基于随机树节点的变电站机器人全覆盖巡检路径优化设计研究

郑磊，王楠，李金鑫，廖海，董泽强

摘要：常规的机器人巡检路径规划方法通常以最短规划时长作为目标，通过结合机器人的工作性能，对目标函数进行约束，通过求取最优解实现路径规划。但由于忽略了机器人工作视野的限制，导致规划效果不佳。对此，针对变电站机器人，提出基于快速搜索随机树的全覆盖巡检路径规划方法。首先，利用栅格法对巡检区域进行环境建模，并计算局部滚动窗口，获得机器人的最佳工作视野范围。然后，将目标采样阈值设定为一个动态变量，计算随机树节点的路径代价，通过将双向搜索与迭代的方式，实现随机树节点扩展，从而搜索到最优路径规划结果。在实验中，对该方法的规划效果进行检验，结果表明，在可以完成巡检任务的前提下，采用该方法规划的巡检路径较短，可以提高机器人巡检的效率。

关键词：快速搜索随机树；变电站机器人；巡检路径；路径规划

中图分类号：TP399；TM743

文献标志码：A文章编号：1001-5922（2023）12-0169-05

Research on the optimal design of substation robot full coverage inspection path based on random tree nodes

ZHENG Lei，WANG Nan，LI Jinxin，LIAO Hai，DONG Zeqiang

（Zunyi Power Supply Bureau of Guizhou Power Grid Co.，Ltd.，Zunyi 563100，Guizhou China）

Abstract：The conventional robot inspection path planning method usually takes the shortest planning time as the goal，constrains the objective function by combining the working performance of the robot，and achieves path planning by finding the optimal solution.However，due to the neglect of the limitations of the robots working field of view，the planning effect is not satisfied.In this regard，a full coverage inspection path planning method based on fast search random trees was proposed for substation robots.Firstly，the grid method was used to model the environment of the inspection area，and the local rolling window was calculated to obtain the best working field of view of the robot.Then，the target sampling threshold was set as a dynamic variable to calculate the path cost of the random tree nodes，and the random tree nodes were expanded by bidirectional search and iteration，so as to search for the optimal path planning results.In the experiment，the planning effect of this method was tested，and the results showed that，under the premise of completing the inspection task，the inspection path planned by this method was shorter，which can improve the efficiency of robot inspection.

Key words：quickly search for random trees;substation robots;inspection path;path planning

變电站机器人巡检系统作为一种先进的解决方案，能够实现变电站设备的实时监控和定期巡检，提高了电力系统的稳定性和可靠性。然而，变电站机器人的全覆盖巡检路径规划是一个具有挑战性的问题，因为需要考虑多种因素，如地形、障碍物、设备布局等。因此，开发一种高效、可靠的变电站机器人全覆盖巡检路径规划方法是非常必要的。

通过实现全覆盖巡检，不仅可以减少电力系统的故障率，提高电力系统的稳定性和可靠性；同时也能够有效提高巡检效率，减少巡检时间和成本；最后，通过自动化巡检，可以减轻工作人员的负担，提高工作效率。因此，研究变电站机器人全覆盖巡检路径规划方法具有重要的理论和实践意义。

近年来，国内外学者针对变电站机器人全覆盖巡检路径规划问题进行了广泛的研究。例如，文献中通过对智能变电站环境进行仿真建模，并对其进行网格化拆分处理，在此基础上对机器人的巡检最优路径进行优化求解。文献中以巡检路径最短作为优化目标，通过灰狼算法求解规划函数，从而得到路径规划方案。

变电站是电力系统中重要的设施，对其安全运行提出了高要求。通过机器人全覆盖巡检，可以定期对变电站进行全面的检查，及早发现潜在的安全隐患，确保设施的稳定性和安全性。因此，基于传统的研究，本文基于快速搜索随机树（RRT-FST），提出了一种新的路径规划方法。该方法能够快速处理复杂地形和大规模地图，自适应处理动态环境，从而提高变电站假期人的巡检效率和覆盖率。

1基于快速搜索随机树节点的变电站机器人全覆盖巡检路径优化设计

1.1变电站机器人全覆盖巡检区域栅格地图建模

为实现变电站机器人全覆盖巡检路径规划，本文首先结合栅格法，对巡检区域进行环境建模。假设变电站巡检所用的机器人为点状机器人，根据机器人的实际尺寸，对巡检过程中可能会遇到的障碍物Obs（i）进行膨化处理。首先，在巡检区域中构建出全局坐标系，假设工作区域的左下角为坐标原点，横纵两个方向分别作为栅格地图的x轴和y轴，其对应的轴向尺寸分别为Xmax和Ymax。以l作为单位长度，将全覆盖巡检区域划分为栅格地图。在栅格地图中，每行与每列的栅格数量表达式：

Nx=XmaxlNy=Ymaxl（1）

假设在栅格地图中，代表任意一个单元栅格，其对应坐标为g（x，y），那么假设栅格序号集合为Num={1，2，...，M}，由此可以得到以下表达式：

Num（1）=g（1，1）Num（2）=g（2，1）Num（3）=g（3，1）（2）

根据上述划分方式可以看出，本文根据空间大小对栅格划分程度进行了量化，由此可以得到巡检区域空间栅格化示意图如图1所示。

由图1可知，单元格的数字代表栅格化的对应值。假设在t时刻，变电站巡检机器人的栅格位置为pr（t），那么以该点为圆心，R为覆盖半径，可以对机器人的巡检覆盖范围进行巡检。对此，本实验定义机器人位置的滚动窗口即为任意2个栅格之间的距离，由此可以得到栅格距离表达式：

d（gi，gj）=xi-xj2+（yi-yj）2（3）

式中：gi和gj分别代表任意2点对应的栅格位置；（xi，yi）、（xj，yj）代表任意2点对应的具体坐标。对局部滚动窗口进行计算，具体计算公式：

win（pr（t））={g-g∈Wspace，d（pr（t），g）≤R}（4）

式中：win（pr（t））代表局部滾动窗口；Wspace代表全覆盖巡检区域。局部滚动窗口即为机器人的工作视野，因此在后续的变电站巡检机器人路径规划中，需要基于局部滚动窗口进行。

1.2巡检目标动态概率采样

考虑到快速搜索随机树算法在对最优规划路径进行求解时，可能存在一定的盲目性。因此为了对后续的路径规划效果进行优化，本文首先这对变电站机器人的巡检目标进行动态概率采样。假设巡检目标的采样阈值为pbias，那么每次在对目标节点进行采样时，都会提前生成一个在0～1的随机值p。如果生成的随机值低于设定的目标采样阈值，那么可以将该目标点作为采样点。具体采用公式：

Xrand=Xgoal，p≤pbias

Xrand，p≥pbias（5）

式中：Xrand代表随机采样点；Xgoal代表巡检目标动态采样点。

当快速搜索随机树进行扩展时，如果扩展区域中的障碍物较少，那么可以采用式（5）进行目标采样。但是当扩展空间内的障碍物较多时，可能会出现局部困境的情况。对此，本文综合变电站机器人全覆盖巡检需求，将目标采样点的概率阈值设置为一个动态变量，Niter假设代表算法的迭代次数；Ncurr代表当前生成的随机数有效节点数量，那么可以对目标采样点的动态概率阈值进行计算：

pbias=NcurrNiter×k（6）

式中：k代表快速搜索随机树的节点分支数量。式（6）中，NcurrNiter的值代表了栅格地图中障碍物的密集程度，NcurrNiter的值越高，代表在当前巡检区域内，障碍物的分布越密集。同理，若NcurrNiter值越低，则代表当前巡检区域内障碍物的分布越稀疏。当障碍物越少时，代表快速搜索随机树向目标节点扩展的概率也就越大。

通过上述步骤即可完成对于巡检目标动态概率的采样处理，通过将目标采样阈值设定为一个动态变量，从而后续规划算法带来的搜索盲目性的问题。

1.3基于快速搜索随机树规划机器人全覆盖巡检路径

在目标动态概率采样的基础上，本文通过结合快速搜索随机树算法，对机器人到每个随机树节点所花费的路径代价进行计算，实现全覆盖巡检路径规划。

在快速搜索随机树算法中，通常采用（x，y，z）存储随机树的任意节点信息，其中，x和y分别代表节点为二维坐标；z代表该节点的上一级父节点。RRT算法的原理在于通过采用增量方式，分别在起点和终点处构建随机树，然后通过目标动态概率采样，在空间区域进行搜索出一条最佳规划路径。假设在生成新的随机树节点xnew后，该扩展路径与原路径之间的夹角为θ。若该角度低于最大转弯角度，则可以对扩展节点xnew进行保存，否则，则需要删除掉新扩展的随机树节点，从而保证巡检任务的执行效果。θ的具体计算公式：

θ=acrossxparent·xnew‖xnearxnew‖（7）

式中：xnear代表最近规划节点；xparent代表最近规划节点的父节点。最近规划节点主要与路径代价有关，其具体计算公式：

xnear=minCost（xtree，xstart）+dis（xtree，xgoal）（8）

式中：Cost（xtree，xstart）代表快速搜索随机树上的节点到规划路径起点之间的路径开销；dis（xtree，xgoal）代表快速搜索随机树上的节点到规划路径终点之间的距离，该距离可以通过曼哈顿距离公式计算而得，具体计算公式：

dis（i，j）=xi-yi+xj-yj（9）

式中：i和j分别代表2个随机节点；（xi，yi）、（xj，yj）分别代表2个随机节点对应的栅格坐标值。基于上述流程，对随机树节点的路径代价进行计算，并通过双向搜索与迭代的方式，搜索出最佳规划路径。

将本节内容与上述提到的栅格化地图建模以及目标动态概率采样等相关内容进行结合，至此，基于快速搜索随机树的变电站机器人全覆盖巡检路径规划方法设计完成。

2实验结果与讨论

为了证明本文提出的基于快速搜索随机树的变电站机器人全覆盖巡检路径规划方法的实际规划效果，在理论部分的设计完成后，构建实验环节，对本文方法的实际规划效果进行检验。

2.1实验说明

实验选取了两组常规的变电站机器人巡检路径规划方法作为对比对象，分别为基于仿真优化的智能变电站巡检机器人路径规划方法（常规方法A）、基于改进灰狼算法的变电站巡检机器人路径规划方法（常规方法B）。采用3种方法对同一组变电站巡检任务进行规划，对比不同方法的实际规划效果。

2.2实验对象

本次实验通过结合matlab软件构建出仿真巡检环境，通过对巡检空间的规模参数进行调取，并构建出地图范围为（1 000×1 000）像素的搜索空间。设置邻域搜索半徑为75像素，机器人的搜索步长为25像素。为实现路径规划，本次实验对机器人的起点坐标以及终点坐标进行了规定，并在搜索地图中设置了两种不同类型的障碍物，分别为静态障碍物以及动态障碍物，从而检测出不同算法的避障效果。具体实验地图如图2所示。

本文选用的巡检机器人为轨道式巡检机器人，本文算法的具体参数配置情况如表1所示。

为防止因机器人控制性能差异对规划路径产生的影响，本次实验通过编写程序，对机器人进行统一控制，由此得到的机器人前馈控制输出模拟结果如图3所示。

由图3可知，以上述前馈控制输入方式，对巡检机器人进行仿真控制，分别采用3种方法对巡检任务进行路径规划。待规划完成后，对比不同方法的路径长度，从而比较出不同方法的实际规划效果。

2.3实验规划结果对比

采用本文方法对巡检任务进行路径规划后，所得到的规划结果如图4所示。

由图4可知，本方法可以有效规避出不同类型的障碍物，从而实现最优路径规划。为了使实验结果更具对比性，实验以不同规划方法下的路径长度作为对比指标，用于衡量不同方法的实际规划效果；具体实验结果如表2所示。

由表2可知，随着迭代次数的不断提高，不同方法下的路径长度也在逐渐缩短。通过数值上的对比可以直接看出，本文提出的基于快速搜索随机树的变电站机器人全覆盖巡检路径规划方法的规划效果更好，路径长度更短。

3结语

综上所述，提出的基于快速搜索随机树的变电站机器人全覆盖巡检路径规划方法具有较低的运算复杂度，能够快速搜索到最优路径，提高了机器人的反应速度和实时性。在变电站巡检中，能够有效地减少巡检盲区，提高巡检效率和准确性，为变电站的安全运行提供保障。

【参考文献】

[1]马锋，高明亮，许崇耀，等.基于仿真优化智能变电站巡检机器人路径研究 .电测与仪表，2023，60（9）：14-20.

[2]张威，张鑫中，王丛佼，等.改进灰狼算法的变电站巡检机器人路径规划 .重庆理工大学学报（自然科学），2023，37（6）：129-135.

[3]樊琛，王毅.基于浮游式变压器巡检机器人系统设计与试验.粘接，2022，49（12）：174-177.

[4]柯清派，史训涛，袁智勇，等.基于改进遗传算法的变电站巡检机器人路径规划 .电测与仪表，2023，60（8）：144-149.

[5]李福鹏，曾红英，王霞.变电站轮式巡检机器人机械臂避障路径规划方法 .机械与电子，2023，41（2）：32-36.

[6]赵泽龙，郑磊，易克松，等.数字化变电站巡视机器人避障路径智能规划研究 .电气技术与经济，2022（6）：45-48.

[7]马松玲，陈起源，康佳欢.基于强化学习的变电站巡检路径规划算法 .计算机仿真，2022，39（12）：103-107.

[8]刘胜，张豪，晏齐忠，等.基于ACO-SA算法的变电站巡检机器人路径规划 .南方电网技术，2022，16（9）：75-82.

[9]童枭军，陈洋，路浩，等.面向表计读数的变电站巡检机器人路径规划 .电子测量与仪器学报，2022，36（8）：167-177.

[10]唐标，沈映泉，黄绪勇，等.基于改进型蚁群算法和图像识别的变电站机器人路径规划和设备缺陷识别研究 .制造业自动化，2022，44（2）：46-52.

[11]徐明.基于改进深度学习的变电站机器人巡检路径规划研究 .自动化与仪表，2022，37（1）：36-39.

[12]韩耀廷，赵志梅，郝晓宇，等.变电站巡检机器人路径规划智能算法优化 .内蒙古电力技术，2021，39（6）：58-61.

[13]杨元义，杨超.基于SLAM的机器人运动控制系统设计.粘接，2021，48（12）：107-111.

[14]董翔宇，季坤，朱俊，等.对特高压变电站巡检机器人路径规划改进蚁群算法的研究 .电力系统保护与控制，2021，49 （18）：154-160.

[15]路浩，陈洋，吴怀宇，等.受路网和测量约束的变电站巡检机器人路径规划 .中国机械工程，2021，32（16）：1972-1982.

[16]杨莹，张莉，郭瑞鸿，等.基于改进快速搜索随机树算法的包裹分拣路径规划算法.计算机集成制造系统，2022，28（3）：951-958.

[17]谢志文，汪政，王锐，等.基于改进蚁群算法的变电站巡检机器人路径规划研究 .能源与环保，2021，43（12）：212-216.

[18]刘云飞，杨旭，罗晨瑀，等.基于蚁群算法的变电站巡检机器人全局路径规划研究 .自动化应用，2023，64（9）：9-10.