变电站设备巡检机器人中路阻函数的建立与研究

研究的变电站设备巡检机器人工作在半规范拓扑环境中,机器人在运行过程中受到多种路段阻抗因素影响,在绘制变电站电子地图的基础上,利用道路交通网络分配路径的选择方法,通过对函数模型参数的标定建立适合任务现场的综合路阻函数模型,并成功应用于机器人全局路径规划。实践证明方法可行,有效。     

面向复杂障碍场的电力巡检机器人局部动态融合路径规划

为解决电力巡检机器人在复杂障碍场中，常与障碍物碰撞、避障效率低等问题，提出面向复杂障碍场的电力巡检机器人局部动态融合路径规划方法。使用基于栅格法的复杂障碍场地图生成方法，构建面向复杂障碍场的电力巡检环境地图；结合所构建地图信息，由改进遗传算法寻优获取巡检所用全局最短路径后，经时间弹性带算法，结合不同时刻机器人位姿信息，由距离阈值判断机器人与动态障碍物碰撞可能性，以全局规划路径弹性拉伸的方式，完成局部动态融合的避障运行，且需分析局部动态规划路径中，机器人运行方向与全局规划路径一致性，动态调节规划机器人巡检路径。经测试，此方法使用后，机器人未出现碰撞问题，且避障速度提升约300%。     

考虑机器人尺度的变电站路径规划

在传统的变电站巡检过程中,存在人工任务繁重且效率低下等问题,为了提高变电站中的巡检效率与安全性,提出了一种基于遗传算法和人工势场法巡检机器人的路径规划方法.算法由三部分组成,首先通过Maklink方法对仿真环境进行建模,通过遗传算法求出不考虑安全性的近似最优解;第二部分,在遗传算法求解的基础上,将路径中间节点作为引力点,障碍物的边界作为斥力点,构建人工势场环境模型;第三部分,用改进的人工势场法进行优化,提高路线的安全性.通过在计算机平台上的仿真测试,最终结果表明该方法可以在一定时间之内得到一条安全性更高的路线,使得巡检机器人可以避开障碍物到达指定地点,从而完成巡检电路的任务.上述算法改进了人工势场路径规划方法一直以来根本性的缺陷,如易陷入极值点、易产生路径点震荡等问题,并且利用人工势场路径平滑的特点提高了Maklink路径规划方法的路线安全性.     

基于改进深度学习的变电站机器人巡检路径规划研究

随着智能电网的不断发展,变电站数量随之增加。针对变电站中巡检任务繁重以及人工巡检可视化水平低的问题,该文提出了一种基于改进深度强化学习的变电站机器人巡检路径规划方法。结合巡检机器人的运动模型,设计深度强化学习的动作和状态空间。将深度强化学习网络与人工势场相结合,重新构造深度强化学习的奖励函数,优化卷积神经网络结构。通过实际变电站场景进行验证,提出的改进深度强化学习算法较传统算法计算时间更短,效率更高,更有利于对变电站巡检机器人的巡检路径进行精准规划,提升变电站的自动化程度水平。     

面向变电站机器人巡检路径规划中的算法研究

针对目前在变电站中应用广泛的巡检机器人,探讨了其巡检路径的问题,依据离散数学理论中的哈密顿回路方法和路径的常规规划算法,研究了一种变电站的巡检路径为矩形分布时的机器人巡检路径问题。针对不同巡检方式,分别提出：全局巡检方式,采用新提出的哈密顿算法,当巡视起点被设定后,其他被巡视的任何点均可被归类,从而找出其巡检路径的哈密顿回路;重点设备巡检方式,采用Dijkstra算法和遗传算法相结合的方法;固定点巡检方式,采用Dijkstra算法。其中,三种巡检方式分别针对电量充足、低电量返回及充电完毕继续巡视等方面给出仿真结果,并将其在某变电站进行了试用。研究结果表明,三种巡检方式下的算法均有效可行,新提出的哈密顿回路算法巡视的路径比常规方法相对要短,算法的运算速度相对更快。     

基于激光传感器的变电站巡检机器人导航

针对变电站环境复杂,人工巡检强度大,效率低的问题,研究了基于激光雷达的巡检机器人系统。采用激光即时定位与地图构建(SLAM)算法建立环境地图,应用自适应蒙特卡洛定位(AMCL)算法结合激光以及里程计的数据进行实时定位。针对变电站环境,在地图中标定巡检坐标以及路径中的关键点,设计了全局路径规划以及点对点的导航算法。实验结果表明:巡检机器人能在室内外有效工作,室内外测试条件下的x和y方向的平均绝对误差均小于2 cm,角度的平均绝对误差均小于2°。     

电力巡检机器人路径规划技术及应用综述

电力巡检是保障电力设备安全与稳定的关键.传统的巡检方式以人工为主,其高风险、低效率、易漏检的缺点难以满足电力巡检要求,将机器人应用于电力巡检具有安全高效、自主分析、智能决策的优势.路径规划技术通过求解巡检路线以实现遍历巡检与自主避障,是电力巡检机器人的关键技术之一.对此,首先分析不同电力场景的巡检内容与要求;然后,综述电力单体巡检机器人路径规划技术与协同巡检机器人路径规划技术,并总结电力巡检机器人路径规划技术在发电站、变电站以及输电线路场景下的应用效果;最后,对电力巡检机器人路径规划关键技术进行展望,即未来电力巡检机器人路径规划技术将向着多源异构信息融合、深度强化学习以及云边端协同路径规划方向发展.     

基于机器视觉技术的变电站巡检机器人自动导航系统

该文设计基于机器视觉技术的变电站巡检机器人自动导航系统,有效规划巡检机器人巡检路径,实现巡检机器人自动导航。该系统利用以PIC16F73为单片机的核心控制器,通过机器视觉采集模块采集变电站巡检设备和路线图像,经过图像处理模块分割、去噪处理后,由无线传输模块传输至巡检导航模块,结合栅格法和蚁群算法得出变电站巡检机器人路线规划最优路线;利用PID控制器控制巡检机器人按照规划路线行驶,实现变电站巡检机器人自动导航。实验结果表明,该系统无线通信性能好、覆盖范围广,可准确采集变电站巡检设备和路线图像并精准实现巡检机器人定位,能够有效规划巡检路线,实现巡检机器人自动导航。     

一种服务机器人家庭全息地图构建方法研究*

提出了一种满足家庭服务机器人环境认知和智能服务需要的融合环境和目标信息的家庭全息地图。设计了局部几何—全局拓扑的全息地图分层表示模型。分析了机器人坐标系、局部环境坐标系和目标的相对关系,给出了机器人局部环境自定位算法和基于坐标变换的服务机器人全息地图构建方法。家庭环境下机器人实物实验表明,基于局部几何—全局拓扑表示的全息地图,服务机器人路径规划和任务执行效率得到有效提升。     

面向主干输电网架空设备巡检的无人机路径规划方法

针对主干输电网架空设备巡检效率低、安全性差问题，提出基于遗传算法的巡检无人机路径规划方法。运用无人机定位与中心功能操作技术分析巡检路径信息，调节上位机和集中控制器的关系，创建巡检路径差异模型；充分发挥遗传算法优秀的全局搜索能力，计算最高线程距离、最小步长及最高路径偏移角收敛条件，把选择、交叉与变异看作基础算子，以最优适应度值作为路径最优解输出，实现可靠的无人机路径规划任务。仿真结果表明，所提方法可根据任务要求灵活规划不同类型路径，相较其他方法巡检规划路径最短，有效节省机动能耗，全局收敛性强。     

基于自适应动态窗口改进细菌算法与移动机器人路径规划

针对移动机器人在复杂环境下的路径规划问题,提出一种新的自适应动态窗口改进细菌算法,并将新算法应用于移动机器人路径规划。改进细菌算法继承了细菌算法与动态窗口算法（dynamic window algorithm, DWA）在避障时的优点,能较好实现复杂环境中移动机器人静态和动态避障。该改进算法主要分三步完成移动机器人路径规划。首先,利用改进细菌趋化算法在静态环境中得到初始参考规划路径。接着,基于参考路径,机器人通过自身携带的传感器感知动态障碍物进行动态避障并利用自适应DWA完成局部动态避障路径规划。最后,根据移动机器人局部动态避障完成情况选择算法执行步骤,如果移动机器人能达到最终目标点,结束该算法,否则移动机器人再重回初始路径,直至到达最终目标点。仿真比较实验证明,改进算法无论在收敛速度还是路径规划精确度方面都有明显提升。     

基于遗传模拟退火算法的移动机器人路径规划

针对移动机器人路径规划的难题,运用了一种基于遗传模拟退火算法的移动机器人最优路径规划方法,对移动机器人的路径规划进行了设计,采用了栅格法对环境进行建模.为了提高路径规划的效率,采用了一种改进的避障算法来生成初始种群.将遗传算法与模拟退火算法相结合形成遗传模拟退火算法,新算法具有较强的全局和局部搜索能力.仿真实验结果证明算法相对于基本遗传算法的收敛速度、搜索质量和最优解输出概率方面有了明显的提高.     

粒子群优化的移动机器人路径规划算法

针对移动机器人在复杂环境下采用传统方法路径规划收敛速度慢和局部最优问题,提出了斥力场下粒子群优化（PSO）的移动机器人路径规划算法。首先采用栅格法对机器人的移动路径进行初步规划,并将栅格法得到的初步路径作为粒子的初始种群,根据障碍物的不同形状和尺寸以及障碍物所占的地图总面积确定栅格粒度的大小,进而对规划路径进行数学建模;然后根据粒子之间的相互协作实现对粒子位置和速度的不断更新;最后采用障碍物斥力势场构造高安全性适应度函数,从而得到一条机器人从初始位置到目标的最优路径。利用Matlab平台对所提算法进行仿真,结果表明,该算法可以实现复杂环境下路径寻优和安全避障;同时还通过对比实验验证了算法收敛速度快,能解决局部最优问题。     

基于改进蚁群算法的移动机器人平滑路径规划

针对移动机器人提出了基于改进蚁群算法的平滑路径规划方法。为了克服蚁群算 法解决路径规划问题时存在的收敛速度慢的缺点,对启发因子的矩阵初始值及更新方式进行了 改进,启发因子改进后的结果与之前相比,平均路径长度减少了 17.6%,平均收敛代数减少了 93.1%;对于栅格环境下存在障碍物时机器人累计转弯角度大的问题,提出了控制点转移策略, 在上一步改进的基础上,通过对控制路径走向的栅格中心点向栅格角顶点的转移,实现了路径 规划的平滑改进。路径规划仿真结果表明,与平滑改进前相比,平滑改进后机器人的平均路径 长度减少了 4.28%,累计转弯角度减少了 52.58%。     

未知环境下单目视觉移动机器人路径规划

针对室内未知环境下的避障和局部路径规划,提出了一种单目移动机器人路径规划算法,该算法通过对环境图像的自适应阈值分割,获取障碍物与地面交线轮廓点集。通过对现有几种单目测距方法的分析比较,提出一种改进的空间几何约束单目视觉测距计算方法,并依据单目测距的几何关系建立了图像坐标系与机器人坐标系的映射,绘建了一定比例的局部地图。在局部地图上通过改进的人工势场算法为机器人规划路径,改进的人工势场算法解决了传统算法目标点不可到达的问题。通过MATLAB进行仿真实验,结果表明该方法可以规划出有效合理的路径。     

基于改进生物激励神经网络算法的多移动机器人协同变电站巡检作业

针对大型变电站巡检作业效率低的问题,利用改进的生物激励神经网络算法和优先级启发式算法,结合基于变切线长的无障碍物区域分割法,提出一种多移动机器人协同全区域覆盖巡检以及多任务点协同巡检的方法.首先,分析生物激励神经网络算法的不足,如规划的路径曲折、转角大等问题,并提出一种改进方法,利用改进的算法和Hungarian算法实...     

基于神经网络和遗传算法的移动机器人路径规划*

提出一种基于神经网络和遗传算法的路径规划算法.采用神经网络模型对机器人的环境信息进行描述,利用神经网络的输出建立遗传算法的适应度函数;然后使用遗传算法优化路径.在该算法中将需规划路径的二维编码简化成一维编码.仿真结果表明提出的路径规划方法是正确和有效的.     

非平坦地形下移动机器人安全路径规划

提出一种基于双分辨率2.5D分层栅格地图的Secure A*(SA*)路径规划方法,以解决移动机器人在非平坦地形下的安全路径规划问题.首先,设计一种双分辨率2.5D分层栅格地图,利用双分辨率栅格对环境中的障碍物信息与高程信息进行存储,以节约地图的存储空间;然后,结合移动机器人运动能力,将环境中的高程信息转化为约束因子,...     

改进的蚁群遗传优化算法及其应用

针对当前移动机器人的一些路径规划算法存在的局限性,提出了一种基于改进蚁群优化和遗传优化的融合算法。利用改进的信息素更新技术和路径节点选择技术使算法尽快找到优化路径,来形成融合算法的初始种群,机器人每前进一步,蚂蚁就对局部路径重新搜索,并处理随机出现的障碍物;然后利用遗传算法(GA)对种群个体进行全局优化,从而能使机器人沿一条全局优化的路径到达终点。仿真结果表明了该融合算法的可行性和有效性。