CN117008602B - 一种变电站内巡检机器人路径规划方法及系统 - Google Patents

Abstract

本发明提出了一种变电站内巡检机器人路径规划方法及系统，涉及变电站巡检机器人技术领域，具体方案包括：构建变电站路径无向图，并设置变电站路径无向图中各个节点的最佳光照强度条件；采用改进的蚁群算法对变电站路径无向图中各个节点间的信息素值进行迭代更新，直到满足迭代停止条件；迭代停止时，信息素值最大的路径为最优路径；本发明考虑光照强度对机器人采集图像质量的影响，对蚁群算法进行改进，基于节点的最佳光照强度条件、预报的光照强度和变电站路径无向图，选择节点和更新信息素，得到最优巡检路径。

Description

一种变电站内巡检机器人路径规划方法及系统

技术领域

本发明属于变电站巡检机器人技术领域，尤其涉及一种变电站内巡检机器人路径规划方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

电力行业经过多年不懈努力改革发展创新，取得了非常不错的成就，随着经济和社会的发展，电网规模继续升级扩大，电网运行安全问题不断增加；作为当今电力系统的中枢，变电站发挥着连接发电厂和用电单位的纽带作用，常用于对电能进行调节、变换、传递以及分配；目前，变电站设备的运行状态检测以及故障巡检工作主要通过人工巡检的方式进行，存在作业强度大、设备信息判断滞后，易出现误操作。

利用巡检机器人对变电站进行检测，自动采集和监控电气设备的工作状态，可以较好地解决以上问题，现有的巡检机器人，多为磁导航机器人，采用在站内铺设磁条，依靠预设路线完成巡检工作的，该方式原理简单，便于遥控且定位准确，但灵活性较差，无法满足巡检过程中实时更换路线和精准动态避障的需求,所以，智能化的机器人路径规划方法应运而生；移动机器人按照一定的策略(如距离、时间等)，智能化搜索一条从起始位置到目标位置的最优或次优路径，实现最优的路径规划。

使用蚁群算法求解路径规划问题是现在研究的一个方向，通过信息素的累积和更新收敛于最优路径上，具有分布式全局搜索能力，但现有的基于蚁群算法的变电站内巡检机器人路径规划，在更新信息素时，往往考虑的是距离、时间等指标，没有考虑光照强度对机器人采集的图像质量的影响；尽管后期图像分析时，可以采用一些技术手段改善图像的质量，但更有效的方式是提高图像采集的质量；现有的路径规划方案中，只以最短路程或最少时间作为路径规划的目标，忽略了机器人按照规划的路径进行巡检时的图像采集质量问题，导致整体上的巡检效率不稳定，即鲁棒性不高。

发明内容

为克服上述现有技术的不足，本发明提供了一种变电站内巡检机器人路径规划方法及系统，考虑光照强度对机器人采集图像质量的影响，对蚁群算法进行改进，基于节点的最佳光照强度条件、预报的光照强度和变电站路径无向图，选择节点和更新信息素，得到最优巡检路径。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

本发明第一方面提供了一种变电站内巡检机器人路径规划方法；

一种变电站内巡检机器人路径规划方法，包括：

构建变电站路径无向图，并设置变电站路径无向图中各个节点的最佳光照强度条件；

采用改进的蚁群算法对变电站路径无向图中各个节点间的信息素值进行迭代更新，直到满足迭代停止条件；迭代停止时，信息素值最大的路径为最优路径；

其中，所述改进的蚁群算法，实时获取天气预报信息中的光照强度，根据节点的最佳光照强度条件、预报的光照强度和节点间的距离，对节点间的信息素进行更新。

进一步的，所述变电站路径无向图，具体为：

以待巡检设备为节点，相邻的两个设备之间构建边，边的长度为两个设备之间的距离。

进一步的，所述节点的最佳光照强度条件，根据节点所对应设备对光照强度的敏感度，设置最佳光照强度区间。

进一步的，所述实时获取天气预报信息中的光照强度，机器人在开始对变电站进行巡检前，接入互联网获取天气预报信息中的光照强度。

进一步的，所述根据节点的最佳光照强度条件、预报的光照强度和节点间的距离，对节点间的信息素进行更新，具体为：

基于节点的最佳光照强度区间和天气预报信息中的光照强度，计算节点的巡检优先级；

根据巡检优先级和节点间的距离，计算节点的选择概率，基于节点的选择，更新节点间的信息素。

进一步的，所述基于节点的最佳光照强度区间和天气预报信息中的光照强度，计算节点的巡检优先级，具体为：

天气预报信息中的光照强度在最佳巡检区间中，则节点的巡检优先级为第一优先级，否则为第二优先级。

本发明第二方面提供了一种变电站内巡检机器人路径规划系统。

一种变电站内巡检机器人路径规划系统，包括无向图构建模块和路径寻优模块：

无向图构建模块，被配置为：构建变电站路径无向图，并设置变电站路径无向图中各个节点的最佳光照强度条件；

路径寻优模块，被配置为：采用改进的蚁群算法对变电站路径无向图中各个节点间的信息素值进行迭代更新，直到满足迭代停止条件；迭代停止时，信息素值最大的路径为最优路径；

其中，所述改进的蚁群算法，实时获取天气预报信息中的光照强度，根据节点的最佳光照强度条件、预报的光照强度和节点间的距离，对节点间的信息素进行更新。

本发明第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的一种变电站内巡检机器人路径规划方法中的步骤。

本发明第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方面所述的一种变电站内巡检机器人路径规划方法中的步骤。

以上一个或多个技术方案存在以下有益效果：

本发明考虑光照强度对机器人采集图像质量的影响，预先设置节点的最佳光照强度区间，通过实时获取的天气预报信息中的光照强度与最佳光照强度区间的比较，确定节点的巡检优先级，并引入到蚁群算法中，对蚁群算法的节点选择和信息素更新进行改进，使得蚁群寻优的过程中，基于路径长度和节点的巡检优先级，得到最优的巡检路径。

本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为第一个实施例的方法流程图。

图2为第二个实施例的系统结构图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

常规蚁群算法的步骤为：

1)蚂蚁在路径上释放信息素。

2)碰到还没走过的路口，就随机挑选一条路走；同时，释放与路径长度有关的信息素。

3)信息素浓度与路径长度成反比。后来的蚂蚁再次碰到该路口时，就选择信息素浓度较高路径。

4)最优路径上的信息素浓度越来越大。

5)最终蚁群找到最优寻食路径。

上面的蚁群算法是根据信息素浓度选择路径，信息素浓度与路径长度有关，所以路径的选择间接由路径长度决定，假定机器人匀速行进，可以得到“只以最短路程或最少时间作为路径规划的目标”的结论。

变电站的巡检过程，主要是机器人携带摄像机等设备采集设备的图像数据，借助智能化的图像分析方法，对变电站设备的运行状态进行监控；而光照会直接影响采集的图像，如亮度、色相饱和度和曝光度，还有很重要的清晰度，尽管后期图像分析时，可以采用一些技术手段改善图像的质量，但更有效的方式是提高图像采集的质量，所以，本发明提供了一种变电站内巡检机器人路径规划方法，考虑影响机器人采集图像质量的光照强度，对蚁群算法进行改进，基于节点的最佳光照强度条件、预报的光照强度和变电站路径无向图，选择节点和更新信息素，得到最优巡检路径。

实施例一

本实施例公开了一种变电站内巡检机器人路径规划方法；

如图1所示，一种变电站内巡检机器人路径规划方法，包括：

步骤S1：构建变电站路径无向图，并设置变电站路径无向图中各个节点的最佳光照强度条件。

为了便于采用蚁群算法，基于变电站的地图，构建变电站路径无向图，用于下面的蚁群寻优。

具体的，假设一个变电站，有n个待巡检设备，为其构建的变电站路径无向图为G＝(N,A)，其中，N＝{1,2,…,,…,}表示与n个待巡检设备对应的节点集合，i表示第i个待巡检设备，A＝{(i,j)|i,j∈N}表示节点间的边集合，(,j)表示设备i和j相邻，不相邻的两个设备之间没有边，基于G＝(N,A)，构建距离矩阵(_ij)_n×n，d_ij表示两个设备之间的距离，不相邻的两个设备之间的距离为0。

将光照强度引入路径寻优中，需要先对光照强度进行量化，为此本实施例为每个节点设置最佳光照强度条件，即根据节点所对应设备对光照强度的敏感度，设置最佳光照强度区间。

摄影就是光与影的操作，光线在摄影中有重要的表达性，在生活中有的光是刺眼的、聚集的、直接的、给人的感觉比较硬；有的光是比较柔和的、散射的、间接的、给人的感觉较软；不同的光不仅影响着画面中主体的形状、色彩、影调还会影响其立体感；光线暗，影像不清楚，光线过强，影像花白，顺光、逆光也影响拍照效果。

但是，并不是光照强度越强图像质量就越好，在遇到强光照的情况下，会出现过度曝光，特别是表面颜色比较鲜艳、对光照反射强的设备；所以不同设备对光照强度的敏感度不同，其采集图像的最佳光照强度条件也就不同。

具体的，光照强度的计量单位为“勒克斯”，简称“勒”，单位符号为“lx”，为节点集合N中的每个设备，设置采集图像的最佳光照强度条件，例如，对光照强度敏感高的设备，对光照强度的要求高，将其最佳光照强度区间设置为1000lx-10000lx，对光照强度敏感低的设备，对光照强度的要求不高，可以将其最佳光照强度区间适当放宽，设置为50lx-10000lx，用最佳光照强度区间，来量化不同设备对光照强度的敏感度。

步骤S2：采用改进的蚁群算法对变电站路径无向图中各个节点间的信息素值进行迭代更新，直到满足迭代停止条件；迭代停止时，信息素值最大的路径为最优路径。

基于步骤S1中构建的最佳光照强度条件，对常规蚁群算法进行改进：实时获取天气预报信息中的光照强度，根据节点的最佳光照强度条件、预报的光照强度和节点间的距离，对节点间的信息素进行更新，具体步骤为：

步骤S201：实时获取天气预报信息中的光照强度，机器人在开始对变电站进行巡检前，接入互联网获取天气预报信息中的光照强度。

具体的，获取变电站所在区域的光照强度，例如，光照强度为400l x。

步骤S202：基于节点的最佳光照强度条件和天气预报信息中的光照强度，计算节点的巡检优先级，提高节点在最佳光照强度条件下巡检的概率。

鉴于不同设备对光照强度的敏感度不同，每个设备的最佳光照强度条件也不同，巡检优先级的计算规则为：

当前天气预报信息中的光照强度在节点的最佳巡检区间中，则节点的巡检优先级为第一优先级，否则为第二优先级，第一优先级的数值大于第二优先级的数值，本实施例中，第一优先级和第二优先级的值分别设置为2和1，可以根据效果适当调整。

当前的光照强度为400l x，最佳光照强度区间为1000l x-10000l x的设备，不满足最佳条件，则节点的巡检优先级为第二优先级，而对于最佳光照强度区间为50l x-10000l x的设备，满足最佳条件，则节点的巡检优先级为第一优先级。

步骤S203：基于变电站路径无向图和节点的巡检优先级，初始化改进的蚁群算法，根据巡检优先级和节点间的距离，计算节点的选择概率，迭代更新节点间的信息素，直到满足迭代停止条件；迭代停止时，信息素值最大的路径为最优路径，通常的迭代停止条件，为迭代次数达到上限或最优路径不再变更。蚁群算法的关键部分是节点的选择和信息素的更新，下面从这两个关键部分详细说明改进的内容。

(1)节点的选择

每个蚂蚁随机选择一个设备作为起点，并维护一个路径记忆向量，用来存放该蚂蚁依次经过的节点；蚂蚁在构建路径的每一步，也就是节点选择中，按照一个选择概率选择下一个要到达的节点，选择概率的计算公式为：

其中，表示蚂蚁k在时间t时选择从节点i走到节点j的概率，τ_ij表示由节点i到节点j的信息素浓度，allowed_k表示尚未访问过的节点集合，δ_ij表示启发函数，在本实施例中，启发函数是两个节点之间的距离的倒数ρ_i()表示时间t时的光照强度下节点j的巡检优先级，α、β、γ为常数，分别表示信息素、启发函数和巡检优先级的因子。

公式(1)计算当前点到每一个可能的下一个节点的概率，分子是信息素强度、启发函数和巡检优先级的幂乘积，而分母则是所有分子的和值；每次选择好节点后，从尚未访问过的节点集合allowed_k中移除选择的节点。

(2)信息素的更新

信息素的更新是群蚁算法的核心，算法初始化的阶段，每个节点都有一个固定的信息素浓度值，在每一次迭代完成之后，即所有出去的蚂蚁回来后，会对所走过的路线进行计算，然后更新相应边的信息素浓度。

信息素浓度与蚂蚁所走的路径长度和节点是否在最佳光照强度条件下巡检有关，经过一次次的迭代，近距离的最佳光照强度条件下的线路的浓度会很高，从而得到近似最优解，其中，节点是否在最佳光照强度条件下巡检用巡检优先级表示，巡检优先级越高，节点在最佳光照强度条件下巡检的概率越高。

信息素浓度初始值，影响算法的准确性和性能；初始值太小，使得每次信息素挥发和增强的值都差不多，一些小概率的事件发生就会增加非最优路径的信息素浓度，算法容易早熟，出现局部最优的问题；如果初始值太大，信息素对搜索方向的指导性作用减低，影响算法性能；本实施例使用贪婪算法获取一个路径值C_nn，然后根据蚂蚁个数来计算每条边的信息素浓度初始值τ_ij(0)，具体公式为：

其中，m为蚂蚁个数，ρ_j(0)表示初始时的天气条件下节点j的巡检优先级。

每一轮过后，所有路径上的信息素都会发生挥发,然后，所有的蚂蚁根据自己构建的路径长度和节点是否在最佳光照强度条件下巡检，在它们本轮经过的边上释放信息素，公式如下：

其中，τ_ij(t)表示时间t时由节点i到节点j的信息素浓度，0<≤1为信息素挥发的因子，本实施例中，设置为0.5，τ_ij(t-1)表示时间t-1时由节点i到节点j的信息素浓度，m为蚂蚁个数，表示蚂蚁j在节点i到节点j所留下来的信息素，具体公式为：

其中，C_k表示蚂蚁k所走的路径长度，ρ_k表示蚂蚁k所走的路径中符合最佳光照强度条件的程度，即蚂蚁k所走的路径中节点巡检优先级之和，E_k表示蚂蚁k所走的路径，即边集合。

基于上述两个方面的改进，蚁群算法寻优的具体步骤为：

(1)初始化参数

包括蚂蚁数量、信息素因子、启发函数因子、巡检优先级因子、信息素挥发因子、信息素浓度初始值、最大迭代次数等等。

(2)构建解空间

将各个蚂蚁随机地放置在不同的出发点，对于每个蚂蚁K(k＝1,2,3，...m),选择其下一个待访问的节点，直到所有蚂蚁访问完所有的节点。

(3)更新信息素：计算各个蚂蚁经过的路径长度和节点巡检优先级之和，记录当前迭代次数中的最优解，同时，对各个节点连接路径上的信息素浓度进行更新。

(4)判断是否终止：若迭代次数小于最大迭代次数加一，清空蚂蚁经过路径的路径记忆向量，返回步骤(2)，否则终止计算，输出最优解。

本实施例考虑光照强度对摄像机等设备采集图像质量的影响，预先设置节点的最佳光照强度区间，通过实时获取的天气预报信息中的光照强度与最佳光照强度区间的比较，确定节点的巡检优先级，并引入到蚁群算法中，对蚁群算法的节点选择和信息素更新进行改进，使得蚁群寻优的过程中，基于路径长度和节点的巡检优先级，得到最优的巡检路径。

实施例二

本实施例公开了一种变电站内巡检机器人路径规划系统；

如图2所示，一种变电站内巡检机器人路径规划系统，包括无向图构建模块和路径寻优模块：

无向图构建模块，被配置为：构建变电站路径无向图，并设置变电站路径无向图中各个节点的最佳光照强度条件；

路径寻优模块，被配置为：采用改进的蚁群算法对变电站路径无向图中各个节点间的信息素值进行迭代更新，直到满足迭代停止条件；迭代停止时，信息素值最大的路径为最优路径；

其中，所述改进的蚁群算法，实时获取天气预报信息中的光照强度，根据节点的最佳光照强度条件、预报的光照强度和节点间的距离，对节点间的信息素进行更新。

实施例三

本实施例的目的是提供计算机可读存储介质。

计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开实施例一所述的一种变电站内巡检机器人路径规划方法中的步骤。

实施例四

本实施例的目的是提供电子设备。

电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例一所述的一种变电站内巡检机器人路径规划方法中的步骤。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种变电站内巡检机器人路径规划方法，其特征在于，包括：

构建变电站路径无向图，并设置变电站路径无向图中各个节点的最佳光照强度条件；

采用改进的蚁群算法对变电站路径无向图中各个节点间的信息素值进行迭代更新，直到满足迭代停止条件；迭代停止时，信息素值最大的路径为最优路径；

其中，所述改进的蚁群算法，实时获取天气预报信息中的光照强度，根据节点的最佳光照强度条件、预报的光照强度和节点间的距离，对节点间的信息素进行更新；具体为：

当前天气预报信息中的光照强度在节点的最佳光照强度区间中，则节点的巡检优先级为第一优先级，否则为第二优先级，第一优先级的数值大于第二优先级的数值；

使用贪婪算法获取一个路径值C_nn，然后根据蚂蚁个数来计算每条边的信息素浓度初始值τ_ij(0)，具体公式为：

其中，m为蚂蚁个数，ρ_j(0)表示初始时的天气条件下节点j的巡检优先级；

每一轮过后，所有路径上的信息素都会发生挥发,然后，所有的蚂蚁根据自己构建的路径长度和节点是否在最佳光照强度条件下巡检，在它们本轮经过的边上释放信息素，公式如下：

其中，τ_ij(t)表示时间t时由节点i到节点j的信息素浓度，0<ε≤1为信息素挥发的因子，τ_ij(t-1)表示时间t-1时由节点i到节点j的信息素浓度，m为蚂蚁个数，表示蚂蚁k在节点i到节点j所留下来的信息素，具体公式为：

其中，C_k表示蚂蚁k所走的路径长度，ρ_k表示蚂蚁k所走的路径中符合最佳光照强度条件的程度，即蚂蚁k所走的路径中节点巡检优先级之和，E_k表示蚂蚁k所走的路径，即边集合。

2.如权利要求1所述的一种变电站内巡检机器人路径规划方法，其特征在于，所述变电站路径无向图，具体为：

以待巡检设备为节点，相邻的两个设备之间构建边，边的长度为两个设备之间的距离。

3.如权利要求1所述的一种变电站内巡检机器人路径规划方法，其特征在于，所述节点的最佳光照强度条件，根据节点所对应设备对光照强度的敏感度，设置最佳光照强度区间。

4.如权利要求1所述的一种变电站内巡检机器人路径规划方法，其特征在于，所述实时获取天气预报信息中的光照强度，机器人在开始对变电站进行巡检前，接入互联网获取分时段的天气预报信息中的光照强度。

5.如权利要求3所述的一种变电站内巡检机器人路径规划方法，其特征在于，所述根据节点的最佳光照强度条件、预报的光照强度和节点间的距离，对节点间的信息素进行更新，具体为：

基于节点的最佳光照强度区间和天气预报信息中的光照强度，计算节点的巡检优先级；

根据巡检优先级和节点间的距离，计算节点的选择概率，基于节点的选择，更新节点间的信息素。

6.一种变电站内巡检机器人路径规划系统，基于如权利要求1-5任一项所述的一种变电站内巡检机器人路径规划方法，其特征在于，包括无向图构建模块和路径寻优模块：

所述无向图构建模块，被配置为：构建变电站路径无向图，并设置变电站路径无向图中各个节点的最佳光照强度条件；

所述路径寻优模块，被配置为：采用改进的蚁群算法对变电站路径无向图中各个节点间的信息素值进行迭代更新，直到满足迭代停止条件；迭代停止时，信息素值最大的路径为最优路径；

其中，所述改进的蚁群算法，实时获取天气预报信息中的光照强度，根据节点的最佳光照强度条件、预报的光照强度和节点间的距离，对节点间的信息素进行更新。

7.一种电子设备，其特征是，包括：

存储器，用于非暂时性存储计算机可读指令；以及

处理器，用于运行所述计算机可读指令，

其中，所述计算机可读指令被所述处理器运行时，执行上述权利要求1-5任一项所述的方法。

8.一种存储介质，其特征是，非暂时性地存储计算机可读指令，其中，当所述非暂时性计算机可读指令由计算机执行时，执行权利要求1-5任一项所述方法的指令。