針對(duì)繞機(jī)巡檢任務(wù)的無(wú)人車(chē)路徑設(shè)計(jì)與仿真

摘要：為確保民航安全，民用飛機(jī)在制造及運(yùn)行維護(hù)階段均須頻繁對(duì)飛機(jī)結(jié)構(gòu)損傷進(jìn)行視覺(jué)檢查以排除事故隱患。為了解決當(dāng)前飛機(jī)結(jié)構(gòu)損傷人工目視檢測(cè)方法效率低、安全性差、漏檢率高等問(wèn)題，文章提出了一種基于優(yōu)化A*算法的無(wú)人車(chē)?yán)@機(jī)巡檢路徑規(guī)劃技術(shù)。該技術(shù)通過(guò)引入動(dòng)態(tài)權(quán)重系數(shù)與B樣條曲線(xiàn)，同時(shí)與B737機(jī)型的繞機(jī)巡檢任務(wù)結(jié)合，實(shí)現(xiàn)巡檢作業(yè)路徑的高效穩(wěn)定。仿真實(shí)驗(yàn)結(jié)果表明，無(wú)人車(chē)能夠?qū)崿F(xiàn)在復(fù)雜飛機(jī)結(jié)構(gòu)周?chē)淖灾鲗?dǎo)航與高效巡檢。

關(guān)鍵詞：路徑規(guī)劃；無(wú)人車(chē)；建模仿真；民航飛機(jī)；結(jié)構(gòu)損傷檢測(cè)技術(shù)

中圖分類(lèi)號(hào)：TP242；TP18 "文獻(xiàn)標(biāo)志碼：A

0 引言

無(wú)人車(chē)技術(shù)不斷發(fā)展，已逐漸應(yīng)用到眾多行業(yè)領(lǐng)域，展現(xiàn)其卓越的自動(dòng)化與智能化潛力。在這一背景下，將無(wú)人車(chē)與先進(jìn)的損傷檢測(cè)技術(shù)相結(jié)合，探索其在特定場(chǎng)景下的全方位、無(wú)遺漏巡檢功能，正成為研究與實(shí)踐熱點(diǎn)［1-2］。特別是在航空領(lǐng)域，面對(duì)飛機(jī)結(jié)構(gòu)復(fù)雜、檢測(cè)精度需求高的挑戰(zhàn)，傳統(tǒng)人工目視檢測(cè)方法日益顯現(xiàn)局限性［3］。以C類(lèi)民用飛機(jī)為例，其機(jī)體、發(fā)動(dòng)機(jī)及機(jī)翼等關(guān)鍵區(qū)域覆蓋長(zhǎng)約40 m、寬約36 m、高約4 m，每次航后檢查均需2名機(jī)務(wù)人員緊密協(xié)作，在有限時(shí)間內(nèi)完成詳盡的檢查工作。這一過(guò)程不僅耗時(shí)耗力，更因人為因素可能導(dǎo)致疏漏或錯(cuò)誤，成為影響飛行安全的一大隱患。歷史上，由于檢修不當(dāng)而引發(fā)的事故屢見(jiàn)不鮮，不僅造成了重大的人身傷亡，也給社會(huì)經(jīng)濟(jì)帶來(lái)沉重打擊。

飛機(jī)市場(chǎng)需求持續(xù)增長(zhǎng)，人們對(duì)飛行安全的保障要求也隨之提高，飛機(jī)結(jié)構(gòu)的定期巡檢顯得尤為關(guān)鍵而迫切。因此，開(kāi)發(fā)一種高效、準(zhǔn)確且能減輕人工負(fù)擔(dān)的巡檢方案，成為亟待解決的重要問(wèn)題。

基于此，本文提出了基于優(yōu)化A*算法的無(wú)人車(chē)?yán)@機(jī)巡檢路徑規(guī)劃技術(shù)并輔以仿真驗(yàn)證。通過(guò)算法優(yōu)化，實(shí)現(xiàn)無(wú)人車(chē)在復(fù)雜飛機(jī)結(jié)構(gòu)周?chē)淖灾鲗?dǎo)航、高效巡檢和自動(dòng)避障，以期降低人力成本、提高檢測(cè)效率。

1 路徑規(guī)劃算法

路徑規(guī)劃是移動(dòng)機(jī)器人導(dǎo)航的關(guān)鍵，涉及如何讓機(jī)器人在已知或未知的環(huán)境中順利地生成一條規(guī)劃路線(xiàn)并沿著規(guī)劃路線(xiàn)完成待定任務(wù)［4］。依據(jù)對(duì)環(huán)境信息的掌握程度，路徑規(guī)劃問(wèn)題被細(xì)分為已知環(huán)境的全局路徑規(guī)劃與未知環(huán)境的局部路徑規(guī)劃2類(lèi)［5-6］。全局路徑規(guī)劃側(cè)重于在環(huán)境信息完全或大部分已知的情況下，為機(jī)器人規(guī)劃出一條全局最優(yōu)路徑［7］；而局部路徑規(guī)劃則更側(cè)重于在環(huán)境信息部分未知的情況下，通過(guò)傳感器實(shí)時(shí)感知環(huán)境，實(shí)現(xiàn)局部范圍內(nèi)的路徑規(guī)劃與避障。目前，全局路徑規(guī)劃算法的研究大致可歸納為3類(lèi)：（1）基于圖形學(xué)的算法［8］，利用環(huán)境信息的幾何特性構(gòu)建圖模型，通過(guò)圖搜索技術(shù)尋找最短路徑，例如根據(jù)障礙物位置確定子環(huán)境邊界線(xiàn)作為規(guī)劃路徑的Voronoi 圖法與A*算法；（2）基于智能仿生學(xué)的算法［9］，例如模擬自然或物理現(xiàn)象，通過(guò)隨機(jī)生成初始解并迭代優(yōu)化的遺傳算法［10］；（3）基于人工智能的算法，如利用機(jī)器學(xué)習(xí)技術(shù)使機(jī)器人具備學(xué)習(xí)與適應(yīng)環(huán)境能力的神經(jīng)網(wǎng)絡(luò)算法等。

針對(duì)無(wú)人車(chē)?yán)@機(jī)巡檢這一特定任務(wù)，在飛機(jī)環(huán)境信息已知場(chǎng)景下，A*算法以其高效性、靈活性和廣泛適用性成為本文首選算法。

1.1 A*算法

A*算法是一種常用的路徑規(guī)劃和圖形遍歷算法［11］，有較好的性能和準(zhǔn)確度。A*算法的基本思想是維護(hù)2個(gè)列表：開(kāi)放列表和關(guān)閉列表。開(kāi)放列表用于存儲(chǔ)待探索的節(jié)點(diǎn)，關(guān)閉列表用于存儲(chǔ)已經(jīng)探索過(guò)的節(jié)點(diǎn)。算法從起始節(jié)點(diǎn)開(kāi)始，逐步擴(kuò)展開(kāi)放列表中的節(jié)點(diǎn)，根據(jù)啟發(fā)式函數(shù)的估計(jì)值選擇節(jié)點(diǎn)進(jìn)行搜索，此外還考慮了從起點(diǎn)到當(dāng)前節(jié)點(diǎn)的累計(jì)代價(jià)和從當(dāng)前節(jié)點(diǎn)到終點(diǎn)的估計(jì)代價(jià)，從而在保證搜索效率的同時(shí)得到最短路徑［12］。其估計(jì)代價(jià)評(píng)估函數(shù)如下：

f（N）=g（N）+h（N）（1）

其中，f（N）為當(dāng)前節(jié)點(diǎn)的總代價(jià)；g（N）為從起點(diǎn)到當(dāng)前節(jié)點(diǎn)的代價(jià)；h（N）為從當(dāng)前節(jié)點(diǎn)到終點(diǎn)的啟發(fā)式函數(shù)。

尋徑過(guò)程為初始化起始點(diǎn)和目標(biāo)點(diǎn)，創(chuàng)建開(kāi)放列表和關(guān)閉列表，對(duì)于每個(gè)節(jié)點(diǎn)用估計(jì)代價(jià)評(píng)估函數(shù)來(lái)計(jì)算代價(jià)，然后從開(kāi)放列表中選擇代價(jià)最小的節(jié)點(diǎn)作為當(dāng)前節(jié)點(diǎn)，若當(dāng)前節(jié)點(diǎn)是目標(biāo)節(jié)點(diǎn)，則結(jié)束算法。否則，將當(dāng)前節(jié)點(diǎn)從開(kāi)放列表移至關(guān)閉列表，擴(kuò)展其后繼節(jié)點(diǎn)并更新開(kāi)放列表中的信息，循環(huán)執(zhí)行以上步驟，直到找到目標(biāo)節(jié)點(diǎn)或開(kāi)放列表為空，此路徑即為從起始點(diǎn)到目標(biāo)點(diǎn)的最優(yōu)路徑。

1.2 A*算法啟發(fā)式函數(shù)優(yōu)化

本文對(duì)A*算法的啟發(fā)式函數(shù)h（N）進(jìn)行了策略性?xún)?yōu)化，通過(guò)引入動(dòng)態(tài)權(quán)重系數(shù)W來(lái)調(diào)整啟發(fā)式評(píng)估函數(shù)h（N），進(jìn)而實(shí)現(xiàn)對(duì)搜索效率和路徑質(zhì)量的精細(xì)控制。這一改進(jìn)直接作用于A*算法的核心評(píng)估機(jī)制，即：

f（N）=g（N）+h（N）W（2）

具體而言，當(dāng)W取較大值時(shí)（如W=2.0），算法傾向依據(jù)啟發(fā)式信息快速向目標(biāo)點(diǎn)逼近，提高了搜索效率，但可能犧牲最終路徑的全局最優(yōu)性。反之，當(dāng)W趨于零（如W→0）時(shí)，A*算法確保了路徑的最優(yōu)性，但犧牲了搜索效率。因此，單純固定W值難以在搜索效率與路徑質(zhì)量之間取得最佳平衡，A*算法運(yùn)行結(jié)果如圖1所示。

針對(duì)上述問(wèn)題，本文采用動(dòng)態(tài)加權(quán)策略，根據(jù)啟發(fā)式函數(shù)值h（N）動(dòng)態(tài)調(diào)整權(quán)重系數(shù)W。當(dāng)h（N）gt;20時(shí)，設(shè)定W（N）=2.0，提高算法在遠(yuǎn)離目標(biāo)區(qū)域的搜索速度；而當(dāng)h（N）≤20時(shí)，將W（N）調(diào)整為0.8，以便在接近目標(biāo)區(qū)域時(shí)更加注重路徑的最優(yōu)性。本文使用的動(dòng)態(tài)加權(quán)策略可根據(jù)搜索過(guò)程的不同階段，靈活調(diào)整啟發(fā)式信息與已知代價(jià)之間的相對(duì)影響，從而在遠(yuǎn)離目標(biāo)區(qū)域提升搜索速度，靠近目標(biāo)區(qū)域提升路徑最優(yōu)性。

因而本文對(duì)于權(quán)重系數(shù)W采用動(dòng)態(tài)加權(quán)的方式來(lái)進(jìn)行，即：

f（N）=g（N）+h（N）W（N）（3）

實(shí)驗(yàn)結(jié)果表明（見(jiàn)圖2），相較于傳統(tǒng)A*算法，本文提出的動(dòng)態(tài)加權(quán)A*算法不僅在搜索效率上有所提升，還具有生成最短路徑的優(yōu)勢(shì)，不僅豐富了A*算法的理論研究，也為實(shí)際路徑規(guī)劃問(wèn)題提供了更為高效靈活的解決方案。

1.3 A*算法路徑平滑優(yōu)化

A*算法生成的路徑往往具有多條折線(xiàn)，無(wú)人車(chē)的動(dòng)力學(xué)模型無(wú)法按照既定路徑移動(dòng)。為此，本文引入貝塞爾曲線(xiàn)與B樣條曲線(xiàn)優(yōu)化A*算法，提升路徑的連續(xù)性，實(shí)現(xiàn)無(wú)人車(chē)?yán)@既定路徑移動(dòng)。

二階貝塞爾曲線(xiàn)由線(xiàn)段P0到P1之間連續(xù)的點(diǎn)Q0與線(xiàn)段P1到P2之間連續(xù)的點(diǎn)Q1組成，則由Q0至Q1的連續(xù)點(diǎn)B（t）描述的就是一條二階貝塞爾曲線(xiàn)，其公式如下：

B（t）=（1-t）2P0+2T（1+t）P1+t2P2，t∈［0，1］（4）

其中，B（t）為在t時(shí)刻下的坐標(biāo)；P1為控制點(diǎn)；P0為起點(diǎn)；P2為終點(diǎn)。B樣條曲線(xiàn)優(yōu)化，引入了控制點(diǎn)之間的距離、曲率的變化這些約束條件來(lái)保證軌跡的平滑性和連續(xù)性。本文將貝塞爾曲線(xiàn)優(yōu)化與B樣條曲線(xiàn)優(yōu)化分別與A*算法結(jié)合，不同曲線(xiàn)優(yōu)化下A*算法實(shí)驗(yàn)結(jié)果如圖3所示。

相較于貝塞爾曲線(xiàn)優(yōu)化的路徑，B樣條優(yōu)化后的路徑更為貼近A*算法的原生路徑，同時(shí)在平滑性和擬合度上實(shí)現(xiàn)了顯著提升。因此，最終選擇B樣條曲線(xiàn)作為A*算法路徑優(yōu)化的首選。

2 無(wú)人車(chē)巡檢仿真實(shí)驗(yàn)

為了充分驗(yàn)證本文提出的無(wú)人車(chē)?yán)@機(jī)路徑設(shè)計(jì)的可行性與實(shí)用性，本文設(shè)計(jì)并實(shí)施了仿真實(shí)驗(yàn)。實(shí)驗(yàn)的首要環(huán)節(jié)是根據(jù)具體的機(jī)務(wù)繞機(jī)作業(yè)要求，針對(duì)波音B737飛機(jī)機(jī)型，定制化構(gòu)建了無(wú)人車(chē)?yán)@機(jī)檢查的環(huán)境模型。此步驟確保了仿真環(huán)境高度貼近實(shí)際應(yīng)用場(chǎng)景。隨后搭建了無(wú)人車(chē)模型，該模型可精準(zhǔn)模擬無(wú)人車(chē)的物理特性，還集成了必要的感知與控制系統(tǒng)，以確保其能夠自主完成繞機(jī)巡檢任務(wù)。通過(guò)這一步驟，無(wú)人車(chē)可以在仿真環(huán)境中對(duì)波音B737飛機(jī)進(jìn)行全面、細(xì)致地繞機(jī)巡檢作業(yè)，從而全面評(píng)估路徑設(shè)計(jì)的合理性與效率。

2.1 繞機(jī)檢查路線(xiàn)

B737繞機(jī)檢查路線(xiàn)如圖4所示，繞機(jī)檢查任務(wù)涵蓋飛機(jī)多個(gè)關(guān)鍵部位，包括發(fā)動(dòng)機(jī)、機(jī)翼、起落架、艙門(mén)、液壓系統(tǒng)、輪胎及機(jī)尾等。發(fā)動(dòng)機(jī)檢查側(cè)重于進(jìn)氣道清潔度、葉片狀況及吊架完整性；機(jī)翼檢查關(guān)注其表面光潔度、結(jié)構(gòu)完整性及油箱密封性；起落架檢查重點(diǎn)驗(yàn)證剎車(chē)系統(tǒng)、滑筒狀態(tài)及輪胎損傷情況；起落架艙需確認(rèn)無(wú)異物、損傷及油液滲漏；輪胎檢查關(guān)注磨損、扎傷、割傷及鼓包等現(xiàn)象；機(jī)尾檢查包括舵面、蓋板及放電刷的狀態(tài)；燃油檢查確認(rèn)加油后蓋板封閉與選擇按鈕位置；APU區(qū)域檢查涉及門(mén)鎖、排放口、進(jìn)氣口及排氣口的清潔與完整性。

2.2 飛機(jī)檢查環(huán)境建立

本次實(shí)驗(yàn)是對(duì)波音B737機(jī)型飛機(jī)進(jìn)行繞機(jī)仿真實(shí)驗(yàn)，無(wú)人車(chē)?yán)@機(jī)檢查環(huán)境如圖5所示，在飛機(jī)前輪附近和主輪兩側(cè)均放置方塊模型以模擬在地面上的加油車(chē)等飛機(jī)過(guò)站時(shí)用于飛機(jī)裝卸工作的地面車(chē)輛障礙物，從而確保仿真環(huán)境的高度真實(shí)性與挑戰(zhàn)性，為無(wú)人車(chē)在實(shí)際操作中的路徑規(guī)劃與避障能力提供了充分測(cè)試。

2.3 無(wú)人車(chē)模型搭建

本文使用統(tǒng)一機(jī)器人描述格式文件完成對(duì)無(wú)人車(chē)的模型搭建。本文使用的無(wú)人車(chē)是麥克納姆輪式無(wú)人車(chē)，具有全向運(yùn)動(dòng)結(jié)構(gòu)，可在二維平面內(nèi)做出任意方向平移和運(yùn)動(dòng)［13］。圖6（a）是Wheeltec公司旗下的一款R550 ROS教育機(jī)器人，圖6（b）為無(wú)人車(chē)模型。該模型不僅精準(zhǔn)復(fù)刻了原型的全向運(yùn)動(dòng)特性［14］，還集成了所需的感知系統(tǒng)，主要包括高精度激光雷達(dá)與雙目視覺(jué)攝像頭。這一感知系統(tǒng)的集成，使得無(wú)人車(chē)能夠?qū)崟r(shí)采集周?chē)h(huán)境的三維點(diǎn)云數(shù)據(jù)以及視覺(jué)圖像信息，為后續(xù)的無(wú)人車(chē)?yán)@機(jī)檢查任務(wù)數(shù)據(jù)處理提供數(shù)據(jù)源。

2.4 仿真環(huán)境

本文使用的仿真環(huán)境是在Windows10系統(tǒng)下通過(guò)VMware軟件所創(chuàng)建的Ubuntu系統(tǒng)，虛擬操作系統(tǒng)為Ubuntu18.04，ROS版本為ROS-Melodic，機(jī)器人仿真開(kāi)源軟件為Gazebo，數(shù)據(jù)可視化工具為Rviz。

2.5 無(wú)人車(chē)?yán)@機(jī)巡檢仿真

本文使用Gazebo創(chuàng)建系統(tǒng)應(yīng)用環(huán)境模型［15］，根據(jù)實(shí)際機(jī)務(wù)人員繞機(jī)檢查的規(guī)范路徑，在仿真地圖中設(shè)置合適的目標(biāo)點(diǎn)位，用于無(wú)人車(chē)拍攝檢測(cè)。將無(wú)人車(chē)模型、飛機(jī)環(huán)境和視覺(jué)圖像數(shù)據(jù)等信息通過(guò)ROS進(jìn)行發(fā)布，使用Rviz實(shí)時(shí)顯示無(wú)人車(chē)運(yùn)動(dòng)狀態(tài)、軌跡信息、圖像數(shù)據(jù)、環(huán)境變化等。仿真環(huán)境搭建如圖7所示。

在仿真環(huán)境中，首先通過(guò)點(diǎn)擊Rviz任務(wù)欄中的“Publish Point”鍵位，研究人員能夠直接在二維地圖上選定目標(biāo)位置。該操作隨即生成一個(gè)綠色的“2D New Goal”箭頭，其方向明確指示了無(wú)人車(chē)在完成該檢查點(diǎn)后應(yīng)停止并朝向的方向。遵循既定的繞機(jī)檢查流程拍攝照片，系統(tǒng)根據(jù)圖片所示的繞機(jī)點(diǎn)位圖，自動(dòng)規(guī)劃并按照優(yōu)化后的A*算法生成一條高效安全的路徑，引導(dǎo)無(wú)人車(chē)逐一訪(fǎng)問(wèn)地圖中標(biāo)識(shí)的關(guān)鍵檢查點(diǎn)。每個(gè)檢查點(diǎn)均被設(shè)計(jì)為無(wú)人車(chē)須停止并拍照記錄的位置，以確保全面覆蓋發(fā)動(dòng)機(jī)、機(jī)翼、起落架、艙門(mén)、液壓系統(tǒng)、輪胎及機(jī)尾等關(guān)鍵部位。在無(wú)人車(chē)抵達(dá)每個(gè)點(diǎn)位時(shí)，集成的拍照系統(tǒng)將被觸發(fā)，自動(dòng)捕獲高清圖像作為檢測(cè)記錄。

此仿真實(shí)驗(yàn)?zāi)軐?shí)現(xiàn)無(wú)人車(chē)在指定點(diǎn)位自動(dòng)拍攝，確保每次拍攝都能根據(jù)實(shí)際需求調(diào)整角度，對(duì)于巡檢任務(wù)指定或存在其他潛在風(fēng)險(xiǎn)的區(qū)域，無(wú)人車(chē)能夠靈活調(diào)整姿態(tài)，從不同角度進(jìn)行拍攝，有效避免人為因素產(chǎn)生的漏檢現(xiàn)象。這些圖像數(shù)據(jù)能被機(jī)務(wù)工作者識(shí)別，用于后續(xù)損傷判斷，包括與正常狀態(tài)的照片進(jìn)行對(duì)比分析，從而快速識(shí)別任何異?；驖撛趩?wèn)題。

2.6 實(shí)驗(yàn)結(jié)論

本實(shí)驗(yàn)設(shè)計(jì)的無(wú)人車(chē)?yán)@機(jī)巡檢路徑規(guī)劃充分考慮了維護(hù)工作的實(shí)際需求，實(shí)現(xiàn)無(wú)人車(chē)在復(fù)雜飛機(jī)結(jié)構(gòu)周?chē)淖灾鲗?dǎo)航、高效巡檢和自動(dòng)避障，所拍攝的圖像不僅可作為即時(shí)檢查的依據(jù)，還能在后續(xù)的跟進(jìn)維修中，為機(jī)務(wù)人員提供直觀(guān)的比對(duì)和分析佐證材料，有助于精準(zhǔn)定位故障點(diǎn)，優(yōu)化維修方案。特別是在遠(yuǎn)程監(jiān)控與診斷方面，專(zhuān)家團(tuán)隊(duì)能夠不受地域限制，對(duì)飛機(jī)狀態(tài)進(jìn)行實(shí)時(shí)評(píng)估與指導(dǎo)。

3 結(jié)語(yǔ)

本文針對(duì)飛機(jī)巡檢中人工目視檢測(cè)方法存在漏檢率高、效率低等問(wèn)題，提出針對(duì)繞機(jī)巡檢任務(wù)的無(wú)人車(chē)路徑設(shè)計(jì)，采用了一種基于優(yōu)化A*算法的路徑規(guī)劃算法。該算法引入動(dòng)態(tài)權(quán)重系數(shù)與B樣條曲線(xiàn)，提升了搜索效率，優(yōu)化了最短路徑。本文通過(guò)對(duì)比分析B樣條曲線(xiàn)與二階貝塞爾曲線(xiàn)在路徑平滑性方面的表現(xiàn)以及固定權(quán)重系數(shù)與動(dòng)態(tài)權(quán)重系數(shù)在路徑優(yōu)化效率上的差異，最終確定采用動(dòng)態(tài)權(quán)重系數(shù)與B樣條曲線(xiàn)的組合方案。這一方案不僅能夠提高路徑軌跡的平滑性，確保其適應(yīng)復(fù)雜多變的巡檢環(huán)境，而且為無(wú)人車(chē)提供了優(yōu)化巡檢路徑。仿真實(shí)驗(yàn)?zāi)M了民航飛機(jī)巡檢的真實(shí)場(chǎng)景，實(shí)驗(yàn)結(jié)果表明，采用動(dòng)態(tài)權(quán)重系數(shù)與B樣條曲線(xiàn)優(yōu)化后的A*算法，無(wú)人車(chē)在路徑規(guī)劃精度、平滑度及連續(xù)性方面能滿(mǎn)足實(shí)際巡檢任務(wù)需要，可實(shí)現(xiàn)高效安全的繞機(jī)巡檢作業(yè)。

盡管本文在仿真環(huán)境中通過(guò)引入動(dòng)態(tài)權(quán)重系數(shù)與B樣條曲線(xiàn)，對(duì)無(wú)人車(chē)在執(zhí)行繞機(jī)巡檢任務(wù)中的路徑規(guī)劃技術(shù)進(jìn)行了有效優(yōu)化，實(shí)現(xiàn)繞機(jī)巡檢作業(yè)，但還存在著局限性，本文所采用的仿真環(huán)境是靜態(tài)的，這忽略了現(xiàn)實(shí)世界中機(jī)場(chǎng)環(huán)境的動(dòng)態(tài)復(fù)雜性，實(shí)際巡檢場(chǎng)景中可能存在地勤人員、引導(dǎo)車(chē)、加油車(chē)、行李車(chē)等多種動(dòng)態(tài)障礙物以及飛機(jī)除冰等作業(yè)導(dǎo)致的臨時(shí)性環(huán)境變化。這些動(dòng)態(tài)因素?zé)o疑會(huì)對(duì)無(wú)人車(chē)的路徑規(guī)劃及執(zhí)行造成重大影響，而靜態(tài)仿真難以全面模擬這些復(fù)雜多變的場(chǎng)景。當(dāng)前研究主要集中在算法層面的優(yōu)化，而對(duì)于無(wú)人車(chē)在實(shí)際環(huán)境中路徑規(guī)劃能力尚需進(jìn)一步驗(yàn)證和提升。在優(yōu)化路徑的平滑性、連續(xù)性和精度的同時(shí)，還須要考慮無(wú)人車(chē)的巡檢效率、避障性等多方面的平衡。如何在復(fù)雜多變的巡檢任務(wù)中實(shí)現(xiàn)這些目標(biāo)的綜合優(yōu)化，是未來(lái)研究的重要方向。

參考文獻(xiàn)

［1］張廣杰.AGV結(jié)構(gòu)設(shè)計(jì)及路徑規(guī)劃算法研究［D］.無(wú)錫：江南大學(xué)，2023.

［2］張辰貝西，黃志球.自動(dòng)導(dǎo)航車(chē)（AGV）發(fā)展綜述［J］.中國(guó)制造業(yè)信息化，2010（1）：53-59.

［3］張正義.AGV技術(shù)發(fā)展綜述［J］.物流技術(shù)與應(yīng)用，2005（7）：67.

［4］張智勇.AGV地面系統(tǒng)設(shè)計(jì)及開(kāi)發(fā)［D］.西安：西北工業(yè)大學(xué)，2003.

［5］王朵.基于采樣的移動(dòng)機(jī)器人路徑規(guī)劃智能算法研究［D］.武漢：武漢輕工大學(xué)，2023.

［6］閆文健.動(dòng)態(tài)場(chǎng)景下基于采樣的移動(dòng)機(jī)器人路徑規(guī)劃算法研究［D］.哈爾濱：哈爾濱工業(yè)大學(xué)，2019.

［7］李曉敏．智能移動(dòng)機(jī)器人全局路徑規(guī)劃及仿真［D］．南京：南京理工大學(xué)，2004.

［8］王娟娟，曹凱.基于柵格法的機(jī)器人路徑規(guī)劃［J］.農(nóng)業(yè)裝備與車(chē)輛工程，2009（4）：3-4.

［9］趙乃剛，鄧景順．粒子群優(yōu)化算法綜述［J］．科技創(chuàng)新導(dǎo)報(bào)，2015（26）：216-217.

［10］徐夢(mèng)穎，王嬌嬌，劉寶，等.基于改進(jìn)遺傳算法的機(jī)器人路徑規(guī)劃［J］.石河子大學(xué)學(xué)報(bào)（自然科學(xué)版），2021（3）：391-396.

［11］FRANTISEK D， ANDREJ B， MARTIN K， et al. Path planning with modified a star algorithm for a mobile ［J］. Procedia Engineering， 2014（1）：59-69.

［12］吳飛龍，郭世永.融合改進(jìn)A*和動(dòng)態(tài)窗口法的AGV動(dòng)態(tài)路徑規(guī)劃［J］.科學(xué)技術(shù)與工程，2020（30）：12452-12459.

［13］胡春旭.ROS機(jī)器人開(kāi)發(fā)實(shí)踐［M］.北京：機(jī)械工業(yè)出版社，2018.

［14］朱建軍，王明園，張博文.基于ROS的輪式機(jī)器人建模方法與仿真研究［J］.吉林化工學(xué)院學(xué)報(bào)，2021（3）：61-65.

［15］陳天元.基于麥克納姆輪的AGV定位與路徑跟隨技術(shù)研究［D］.北京：北京理工大學(xué)，2021.

（編輯 王雪芬編輯）

Unmanned vehicle path design and simulation for patrol tasks around aircraft

ZHOU" Yi1， LU" Yi2， CHEN" Qi3， XU" Yiming1

（1.Nanjing University of Aeronautics and Astronautics， Nanjing 210016，

China; 2.Guangzhou Civil Aviation College， Guangzhou 510403， China; 3.China Academy of Civil Aviation

Science and Technology， Beijing 100028， China）

Abstract： To ensure the civil aviation safety， civil aircrafts require frequent visual inspections for structural damage during manufacturing and operational maintenance stages to eliminate potential accident hazards. To address the issues of low efficiency， poor safety， and high miss detection rates associated with the current manual visual inspection methods for aircraft structural damage detection， the article proposes an unmanned vehicle-based path planning technology for aircraft inspection using an optimized A* algorithm. This technology introduces dynamic weight coefficients and B-spline curves， and combines them with the inspection tasks of the B737 aircraft model to achieve efficient and stable inspection paths. Simulation experiment results demonstrate that the unmanned vehicle can achieve autonomous navigation and efficient inspection around complex aircraft structures.

Key words： path planning; unmanned vehicle; model and simulation; civil aviation; structural damage detection technology