5G基站巡检机器人关键技术研究

胡翔 胡记伟 卢涛 谭敏 徐文霞

（1.武汉烽火技术服务有限公司 湖北省武汉市 430205 2.武汉工程大学 湖北省武汉市 430205）

1 我国基站智能运维必要性分析

目前我国基站运维面临以下问题：

（1）人工运维存在安全风险：从例行检查、故障上报还是故障处理，多采用手动填写然后录入系统的方式，时效性差，数据容易丢失或被修改；维护人员全天候高频率巡检，需要记录大量设备状态信息并评估系统运行状态，容易产生疲劳，基站巡检过程中可能会有异常信号和隐患会被疏漏；此人工误操作可能导致服务器宕机，造成系统瘫痪；

（2）维护过程不可监控：没有办法实时监控故障处理情况，不能对业务提供有力支撑，从而无法实现资源合理调配；

（3）存在信息孤岛，导致信息无法自由流通共享：每个运维作业各自孤立，维护过程中有价值的信息难以被后续工作共享和分析。

此外报表统计是重复工作，且工作量庞大。

根据赛迪顾问股份有限公司[1]《5G 产业发展白皮书(2020)》披露数据显示：“预计到2030年，我国5G 基站数量将达到1500 万”。面对如此庞大的5G 基站规模以及日趋复杂的网络（2G/3G/4G/5G共生，多域并存），将使得网络的维护复杂度呈现几何级增长，主要依靠人工的传统运维方式肯定无法胜任，必须向智能化运维模式转变。因此开展数字技术和5G 基站运维的融合研究迫在眉睫，构建5G 基站智能运维技术体系，推动5G 基站智能运维技术应用，巡检机器人便是5G 基站智能运维的代表技术。

智能巡检机器人代替人工巡检将是5G 时代通信网络运维的必然发展趋势，巡检机器人无论在技术应用和功能实现方面，还是在成本控制方面都对基站巡检的安全性、可靠性、稳定性产生积极作用，率先完成对原型产品的研发并适时推出成熟的5G 基站巡检机器人将引领5G 基站运维的发展趋势并抢先占据市场先机。

2 国内外巡检机器人研究及应用现状

巡检机器人的研究最早起源于上个世纪80年代末，应用领域主要在电力。在20世纪80年代左右，东京电力公司和日本三菱公司联合进行开发500KV 变电站轨道式巡检机器人，在能够基于路面轨道行驶的同时，搭载红外热像仪、图像采集设备、辅助灯光和云台，实现自动获取变电站内实时消息的目的。1989年，美国公司TRC 研发了一台能沿架空输电线路行走，通过视觉设备检测绝缘子、电晕损耗以及压接头、结合点的自主巡检机器人样机。1990年，日本法政大学的Hideo Nakamura 教授等人研制了能跨过障碍物的新型电力巡检机器人，采取了一个巧妙的决策方法，用多关节仿生体系设计方式和头部首先进行决策，尾部跟随头部运行的控制方法，沿导线行走，与此同时，能跨越遇到的障碍物。

在国内，最开始巡检机器人在国家电网中被普遍应用。1999年，国家电网山东电力公司投入运行了智能巡检机器人，由此，显示着电力巡检逐步迈入智能化时代。变电站人工巡检容易遗漏，人工观测难度较大，对于无人值守和偏远山区的变电站巡检耗费大量人力物力，且时效性差。针对上述问题，目前多家国内电力公司都研发出了变电站智能巡检机器人，它们以自主控制或无线遥控的方式，在偏远的无人值守或较少人值守的变电站对户外高压变电设备巡检，对维护变电设备的正常运行非常重要，比如，巡检机器人可检测到电力设备的缺陷、异物悬挂等异常现象，对检测到的异常自动报警通知维修人员或进行预先设置好的故障处理。它运行灵活自由，在减轻工作人员任务的同时，及时发现异常，能高效高速维护变电设备的正常运行。

巡检机器人在油气运输业的应用：众所周知，原油是“工业的血液”，直接关系着国计民生和国家能源安全，原油管道及输油站库作为“能源大动脉”安全运行意义重大。在原油库区大型化、集群化的发展趋势下，罐区人工巡检工作量和强度越来越大，巡检效率低、时效性差，并且雷雨及恶劣天气，人工无法巡检，随着高含硫原油增多，人工巡检风险大。目前研发的油井智能巡检机器人采用全自主激光定位与导航技术，能自动规划巡检路径、自主充电；结合红外热成像和高清视频技术，精确识别油井内各类仪表设备状态，能及时发现设备缺陷，实现油井管线的智能检测、监控、安防和数据远程集控管理，在油井少人或无人值守的情况下，仍能保障油气井安全正常生产。

巡检机器人在轨道交通上的应用：我国城市轨道交通网络增长迅速，大量城市轨道交通基础设施在养护期，线路安全和监测方面所面临的压力增大，如何保证地铁系统的安全已成为各级政府及管理部门亟待解决的重要问题。传统人工巡检存在劳动强度大、工作效率低、检测质量分散等不足，目前市面上已有的轨道交通巡检机器人，可以24 小时全天候无死角巡检，有效利用大数据和云计算分析，及时诊断出故障。

巡检机器人在传统机房运维中的应用：机房设备类型多、数量大，工作人员需要按时巡查一次整个机房的所有基础设施，还要核查和分析基础运行数据，既耗时耗力，效率还低。随着技术的进步以及巡检机器人的使用，能够实现机房状态的实时性观测和管理，因为巡检机器人搭载了激光雷达、超声、工业相机、热成像相机、温湿度传感器等，结合人工智能和物理网技术，能够对机房硬件设备及周围环境自动检测与诊断，对检测到的故障告警和资产盘点，以此实现机房状态实时可视可管，提高故障处理的时效行、维护机房安全性。

尽管现在巡检机器人在各个行业和领域中已经有了非常广泛的应用，但面向5G 基站的巡检机器人研究工作一直没有启动，更无合适技术和产品投放市场。本文将开展5G 基站巡检机器人关键技术研发工作，将为我国5G 基站运维提供智能化系统，实现运维作业全路程监控，打破5G 基站运维信息孤岛，促进5G 基站运维作业信息自由流动共享，推动我国基站维护由传统运维向无人智能化运维演进，大幅降低我国5G 基站运营成本，对于发展壮大我国5G产业链具有重要意义。

本文将采用人工智能算法开展5G 基站巡检机器人的研究工作，将突破多项关键技术，将故障响应时间缩短80%，实现5G 基站24小时无人值守，提高我国5G 基站运维的技术水平。本文研究的5G基站巡检机器人还可通过远程智能运维管理平台，打通通信设备的一端和维护作业人员的另一端，提升实用性和效率，并且和工单系统结合，提供给运维人员更加完善准确的信息，提高派单的效率，实现故障监控、告警和运营维护真正意义上的闭环，这在业内将是一个创新和突破。

3 主要研究内容

要实现巡检机器人在5G 基站中的应用，主要难点在于导航定位系统的精确度不够、机器人难以在低光照的5G 基站中识别各种信号以及机器人难以对5G 基站内各种异常音视频进行检测、判断和识别5G 基站巡检机器人，主要研究在智能巡检机器人上实现高精度定位，快速高效的视觉信号检测和音视频故障分析，并在此基础上提供软硬件一体化智能服务，见图1。

5G 基站巡检机器人功能设计：

5G 基站巡检机器人主要包含操作系统、融合通信模块，主控单元、供电单元，四驱单元等。其中，控制运动控制单元、双目视觉单元、环境传感系统和人机交互接口通过私有协议与主控单元连接，5G/WiFi/NBIoT 网关模块将监测数据和控制命令回传到监控中心。而通信模块包含RG500Q 5G NR 模块、ESP8266-12F Wi-Fi 模块和BC28 NB-IoT 无线模块。最后，系统操作人员在后台根据机器人传回的信息，进行查看影像和分析数据，进而发送指令控制机器人工作。

5G 基站巡检机器人主要实现的功能如图2所示，样机如图3所示。

研究内容主要包括三个部分：

3.1 基于激光陀螺导航系统的高精度定位算法

5G 基站巡检机器人采用激光陀螺导航，实现高精度定位功能（初定位）。通过5G 基站巡检机器人执行机构和基于激光传感器反馈的闭环控制系统，在实现对目标的准确操作。

激光导航的基本原理实际上与激光测距的原理相同，即机器通过测量从激光发射到接收的时间来计算自身与前方障碍物之间的距离。不同的是，激光测距测量只需要1 次激光发射，而激光导航需要更多的点测距来校准机器本身的位置，就像在三维坐标系中定位一个点需要三个坐标一样，激光导航也需要多点测距，甚至每秒进行若干次360 度连续扫描，一次性记录机器在空间中的移动轨迹，因此激光导航也称为激光陀螺仪导航。

5G 基站巡检机器人具备精细的环境感知能力归功于其内部搭载的激光陀螺仪导航完全自主地应对复杂、未知的环境。利用激光的不发散性对机器人所处的位置精确定位来指导机器人行走，激光头安装在机器人顶部，每隔数十毫秒旋转一周，发出经过调制的激光。收到经调制的反射板的反射光时，经过解调，就可以得到有效的信号。由激光头下部角度数据的编码器，计算机可以及时读入当时收到的反射信号时激光器的旋转速度。通过预置的室内地图数据，5G 基站巡检机器人可准确测量到本体所在的室内相对坐标位置，按照给定的坐标进行移动和定位（定位精度可达到1mm）。

5G 基站巡检机器人最终是要实现对5G 基站内的设备进行操作，因此，在巡检机器人到达指定位置时，实现了初步定位，其定位精度一般在1mm 左右，而执行机构通过和激光传感器组成闭环控制系统，其定位精度可达到0.01mm，实现对设备的最终准确操作。

基于激光导航的移动机器人平台和执行机构如图4所示，机器人控制设备如图5所示。

图1：5G 基站巡检机器人系统内部结构图

图2：5G 基站巡检机器人系统功能示意图

图3：5G 基站巡检机器人样机示意图

图4：基于激光导航的移动机器人平台和执行机构

图5：机器人控制设备

3.2 基于元学习的复杂光照条件下视觉信号检测算法

针对实际场景中图像内容的多样性，样本数量少的问题，首先通过少量样本学习建立元知识模型，在此基础上，将学习获得的元知识约束视觉信号检测网络的特征学习，提高视觉信号检测的准确性，具体包括以下四个方面的内容：

（1）低光照条件下的图像增强：研究复杂光照条件下图像增强的算法，设计一个端到端的图像增强网络，首先估计用于建模各种光照条件的图像到光照映射，然后使用光照映射照亮曝光不足的图像；

（2）轻量级低质量人脸识别算法：研究低质量人脸识别算法，提出了一种轻量级但功能强大的卷积神经网络，并在此基础上提出了一种多尺度特征融合模块和一种空间注意力矢量化模块，提高人脸识别的准确率。

（3）开关状态识别算法：开关图像是从5G 基站巡检机器人的监控视频中截取的，距离较远时图像像素较差，且图像中目标较小；另一方面，收集到的图像存在一定的遮挡，对比度不一，开关目标较密集等特点。本项目以Faster R-CNN 为基础，从特征融合和Soft-NMS 后出处理方法两个方面进行改进，得到改进后的模型，提高开关识别的准确率。

（4）仪表板示数识别算法：在5G 基站巡检机器人进行运维时，如何对仪表示数进行高效的、精确的检测和读取变得尤为重要。本文提出了一种改进的MASKR2CNN 卷积网络结构，从而实现了对5G 基站中的仪表盘进行有效的信息提取，并采用KNN 对仪表数字区域进行数字识别。

3.3 基于精简的二值深度神经网络的音视频分析算法

5G 智能机器人巡检通常有三种工作模式：例行模式、随工模式和远程控制模式。例行模式指智能机器人按照指定时间段、规定的路径对机房设备进行巡检；随工模式是指智能机器人与巡检人员一起工作，其中涉及巡检员人脸识别和语音指令交互；远程控制模式则通过控制中心向智能机器人发送指令，驱动智能机器人工作。智能机器人采集机房内场景图像、音频、机柜热量分布图和设备指示灯等多种信号，并对这些信号进行分析，预测数据中心机房存在安全故障的概率，进行应急处理。

4 应用展望

本文利用巡检机器人对5G 基站进行巡检，不仅提高设备运维管理的工作效率，还可提高设备运维工作的准确性。结合新时代的数字技术手段对5G 基站运行进行定时巡检的工作，识别5G 基站的位置以及运行情况，并储存5G 基站设备的位置以及运行情况，对5G 基站的环境信息数据进行收集分析，保证5G 基站运维工作信息数据的准确性，实现5G 基站设备以及设施的智能化管理，从而大幅提高运维效率，显著降低运营成本，必将在我国5G 网络中得到广泛应用。

本文研发的巡检机器人还可在数据中心得到应用，为金融、交通、机场、电力、政务等领域数据中心的稳定运行提供智能化运维工具，将促进我国数据中心智能运维技术的快速发展，推动我国“新基建”健康发展。