定的避障路径规划目标为基础，基于狼群分配原则与中心点平滑方法改进蚁群算法，以此来获取最佳避障路径规划结果[12]。蚁群算法应用过程中，信息素更新方式至关重要，决定着是否能够快速地寻找到最佳避障路径[13]。因此基于狼群分配原则对信息素更新方式进行相应的改进，改进后信息素更新公式为

式中：τij（t+1）与τij（t）表示时刻t+1 与时刻避障路径上的信息素浓度；ρ 表示信息素的挥发系数；表示第α 只蚂蚁留在避障路径上的信息素浓度；m 表示蚂蚁的总数量；Δ*τij与Δ**τij分别表示局部最优与最差避障路径上的信息素浓度，两者计算公式为

式中：δ 与ω 分别表示寻找到局部最优与最差避障路径需要的蚂蚁数量；Q 表示全部路径长度；L* 与L**分别表示局部最优与最差避障路径的长度[14]。

中心点平滑方法主要是对巡检机器人路径中出现的尖锐转角进行平滑处理，以此来加强巡检机器人作业的安全性。中心点平滑方法原理如图4所示。

图4 中心点平滑方法原理示意图Fig.4 Schematic diagram of center point smoothing method

依据上述改进蚁群算法，制定巡检机器人避障路径规划流程，具体如下：

步骤1：将巡检机器人作业环境信息转换为矩阵形式，内部元素数值为0 或者1，0 代表正常环境，1 代表障碍物体。

步骤2：初始化处理改进蚁群算法的相关参数，例如最大迭代次数、信息素挥发系数等。

步骤3：蚂蚁从起始点出发，开始寻找避障路径。

步骤4：对路径进行相应的判断，若下一个路径存在障碍物体，则寻找其他路径；若下一个路径通畅并未到达目标点，则巡检机器人继续行进；若下一个路径终点为目标点，则停止寻找避障路径。

步骤5：依据式（3）对信息素浓度数值进行更新。

步骤6：判断迭代次数是否达到最大迭代次数，如果达到，应用中心点平滑方法处理避障路径；反之，转至步骤4。

步骤7：输出最佳巡检机器人避障路径规划结果。

通过上述过程实现了输电线巡检机器人避障路径的规划，为巡检机器人的稳定作业提供有效的方法支撑。

2 测试与结果分析

选取1 种机器人工作区域协同搜索避障巡检策略作为对比方法，设计对比测试，以此来验证提出方法的应用性能。

2.1 测试环境搭建

选取某区域输电线与某型号巡检机器人作为测试对象，测试环境如图5所示。需要注意的是，巡检机器人上还搭载着激光传感器、摄像头与IMU，用于障碍物体信息获取与距离测量，方便巡检机器人避障功能的实现。

图5 测试环境示例图Fig.5 Example of test environment

为了方便测试的进行，需要将巡检机器人及其搭载硬件坐标系进行统一，具体如图6所示。

图6 统一坐标系示意图Fig.6 Schematic diagram of unified coordinate system

上述过程完成了测试环境的展示与坐标系的统一，为后续测试的顺利进行提供便利。

2.2 测试工况设置

为了测试提出方法的普遍适用性，设置10 种测试工况，具体如表1所示。从表1可知，障碍物体分布没有规律性，并不是一个障碍物体占据一条路径，这样使得测试工况更加复杂，能够提升测试结论的准确性。

表1 测试工况表Tab.1 Test conditions

2.3 测试结果分析

以上述搭建的测试环境，设置的测试工况为依据，进行输电线巡检机器人避障路径规划测试。为了直接显示提出方法的应用性能，选取规划路径避障成功率与最佳避障路径规划迭代次数作为评价指标，输电线巡检机器人避障路径规划测试结果，如图7所示。从图7数据可知，相较于对比方法来看，应用提出方法获得的规划路径避障成功率较大，最大值为96%，最佳避障路径规划迭代次数较少，最小值为11 次，充分证实了提出方法具备较好的避障路径规划效果。

图7 测试结果示意图Fig.7 Schematic diagram of test results

3 结语

输电线是电力能源输送的关键电力设备之一，是否能够正常运行直接关系着电能供应状态。传统巡检方式效果较差，巡检机器人的发明不但提升了巡检效率及其精度，也降低了电力人员的工作量。但是，巡检机器人路径规划仍然存在着较多的问题，故引入改进蚁群算法设计新的输电线巡检机器人避障路径规划方法，极大地提升了规划路径避障成功率，减少了最佳避障路径规划迭代次数，能够为巡检机器人作业提供更有效的方法支撑，也为避障路径规划相关研究提供一定的借鉴。