1. 研究目的与意义（文献综述）

1.1 研究背景

随着科技进步和电力体制改革的不断深入和发展，电力系统规模不断扩大，自动化程度已有了很大提高，变电站设备的电气信号可以通过监视控制和数据采集系统、高压设备绝缘检测、继电保护等装置获得，从而也实现了变电站主设备的远程监控。变电站是各级电网的核心枢纽，其稳定运行是关乎经济发展、社会稳定的大事，对站内设备例行巡检是保证电网安全运行的关键技术手段。通常采用人工监控的方式确认高压变电站运行状况是否良好，人工监控方式有自己本身的局限性，存在劳动强度大、管理成本高和工作效率低等不足，且很多变电站受恶劣地理、气候条件的限制。为此，提出了变电站巡检机器人。

现有变电站巡检机器人，在站内实现全自主定位和导航，利用红外、可见光传感器，实现设备温度自动测量、设备状态自动识别，自动设置巡检任务，记录巡检结果，与变电站现有信息系统实现信息交互，自动代替人工完成变电站设备的巡检任务，还具备故障诊断功能，可根据设备状态综合诊断设备故障。使用变电站巡检机器人代替人工巡检，可以有效地提高巡检质量、降低人工劳动强度；恶劣天气下代替人工巡视，降低人工安全风险；基于变电站巡检机器人全自主检测设备状态，实现无人值守。利用机器人进行变电站设备巡检，可通过自动化的作业手段降低劳动强度，提升巡检效率，统一的检测分析流程保证巡检质量，为解决以上问题提供了一种有效的手段。

导航系统是巡检机器人执行任务的基础环节，基础建设决定上层建筑，因此导航对于移动机器人有着至关重要的作用。没有了导航系统的机器人就如同暗夜中的船只没有灯塔的指引一样。

2. 研究的基本内容与方案

2.1 设计的基本内容和目标

电力系统中腿足机器人的路径规划及导航算法研究，主要解决巡检机器人最优路径的规划和可靠的导航保证问题。导航规划作为机器人的核心算法，为机器人提供了基于感知移动作业的能力，机器人的导航规划一般分为构建地图、自定位、路径规划和轨迹规划四个部分，这里主要研究其中的路径规划和轨迹规划部分。

因此，本系统应具有以下基本特点：1能使机器人能够安全无碰撞的进行巡检操作2考虑到障碍物和机器人本身的尺寸，使机器人的轨迹连续合理3机器人轨迹并不是“歪歪扭扭”，考虑到自身转弯半径，能够平滑的过渡运动。

要想实现以上特点，有以下几个方面需要进行研究：1考虑机器人最小转弯半径，引入最优轨迹加速算法来跳过大量开阔搜索空间，最后优化路径，使轨迹平滑合理2采用基于图优化的轨迹规划方法，增加速度与角速度的联合约束，使算法更加合理3采用PD控制器和基于NMPC优化的路径追踪方法追踪优化后的轨迹来提高轨迹跟踪的精度。

2.2 拟采用的技术方案

移动机器人的导航系统在概念层上是非常简单的，它只需要通过机器人的里程计与外部传感器如激光和摄像头等作为输入，然后将计算出的速度指令发送给移动设备。但是在实际机器人上构建导航系统又是复杂的，其中涉及到很多复杂的模块结构。一个好的软件框架往往能极大的降低模块间的耦合度，并提高整个团队的开发效率。本文使用的软件架构是基于 ROS 的导航架构，它是一个被广泛使用的导航模块，该框架还为用户提供了各个功能模块的接口并与具体的实现方法隔离开来，其具体采用的方法是由插件根据不同参数导入实现。

2.2.1 基于ROS的导航框架

ROS 由多个相互独立的节点构成，并且节点间所进行的数据处理是通过发布/订阅点对点的网络形式表现出来。其核心模块主要包括节点、消息、主题、服务四个部分。

图一 ROS下的Topic

ROS 的节点可以理解为一个个执行特定任务的进程，每个节点相应的完成一些特定的任务，比如说有专门负责图像处理的节点、定位导航的节点、任务规划的节点、动作执行的节点等，这些节点组合在一起就成了一个完整的系统。

节点间通讯的方式是通过传送消息实现的。这里的消息其实是一个个严格定义的数据结构，如常规的整型、浮点型、数组等结构，也可以是用户自己定义的数据类型，例如路径上的航点、点云、栅格地图等。

消息以一种发布/订阅的方式在节点间传递。一个节点可以发布一个特定消息类型的主题，也可以针对相应的主题订阅与关注特定类型的数据。发布者和订阅者互相可以不用了解彼此的存在。这样的处理方式同样为模块化的程序提供了极大的便利。

服务是节点间相互通信的另一种方式， 具体方式是通过请求与响应的机制。

导航框架各个节点如下图所示：

图二 导航框架各节点

如上图所示，共有五个节点。其中包括基于蒙特卡洛的粒子滤波自定位算法的自定位节点，负责载入全局地图的地图服务器节点，接受速度命令的底盘节点或仿真器节点，负责发送目标位置的目标点节点，以及作为导航包的逻辑核心存在的移动基础节点。

2.2.2 基于 GVD 的栅格地图表示

对于全局路径搜索算法来说，最重要的即是地图的表示方法，常见的地图表示有基于 DM(distance map)的和基于 GVD(generalized voronoi diagram)两种方法。DM 是具有距离信息的地图，它对搜索算法提供了地图上的点与障碍物的距离信息，即可以知道地图上任意一点距离其最近的障碍物。而 GVD 地图是指广义泰森多边形地图，是对空间平面的一种剖分，其特点是多边形内的任何位置离该多边形的样点（障碍物）的距离最近，离相邻多边形内样点的距离远，且每个多边形内且仅包含一个样点。GVD 不仅提供了地图点与障碍物的距离信息，而且还定义了一系列距离障碍物具有等长距离的边。在后续混合 A*搜索与路径优化的过程中可以使机器人靠近这些基于泰森多边形的边，远离障碍物，故本文选用了基于 GVD 的地图表示。我们可以求得基于 GVD 地图的代价地图，当给定一个地图上的点 （x, y）后，计算与其最近的障碍物距离()和与其最近的 GVD 的边的距离(),该点的势能计算如下：

其中为所需要调的参数，分别控制了势能值的下降速率与控制的范围。

2.2.3 全局路径规划与局部轨迹规划模块

为导航包的全局规划器，接受栅格地图模块生成的栅格地图从而规划出从起始点到目标点的路径，为局部轨迹规划模块作出参考。主要方法为 A*算法和Dijkstra 算法。局部轨迹规划模块主要讲全局路径规划出来的全局路径为参考并规划出机器人执行的速度，主要算法为动态窗口法。

2.2.4 TEB轨迹规划方法

传统的橡皮筋方法(Elastic Band)是通过传感器对环境进行实时感知，并基于感知的障碍物信息对规划路径中的点作合理的调整，环境的障碍物提供外部的斥力，相邻的航点提供内部的张力，将路径演化成一条平滑的橡皮筋。但是该方法并没有考虑到机器人最小转弯半径以及速度，加速度的限制。而 TEB 的方法利用了图优化的思想，将机器人的状态和相邻状态的时间作为优化的节点，各个状态间的约束如速度，加速度，非完整约束作为优化的边，同时考虑到障碍物与各个状态的约束，行驶航点与各个状态的约束，最后将需要优化的节点和约束边的信息交给 g2o 优化包来求解，并且可以直接通获得机器人的控制量。

2.2.5 蚁群算法优化路径

蚂蚁在寻找最优路径的过程中，是经过蚁群的共同行为寻找到最优路径。在寻找最优路径的过程中，蚂蚁会在其经过的路径上留下信息素，之后的蚂蚁会根据这些信息素的强弱选择路径。当走到一未曾经过的路口时，会随机选择并释放信息素，信息素的多少与路径长短呈反比。随着时间的推移，较短路径上的信息素将会不断增加， 而其他较长的路径上的信息素则会慢慢的变少或消失， 最终蚁群会寻找到一条适合的最优路径。

图三 蚂蚁觅食原理图

3. 研究计划与安排

第一周 调研课题背景与国内外研究现状，查阅相关文献资料，明确研究内容，了解研究所需理论基础

第二周 熟悉掌握基本理论，完成英文资料的翻译。

第三周 提交开题报告初稿，提交外文翻译。

4. 参考文献（12篇以上）

[1] 祖丽楠, 张强, 梁静,等. 变电站巡检机器人导航方法研究[j]. 科学技术与工程, 2014, 14(9):198-201.
[2] 董吉文, 冯立强, 鲁守银. 变电站巡检机器人控制系统设计[j]. 微计算机信息, 2009, 25(5):220-222.
[3] 李长勇, 蔡骏, 房爱青,等. 多传感器融合的机器人导航算法研究[j]. 机械设计与制造, 2017(5):238-240.
[4] 黄祎, 孙德宝, 秦元庆. 基于粒子群算法的移动机器人路径规划[j]. 机器人, 2004, 25(3):222-225.
[5] 李祥, 崔昊杨, 皮凯云,等. 基于stm32的变电站巡检机器人系统设计[j]. 现代电子技术, 2017, 40(17):150-153.

[6] 刘钰, 陆建峰, 蔡海舟. 基于改进a*算法的机器人路径规划方法研究[j]. 计算机技术与发展, 2012(12):108-111.

[7] 杨娜, 李汉舟, 郭静,等. 基于改进人工势场法的服务机器人路径规划[j]. 导航与控制, 2016, 15(5).