變電站巡檢機(jī)器人路徑的人工魚群算法規(guī)劃

趙 巖， 包清華

(黑龍江科技大學(xué) 電氣與控制工程學(xué)院， 哈爾濱 150022)

0 引 言

變電站作為輸配電過程的重要一環(huán)，在保證電力系統(tǒng)正常工作和安全運(yùn)行的同時(shí)，也要為其內(nèi)的電氣設(shè)備運(yùn)行提供安全保障，防止其出現(xiàn)電力事故[1-2]。因此，對變電站內(nèi)的設(shè)備執(zhí)行周期的巡檢尤為必要。變電站的巡檢大多依靠人工來執(zhí)行，人工巡檢時(shí)工作效率低，會(huì)受到惡劣環(huán)境和天氣的限制，具有一定的危險(xiǎn)性[3-4]。但隨著智能化電網(wǎng)的提出，越來越多的變電站應(yīng)用巡檢機(jī)器人來完成變電站電氣設(shè)備的檢查工作，這樣既提高了巡檢效率，又不會(huì)受到惡劣環(huán)境和天氣的影響，還保障了安全性[5]。

將巡檢機(jī)器人應(yīng)用于變電站的設(shè)備巡查關(guān)鍵就是對巡檢路線的規(guī)劃，這是保證巡檢效率和順利完成檢測設(shè)備的基礎(chǔ)[6]。眾多國內(nèi)外研究人員就巡檢機(jī)器人如何選擇和規(guī)劃出最優(yōu)的巡檢路徑指明了一些方案，張營等[7-8]提出模糊控制算法和Hopfield神經(jīng)網(wǎng)絡(luò)，解決了在規(guī)劃路徑時(shí)對環(huán)境依賴性強(qiáng)的問題，但是有部分規(guī)劃出的路徑不合理，僅考慮了巡檢點(diǎn)之間的直接連接，而未考慮到設(shè)備所處位置的影響。路浩等[9]針對機(jī)器人在巡檢過程中有著路網(wǎng)限制和頻繁啟停能耗大等不足，提出以圖論法建模，以最短耗時(shí)為目標(biāo)，結(jié)合改進(jìn)蟻群算法和貪婪思想得到巡檢的最優(yōu)路徑，但是該優(yōu)化算法也存在不足之處，可能會(huì)出現(xiàn)最優(yōu)解不是全局最優(yōu)。劉勝等[10]提出了一種改進(jìn)蟻群-粒子群算法用于變電站巡檢機(jī)器人的路徑規(guī)劃，該方法有很好的收斂速度，也可以防止規(guī)劃時(shí)陷入局部最優(yōu)，但是存在最優(yōu)路徑冗長的問題。王坤[11]給出了一種柵格方法進(jìn)行環(huán)境建模，利用蟻群算法進(jìn)行變電站巡檢的路徑規(guī)劃，可以找到巡檢的最優(yōu)路徑，但存在搜索時(shí)間過長的不足。薛陽等[12]針對變電站的特殊巡檢提出了一種改進(jìn)蟻群-蜂群融合算法，該法可以很好地應(yīng)用于大型復(fù)雜變電站的巡檢路徑規(guī)劃，但是對于小型結(jié)構(gòu)簡單的變電站巡檢存在巡檢時(shí)間偏長的不足，而且該方法并未對變電站的日常常規(guī)巡檢進(jìn)行可行性研究。

基本人工魚群算法在解決路徑規(guī)劃問題時(shí)有著很好全局尋優(yōu)能力，不需要詳細(xì)的機(jī)理模型，但也存在著規(guī)劃路徑時(shí)尋優(yōu)精度不高，易進(jìn)入局部最優(yōu)和后期收斂速度慢等不足。針對該問題筆者提出了一種基于柵格法建立環(huán)境模型，利用改進(jìn)的人工魚群算法實(shí)現(xiàn)巡檢機(jī)器人的巡檢路線規(guī)劃方法。

1 巡檢環(huán)境模型的創(chuàng)建

1.1 柵格地圖

通過柵格法和巡檢環(huán)境構(gòu)建基本的地圖模型，其是將變電站的環(huán)境變換為巡檢機(jī)器人能夠認(rèn)識(shí)的數(shù)學(xué)語言，也是區(qū)分環(huán)境中能行駛的巡檢區(qū)域和電氣設(shè)備區(qū)域。采用柵格法將機(jī)器人工作的實(shí)際三維環(huán)境轉(zhuǎn)換成二維平面環(huán)境，以面積相同，大小合適的柵格分隔二維平面各工作區(qū)域[13]。以平面建立坐標(biāo)系，其中，黑色柵格代表電氣設(shè)備所在區(qū)域，白色柵格代表能走動(dòng)的區(qū)域。劃分標(biāo)準(zhǔn)是采用二進(jìn)制數(shù)0和1表示不同的區(qū)域，由于柵格法建模簡單快捷，而且用柵格法建立環(huán)境更加貼近實(shí)際，可以較好反映出電氣設(shè)備所在的位置，為了更加貼近實(shí)際一般會(huì)在電氣設(shè)備的實(shí)際邊界的基礎(chǔ)上增加一個(gè)電氣絕緣的安全距離。以圖1 220 kV變電站為例，考慮實(shí)際的變電站情況，除了有高壓電氣設(shè)備，還應(yīng)該將變電站中的警示牌、圍欄、草坪、綠化帶、溝壑等考慮在內(nèi)，將其轉(zhuǎn)化為柵格圖中的其他障礙物。柵格地圖如圖2所示。

圖1 變電站裝置區(qū)分布Fig. 1 Distribution map of substation area

圖2 柵格模擬地圖Fig. 2 Grid simulation map

如何對創(chuàng)建的柵格模擬地圖進(jìn)行標(biāo)識(shí)，分為序號(hào)法和直角坐標(biāo)法，文中采用的是序號(hào)法[14]。序號(hào)法就是將原點(diǎn)柵格標(biāo)號(hào)為1，然后按照從下向上、從左至右的順序?qū)鸥褚来螛?biāo)號(hào)，如圖3所示。此外，文中所指的位置點(diǎn)是根據(jù)行列關(guān)系來標(biāo)注的，如(14,1)表示的是第14行第1列的位置。

圖3 柵格標(biāo)號(hào)示例Fig. 3 Grid label example

根據(jù)實(shí)際情況，人工魚群算法在柵格地圖環(huán)境下的適用性，巡檢機(jī)器人的可移動(dòng)方向是8個(gè)，分別是上、下、左、右、上左、上右、下左、下右，如圖4所示。機(jī)器人僅能在白色柵格之間行走，不可以跨越或碰撞到黑色柵格代表的電氣設(shè)備。

圖4 可運(yùn)動(dòng)的方向Fig. 4 Moving direction

另外，在柵格環(huán)境中的人工魚群算法，如果人工魚的當(dāng)前位置狀態(tài)為(xi,yi)，目標(biāo)位置狀態(tài)為(xg,yg)，則尋優(yōu)標(biāo)準(zhǔn)函數(shù)為

(1)

式(1)是以食物濃度的大小作為計(jì)算巡檢路線長短的標(biāo)準(zhǔn)。

1.2 巡檢類型

巡檢機(jī)器人主要是對其所在變電站進(jìn)行常規(guī)巡檢和特殊巡檢。常規(guī)巡檢是指正常情況下每天日常檢測，確保電力系統(tǒng)的安全穩(wěn)定運(yùn)行。特殊巡檢是指在特殊情況下，機(jī)器人可以從當(dāng)前所處的位置到達(dá)指定的電氣設(shè)備處進(jìn)行巡視檢測[15]。特殊巡檢分為單一設(shè)備巡檢和多設(shè)備巡檢。

2 人工魚群算法的巡檢路線規(guī)劃

2.1 人工魚群算法

將人工魚的個(gè)體狀態(tài)用向量X=(x1,x2,…,xn)表示,其中，xi(i=1,2,…,n)則是指每條要尋優(yōu)的人工魚，魚群的數(shù)量為N，Y=f(X)為當(dāng)前人工魚所處位置的食物濃度，也就是目標(biāo)函數(shù)值。此外，用v代表人工魚的視野范圍，s代表人工魚移動(dòng)的最大步長，δ代表著擁擠度因子的大小，nt是人工魚的最大實(shí)驗(yàn)次數(shù)，|Xj-Xi|指的是第j條人工魚和第i條人工魚之間的歐氏距離[16]。

(1)覓食行為 設(shè)人工魚的當(dāng)前位置狀態(tài)為Xi，對應(yīng)食物濃度為Yi，在它的視野范圍內(nèi)通過隨機(jī)搜索找到一個(gè)新的位置狀態(tài)Xj，對應(yīng)食物濃度為Yj、Xj的確定方式為

Xj=Xi+vRand(0,1)。

(2)

如果Yj>Yi，并且是在最大實(shí)驗(yàn)次數(shù)nt內(nèi)找到的，則表明搜索到的新位置狀態(tài)要比當(dāng)前位置狀態(tài)更優(yōu)，人工魚就會(huì)向前移動(dòng)一步，有

(3)

如果在最大實(shí)驗(yàn)次數(shù)內(nèi)未找到比當(dāng)前位置狀態(tài)更優(yōu)的狀態(tài)，則會(huì)執(zhí)行隨機(jī)行為。

(4)

若食物量和空間上的情況相反則會(huì)去執(zhí)行覓食行為。

(3)追尾行為 記人工魚的當(dāng)前狀態(tài)為Xi，搜尋當(dāng)前鄰域內(nèi)(dijδYi，則說明尋找到的新狀態(tài)具有較高的食物濃度而且還不太擁擠，則會(huì)沿著這個(gè)方向前進(jìn)，即

(5)

否則，同樣執(zhí)行覓食行為。

(4)隨機(jī)行為 隨機(jī)行為是魚類最基本的一種行為，可以大面積地尋找伙伴或食物，可以有效避開局部最優(yōu)[17]。隨機(jī)行為實(shí)現(xiàn)較為簡單，就是在視野中隨機(jī)選擇一個(gè)狀態(tài)，然后向該方向移動(dòng)，它只是覓食行為的一個(gè)缺省行為，有

(6)

2.2 改進(jìn)人工魚群算法

在基本人工魚群算法中，魚群的視野范圍以及擁擠度因子都是提前設(shè)定好的固定值，存在全局優(yōu)化時(shí)精度不高，容易陷入局部最優(yōu)，在算法后期收斂速度慢等問題。文中提出改進(jìn)視野和擁擠度因子函數(shù)，引入轉(zhuǎn)換因子解決此問題。

在基本人工魚群算法中，當(dāng)魚群視野較大時(shí)，有利于前期信息的大規(guī)模搜索，但是不利于算法后期對所獲信息進(jìn)行快速收斂；反之，小視野不利于前期大規(guī)模搜索，但有利后期的小規(guī)模搜索并加快收斂。魚群視野范圍的選取應(yīng)該遵循先大后小的原則，為此，通過引入一個(gè)動(dòng)態(tài)視野函數(shù)來優(yōu)化視野參數(shù)：

(7)

式中：vin——視野初始值；

t——當(dāng)前迭代次數(shù)；

nmax——最大迭代次數(shù)；

λ——調(diào)整系數(shù)。

式(7)可以保證隨著算法的運(yùn)行，魚群的視野會(huì)相應(yīng)的縮減，保障大范圍搜索下的全局尋優(yōu)和精確度，以及收斂速度。

算法中擁擠度因子的設(shè)定應(yīng)該遵循先小后大的原則，這樣可以保障在利用人工魚群算法進(jìn)行路徑規(guī)劃時(shí)，前期能夠分散搜索，不易陷入局部最優(yōu)，后期更易于向目標(biāo)位置收斂，從而找出最優(yōu)路徑。實(shí)現(xiàn)方法是引入基于泊松方程的擁擠度因子函數(shù)，即

(8)

式中，δin——擁擠度因子初始值。

式(8)隨算法的運(yùn)行，保證了擁擠度因子前期小后期大，進(jìn)而保障了分散搜索與收斂速度。引入轉(zhuǎn)換因子θ，設(shè)置一個(gè)覓食行為執(zhí)行的最大次數(shù)，一旦達(dá)到最大執(zhí)行次數(shù)就轉(zhuǎn)換為去執(zhí)行聚群行為、追尾行為，擇優(yōu)選擇，這樣既可以防止進(jìn)入局部最優(yōu)，也可以加快算法收斂速度。

算法執(zhí)行步驟如下：

(1)輸入環(huán)境數(shù)據(jù)，生成環(huán)境地圖模型，即劃分出可行域和電氣設(shè)備所在的障礙域以及確定機(jī)器人行走的起點(diǎn)和目標(biāo)點(diǎn)。

(2)設(shè)定人工魚群初始參數(shù)，即魚群規(guī)模N、人工魚視野vin、擁擠度因子δin、最大移動(dòng)步長s、最大實(shí)驗(yàn)次數(shù)nt、最大迭代次數(shù)nmax和轉(zhuǎn)換因子θ。

(3)在給定的環(huán)境條件下初始化魚群。

(4)經(jīng)過初始化后，魚群根據(jù)所處當(dāng)前位置狀態(tài)選擇執(zhí)行覓食行為、聚群行為和追尾行為，評(píng)價(jià)執(zhí)行結(jié)果，選擇最優(yōu)行為執(zhí)行。若都不滿足，則執(zhí)行隨機(jī)行為，隨著迭代次數(shù)的增加，相應(yīng)變化視野和擁擠度因子的大小。

(5)執(zhí)行完魚群選擇的行為后，檢驗(yàn)自身位置狀態(tài)，若優(yōu)于當(dāng)前，則需要進(jìn)行數(shù)據(jù)的更新。

(6)判斷是否達(dá)到了最大迭代次數(shù)，若達(dá)到了，則輸出最優(yōu)路徑；否則，迭代次數(shù)變?yōu)間=g+1，返回第(4)步。

3 常規(guī)與特殊巡檢的仿真

首先設(shè)置巡檢機(jī)器人運(yùn)動(dòng)的環(huán)境為30 mm×30 mm的柵格地圖，基本人工魚群算法設(shè)置參數(shù)：起點(diǎn)的設(shè)置也就是充電室的位置是位于(30,1)，目標(biāo)點(diǎn)會(huì)因巡檢類型的不同略有差異，在常規(guī)巡檢時(shí)起點(diǎn)也就是終點(diǎn)，而特殊巡檢是指定位置點(diǎn)。人工魚的數(shù)量N=50，視野v=20，最大實(shí)驗(yàn)次數(shù)nt=8，擁擠度因子δ=0.618，最大迭代次數(shù)nmax=100。改進(jìn)人工魚群算法的參數(shù)設(shè)置視野初值vin=30，擁擠度因子δin=0.01、θ=8，其他參數(shù)無變化。

3.1 常規(guī)巡檢

常規(guī)巡檢是指巡檢機(jī)器人每天都要進(jìn)行的日常巡檢工作，即讓機(jī)器人從充電室出發(fā)，歷遍變電站內(nèi)所有的電力設(shè)備，最終返回充電室[18]。首先設(shè)置好需要巡檢的任務(wù)點(diǎn)，當(dāng)系統(tǒng)下發(fā)巡檢任務(wù)時(shí)，利用人工魚群算法規(guī)劃出一條能從充電室出發(fā)經(jīng)歷每個(gè)需要檢測的任務(wù)點(diǎn)，當(dāng)所有任務(wù)都檢測完畢后再回到充電室。將此過程通過人工魚群算法來實(shí)現(xiàn)，以柵格模擬環(huán)境為背景進(jìn)行仿真，同時(shí)，將基本人工魚群算法與改進(jìn)人工魚群算法作對比，仿真結(jié)果如圖5所示。圖中，三角形標(biāo)識(shí)是機(jī)器人所要巡檢的任務(wù)點(diǎn)。

由圖5可見，基本人工魚群算法在常規(guī)巡檢中會(huì)出現(xiàn)短暫陷入局部最優(yōu)的情況，導(dǎo)致路徑的長度和運(yùn)行時(shí)間增加，但是改進(jìn)的人工魚群算法可以很好避免這個(gè)問題。算法對比結(jié)果如表1所示。

圖5 常規(guī)巡檢路徑規(guī)劃Fig. 5 Routine inspection route planning

表1 常規(guī)巡檢路徑長度和算法運(yùn)行時(shí)間對比

3.2 特殊巡檢

特殊巡檢就是在特殊情況下，即對一些容易受溫度、強(qiáng)電場、強(qiáng)磁場干擾的設(shè)備或者經(jīng)常處于高負(fù)荷運(yùn)行的設(shè)備，必須要求機(jī)器人對這類設(shè)備給予高度重視，需要頻繁的巡視檢查[19]。提前設(shè)置好需要機(jī)器人去巡檢的設(shè)備點(diǎn)，再將這些設(shè)置好的巡檢設(shè)備點(diǎn)虛擬到柵格環(huán)境地圖中，然后機(jī)器人就可以通過運(yùn)行人工魚群算法快速自主尋找到一條可以經(jīng)過所有需要被巡視的點(diǎn)的最佳路線。在此處將特殊巡檢分為單一設(shè)備巡檢和多設(shè)備巡檢兩種方式進(jìn)行仿真。

3.2.1 單一設(shè)備巡檢

單一設(shè)備巡檢是指當(dāng)某個(gè)設(shè)備處于用電高峰期，即長時(shí)間處在一個(gè)高負(fù)荷運(yùn)行狀態(tài)，又或是新加入運(yùn)營的設(shè)備要著重關(guān)注時(shí)，需要進(jìn)行定期巡檢[20]。設(shè)置的基礎(chǔ)參數(shù)與常規(guī)巡檢參數(shù)相同，但是巡檢的電氣設(shè)備點(diǎn)更換成一個(gè)，即充電室為運(yùn)動(dòng)的起點(diǎn)，終點(diǎn)為要巡檢的設(shè)備點(diǎn)，此處設(shè)置為(1,30)，仿真結(jié)果如圖6所示。算法對比結(jié)果如表2所示。

圖6 單一設(shè)備巡檢路徑規(guī)劃Fig. 6 Inspection path planning of single equipment

表2 單設(shè)備巡檢路徑長度和算法運(yùn)行時(shí)間對比

由圖6可見，基本人工魚群算法因?yàn)橐曇昂蛽頂D度因子為固定值，導(dǎo)致全局尋優(yōu)過程中尋優(yōu)精度不高，使路線多次出現(xiàn)折返，改進(jìn)人工魚群算法很好地避免了該問題。由表2可知，改進(jìn)人工魚群算法相較于基本人工魚群算法，路徑長度縮短了10.4%，運(yùn)行時(shí)間減少了8%。

3.2.2 多設(shè)備任務(wù)巡檢

多設(shè)備巡檢[20]是指當(dāng)某些設(shè)備長期處在一種不間斷運(yùn)行狀態(tài)時(shí)出現(xiàn)的溫度升高，或是遇到極端天氣，需要對其進(jìn)行巡查檢測。同樣人工魚群算法的基礎(chǔ)參數(shù)不作變動(dòng)，更改要巡檢點(diǎn)的坐標(biāo)位置，文中多設(shè)備巡檢點(diǎn)分別設(shè)置為(27,5)、(16,17)、(10,23)、(2,26)、(1,30)，仿真結(jié)果如圖7所示。多設(shè)備巡檢路徑長度和算法運(yùn)行時(shí)間對比如表3所示。通過對比可以看出，由于基本人工魚群算法中擁擠度因子的取值固定，使在搜索最優(yōu)解的過程中尋優(yōu)精度降低，從而導(dǎo)致路徑中轉(zhuǎn)折點(diǎn)偏多，增加了路徑長度和搜索時(shí)間，而改進(jìn)人工魚群算法很好改善了該問題。

圖7 多設(shè)備巡檢路徑規(guī)劃Fig. 7 Inspection path planning of multi-equipment

表3 多設(shè)備巡檢路徑長度和算法運(yùn)行時(shí)間對比

由表3可知，改進(jìn)人工魚群算法相較于基本人工魚群算法，在多設(shè)備巡檢時(shí)，路徑長度縮短了4.7%，運(yùn)行時(shí)間減少了19.4%。通過與基本蟻群算法多設(shè)備巡檢的對比可以得出，改進(jìn)人工魚群算法在路徑長度上優(yōu)勢不明顯，只優(yōu)化了0.88%，但是在運(yùn)行時(shí)間上效果顯著，減少了81.3%。與改進(jìn)蟻群算法相比，改進(jìn)人工魚群算法在巡檢路徑長度上效果不如改進(jìn)蟻群算法，但在運(yùn)行時(shí)間上改進(jìn)人工魚群算法效果顯著，相比之下減少了77.4%。

4 結(jié) 論

(1)為了使巡檢機(jī)器人更好勝任變電站的巡檢工作，提出了改進(jìn)人工魚群算法規(guī)劃巡檢的最優(yōu)路徑，解決了基本人工魚群算法在尋優(yōu)時(shí)存在全局尋優(yōu)精度低，易陷入局部最優(yōu)，且在算法后期收斂速度慢等問題。

(2)提出的改進(jìn)人工魚群算法，通過常規(guī)巡檢與特殊巡檢的仿真對比，驗(yàn)證了改進(jìn)人工魚群算法的巡檢路線長度和運(yùn)行時(shí)間均小于基本人工魚群算法。同時(shí)，在多設(shè)備巡檢中，通過與蟻群算法的對比，也驗(yàn)證了改進(jìn)人工魚群算法應(yīng)用在巡檢路徑規(guī)劃時(shí)間上的優(yōu)越性，提高了77.4%。