機(jī)器人神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制下的新能源電力場站巡檢技術(shù)

徐 波，劉 凱

(國網(wǎng)江西省電力有限公司 檢修分公司，江西 南昌 330096)

新能源電力場安全管理是實(shí)現(xiàn)電能穩(wěn)定傳輸?shù)年P(guān)鍵。隨著電網(wǎng)信息化與現(xiàn)代化的發(fā)展，傳統(tǒng)人工巡檢方式已經(jīng)無法適應(yīng)電網(wǎng)發(fā)展速度。該種巡檢方式需要工作人員全天候在線監(jiān)測，不但容易導(dǎo)致巡檢員受傷，還會(huì)因?yàn)槿藛T疲憊造成漏檢，不能準(zhǔn)確識(shí)別變電站的安全隱患。在此背景下，巡檢機(jī)器人逐漸取代人工巡檢方式。電力場環(huán)境下的巡檢機(jī)器人通常為四輪智能機(jī)器人，屬于一種非常典型的多輸入和多輸出的非線性系統(tǒng)。由于電力場地形復(fù)雜，巡檢范圍大，因此巡檢機(jī)器人的精確穩(wěn)定控制已經(jīng)成為該領(lǐng)域進(jìn)一步發(fā)展的關(guān)鍵。

當(dāng)前一些相關(guān)學(xué)者已經(jīng)針對(duì)巡檢機(jī)器人控制技術(shù)進(jìn)行了研究，例如，王建邦等[1]提出了基于數(shù)據(jù)驅(qū)動(dòng)無模型的巡檢機(jī)器人控制方式。利用閉環(huán)設(shè)計(jì)思想，根據(jù)巡檢機(jī)器人位姿跟蹤誤差和無模型自適應(yīng)控制算法完成內(nèi)、外環(huán)設(shè)計(jì)，跟蹤巡檢機(jī)器人虛擬參考速度，達(dá)到控制目的。Lennox等[2]利用在線檢測巡檢機(jī)器人和微波反射儀對(duì)非金屬管道進(jìn)行了無損檢測，并對(duì)其檢測過程進(jìn)行了控制和分析。

上述方法雖然能夠順利完成巡檢工作，但是沒有考慮對(duì)道路場景的識(shí)別，巡檢機(jī)器人難以準(zhǔn)確預(yù)測所處環(huán)境，降低了環(huán)境自適應(yīng)能力[3]。智能學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法在自適應(yīng)目標(biāo)檢測與識(shí)別領(lǐng)域具有很大優(yōu)勢，為了使巡檢機(jī)器人更好地執(zhí)行巡檢任務(wù)，本文在神經(jīng)網(wǎng)絡(luò)控制下完成巡檢機(jī)器人巡檢工作[4]。將巡檢機(jī)器人采集到的圖像信息作為神經(jīng)網(wǎng)絡(luò)模型的輸入，經(jīng)過誤差訓(xùn)練等過程，提高網(wǎng)絡(luò)精度與泛化能力[5]，補(bǔ)償控制誤差，輸出最終控制結(jié)果。巡檢機(jī)器人按照輸出結(jié)果規(guī)劃軌跡，即可完成巡檢任務(wù)。該方法不僅提高了電力場的安全性，也能促進(jìn)電網(wǎng)的現(xiàn)代化發(fā)展。

1 機(jī)器人神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制技術(shù)

1.1 巡檢機(jī)器人結(jié)構(gòu)分析與動(dòng)力學(xué)建模

1.1.1 工作巡檢機(jī)器人系統(tǒng)結(jié)構(gòu)

巡檢機(jī)器結(jié)構(gòu)包括本體、充電設(shè)備[6]以及監(jiān)控系統(tǒng)，如圖1所示。其中，充電設(shè)備安放在充電屋內(nèi)，為巡檢機(jī)器人充電提供安全舒適的環(huán)境，有助于延長巡檢機(jī)器人壽命。

圖1 巡檢機(jī)器人系統(tǒng)結(jié)構(gòu)Fig.1 System structure of patrol robot

在巡檢機(jī)器人本體結(jié)構(gòu)中，供電模塊可控制巡檢機(jī)器人的電壓與電流，保證巡檢工作正常；運(yùn)動(dòng)系統(tǒng)[7]是主要執(zhí)行機(jī)構(gòu)，能完成數(shù)據(jù)處理；檢測模塊則由攝像機(jī)、熱像儀等設(shè)備構(gòu)成；導(dǎo)航模塊通過雷達(dá)實(shí)現(xiàn)定位功能，為巡檢作業(yè)提供無軌化導(dǎo)航[8]。

巡檢機(jī)器人巡檢流程描述為：監(jiān)控端布置巡檢點(diǎn)位置并下達(dá)開始指令，巡檢機(jī)器人接收指令后，全局自適應(yīng)規(guī)劃路線，控制底盤運(yùn)動(dòng)，當(dāng)檢測到較大障礙物時(shí)，重新規(guī)劃路線；當(dāng)與巡檢點(diǎn)距離較近時(shí)，底盤做減速運(yùn)動(dòng)，直到到達(dá)指定地點(diǎn)。

1.1.2 巡檢機(jī)器人動(dòng)力學(xué)模型構(gòu)建

(1)

式中，W和M分別為移動(dòng)坐標(biāo)系和世界坐標(biāo)系；k為巡檢機(jī)器人運(yùn)動(dòng)時(shí)刻；θ(k)為巡檢機(jī)器人在時(shí)刻k的角度。

因巡檢機(jī)器人結(jié)構(gòu)復(fù)雜，質(zhì)量較大，所以選用Lagrange方程[10]構(gòu)建其動(dòng)力學(xué)模型：

(2)

式中，G為巡檢機(jī)器人總質(zhì)量；Gi為輪胎的質(zhì)量；Fdi為地面和輪胎之間的靜摩擦力[11]；Rin為2個(gè)輪胎的軸線距離；FNi為地面對(duì)輪胎的反作用力[12]；Jm為轉(zhuǎn)動(dòng)慣量；μ為摩擦系數(shù)；φ為車輪加速度。

1.2 機(jī)器人神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制流程

在分析巡檢機(jī)器人結(jié)構(gòu)的基礎(chǔ)上，利用神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制巡檢機(jī)器人巡檢路徑。整體巡檢技術(shù)結(jié)構(gòu)如圖2所示。

圖2 巡檢機(jī)器人巡檢技術(shù)分析Fig.2 Analysis on inspection technology of inspection robot

2 新能源電力場站巡檢技術(shù)的應(yīng)用

在上述結(jié)構(gòu)的基礎(chǔ)上，具體分析機(jī)器人神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制下的新能源電力場站巡檢技術(shù)。

2.1 環(huán)境信息采集與處理

(1)圖像采集。巡檢機(jī)器人利用攝像機(jī)采集環(huán)境信息，為解決圖像畸變問題[13]，實(shí)現(xiàn)信息全面采集，在巡檢機(jī)器人兩側(cè)安裝步進(jìn)電機(jī)[14]，讓CCD攝像機(jī)可以旋轉(zhuǎn)拍攝，將全部圖像拼接處理，得到新能源電場的全景圖像。圖像采集流程如圖3所示。

圖3 圖像采集流程Fig.3 Flow chart of image acquisition

圖像采集所使用的CCD攝像機(jī)型號(hào)為JS-W613H，該設(shè)備應(yīng)用于巡檢機(jī)器人系統(tǒng)中，可以在前端完成模擬視頻的拍攝，報(bào)警信號(hào)的產(chǎn)生，云臺(tái)、防護(hù)罩的控制，報(bào)警輸出等功能。攝像頭通過內(nèi)置CCD及輔助電路將現(xiàn)場情況拍攝成為模擬視頻電信號(hào)，經(jīng)同軸電纜傳輸。電動(dòng)變焦鏡頭將拍攝場景拉近、推遠(yuǎn)，并實(shí)現(xiàn)光圈、調(diào)焦等光學(xué)調(diào)整。在光源穩(wěn)定情況下，攝像機(jī)采集電力場環(huán)境圖像，通過模擬前端改善直流偏置現(xiàn)象，并對(duì)模擬信號(hào)做模數(shù)變換[15]，將獲取的圖像保存在儲(chǔ)存器中。

(2)歸一化處理。由于本文利用神經(jīng)網(wǎng)絡(luò)算法研究巡檢機(jī)器人巡檢技術(shù)，為保證輸入信息的合理性，需對(duì)所有圖像做歸一化處理[16]。假設(shè)m′×n′(m′>n′)表示圖像大小，s×s為歸一化之后的結(jié)果。則歸一化過程如下：任意選取某幅圖像，根據(jù)n′/s的比例將初始圖像兩邊縮放，去除多余部分。

(3)均質(zhì)化處理。如果圖像過暗，會(huì)影響神經(jīng)網(wǎng)絡(luò)模型的識(shí)別精度，為保證圖像光照均勻，有必要做均質(zhì)化處理[17]，計(jì)算全部圖像的均值數(shù)據(jù)。

根據(jù)計(jì)算結(jié)果，提高較暗圖像的像素值，有利于改善神經(jīng)網(wǎng)絡(luò)模型的識(shí)別精度。

2.2 神經(jīng)網(wǎng)絡(luò)控制下的巡檢技術(shù)實(shí)現(xiàn)

神經(jīng)網(wǎng)絡(luò)控制算法需要借助采集的圖像實(shí)現(xiàn)，如果圖像信息量較大，就必須擴(kuò)大神經(jīng)網(wǎng)絡(luò)模型的輸入層，但只擴(kuò)大輸入層，容易出現(xiàn)梯度擴(kuò)散現(xiàn)象，會(huì)增加網(wǎng)絡(luò)訓(xùn)練難度。為解決這一問題，本文增加卷積核[18]，構(gòu)成卷積神經(jīng)網(wǎng)絡(luò)。

網(wǎng)絡(luò)模型層次結(jié)構(gòu)與功能如下：①輸入層。接收輸入信息，如果信息為圖像，則接收二維像素值。②卷積層。提取圖像特征，包括真實(shí)卷積層和下采樣層，卷積核數(shù)量決定著信息特征量。其中下采樣層可減少數(shù)據(jù)處理量，加快網(wǎng)絡(luò)收斂。③輸出層。神經(jīng)元數(shù)量隨任務(wù)需求而改變，如果卷積層操作的是分類任務(wù)，此時(shí)輸出層發(fā)揮分類器的作用[19]。

利用神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制技術(shù)完成巡檢工作的主要步驟如下。

(1)步驟1：輸入與輸出確定。將巡檢機(jī)器人采集到的圖像信號(hào)y當(dāng)作輸入內(nèi)容，發(fā)送到控制器的輸入端，并將y發(fā)送到下一層：

(3)

式中，y′為卷積層輸出結(jié)果；f為激活函數(shù)[20]；wαβ為節(jié)點(diǎn)α和β的連接權(quán)重；yα為節(jié)點(diǎn)α的輸出值。

針對(duì)卷積層的輸出結(jié)果做線性化計(jì)算，將計(jì)算結(jié)果當(dāng)作權(quán)值輸出。

(2)步驟2：確定模型訓(xùn)練過程。梯度下降法應(yīng)用在神經(jīng)網(wǎng)絡(luò)中具有簡便、穩(wěn)定等優(yōu)勢。其目標(biāo)函數(shù)f(X)的定義域表示為：

(4)

式中，U為神經(jīng)網(wǎng)絡(luò)輸出的控制量；UN為網(wǎng)絡(luò)控制器的誤差補(bǔ)償量。

網(wǎng)絡(luò)模型訓(xùn)練過程如下：

(5)

(3)步驟3：控制結(jié)果輸出。經(jīng)過上述學(xué)習(xí)過程，神經(jīng)網(wǎng)絡(luò)的控制誤差得到有效補(bǔ)償，網(wǎng)絡(luò)最終輸出的結(jié)果即為控制量：

(6)

式中，b為偏置函數(shù)。

控制器根據(jù)神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果控制巡檢機(jī)器人的巡檢路徑，不僅能夠保證巡檢路徑最短，還能在遇到障礙物時(shí)實(shí)現(xiàn)自主避障。

3 仿真分析

為驗(yàn)證所提技術(shù)的可行性，搭建如圖4所示的仿真平臺(tái)。結(jié)合技術(shù)需要，嚴(yán)格選取如下設(shè)備：①光源類型。仿真平臺(tái)的照明系統(tǒng)選用的LED光源，屬于一種半導(dǎo)體發(fā)光材料，和其他光源相比具有節(jié)能、環(huán)保等優(yōu)勢，可在保證亮度的前提下消耗更少能源。此外，LE燈屬于冷光源，不會(huì)吸引過多昆蟲導(dǎo)致光源被遮擋。②驅(qū)動(dòng)電路。燈具等設(shè)備在工作時(shí)對(duì)電流需求很高，為保證仿真平臺(tái)穩(wěn)定運(yùn)行，必須對(duì)電路進(jìn)行恒流控制。利用4N25主控器控制電流大小，通過運(yùn)放LM358處理后流入場效應(yīng)管。③儲(chǔ)存器。儲(chǔ)存設(shè)備芯片型號(hào)為ISS61V6126。此種芯片可實(shí)現(xiàn)完全靜態(tài)處理，不需要安裝低功耗器件，等待模式功率極低，減少能源浪費(fèi)。將儲(chǔ)存器的數(shù)據(jù)線安裝在地址總線上，實(shí)時(shí)保存巡檢機(jī)器人采集到的環(huán)境信息。

圖4 仿真平臺(tái)示意Fig.4 Schematic diagram of simulation platform

除上述設(shè)備外，還需要攝像機(jī)與紅外熱像儀等仿真器材，實(shí)驗(yàn)涉及的仿真參數(shù)見表1。

神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性影響著控制結(jié)果的穩(wěn)定，因此首先分析神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程，學(xué)習(xí)曲線如圖5所示。由圖5可知，神經(jīng)網(wǎng)絡(luò)的初始誤差值在0.7左右，當(dāng)訓(xùn)練次數(shù)為90次時(shí)，誤差快速下降到0.1以下，當(dāng)訓(xùn)練次數(shù)為350次左右時(shí)誤差基本接近0，整個(gè)誤差訓(xùn)練過程較短。在訓(xùn)練過程中，曲線共出現(xiàn)兩次較大波動(dòng)，每次波動(dòng)都表明網(wǎng)絡(luò)中有節(jié)點(diǎn)被刪除，經(jīng)過權(quán)值修正，訓(xùn)練誤差也會(huì)快速恢復(fù)穩(wěn)定狀態(tài)。這說明所提技術(shù)下巡檢機(jī)器人在巡檢過程中，即使出現(xiàn)控制不穩(wěn)定現(xiàn)象，也能快速恢復(fù)。

表1 實(shí)驗(yàn)參數(shù)Tab.1 Experimental parameters

圖5 神經(jīng)網(wǎng)絡(luò)算法學(xué)習(xí)曲線Fig.5 Learning curve of neural network algorithm

4 應(yīng)用實(shí)例

4.1 應(yīng)用效果分析

將新能源電力場站中充電室當(dāng)作全局坐標(biāo)系的原點(diǎn)，確定巡視點(diǎn)位置，巡視現(xiàn)場如圖6所示。在圖6所示的巡視現(xiàn)場，利用本文方法控制巡檢機(jī)器人巡檢工作。分析巡檢機(jī)器人執(zhí)行正常任務(wù)和特殊任務(wù)時(shí)的巡檢路徑，不同算法對(duì)比結(jié)果如圖7所示。由圖7能夠看出，當(dāng)巡檢機(jī)器人執(zhí)行常規(guī)任務(wù)時(shí)，本文技術(shù)可以合理規(guī)劃巡檢路線，并沒有出現(xiàn)重復(fù)巡檢現(xiàn)象。當(dāng)巡檢機(jī)器人執(zhí)行特殊巡檢任務(wù)時(shí)，巡視點(diǎn)數(shù)量增多，本文技術(shù)依舊保持良好的路徑規(guī)劃性能，確保每個(gè)巡視點(diǎn)都能達(dá)到，并只到達(dá)一次。由此證明了本文技術(shù)具備良好的性能，可通過實(shí)時(shí)采集到的環(huán)境信息合理規(guī)劃路線，提高巡檢機(jī)器人工作效率。

圖6 巡視現(xiàn)場Fig.6 Site inspection

圖7 不同任務(wù)下的巡檢路徑對(duì)比Fig.7 Comparison of patrol paths under different tasks

4.2 討論

機(jī)器人技術(shù)隨著人類社會(huì)需求的增加以及科學(xué)技術(shù)的進(jìn)步得到了飛速的發(fā)展，近年來，機(jī)器人所涉及的領(lǐng)域遍及醫(yī)療、農(nóng)業(yè)、海洋開發(fā)、農(nóng)業(yè)、航天、國防軍事等，在某些環(huán)境和場合中機(jī)器人逐漸取代了人類的作用。本文通過優(yōu)化在新能源電力場站巡檢的機(jī)器人的控制技術(shù)，提高其巡檢機(jī)器人導(dǎo)航的精準(zhǔn)度，為保證新能源電力場站巡檢質(zhì)量提供了保障。

為了有效實(shí)現(xiàn)新能源電力場站巡檢工作的自動(dòng)化以及智能化，引入巡檢機(jī)器人輔助或巡檢，可以有效提高巡檢效率。新能源電力場站作為電力系統(tǒng)的重要支點(diǎn)，對(duì)其進(jìn)行有效的巡檢具有十分重要的意義。本文研究的機(jī)器人神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制下的新能源電力場站巡檢技術(shù)，可以有效提升新能源電力場站巡檢的智能化程度。

5 結(jié)論

為提高新能源電力場站電能傳輸?shù)姆€(wěn)定性，利用神經(jīng)網(wǎng)絡(luò)方法控制巡檢機(jī)器人巡檢路徑。分析巡檢機(jī)器人結(jié)構(gòu)特征與運(yùn)動(dòng)學(xué)模型，為控制算法設(shè)計(jì)提供理論依據(jù)，根據(jù)巡檢機(jī)器人采集到的圖像，對(duì)其做預(yù)處理，將這些圖像當(dāng)作神經(jīng)網(wǎng)絡(luò)的輸入，經(jīng)過誤差學(xué)習(xí)，提高控制精度，輸出控制結(jié)果，巡檢機(jī)器人按照該結(jié)果即可完成巡檢任務(wù)。仿真實(shí)驗(yàn)證明，所提方法可以合理控制巡檢路線，提高巡檢機(jī)器人工作效率，不但減少勞動(dòng)力，還能為電力場穩(wěn)定運(yùn)行提供保障，促進(jìn)無人值守的進(jìn)一步發(fā)展。