基于RPI智能巡检设备的设计

郭纪祥，牛全旺，王浩丞，唐海波

（湖南科技大学，湖南 湘潭 411201）

人工智能上升到国家战略地位，使得智能巡检的需求也越来越大。智能巡检具有即时通讯、操作便捷、不受空间环境约束等优点。设备可以切换为手动/自动两种巡检模式、智能规划巡检路径，精确获取温度、湿度、空气质量等环境信息，火灾预警、远程通话、视频监控、数据存储、24小时自主运行等功能，可应用于多个领域。

为此，本文设计了一款针对工厂安全生产的智能巡检设备。该智能巡检设备通过激光雷达采集设备所处环境信息，自主规划最优的巡检路线，可实现全天候、360度无死角的巡检任务，满足在不同环境下智能巡检的需要。同时，也可以切换为人工控制的模式，用户使用移动端向设备发送信息指令，使其适应多种环境，代替人工作业，最大限度消除安全隐患。该智能巡检设备拥有较强的底盘运动系统，能够应付巡检过程中的各种复杂的路面。设备内含低电量自主返程充电程序，根据与充电桩的距离及电源电量进行智能计算，即将达到临界值前做出响应，自动返程充电，以此提高工作效率。

1 硬件设计

智能巡检设备以树莓派为核心处理器，搭载粉尘检测传感器、热成像传感器、智能摄像头、激光雷达等模块。由系统功能分析需求可知，巡检系统需要接受粉尘检测模块、热成像传感器的数据，并将这些数据通过WiFi模块发送至云平台。同时，还要处理激光雷达的数据进行路径规划，来控制驱动模块。由于数据量大，所以需要主控制器的较好的处理速度，并具有WiFi功能进行数据转发。第三代树莓派，其具有集成度高，运行速度快，低能耗等优点。操作系统存储在SD卡上，可以快捷地进行烧录替换。包含一个四核处理器、内置了WiFi模块，十分契合本次项目设计。所以选取第三代树莓派作为整个系统的主控制器。

激光雷达担任“眼睛”的角色，实时监测智能巡检设备所处环境的改变，对前方障碍物以及周围环境进行轮廓描绘。然而，因为单线激光雷达工作原理的限制，只能进行平面的扫描，所以在复杂路况下智能巡检设备不能准确完成导航，因此，需要激光雷达和超声波传感器、视觉摄像头相互配合完成工作。

巡检设备的粉尘浓度采集功能的实现利用了光散射原理。由于单色激光光斑小、杂光少和稳定性好的特点，此次采用单色激光管作为光源。颗粒物阻挡单色激光后产生散射光，通过光电接收器将光信号转换成电信号，以此计算出待测颗粒物的浓度。

为了更好地对散射光信号进行处理，需要设计电路对信号进行二次放大和滤波处理。由于转换后的电信号变化在μV级别，为了降低其他电信号对其的干扰，电路应满足偏置电流低、增益高、低温漂和高带宽的特点。根据以上要求，采用有源运放电路进行信号的放大和滤波处理，由二级放大电路进一步放大和滤波电信号。

热成像的实现利用物体热辐射的特性，选用FLIR热成像模块，通过USB接口与树莓派进行通信和图像传输。USB接口是一种高速、双向的、同步进行传输的串行接口，其芯片通常可以分为普通和DMA两种模式，其中DMA工作模式更适合高速、实时的热成图像的传输。

2 软件处理

2.1 数据传输——TCP

智能巡检设备的各项监测数据上传采用了基于TCP协议的实时传输方法，TCP在传输数据之前，会有三次握手尝试来建立连接；在数据传输时，有确认、重传等机制，确保数据传输的稳定性和可靠性。监测数据在PC端、移动端均以网页的形式呈现。网页采用PHP语言和C语言混合编写，结合ECharts（可视化图表库），可以快速制作出数据图表。云端数据库的可视化查看，方便工作人员对巡检报表以及往期的巡检记录进行分析，及时完成异常问题的排查。

2.2 粉尘监测数据处理——滑动平均滤波算法

激光粉尘传感器实时采集信号，经过A/D转换放大后，会使数据误差较大。滑动平均滤波算法是一种有效的数据处理方法，可以使监测的数据更加精确稳定。其原理是求一次采样值和过去的若干次采样值的平均值，将平均值作为有效取样值投入使用。

设原始数据列的Xk总长度为L，滑动平均滤波的表达式如式（1）所示。

其中，Yk是第k个数据经滑动平均滤波处理所得的结果。当2≤k≤L-1时，滤波结果Wk如式（2）所示。

2.3 自主避障——模糊算法

超声波传感器通过舵机云台不断旋转进行测距，以此获取周围障碍物信息，测距原理是不断发射的超声波，超声波接触到障碍物后发生反射，则可根据时间渡越法实时计算设备与障碍物之间的距离，其计算公式为：

模糊控制系统的输入为智能巡检设备周围障碍物的距离信息和设备的移动速度信息，输出为设备左、右电机的速度，即设计模糊控制系统为4输入/2输出系统。设备左驱动轮和右驱动轮的角速度分别为ω1，ω2，驱动轮的半径为R，两轮间的距离为D，只要调整两驱动轮的转速，就可以实现其方向的控制，其速度分别为：

平滑的高斯型隶属度函数曲线可以使系统更加精准简洁，建立合适的模糊控制规则，与设备左方障碍物距离较近时，进行右偏转；与设备右方障碍物距离较近时，进行左偏转；与前方障碍物距离较远时，巡检设备直线前进。之后采用Mamdani推理法根据输入的模糊量，由模糊控制规则完成模糊推理以求解模糊关系方程，并转化为输出量。

2.4 路径规划——A＊算法

A*算法相对其他算法比较成熟，是一种很常见的路径规划和图形遍历算法，将启发式方法和常规算法进行组合，通过节点寻优可以对周围环境及时做出反应，规划出最为合适的路线。其核心在于估价函数的设计，如（6）式所示。

其中，g（n）为耗散函数，h（n）为启发函数，f（n）为估计函数。

2.5 SLAM 构图算法

如今使用较多的激光SLAM算法有Hector、Gmapping、Karto、Cartographer等，其中Cartographer是谷歌开源的建图项目，没有采用粒子滤波，所以在性能较低的设备也能获得良好的使用效果，Graph-based SLAM是Cartography的处理核心，Graph-based SLAM将设备运动过程中不同时刻的位姿称之为“点”，位姿之间的关系称之为“边”，所以Graph-based SLAM构图的基本过程是先将设备在运动过程中大量的点和边构建成图，再从全图的角度对图进行优化。

雷达将采集的每一帧数据进行估计计算，将数据在最佳估计位置处插入到子图中。产生成新的子图后，会在局部进行回环，根据预先计算的网格，所有子图完成后，再进行全局的回环。

3 结语

本文提出了一种基于RPI的智能巡检设备系统方案，详细阐述了此方案的软硬件实现过程。仿真数据表明，系统能正常运行，且具有良好的性能；依此完成的实物参加了第七届全国大学生光电设计竞赛，荣获全国三等奖，验证了本文关于智能巡检设备设计方案的可行性。本设计具有成本低，扩展性强的特点，为后续智能巡检设备的进一步研究提供了基础。