变电站智能四足巡视机器人避障轨迹自动规划研究

摘 要：当规划机器人避障轨迹时仅考虑其单一的运动学特性，导致在实际执行的过程中机器人不能有效跟踪生成的避障路径，影响避障效果和效率，因此本文研究变电站智能四足巡视机器人的避障轨迹自动规划技术。需要明确避障势场区域，构建障碍物的精确位置与范围。建立机器人运动学模型，为轨迹规划提供理论基础，在这个基础上实时计算障碍信息。采用智能算法规划避障轨迹，保障路径安全。试验结果表明，与现有方法相比，本文方法显著提高了路径规划效率，生成更短、更精准的避障路径，为变电站智能化巡视提供了关键技术支持。

关键词：智能四足巡视机器人；变电站巡视机器人；机器人避障轨迹

中图分类号：TP 242 " " " " " 文献标志码：A

随着智能电网建设加速，为保证电网稳定运行，需要提高巡视效率并保障安全。传统人工巡视受限于环境复杂性和人力成本，不能满足高效、可靠的巡视需求。为了解决这个问题，需要研发智能四足巡视机器人。现有智能机器人在变电站复杂环境中的避障能力不足。根据机器人运动学，在基于深度强化学习的四足机器人单腿越障轨迹规划方法中采用蒙特卡洛法，分析四足机器人单腿足端的运动空间，规划一种复合七次多项式越障运动轨迹[1]。基于改进粒子群算法的避障轨迹规划提出参数寻优的方法，以机器人关节转角增量最小和运动时间最短为目标，最终得到全局最优的避障轨迹规划[2]。但是2种算法的复杂度较高，需要较多的计算资源支持。针对上述问题，本文研究变电站智能四足巡视机器人的避障轨迹自动规划技术，融合先进的环境感知、智能决策与高效运动控制策略，突破技术局限。构建智能避障轨迹规划系统，使机器人在复杂场景中能够进行精准识别与快速响应，提升自主导航与巡检效率，为变电站智能化巡检提供技术支持。

1 明确避障势场区域

明确避障势场区域是避障轨迹规划的基础。在这个阶段，机器人需要利用搭载的传感器对周围环境进行全面扫描和感知，识别变电站区域内的所有障碍物，包括静态的（例如变压器、开关柜等）和动态的（例如工作人员、移动车辆等）。然后基于感知的障碍物信息构建避障势场区域，即机器人需要避免进入或接近的区域。避障势场是利用三维技术构建的一个按比例缩小的虚拟空间，该空间精确模拟了实际变电站的复杂环境。这个势场不仅考虑了静态障碍物和动态障碍物，还根据数学公式精确量化了引力和斥力，为机器人的路径规划提供有力支持。对机器人产生一个指向该点的力，即引力。这个力的大小通常与目标位置至机器人当前位置的距离成反比，距离越近，引力越大。障碍物在势场中表现为能量高点，对机器人产生一个远离该点的力，即斥力。斥力的大小通常与机器人至障碍物的距离以及障碍物的性质有统计学意义，距离越近，斥力越大。

为了精确量化这种动态平衡，精准感知环境，采用高性能激光雷达作为感知工具，实时采集机器人周围的环境信息，对周围空间进行全方位扫描。利用激光雷达的数据来间接推断和计算机器人在环境中可能受到的“虚拟力”（即避障势场中的引力和斥力）。假设存在一个避障势场，这个势场由2个部分组成：航点的引力势场Uattr（x，y，z）和障碍物的斥力势场Urep（x，y，z），（x，y，z）是机器人在虚拟空间中的坐标。计算区域内由障碍物产生的斥力Urep（x，y，z）[3]，如公式（1）所示。

（1）

式中：Urep（x，y，z）为区域内由障碍物产生的斥力；krep为斥力常数；d（x，y，z）为机器人当前位置至最近障碍物的距离；ε为整数，其作用是防止分母为0。结合这个数值以及磁场的实时变化情况进一步推导磁场（即势场）对机器人产生的引力大小[4]，计算过程如公式（2）所示。

Uattr（x，y，z）=（t1-t2）·δ·s " " " " " （2）

式中：Uattr（x，y，z）为磁场（即势场）对机器人产生的引力；t1为障碍物识别预设时间；t2为障碍物实际识别时间；δ为引力场常数；s为目标点距离。

当机器人同时受到引力和斥力的作用时，这些力会根据矢量合成的原理进行叠加。具体来说，将各个力按照平行四边形定则进行合成，得到一个合力。这个合力的大小和方向决定了机器人的加速度和运动方向。机器人在避障势场中受到的合力是引力和斥力的矢量和，如公式（3）所示。

U（x，y，z）=Urep（x，y，z）+Uattr（x，y，z） " " " " "（3）

式中：U（x，y，z）为引力和斥力的矢量和。

利用上述步骤构建一个精确的避障势场，指导机器人在变电站等复杂环境中进行自主导航和避障。

2 建立智能四足巡视机器人关节运动学模型

在明确了避障势场区域后，建立智能四足巡视机器人的运动学模型。运动学模型描述了机器人当处于不同姿态和速度时的运动特性，包括其移动速度、转向能力以及稳定性等。建立准确的运动学模型可以保证机器人能够执行规划的避障轨迹，提高避障的成功率和效率。在障碍物很多的复杂环境中，机器人的核心属性是刚体位姿，其不仅包括机器人在空间中的具体位置坐标，还包括姿态信息，坐标和信息共同定义了刚体在三维空间中的完整状态。因此为了准确描述机器人各连杆间的相互作用与位置关系，本文研究这些刚体之间的运动学关系[5]。

对每个关节来说，需要建立其运动学方程。本文假设智能四足巡视机器人第i条腿的髋关节在全局坐标系中的位置为phi，并且髋关节、膝关节和踝关节之间的连杆长度分别为l1、l2（对踝关节至脚尖的连杆来说，如果脚尖为1个点，那么长度为0；如果脚尖有一定尺寸，那么长度相应增加）。对第i条腿来说，利用以下步骤计算脚尖在全局坐标系中的位置pti。

从髋关节至膝关节脚尖在全局坐标系中的位置如公式（4）所示。

（4）

式中：pti为从髋关节至膝关节脚尖在全局坐标系中的位置；l1为从髋关节至膝关节的连杆长度；θ1i 、θ2i分别为髋关节、膝关节的角度。

从膝关节至踝关节脚尖在全局坐标系中的位置如公式（5）所示。

（5）

式中：pai为从膝关节至踝关节脚尖在全局坐标系中的位置；l2为从膝关节至踝关节的连杆长度；θ3i为踝关节的角度。

本文假设膝关节的旋转是相对于髋关节的，那么角度相同。如果考虑踝关节有额外的移动（例如绕Z轴旋转或沿Z轴平移），那么进一步进行计算[6]。假设脚尖就在踝关节位置，那么脚尖的最终位置为pti=pai。

这种计算方式不仅考虑了机器人在水平面的移动过程，还预留了垂直方向或绕轴旋转等复杂运动的扩展空间。综上所述，建立智能四足巡视机器人运动学模型为避障轨迹的自动规划奠定了基础。

3 计算巡视障碍距离

利用机器人的关节运动学模型计算在巡视过程中机器人与障碍物的距离以及方位。根据上文明确的避障势场区域和传感器数据实时获取机器人与每个障碍物的相对位置、距离以及运动趋势等信息。这些信息对避障轨迹的实时规划和调整来说至关重要。准确计算巡视障碍距离和方位，机器人可以更加精准地判断当前环境的安全性，并采取相应的避障决策。

计算机器人与障碍物之间的距离，确定障碍物在机器人全局坐标系中的精确位置以及机器人自身的位置。解析这2个点之间的几何关系，采用数学公式计算其之间的具体距离。

为了更有效地进行避障轨迹规划，特别是针对机械手等复杂系统，须对障碍物进行模型简化。将障碍物抽象为球体、长方体或圆柱体等易于处理的规则几何体，以简化碰撞检测的运算过程。巡视障碍距离测定结构如图1所示。

数字化变电站巡视机器人应用场景的工作区域是明确限定的。为了使巡视作业更高效，在机器人中安装多维传感装置和异常识别器，这些设备分布在机器人的前后左右各个方向[7]。利用这些设备并结合特定的测试程序，机器人能够实时分析并核算所识别障碍物与自身之间的具体距离。当计算2个三维物体之间的最短距离时，采用最小欧氏距离作为衡量标准。障碍物在全局坐标系中的位置记为pobs，pobs=（xobs，yobs，zobs）。利用机器人的定位系统获得机器人在全局坐标系中的当前位置，记为probot，probot=（xrobot，yrobot，zrobot）[8]。

在确定障碍物和机器人的位置信息后，使用欧氏距离公式来计算其之间的距离d，如公式（6）所示。

（6）

利用这种方法精确地量化机器人与障碍物之间的距离，为后续的避障决策提供可靠依据。

4 避障轨迹规划

基于上文内容规划避障轨迹。在这个阶段，机器人将综合考虑避障势场区域、自身运动学模型、实时计算的巡视障碍距离以及方位等因素，运用智能算法规划1条既安全又高效的避障轨迹。这条轨迹将引导机器人避开所有障碍物，顺利到达目标点。同时，机器人还需要具备实时调整轨迹的能力，以应对动态环境的变化和不确定因素。完成这个过程，变电站智能四足巡视机器人能够在复杂环境中进行自主避障和高效巡视。

在这个阶段，机器人会全面审视避障势场区域，明确哪些区域是安全的，哪些区域是危险的，绘制一幅清晰的“安全地图”。机器人会结合自身的运动学模型考虑当每一步移动时的速度、加速度、稳定性以及转向能力等限制条件，保证规划的轨迹既符合物理规律，又能充分发挥其机动性[9]。机器人避障过程如图2所示。

在机器人运动学条件的约束下，对一个时间段内的多个运动状态进行采样，以关节运动学模型为基础，需要考虑在避障过程中的稳定性和舒适性，从多条可能的轨迹中选择最优轨迹[10]。机器人运动不仅按照避障路径，而且以最佳状态完成巡检任务。

5 试验

5.1 试验准备

将试验设置在内蒙古西部蒙西地区的某大型变电站中，该地区地理环境独特，气候条件多变，地形为广袤的沙戈荒地带，有频发的沙尘暴，偶发的暴雪、暴雨以及长期高温。本文方法保证机器人在复杂多变的自然环境中仍然能够高效、安全地完成巡视任务。

变电站整体情况如下。占地面积约为500 000 m2，内部布局复杂，包括多个高压设备区、控制室和输电线路走廊。选择长100 m，宽80 m的矩形区域来模拟变电站的一部分。智能四足巡视机器人基础参数见表1。

在智能四足巡视机器人中设置高精度激光雷达、红外热成像仪、高清摄像头和惯性导航系统等多传感器融合系统，以适应复杂多变的环境。然后按照既定的试验方案进行试验并收集数据，以验证机器人在极端环境中的自主导航与避障能力。

5.2 试验结果

在设计智能四足巡视机器人在复杂环境中的避障轨迹规划方法后，对比本文方法、基于深度强化学习的四足机器人单腿越障轨迹规划方法（方法一）以及基于改进粒子群算法的避障轨迹规划方法（方法二）。为了验证本文方法的有效性并评估其性能差异，对3种方法生成的最优避障路径进行分析。3种方法生成的最优避障路径如图3所示。

本文方法在变电站轻量化四足巡视机器人的避障应用中优势显著。在复杂的变电站环境中，与另外2种方法相比，本文方法不仅使巡视机器人进行有效避障，而且提升了路径规划效率。具体来说，方法一与方法二生成的避障路径均存在不同程度的冗余，导致路径长度较长，降低了巡视任务的执行效率。本文方法采用创新算法有效缩短了避障路径的长度，同时保证机器人能够精准地避开所有障碍物。在变电站轻量化四足巡视机器人的避障路径规划方面，使用本文方法进行路径规划不仅效果更好，而且在实际应用中实用价值更高，经济效益更好。

6 结语

在变电站智能四足巡视机器人避障轨迹自动规划的研究与实践中，采用本文方法能够保证机器人巡视效率，提高安全性与稳定性，有效降低人为误判和事故风险，为变电站的智能化运维管理提供了强有力的技术支持。尽管本文取得了一定成果，但是仍然存在一些不足之处。在复杂环境中感知精度不高，实时性不强，特别是处于极端天气或在不充足的照条件下传感器的性能可能受到影响，导致避障决策的准确性下降。未来将持续优化感知系统，引入更先进的传感器技术和融合算法，提高环境感知的精度。期望打造更加智能、高效和安全的变电站巡视机器人，为电力行业的智能化转型贡献力量。

参考文献

[1]李敏，张森，曾祥光，等.基于深度强化学习的四足机器人单腿越障轨迹规划[J].系统仿真学报，2024，4（12）：1-15.

[2]马东阳，库祥臣，米显，等.基于改进粒子群算法的避障轨迹规划[J].制造技术与机床，2022（7）：11-17.

[3]杜泽明.有障碍物空间的危险气体单泄漏源源强反算算法研究[D].北京：中国石油大学：2023.

[4]李二超，王玉华.改进人工势场法的移动机器人避障轨迹研究[J].计算机工程与应用，2022，58（6）：296-304.

[5]田溢汕，李佳轩，宋峰峰，等.超冗余机器人避障轨迹规划[J].汕头大学学报（自然科学版），2023，38（1）：23-34.

[6]赵泽龙，郑磊，易克松，等.数字化变电站巡视机器人避障路径智能规划研究[J].电气技术与经济，2022（6）：45-48.

[7]刘学文，任兴贵，许诺，等.多功能室外智能移动机器人避障轨迹自动规划方法[J].兵器装备工程学报，2022，43（10）：201-206.

[8]宋保业，吴尤，田运阳，等.拖挂式移动机器人的多约束避障轨迹规划[J].山东科技大学学报（自然科学版），2024，43（1）：100-108.

[9]张宏，汤小红，龚永健，等.基于AGA的焊接机器人避障轨迹规划[J].组合机床与自动化加工技术，2022（5）：19-23.

[10]邱少林.自主移动机器人动态避障轨迹规划方法[J].科学技术创新，2022（8）：185-188.