论文部分内容阅读
相较于人工巡检，巡检机器人具备工作时间长、较少受恶劣气候环境制约、可靠性高、成本低等优势，变电站上线巡检机器人成为智能变电站发展的一个重要趋势。机器人的运动规划，即定位、导航及路径规划，是完成巡检任务和保障机器人及变电站设备安全的必备技术基础。
机器人的定位基于精准的栅格地图，利用基于粒子滤波理论的Gmapping算法和基于图优化理论的Cartographer算法进行环境建模，对两种算法的建图效果及性能进行对比，选取建图效果更好的Gmapping算法对变电站进行环境建模；基于二维栅格地图，利用AMCL(Augmented Monte Carlo Localization)算法实现机器人的定位，总结了AMCL算法在实际测试中存在的问题，对总结的问题提供了解决方案，对机器人容易丢失定位的问题设计了一种基于数据库的重定位方法。
为了解决巡检机器人在环境特征较少时定位丢失的问题，引入3D激光雷达进行环境建模和定位。利用LOAM算法和Cartographer算法进行环境建模，对比了两种算法的建图效果和性能，选用Cartographer算法完成点云地图的生成，在点云地图的基础上，采用hdl_localization算法进行定位。实验结果表明基于3D激光雷达的环境建模和定位具备较好的可行性。
对变电站的环境进行了抽象，生成了环境拓扑地图，为了解决项目原路径规划算法无法对全部任务点进行路径规划的问题，对CPP(Chinese Postman Problem)算法进行分析，针对于该算法时间复杂度过高的问题，首先简化了拓扑图，然后引入遗传算法，进一步降低算法的计算量；同时提出了一种基于交叉熵优化的路径规划算法，算法首先利用Dijkstra算法计算任务点之间的权值矩阵，然后针对多任务点不便于优化的问题，对任务点进行了分类，在分类的基础上，对剩余任务点采用交叉熵优化算法进行路径规划。
开展了高铁变电站巡检机器人现场运行试验和调试，改进的AMCL算法能够解决原始AMCL算法存在的问题，同时在定位恢复的速度上优于原生AMCL算法；改进的GA_CPP算法和基于交叉熵优化的路径规划算法能够完成对变电站所有任务点的路径规划。经过在某牵引变电站的大量测试，机器人的定位和路径规划能够满足巡检机器人的实际需求。
机器人的定位基于精准的栅格地图，利用基于粒子滤波理论的Gmapping算法和基于图优化理论的Cartographer算法进行环境建模，对两种算法的建图效果及性能进行对比，选取建图效果更好的Gmapping算法对变电站进行环境建模；基于二维栅格地图，利用AMCL(Augmented Monte Carlo Localization)算法实现机器人的定位，总结了AMCL算法在实际测试中存在的问题，对总结的问题提供了解决方案，对机器人容易丢失定位的问题设计了一种基于数据库的重定位方法。
为了解决巡检机器人在环境特征较少时定位丢失的问题，引入3D激光雷达进行环境建模和定位。利用LOAM算法和Cartographer算法进行环境建模，对比了两种算法的建图效果和性能，选用Cartographer算法完成点云地图的生成，在点云地图的基础上，采用hdl_localization算法进行定位。实验结果表明基于3D激光雷达的环境建模和定位具备较好的可行性。
对变电站的环境进行了抽象，生成了环境拓扑地图，为了解决项目原路径规划算法无法对全部任务点进行路径规划的问题，对CPP(Chinese Postman Problem)算法进行分析，针对于该算法时间复杂度过高的问题，首先简化了拓扑图，然后引入遗传算法，进一步降低算法的计算量；同时提出了一种基于交叉熵优化的路径规划算法，算法首先利用Dijkstra算法计算任务点之间的权值矩阵，然后针对多任务点不便于优化的问题，对任务点进行了分类，在分类的基础上，对剩余任务点采用交叉熵优化算法进行路径规划。
开展了高铁变电站巡检机器人现场运行试验和调试，改进的AMCL算法能够解决原始AMCL算法存在的问题，同时在定位恢复的速度上优于原生AMCL算法；改进的GA_CPP算法和基于交叉熵优化的路径规划算法能够完成对变电站所有任务点的路径规划。经过在某牵引变电站的大量测试，机器人的定位和路径规划能够满足巡检机器人的实际需求。