基于改进人工蜂群算法的核电巡检机器人路径优化策略设计_王远国.pdf

电子设计工程Electronic Design Engineering第31卷Vol.31第6期No.62023年3月Mar.2023收稿日期：2021-12-14稿件编号：202112084作者简介：王远国（1978），男，湖北襄阳人，高级工程师。研究方向：智能巡检技术在压水堆核电厂核岛区域的应用。随着人工智能技术的高速发展，智能机器人在工业制造、抢险救灾、物流货运与厂站巡检等领域的应用较为广泛1-3。当前，核电站的巡检仍主要依赖于人工巡检。但传统人工巡检存在工作量较大、设备异常状态易被误判及危险环境对工作人员人身安基于改进人工蜂群算法的核电巡检机器人路径优化策略设计王远国，俞海兵，李云臣，卓廉程，曹 洋（大亚湾核电运营管理有限责任公司，广东 深圳 518124）摘要：针对核电站巡检机器人在路径规划过程中存在的问题，文中提出了一种基于改进蜂群算法的核电巡检机器人路径优化方法。在深入分析了人工蜂群算法原理的基础上，针对其存在的收敛速度慢、容易陷入局部最优及全局搜索能力较弱等缺点，提出了改进的等距搜寻方法、并行选择机制与全局更新方法。该方法通过引入栅格法实现了巡检环境建模，构建了核电巡检机器人路径优化的数学模型，并采用改进的蜂群算法进行求解。以某核电站的实际巡检场景为例进行仿真验证，结果表明，相比于传统蜂群算法，所提算法的收敛速度更快、稳定性更好、寻优能力也更强，且得到的规划路径长度更短、质量更优，故能够提高核电巡检的智能化水平。关键词：人工蜂群算法；路径优化；收敛速度；寻优能力中图分类号：TP277；TN99文献标识码：A文章编号：1674-6236（2023）06-0070-05DOI：10.14022/j.issn1674-6236.2023.06.015Path optimization strategy design of nuclear power inspection robot based onimproved artificial bee colony algorithmWANG Yuanguo，YU Haibing，LI Yunchen，ZHUO Liancheng，CAO Yang（Daya Bay Nuclear Power Operation Management Co.，Ltd.，Shenzhen 518124，China）Abstract:Aiming at the problems existing in the path planning process of nuclear power plant inspectionrobot，a path optimization method of nuclear power inspection robot based on improved bee colonyalgorithm is proposed in this paper.Based on the indepth analysis of the principle of artificial bee colonyalgorithm，aiming at its shortcomings such as slow convergence speed，easy to fall into local optimizationand weak global search ability，an improved isometric search method，parallel selection mechanism andglobal update method are proposed.By introducing the grid method，the patrol environment modeling isrealized，the path optimization mathematical model of nuclear power patrol robot is constructed，and theimproved bee colony algorithm is used to solve it.The simulation results show that compared with thetraditional bee colony algorithm，the proposed algorithm has faster convergence speed，better stability，stronger optimization ability，shorter planning path length and better quality，which can improve theintelligent level of nuclear power inspection.Keywords:artificial bee colony algorithm；path optimization；convergence speed；optimization ability-70全威胁较大等缺点4-5。因此，将机器人应用于核电站的巡检工作已逐渐成为一种必然趋势。智能巡检机器人可利用其携带的红外、紫外、图像与超声波等先进传感器技术，来实现对核电站设备运行状态的监测，并能够极大地减少人工投入及误判率6-8。由于核电站设备种类繁多、环境复杂，如何对巡检机器人的路径进行优化，减少巡检路径，从而提高巡检效率，是亟待解决的关键问题之一。针对上述问题，该文提出了一种改进的人工蜂群算法，并将其应用于核电巡检机器人的路径规划中，以提高机器人的巡检效率。1蜂群算法1.1基本原理人工蜂群（Artificial Bee Colony，ABC）算法是一种模拟蜜蜂群体搜寻花蜜觅食行为模式的启发式智能算法。该算法参数设置少，且搜索收敛速度较快，因此能够在一定程度上跳出局部最优解，从而避免算法早熟，故受到了广大研究学者的青睐9-10。ABC算法与优化问题求解的对应关系如表 1所示。其核心思想是模拟引领蜂、跟随蜂与侦查蜂对蜜源搜索的过程：随机生成初始蜜源位置，并分配给引领蜂；其会对蜜源进行邻近搜寻，以发现新蜜源；引领蜂将蜜源信息传递给跟随蜂，该蜂从引领蜂的蜜源中选取一个蜜源，并进行领域搜寻；当引领蜂在一个蜜源位置进行多次领域搜寻而未找到新的蜜源时，则舍弃该蜜源；此时引领蜂转为侦查蜂，并随机生成新的蜜源位置，且重复上述搜寻过程。表1算法优化参数对应关系蜂群搜寻蜜源过程蜜源位置蜜源适应度值蜂群搜寻速度最优蜜源位置最大适应度值优化问题求解过程可行解可行解对应的目标函数值可行解优化速度最优解最优目标函数值假设蜂群种群规模为 S，其中有 M 个引领蜂，通常取 M=S/2，最大更新迭代次数为 Gmax，迭代控制参数为，待求解优化问题的解空间维度为 D，则 ABC算法主要步骤如下11-12：1）初始蜜源生成首先在优化问题的D维解空间中随机生成M个初始蜜源位置并分配给引领蜂，则第i个蜜源为：Xi=xi1,xi2,xij,xiD(i=1,2,M)（1）式（1）中，xij为第 i个蜜源第 j维的取值，其计算方式如下：xij=xj,min+rij(xj,max-xj,min)（2）式（2）中，rij为区间(0,1)范围内的随机数；xj,max和xj,min分别为第j维解空间的上下限。2）领域搜寻更新引领蜂在蜜源位置进行领域搜寻，得到新的蜜源位置Vi=vi1,vi2,vij,viD，搜寻方法如下：vij=xij+ij(xkj-xij)（3）式（3）中，vij为领域搜寻生成新蜜源Vi的第 j维取值；xkj为第 k 个蜜源第 j 维的取值，k 为在集合1,2,M中生成的随机数；ij为0,1范围内生成的随机数。进一步，引领蜂根据贪婪原则更新蜜源，更新机制如下：Xi=Xi,f(Vi)f(Xi)Vi,f(Vi)f(Xi)（4）式（4）中，f()为蜜源适应度函数。3）跟随蜂选择蜜源在引领蜂进行一次领域搜寻后，每个跟随蜂根据轮盘赌原则从当前蜜源集合中选取其中一个，并按照上述步骤2）进行一次领域搜寻更新。基于轮盘赌原则的选择过程：随机生成一个随机数，若该随机数小于该蜜源被选择的概率pi，则该蜜源将被选中。蜜源被选择的概率计算如下：pi=f(Xi)i=1Mf(Xi)（5）4）全局更新原则按照上述步骤进行解空间的搜寻，当一处蜜源位置在进行次领域搜寻后，其位置仍未得到更新，则舍弃该蜜源，引领蜂转变为侦查蜂。侦查蜂根据式（1）随机生成新的蜜源位置，重新转变为引领蜂，继续按照上述步骤依次循环执行，直至满足迭代终止条件为止。1.2算法改进针对传统算法存在收敛速度慢、容易陷入早熟的缺点13，该文提出了一种改进的蜂群（ImprovedArtificial Bee Colony，IABC）算法，具体的改进方法如下：王远国，等基于改进人工蜂群算法的核电巡检机器人路径优化策略设计-71电子设计工程 2023年第6期1）改进的领域搜寻方法在传统的ABC算法中，蜂群在进行领域搜寻时，根据随机选取的蜜源位置及0,1范围内随机控制参数进行搜寻。该种方式具有较大的盲目性，且大幅降低了算法的收敛速度。因此该文提出一种改进的领域搜寻方法，引入最佳蜜源位置与等距控制参数，整体提高算法的收敛速度。Xbest=xbest,1,xbest,2,xbest,j,xbest,D为当前最优蜜源，对于蜜源位置 Xi，根据改进领域搜寻方法，生成位置Vi=vi1,vi2,vij,viD和Ui=ui1,ui2,uij,uiD，然后从 Xi、Vi和 Ui中选择最优蜜源进行 Xi的更新如下：vij=xij+(xbest,j-xij)uij=xij+(xkj-xij)（6）式（6）中，为等距控制参数，其计算法方式如下：=Gmax-gGmax（7）式中，g为当前迭代次数。2）改进的蜜源选取方法传统 ABC算法中，跟随蜂采用轮盘赌原则来选取蜜源，这意味着蜜源适应度值越高，其被选取的概率也越高。进而也会使蜂群陷入适应度值较高的局部最优解，并导致算法过于早熟。因此，该文提出了一种改进的并行蜜源选取方法：在按照式（4）选取蜜源Xi的同时，按式（8）所得到的概率pj来选取另一个蜜源Xj，跟随蜂再根据Xi和Xj并行进行领域搜寻，pj计算如下：pj=1 f(Xi)i=1M1 f(Xi)（8）3）改进的全局更新方法传统 ABC算法通过全局更新原则，实现了在解空间范围内的随机搜寻，但这种方法大幅降低了搜寻效率。文提出了一种基于花香浓度的全局更新方法：即在侦查蜂生成蜜源位置时，搜寻的方向并非随机，而是按照解空间不同维度的花香浓度有所侧重地选择搜寻方向。改进的全局更新方法如下：xij=xj,min+j(xj,max-xj,min)（9）式（9）中，j为第 j维解空间的搜寻权重，其计算方法为：j=qjj=1Dqj（10）式（10）中，qj为第j维解空间的花香浓度。2核电巡检机器人路径规划2.1核电站巡检环境建模该文采用栅格法对核电站巡检环境进行建模14，根据巡检机器人的行进步长l，将巡检范围划分为栅格，X轴和Y轴的栅格数分别为：dx=lx,max/ldy=ly,max/l（11）式中，lx,max和ly,max分别为 X 轴与 Y 轴方向机器人巡检范围的最大距离。如图 1所示，将划分后的栅格进行编号，使该编号与栅格位置坐标形成逐一对应关系，则栅格编号h与其坐标的对应关系为：x=mod(h-1)/dx)+1y=int(h-1)/dy)+1（12）其中，mod()和int()分别为求余及取整函数。图1基于栅格法的巡检环境2.2机器人路径优化模型核电站巡检机器人路径规划问题为：按照一定的评价标准为机器人搜寻从起始节点到目的节点的最优路径15-16。该文按照式（13）建立路径优化问题的目标函数：minf=L+P（13）式（13）中，f为目标函数值；L为路径的总长度；P为与路径到障碍物最短距离相关的惩罚值。L的计算方式如下：L=i=1A-1(