信号机房巡检机器人的研究与应用_陈蕊.pdf

论点 ARGUMENT 科技论坛116基金课题：内蒙古自治区自然科学基金资助项目（项目编号：2021MS05060）。信号机房巡检机器人的研究与应用文/陈蕊信号机房是铁路列车运行控制系统的重要组成部分之一，其在维护设备的安全稳定运行、及时排除影响列车运行的不稳定因素等方面具有显著的作用。目前，国家铁路局普遍以人工方式进行定期巡检和不定期的大规模巡检，由于工作量较大、隐蔽处难以通过直接观察排除隐患等，漏检、时效性差等问题屡有发生。因此，本文结合计算机视觉检测算法、机器人自主导航 SLAM 算法以及 5G 技术，编制了一种基于 5G 技术的激光导航巡检机器人系统设计方案。与传统的循迹导航或二维码导航相比较，激光导航的维护成本更低，路径柔性及智能化水平相对更高，并且适用于任意机房设备组合。同时，本文采用添加机器人运动学约束的混合 A*算法（静态路网中求解最短路径最有效的直接搜索方法之一），弥补了原 A*算法的缺陷，实现了机器人轨迹平滑优化，确保巡检机器人能够快速、平稳地穿梭于狭小的机房。考虑到传统的图像识别算法存在识别率低、光照鲁棒性差等缺陷，本文选用深度卷积神经网络进行端到端的训练，改善在复杂光照条件及不同视角下识别结果的稳定性和准确率。基于此，本文提出并设计了一种采用激光SLAM算法定位、混合 A*算法规划路径、端到端本文针对室内信号机房等重点区域人工巡检效率低、劳动强度大、易发生漏检等问题，提出一种通过激光SLAM（同步定位与地图构建）自主导航，借助深度学习算法实时判断设备状态的巡检机器人。目前，本文研究的巡检机器人已经在实际工程中得到了应用。应用结果表明，该机器人能够显著提高信号机房巡检质量和效率，具备完全取代人工巡检的可能性，工程实用价值较高。科技论坛 论点 ARGUMENT117对仪表设备进行智能识别与判断的信号机房智能巡检机器人系统。该机器人能够借助 5G 网络将巡检结果及运行数据反馈至后台服务器，并在检测到设备异常状况的第一时间向相关管理人员发出警报。一、信号机房巡检机器人系统设计方案整个巡检机器人系统由网页客户端和本地机器人控制系统两部分构成，二者均通过云服务器进行数据交互。用户可通过网页客户端来获取历史巡检数据并设定巡检任务。本地机器人系统在接收到指令后，将根据巡检任务中给定的巡检设备信息智能规划路径，并控制巡检机器人行驶至目标设备巡检点对目标设备进行拍照，通过图像识别技术来判定目标设备当前的运行状态或者读取目标设备的运行数据，最终将巡检结果返反馈至云服务器。该巡检机器人系统涉及机器人定位、地图构建、路径规划以及避障等多项关键技术，有效提高了巡检工作的效率和质量。二、信号机房巡检机器人关键技术本文设计的巡检机器人系统采用基于图优化的激光 SLAM算 法 Cartographer 来 构 建 2D栅 格 地 图，地 图 精 度 可 达 到5cm，定位精度为 1cm，巡检机器人能够精准行驶至目标巡检点。考虑到信号机房内通道狭窄，本文采用机器人运动学约束的路径搜索算法混合 A*算法进行全局路径搜索。同时，本文借助该算法进一步优化搜索结果以确保路径平滑且远离障碍物。在局部避障模块，本文采用 TEB 算法对未来一小段距离内的巡检机器人的路径进行全局规划，以确保其既能远离障碍物，又不会偏离全局规划路径。最终，行驶至目标监测点的巡检机器人将通过控制云台摄像头的旋转方向来获取目标设备的实时图片。为了提高识别结果的精准度，本文采用当前最先进的人工智能识别技术 YOLOv5 模型来识别图片中设备的状态并提取读数。（一）机器人控制系统的运行逻辑本文基于状态机设计并实现了巡检机器人的整体运行逻辑：巡检机器人共分为充电、待命、故障、手动控制以及巡检状态五个状态，不同状态对应着不同的控制流程，各控制模块互相联系共同支撑巡检机器人实现自主运行。例如，在充电状态下，巡检机器人首先会定位与当前位置距离最近的充电点位，按照最优规划路线行驶至充电桩前并对齐充电口后，开启充电开关以补充电能。充电完成后，巡检机器人将自动切换至待命状态，等待接收新指令。此时，如果云服务器发出手动控制机器人的指令，那么巡检机器人将切换至手动控制模式，并执行由网页客户端发出的操作指令。在接收到巡检指令后，巡检机器人将按照指令规划最优路径并逐个巡检指定设备，智能控制升降杆及云台直至画面稳定。随后，巡检机器人将对拍摄到的图片进行识别和判断，并及时上传识别结果。执行完所有巡检任务后，巡检机器人将进入充电状态并自动返回起始点寻找充电桩。此外，如果巡检机器人在手动控制和巡检过程中发生任何意外，它就会自动切换至故障状态。在这种情况下，系统将自动排查故障并向后台服务器做出反馈。（二）机器人路径规划运行逻辑混合 A*算法此前曾应用于自动驾驶轨迹规划领域，并得到较为理想的应用效果。考虑到传统的A*算法存在一定不足，故本文采用混合 A*算法实现对巡检机器人的运动学约束，以确保其能够在规定时间内规划出一条符合运动学逻辑的可行路径，能够基于障碍物的梯度论点 ARGUMENT 科技论坛118对轨迹进行优化平滑处理。（三）基于 TEB 算法的局部路径规划基于 TEB 算法的局部路径规划可以将巡检机器人的轨迹依据时间离散化，然后根据运动学约束、平滑性约束以及障碍物约束构建目标优化函数，并采用由非线性优化方法求解得到的最优局部路径。（四）基于 YOLOv5 模型的设备状态判别本文设计的巡检机器人可以借助神经网络的分类功能准确判别空气开关是否处于异常状态，但对指示灯以及组合报警器的识别则建立在已获取设备面板识别结果的基础上。在该场景下，巡检机器人将根据提取到的指示灯位置、数量等信息来判别对应设备当前的状态。不过，对于防雷指示牌的判别，巡检机器人需要在系统提取每一个设备的位置信息、指示牌的颜色信息后才能进行。YOLOv5 作为当前最为先进的卷积神经网络识别模型之一，融合了深度学习与相关网络结构的优势，被广泛应用于工业领域。笔者基于 YOLOv5模型的优势，将其用于判别信号机房设备的运行状态。实践结果显示，YOLOv5 模型的判别准确率均保持在较高水平。三、应用结果分析为了验证本文设计的巡检机器人的适用性，本文分别针对是否能顺利完成长期全自动定时巡检任务、设备状态判别的准确率两个方面展开应用试验。为此，笔者将设计完成的巡检机器人系统应用于某铁路集团的信号机房，并设定长期执行 24 小时定时巡检任务，以验证该系统的可靠性、稳定性。在本次试验中，巡检机器人实际采集并标注的各种光照条件下的信号机房设备图片共计 1000 余张。同时，笔者在对卷积神经网络进行 300 轮训练后实现了 98%以上的识别准确率，并在训练增加至 500 轮后得到更优结果。最终，训练结果召回率、识别精准率均维持在 98%以上，达到了信号机房日常巡检工作的要求。四、结语综上所述，本文提出了一种适用于信号机房的巡检机器人系统设计方案。该系统基于激光SLAM算法实现了自主导航，基于 YOLOv5 模型实现了图像识别、设备状态判别精准度的同步提升。经试验，本文设计的巡检机器人能够按照指令自主完成 24 小时巡检任务，并可在有效降低巡检人员工作强度的同时，全面提高巡检工作的质量和效率。参考文献：1 黄山,吴振升,任志刚,等.电力智能巡检机器人研究综述 J.电测与仪表,2020,57(02)：26-38.2 刘荫,韩圣亚,徐浩,等.信通机房巡检机器人系统设计 J.工业仪表与自动化装置,2021(03)：61-66.3 杨连营,杨亚,汪文杰,等.一种电力信息通信机房智能巡检机器人设计与应用 J.微处理机,2017,38(05)：89-94.4 曹薇,陈亮.电气巡检机器人避障导航 PLC 控制系统设计 J.自动化与仪器仪表,2021(06)：157-160，164.5 张永,钱平,杨松伟.基于插补轨迹控制的变电站机器人巡检避障技术 J.机械与电子,2020,38(08)：47-51.（本文作者陈蕊，就职于国能包神铁路有限责任公司）