CN102566576B - 一种用于变电站顺控系统的多巡检机器人协同运作方法 - Google Patents

Abstract

本发明公开了一种用于变电站顺控系统的多巡检机器人协同运作方法，在实现智能变电站顺控系统的“控制闭环化”和“状态可视化”时，采用本方法能有效节省顺控系统的执行及校验时间。提出基于变电站环境采用拓扑法建模，根据巡检机器人可行走路线形成拓扑网状图和连通关系矩阵，进行路径的搜索及遍历输出距离矩阵和最短路径矩阵；在顺控单步时，根据距离矩阵和最短路径矩阵确定各巡检机器人从当前位置到目标点的最短连通路径序列；顺控单步选优，即在考虑路程、时间、安全性和机动性综合指标下，选择性能最优的巡检机器人；确定每个巡检机器人的运行路径序列，以及对应的激活事件；在线监测，如果环境发生变化，在线监测负责排除故障，恢复运行。

Description

一种用于变电站顺控系统的多巡检机器人协同运作方法

技术领域

本发明涉及一种用于变电站顺控系统的多巡检机器人协同运作方法，属于变电站自动化控制领域。

背景技术

变电站顺序化控制(以下简称顺控)是智能变电站必须具备的基本功能之一。顺控也称程序化操作，是指在变电站原有标准化操作的前提下，由变电站自动化系统自动按照操作票规定的顺序执行相关运行方式变化的操作任务，一次性自动完成多个控制步骤的操作。

变电站智能巡检机器人是携带红外和可见光成像设备的移动机器人，在全天候条件下，以全自主或遥控方式，进行变电站设备巡检，对巡检数据提供专家分析。

在智能变电站，顺控需要巡检机器人进行设备状态的自动识别。且变电站占地面积较大，顺控时先后对多个电压等级的设备进行连续控制，同时要求多个巡检机器人配合。多巡检机器人协同运作时会存在以下问题：

1、顺控单步执行时，如何计算每个巡检机器人最优路径；

2、考虑路程、时间、安全性和机动性等综合指标，顺控单步时多巡检机器人的选优；考虑单步选优方案执行时多巡检机器人的当前位置，进行避障处理。

3、如何将每个单步选优方案及避障方案转化成每个巡检机器人协同运作序列。

为解决上述问题，国内外许多机构都对此相关问题进行了深入的研究，主要的研究成果包括：

1、国家知识产权局于2011年5月18日公告的专利号201110002034.0，名称为“具备可视化和交互性的变电站顺控系统”的专利中提出了智能视频系统接入顺序化控制系统代替原来的人工确认且智能视频系统可投退，该发明主要实现对变电站设备进行智能控制。

2、国家知识产权局于2011年11月23日公告的专利号201110216383.2，名称为“一种基于移动机器人的全自动变电站倒闸顺序操作顺序控制方法”的专利中提出了巡检机器人利用最优路径规划算法以及模式识别算法实现顺控后设备状态的自动检测及信息反馈，该发明主要实现以巡检机器人为核心的智能视频系统。

3、《电力系统自动化》2007年09期《基于图论的电力巡检机器人智能寻迹方案》的论文中提出了采用图论建模和基于Warshall算法解传递闭包的路径搜索方案，该论文主要实现了变电站内简单巡检任务的智能寻迹。

4、《仪器仪表学报》2009年10期《基于Floyd算法的移动机器人最短路径规划研究》的论文中提出了采用栅格地图建模和垂线法选择关键节点继而采用Floyd算法规划的研究，该论文主要实现了栅格地图环境下的路径规划。

以上研究都取得了一定程度上的有益效果，但存在以下问题：

1、“具备可视化和交互性的变电站顺控系统”使用的“智能视频系统”或“标准巡视系统”更多的是基于常规安防视频系统，在变电站内布局不充分，无法实现设备全覆盖。

2、“一种基于移动机器人的全自动变电站倒闸顺序操作顺序控制方法”在响应顺控时存在目标多，耗时长，未涉及多巡检机器人的协同运作方法。

3、“基于图论的电力巡检机器人智能寻迹方案”未涉及顺控任务的智能寻迹，且根据其附图“分岔路口寻址流程”判断其未涉及多巡检机器人的协同运作。

4、“基于Floyd算法的移动机器人最短路径规划研究”建立的栅格地图环境，以及采用的垂线法更多是在仿真环境下对Floyd算法研究，未涉及变电站及顺控系统等应用领域。

发明内容

本发明的目的就是为解决上述现有技术的不足，提供一种用于变电站顺控系统的多巡检机器人协同运作方法，采用本发明的巡检机器人行驶路线短，自动避障，同时能缩短顺控响应时间，提高执行效率。

为实现上述目的，本发明采用的技术方案是：一种用于变电站顺控系统的多巡检机器人协同运作方法，它的步骤为：

第一步，基于变电站环境采用拓扑法建模，根据巡检机器人可行走的磁导航路线形成拓扑网状图和连通关系矩阵，进行路径的搜索及遍历输出距离矩阵和最短路径矩阵；

第二步，在顺控单步时，根据距离矩阵和最短路径矩阵确定各巡检机器人从当前位置到目标点的最短连通路径序列；

第三步，每个目标点单步选优，即在考虑路程、时间、安全性和机动性综合指标下，选择性能最优的巡检机器人；

第四步，确定每个巡检机器人的实际路径序列；即根据第三步结果，依次组合形成每个巡检机器人的运行路径序列，以及对应的激活事件；

第五步，在线监测，如果中途环境发生变化，在线监测负责排除故障，恢复运行。

所述第一步中，建模过程为：将供巡检机器人行走的磁导航道路连接起来形成拓扑网状图和连通关系矩阵；其中交叉路口设置多个RFID，并简化合并为拓扑网状图中的一个节点，道路就是拓扑网状图中的一条边，道路的长度即为边的长度，也是连通关系矩阵中边的权值；其中，对于十字路口，在其四角设有四个RFID点；在丁字路口，则设有三个RFID点；如果是拐角处，则设有两个RFID点。

利用Floyd(弗洛伊德)算法确定搜索路径矩阵，即最短路径矩阵，并通过迭代优化，提高运算速度；通过路径的搜索及深度遍历输出距离矩阵和最短路径矩阵。

所述路径搜索及遍历包括以下步骤：

1-1)给距离矩阵赋初值；

对一个有n个顶点的图G，每个顶点用自然数编号，分别为1，2…n；把图G的连通关系矩阵，即图G的带权邻接矩阵W，作为距离矩阵的初值，即

其中n为大于等于2的正整数，i，j均为大于等于1且小于等于n的正整数；D⁽⁰⁾为赋初值后的距离矩阵，

为顶点i和顶点j之间的距离初值即W_ij；

1-2)利用Floyd算法确定路径最短的距离矩阵；

第1步，构造

其中

是从顶点i到顶点j的只允许以顶点v₁作为中间点的路径中最短路长度，其中i，j相邻时

否则

min{A，B}是从A、B两个元素中取最小值，A、B均为正实数，下同；∞表示值为无穷大；v₁是带权邻接矩阵W中距离顶点i最近的顶点；

第2步，构造其中

是从顶点i到顶点j的只允许以v₁，v₂作为中间点的路径中最短路的长度，v₂是带权邻接矩阵W中距离顶点v₁最近的顶点，v₂不等于i；

依次类推，直至第n步，构造其中

是从顶点i到顶点j的只允许以v₁，v₂，…，v_n作为中间点的所有路径中最短路的长度，即是从顶点i到顶点j中间可插入任何顶点的路径中最短路的长度；v_n是带权邻接矩阵W中距离顶点j最近的顶点，v_n不等于j；

1-3)通过迭代优化，提高运算速度；

在计算迭代矩阵D^(k)中的元素

时，矩阵D^(k)前面i-1行的元素和第i行前面j-1个元素已经全部计算出来，扩展矩阵维度存储利用这些新的元素来参与计算，加速迭代求解，k表示第k步迭代，v_k表示第k步迭代时的中间点；迭代公式变为：

$d_{\mathrm{ij}}^{\left(k\right)}=\min \left\{\min \right\{\underset{v_k<j}{d_{{\mathrm{iv}}_k}^{\left(k\right)}}+\underset{v_k<i}{d_{v_{k}j}^{\left(k\right)}}\},\min \{\underset{v_k<j}{d_{{\mathrm{iv}}_k}^{\left(k\right)}}+\underset{v_k>i}{d_{v_{k}j}^{(k-1)}}\},\min \{\underset{v_k>j}{d_{{\mathrm{iv}}_k}^{(k-1)}}+\underset{v_k<i}{d_{v_{k}j}^{\left(k\right)}}\},\min \{\underset{v_k>j}{d_{v_{k}r}^{(k-1)}}+\underset{v_k>i}{d_{v_{k}j}^{(k-1)}}\left\}\right\}$

同时每次迭代都需要判断

一般先求和再比较，求和计算次数较多，如果

或成立，则不需要求和比较即可判断否则再求和，从而加快了运算速度；

其中表示从顶点i到顶点j的只允许以v₁，v₂，…，v_k作为中间点的所有路径中最短路的长度，其它类同；

最后输出距离矩阵和最短路径矩阵，其中最短路径矩阵存储有任一始发点和任一目标点之间最短中间点的集合，距离矩阵存储有任一始发点和任一目标点之间最短中间点的距离。

所述第二步中，顺控单步时确定各巡检机器人最短连通路径序列包括以下步骤：

2-1)通过最短路径矩阵找出各巡检机器人当前位置和目标点之间的最短的中间点序列；

2-2)通过距离矩阵，计算出各巡检机器人当前位置到目标点之间的最短的中间点序列的距离之和；

反复调用步骤2-1)、2-2)，依次获得各巡检机器人当前位置到目标点之间的距离最短连通路径序列，R_r1表示第r个巡检机器人在顺控第1个目标点时的距离最短连通路径序列，L_r1表示第r个巡检机器人在顺控第1个目标点时的最短距离。

所述第三步中，目标点单步选优包括以下步骤：

3-1)因为部分道路存在限速导致整个运动过程非匀速，根据R_r1和L_r1计算出时间T_r1，对时间T_r1设立影响因子m；对路程L_r1设立影响因子n；

得到综合参数P_r1＝T_r1×m+L_r1×n；

目标点单步选优时在多个巡检机器人综合参数P₁₁、P₂₁…P_r1…中，选择最小的r₁机器人最短连通路径序列

3-2)安全边界规则检测；

当多巡检机器人组成的团队负责变电站的巡检时，要求：每个巡检机器人负责一片辖区；每个巡检机器人的辖区与相邻辖区有部分边界道路重叠；同一电压等级设备的检测点分布在多个辖区；任意时刻，一条道路上同时只允许有一个巡检机器人行进或静止；当某个巡检机器人检查到某条道路出现故障或出现意外事件时，必须通知其他巡检机器人绕道行驶；

针对上述要求，给出下面的行走规则：单行道规则，每条道路只有一条干道，无左右干道之分；道路独占，在任意时刻，一条道路上同时只有一个巡检机器人行进或静止；交叉路口独占，在任意时刻，一个交叉路口同时只有一个巡检机器人行进或静止；绕障行驶，一旦某条道路出现故障，该道路将禁止通行，直到故障解除；

依据上面的规则，检测

是否与其它的巡检机器人存在道路、交叉路口冲突，如果存在冲突，根据

和

计算出冲突发生时的绝对时间戳，以及划定安全区域；计算冲突机器人移动至安全区域的运动最佳绝对时间戳，并避免产生二次冲突，形成特定避障序列；

3-3)反复调用步骤3-1、3-2，选择出顺控每个目标点所对应的机器人最短连通路径序列

所述第四步中，确定每个巡检机器人的实际路径序列包括以下步骤：

4-1)根据第三步结果和每个巡检机器人的特定避障序列，组合出每个巡检机器人的运行路径序列，并注明绝对时间戳；

4-2)每个目标点的机器人检测完成后都会广播结束事件，这一事件作为下一个目标点的巡检机器人检测的激活事件。

所述第五步中，在顺控任务、道路、设备、机器人状态等环境变化后，在线检测对目标点序列进行动态调整，及时更新每一个巡检机器人的运行路径序列，并注明绝对时间戳；在任务完成后将各巡检机器人恢复正常巡检状态或者充电状态。

本发明基于目前变电站顺控系统对多个巡检机器人协同工作的要求，利用磁导航技术和RFID技术的结合，形成机器人的巡检模型。在有顺控多个目标点时，通过最优路径的分析，找到离目标点最近的巡检机器人，然后根据建立的模型规划各巡检机器人的工作路径，由各巡检机器人分别按照各自的任务和路径同时进行协同巡检；在巡检时各巡检机器人处于在线监测状态，全局控制端可以根据环境的变化，即时调整相应巡检机器人的路径，实现最优化的协同巡检工作。

本发明的有益效果是：

1、采用本发明的变电站巡检机器人行驶路线短，机器人到位检测时间快，节省了电池能量；

2、采用多巡检机器人协同运作能有效节省变电站顺控多设备操作后设备校验的时间，压缩总的顺控系统执行时间，提高变电站的自动化水平；

3、采用路径规划的变电站巡检机器人自动和变电站顺序系统配合，代替运行人员实现对倒闸操作后设备状态的识别，大大减轻运行人员的劳动强度，缩短操作时间，消除现场人员的主观因素的影响，为变电站顺控操作的安全性提供了重要保障。

附图说明

图1为方法流程图；

图2为设备巡视图；

图3为变电站建模图；

图4为顺控路径规划中间结果1；

图5为顺控路径规划中间结果2；

图6为顺控路径规划中间结果3；

图7为顺控路径规划中间结果4；

图8为顺控路径规划最终结果；

图9为时间序列最终结果。

具体实施方式

下面结合具体实施方式对本发明做进一步说明。

图1中，一种用于变电站顺控系统的多巡检机器人协同运作方法，它的步骤为：

第一步，基于变电站环境采用拓扑法建模，根据巡检机器人可行走磁导航路线形成拓扑网状图和连通关系矩阵，进行路径的搜索及遍历输出距离矩阵和最短路径矩阵；

第二步，在顺控单步时，根据距离矩阵和最短路径矩阵确定各巡检机器人从当前位置到目标点的最短连通路径序列；

第三步，每个目标点单步选优，即在考虑路程、时间、安全性和机动性综合指标下，选择性能最优的巡检机器人；

第四步，确定每个巡检机器人的实际路径序列；即根据第三步结果，依次组合形成每个巡检机器人的运行路径序列，以及对应的激活事件；

第五步，在线监测，如果中途环境发生变化，在线监测负责排除故障，恢复运行。

所述第一步中，建模过程为：将供巡检机器人行走的磁导航道路连接起来形成拓扑网状图和连通关系矩阵；其中交叉路口设置多个RFID，并简化合并为拓扑网状图中的一个节点，道路就是拓扑网状图中的一条边，道路的长度即为边的长度，也是连通关系矩阵中边的权值；其中，对于十字路口，在其四角设有四个RFID点；在丁字路口，则设有三个RFID点；如果是拐角处，则设有两个RFID点。

利用Floyd(弗洛伊德)算法确定搜索路径矩阵，即最短路径矩阵，并通过迭代优化，提高运算速度；通过路径的搜索及深度遍历输出距离矩阵和最短路径矩阵。

所述路径搜索及遍历包括以下步骤：

1-1)给距离矩阵赋初值；

对一个有n个顶点的图G，每个顶点用自然数编号，分别为1，2…n；把图G的连通关系矩阵，即图G的带权邻接矩阵W，作为距离矩阵的初值，即

其中n为大于等于2的正整数，i，j均为大于等于1且小于等于n的正整数；D⁽⁰⁾为赋初值后的距离矩阵，

为顶点i和顶点j之间的距离初值即W_ij；

1-2)利用Floyd算法确定路径最短的距离矩阵；

第1步，构造

其中

是从顶点i到顶点j的只允许以顶点v₁作为中间点的路径中最短路长度，其中i，j相邻时

否则

min{A，B}是从A、B两个元素中取最小值，A、B均为正实数，下同；∞表示值为无穷大；v₁是带权邻接矩阵W中距离顶点i最近的顶点；

第2步，构造

其中

是从顶点i到顶点j的只允许以v₁，v₂作为中间点的路径中最短路的长度，v₂是带权邻接矩阵W中距离顶点v₁最近的顶点，v₂不等于i；

第n步，构造其中

是从顶点i到顶点j的只允许以v₁，v₂，…，v_n作为中间点的所有路径中最短路的长度，即是从顶点i到顶点j中间可插入任何顶点的路径中最短路的长度；v_n是带权邻接矩阵W中距离顶点j最近的顶点，v_n不等于j；

1-3)通过迭代优化，提高运算速度；

在计算迭代矩阵D^(k)中的元素

时，矩阵D^(k)前面i-1行的元素和第i行前面j-1个元素已经全部计算出来，扩展矩阵维度存储利用这些新的元素来参与计算，加速迭代求解，k表示第k步迭代，v_k表示第k步迭代时的中间点；迭代公式变为：

$d_{\mathrm{ij}}^{\left(k\right)}=\min \left\{\min \right\{\underset{v_k<j}{d_{{\mathrm{iv}}_k}^{\left(k\right)}}+\underset{v_k<i}{d_{v_{k}j}^{\left(k\right)}}\},\min \{\underset{v_k<j}{d_{{\mathrm{iv}}_k}^{\left(k\right)}}+\underset{v_k>i}{d_{v_{k}j}^{(k-1)}}\},\min \{\underset{v_k>j}{d_{{\mathrm{iv}}_k}^{(k-1)}}+\underset{v_k<i}{d_{v_{k}j}^{\left(k\right)}}\},\min \{\underset{v_k>j}{d_{v_{k}r}^{(k-1)}}+\underset{v_k>i}{d_{v_{k}j}^{(k-1)}}\left\}\right\}$

同时每次迭代都需要判断一般先求和再比较，求和计算次数较多，如果

或

成立，则不需要求和比较即可判断否则再求和，从而加快了运算速度；

其中

表示从顶点i到顶点j的只允许以v₁，v₂，…，v_k作为中间点的所有路径中最短路的长度，其它类同；

最后输出距离矩阵和最短路径矩阵，其中最短路径矩阵存储有任一始发点和任一目标点之间最短中间点的集合，距离矩阵存储有任一始发点和任一目标点之间最短中间点的距离；

所述第二步中，顺控单步时确定各巡检机器人最短连通路径序列包括以下步骤：

2-1)通过最短路径矩阵找出各巡检机器人当前位置和目标点之间的最短的中间点序列；

2-2)通过距离矩阵，计算出各巡检机器人当前位置到目标点之间的最短的中间点序列的距离之和；

反复调用步骤2-1)、2-2)，依次获得各巡检机器人当前位置到目标点之间的距离最短连通路径序列，R_r1表示第r个巡检机器人在顺控第1个目标点时的距离最短连通路径序列，L_r1表示第r个巡检机器人在顺控第1个目标点时的最短距离。

所述第三步中，目标点单步选优包括以下步骤：

3-1)因为部分道路存在限速导致整个运动过程非匀速，根据R_r1和L_r1计算出时间T_r1，对时间T_r1设立影响因子m；对路程L_r1设立影响因子n；

得到综合参数P_r1＝T_r1×m+L_r1×n；

目标点单步选优时在多个巡检机器人综合参数P₁₁、P₂₁…P_r1…中，选择最小的r₁机器人最短连通路径序列

3-2)安全边界规则检测；

当多巡检机器人组成的团队负责变电站的巡检时，要求：每个巡检机器人负责一片辖区；每个巡检机器人的辖区与相邻辖区有部分边界道路重叠；同一电压等级设备的检测点分布在多个辖区；任意时刻，一条道路上同时只允许有一个巡检机器人行进或静止；当某个巡检机器人检查到某条道路出现故障或出现意外事件时，必须通知其他巡检机器人绕道行驶；

针对上述要求，给出下面的行走规则：单行道规则，每条道路只有一条干道，无左右干道之分；道路独占，在任意时刻，一条道路上同时只有一个巡检机器人行进或静止；交叉路口独占，在任意时刻，一个交叉路口同时只有一个巡检机器人行进或静止；绕障行驶，一旦某条道路出现故障，该道路将禁止通行，直到故障解除；

依据上面的规则，检测

是否与其它的巡检机器人存在道路、交叉路口冲突，如果存在冲突，根据

和

计算出冲突发生时的绝对时间戳，以及划定安全区域；计算冲突机器人移动至安全区域的运动最佳绝对时间戳，并避免产生二次冲突，形成特定避障序列；

3-3)反复调用步骤3-1、3-2，选择出顺控每个目标点所对应的机器人最短连通路径序列

所述第四步中，确定每个巡检机器人的实际路径序列包括以下步骤：

4-1)根据第三步结果

和每个巡检机器人的特定避障序列，组合出每个巡检机器人的运行路径序列，并注明绝对时间戳；

4-2)每个目标点的机器人检测完成后都会广播结束事件，这一事件作为下一个目标点的巡检机器人检测的激活事件。

所述第五步中，在顺控任务、道路、设备、机器人状态等环境变化后，在线检测对目标点序列进行动态调整，及时更新每一个巡检机器人的运行路径序列，并注明绝对时间戳；在任务完成后将各巡检机器人恢复正常巡检状态或者充电状态。

上述实施方案的实施例；

顺控任务名：#2主变从冷备用改为检修

步骤(1)：T1时刻检查#2主变确在“冷备用”状态

步骤(2)：T2时刻拉开35kV II母压变保护低压空气开关ZKK1

步骤(3)：T3时刻拉开35kV II母压变测量低压空气开关ZKK2

步骤(4)：T4时刻合上35kV II母329/3297/3217电动机电源

步骤(5)：T5时刻拉开35kV II母压变329闸刀

步骤(6)：T6时刻检查35kV II母压变329闸刀三相确已分闸到位

步骤(7)：T7时刻在#1所用变3011闸刀母线侧验明确无电压

步骤(8)：T8时刻合上35kV II母3217接地闸刀

步骤(9)：T9时刻检查35kV II母3217接地闸刀三相确已合闸到位

步骤(10)：T10时刻拉开35kV II母329/3297/3217电动机电源

步骤(11)：T11时刻合上#2主变501167电动机电源

步骤(12)：T12时刻在#2主变500kV侧验明确无电压

步骤(13)：T13时刻合上#2主变501167接地闸刀

步骤(14)：T14时刻检查#2主变501167接地闸刀三相确已合闸到位

步骤(15)：T15时刻拉开#2主变501167电动机电源

步骤(16)：T16时刻拉开#2主变500kV压变第一套保护及测量低压空气开关1ZKK

步骤(17)：T17时刻拉开#2主变500kV压变第二套保护及故录低压空气开关2ZKK

步骤(18)：T18时刻拉开#2主变500kV压变计量低压空气开关3ZKK

步骤(19)：T19时刻合上#2主变220kV间隔闸刀/接地闸刀电动机电源

步骤(20)：T20时刻在#2主变220kV主变闸刀主变侧验明确无电压

步骤(21)：T21时刻合上#2主变220kV主变接地闸刀

步骤(22)：T22时刻检查#2主变220kV主变接地闸刀三相确已合闸到位

步骤(23)：T23时刻拉开#2主变220kV间隔闸刀/接地闸刀电动机电源

步骤(24)：T24时刻拉开#2主变220kV压变第一套保护及测量低压空气开关1ZKK

步骤(25)：T25时刻拉开#2主变220kV压变第二套保护及故录低压空气开关2ZKK

步骤(26)：T26时刻拉开#2主变220kV压变计量低压空气开关3ZKK

步骤(27)：T27时刻拉开#2主变冷却器交流I段电源开关QF1

步骤(28)：T28时刻拉开#2主变冷却器交流II段电源开关QF2

步骤(29)：T29时刻结束

该顺控任务需要巡检机器人团队依次对35kV II母压变329闸刀三相(T6时刻)、35kV II母3217接地闸刀三相(T9时刻)、#2主变501167接地闸刀三相(T14时刻)、#2主变220kV主变接地闸刀三相(T22时刻)等一次设备进行状态检测；设备在变电站中的分布如图2中A、B、C、D区域所示；

所述第一步中，变电站环境拓扑建模结果如图3所示；该实例中采用两台巡检机器人，其中#1负责左侧220kV及35kV设备区，#2负责右侧500kV设备区；机器人的行走速度不低于1.2m/s，35kV设备区为临时道路且不支持道路中间转弯，机器人运行速度较低不低于0.6m/s；根据路径搜索及遍历最终形成距离矩阵和最短路径矩阵；

所述第二步、第三步中，依次形成路径结果如图4到图7所示；图4表示到35kV II母压变329闸刀三相检测点的路径选优，汇总综合参数后#1巡检机器人完成此步骤；图5表示到35kV II母3217接地闸刀三相检测点的路径选优，汇总综合参数后#1巡检机器人完成此步骤，此时#1的出发位置已经更新；图6表示到#2主变501167接地闸刀三相检测点的路径选优，汇总综合参数后#2巡检机器人完成此步骤，此时#1的出发位置已经更新；图7表示到#2主变220kV主变接地闸刀三相检测点的路径选优，汇总综合参数后#1巡检机器人完成此步骤，此时#2的出发位置已经更新；

所述第四步中，根据顺控单步选优方案，进行组合形成如图8所示的最终结果；和

和

和

和

分别表示每一步骤的巡检机器人最短连通路径序列和运动时间，ΔT表示巡检机器人检测及信息反馈时间；形成时间序列如图9所示；

所述第五步中，如果顺控任务异常终止，机器人停止所有任务并返回充电，如果有计划任务则启动正常巡检；如果顺控任务再次启动，机器人停止并从当前位置重新进行规划。

在该实例中，顺控任务的响应时间从

减少趋近于(T29-T1)+4×ΔT，其中因为机器人的行走距离较远导致

远远大于(T29-T1)，而巡检机器人检测及信息反馈时间ΔT较稳定；相对于传统的顺控任务而言，既实现了“控制闭环化”和“状态可视化”，同时没有增加过多的时间开销。

Claims (6)

1.一种用于变电站顺控系统的多巡检机器人协同运作方法，其特征是，它的步骤为：

第一步，基于变电站环境采用拓扑法建模，根据巡检机器人可行走磁导航路线形成拓扑网状图和连通关系矩阵,进行路径的搜索及遍历输出距离矩阵和最短路径矩阵；

第二步，在顺控单步时，根据距离矩阵和最短路径矩阵确定各巡检机器人从当前位置到目标点的最短连通路径序列；

第三步，每个目标点单步选优，即在考虑路程、时间、安全性和机动性综合指标下，选择性能最优的巡检机器人；

第四步，确定每个巡检机器人的实际路径序列；即根据第三步结果，依次组合形成每个巡检机器人的运行路径序列，以及对应的激活事件；

第五步，在线监测，如果中途环境发生变化，在线监测负责排除故障，恢复运行；

所述第三步中，目标点单步选优包括以下步骤：

3-1）因为部分道路存在限速导致整个运动过程非匀速，根据R_r1和L_r1计算出时间T_r1，对时间T_r1设立影响因子m；对路程L_r1设立影响因子n；

得到综合参数P_r1＝T_r1×m+L_r1×n，其中R_r1表示第r个巡检机器人在顺控第1个目标点时的距离最短连通路径序列，L_r1表示第r个巡检机器人在顺控第1个目标点时的最短距离；

目标点单步选优时在多个巡检机器人综合参数P₁₁、P₂₁…P_r1…中,选择最小的r₁机器人最短连通路径序列；

3-2）安全边界规则检测；

当多巡检机器人组成的团队负责变电站的巡检时，要求：每个巡检机器人负责一片辖区；每个巡检机器人的辖区与相邻辖区有部分边界道路重叠；同一电压等级设备的检测点分布在多个辖区；任意时刻，一条道路上同时只允许有一个巡检机器人行进或静止；当某个巡检机器人检查到某条道路出现故障或出现意外事件时，必须通知其他巡检机器人绕道行驶；

针对上述要求，给出下面的行走规则：单行道规则，每条道路只有一条干道，无左右干道之分；道路独占，在任意时刻，一条道路上同时只有一个巡检机器人行进或静止；交叉路口独占，在任意时刻，一个交叉路口同时只有一个巡检机器人行进或静止；绕障行驶，一旦某条道路出现故障，该道路将禁止通行，直到故障解除；

依据上面的规则，检测是否与其它的巡检机器人存在道路、交叉路口冲突，如果存在冲突，根据

和

计算出冲突发生时的绝对时间戳，以及划定安全区域；计算冲突机器人移动至安全区域的运动最佳绝对时间戳，并避免产生二次冲突，形成特定避障序列；

3-3）反复调用步骤3-1、3-2，选择出顺控每个目标点所对应的机器人最短连通路径序列

2.如权利要求1所述的多巡检机器人协同运作方法，其特征是，所述第一步中，建模过程为：将供巡检机器人行走的磁导航道路连接起来形成拓扑网状图和连通关系矩阵；其中交叉路口设置多个RFID，并简化合并为拓扑网状图中的一个节点，道路就是拓扑网状图中的一条边，道路的长度即为边的长度，也是连通关系矩阵中边的权值；其中，对于十字路口，在其四角设有四个RFID点；在丁字路口，则设有三个RFID点；如果是拐角处，则设有两个RFID点；

利用Floyd弗洛伊德算法确定搜索路径矩阵，即最短路径矩阵，并通过迭代优化，提高运算速度；通过路径的搜索及深度遍历输出距离矩阵和最短路径矩阵。

3.如权利要求2所述的多巡检机器人协同运作方法，其特征是，所述路径搜索及遍历包括以下步骤：

1-1）给距离矩阵赋初值；

对一个有n个顶点的图G，每个顶点用自然数编号，分别为1,2…n；把图G的连通关系矩阵，即图G的带权邻接矩阵W，作为距离矩阵的初值，即

其中n为大于等于2的正整数，i，j均为大于等于1且小于等于n的正整数；D⁽⁰⁾为赋初值后的距离矩阵，

为顶点i和顶点j之间的距离初值即W_ij；

1-2）利用Floyd算法确定路径最短的距离矩阵；

第1步，构造 $D^{\left(1\right)}={\left(d_{\mathrm{ij}}^{\left(1\right)}\right)}_{n*n},$ 其中 $d_{\mathrm{ij}}^{\left(1\right)}=\min \{d_{\mathrm{ij}}^{\left(0\right)},d_{i1}^{\left(0\right)}+d_{1j}^{\left(0\right)}\}$ 是从顶点i到顶点j的只允许以顶点v₁作为中间点的路径中最短路长度，其中i，j相邻时，否则

min{A,B}是从A、B两个元素中取最小值，A、B均为正实数，下同；∞表示值为无穷大；v₁是带权邻接矩阵W中距离顶点i最近的顶点；

第2步，构造 $D^{\left(2\right)}={\left(d_{\mathrm{ij}}^{\left(2\right)}\right)}_{n*n},$ 其中 $d_{\mathrm{ij}}^{\left(2\right)}=\min \{d_{\mathrm{ij}}^{\left(1\right)},d_{i2}^{\left(1\right)}+d_{2j}^{\left(1\right)}\}$ 是从顶点i到顶点j的只允许以v₁，v₂作为中间点的路径中最短路的长度，v₂是带权邻接矩阵W中距离顶点v₁最近的顶点，v₂不等于i；

依次类推，直至第n步，构造其中

是从顶点i到顶点j的只允许以v₁，v₂，…，v_n作为中间点的所有路径中最短路的长度，即是从顶点i到顶点j中间可插入任何顶点的路径中最短路的长度；v_n是带权邻接矩阵W中距离顶点j最近的顶点，v_n不等于j；

1-3）通过迭代优化，提高运算速度；

在计算迭代矩阵D^(k)中的元素

时，矩阵D^(k)前面i-1行的元素和第i行前面j-1个元素已经全部计算出来，扩展矩阵维度存储利用这些新的元素来参与计算，加速迭代求解，k表示第k步迭代，v_k表示第k步迭代时的中间点；迭代公式变为：

$d_{\mathrm{ij}}^{\left(k\right)}=\min \{\underset{v_k<j}{\min \{d_{i{v}_k}^{\left(k\right)}}+\underset{v_k<j}{d_{v_{k}j}^{\left(k\right)}},\underset{v_k<j}{\min \{d_{i{v}_k}^{\left(k\right)}}+\underset{v_k>j}{d_{v_{k}j}^{(k-1)}},\underset{v_k>j}{\min \{d_{i{v}_k}^{(k-1)}}+\underset{v_k<j}{d_{v_{k}j}^{\left(k\right)}},\underset{v_k>j}{\min \{d_{v_{k}r}^{(k-1)}}+\underset{v_k>i}{d_{v_{k}j}^{(k-1)}}\}\}$

同时每次迭代都需要判断

一般先求和再比较，求和计算次数较多，如果

或

成立，则不需要求和比较即可判断

否则再求和，从而加快了运算速度；

其中表示从顶点i到顶点j的只允许以v₁，v₂，…，v_k作为中间点的所有路径中最短路的长度，其它类同；

最后输出距离矩阵和最短路径矩阵，其中最短路径矩阵存储有任一始发点和任一目标点之间最短中间点的集合，距离矩阵存储有任一始发点和任一目标点之间最短中间点的距离。

4.如权利要求1所述的多巡检机器人协同运作方法，其特征是，所述第二步中，顺控单步时确定各巡检机器人最短连通路径序列包括以下步骤：

2-1）通过最短路径矩阵找出各巡检机器人当前位置和目标点之间的最短的中间点序列；

2-2）通过距离矩阵，计算出各巡检机器人当前位置到目标点之间的最短的中间点序列的距离之和；

反复调用步骤2-1）、2-2），依次获得各巡检机器人当前位置到目标点之间的距离最短连通路径序列，R_r1表示第r个巡检机器人在顺控第1个目标点时的距离最短连通路径序列，L_r1表示第r个巡检机器人在顺控第1个目标点时的最短距离。

5.如权利要求1所述的多巡检机器人协同运作方法，其特征是，所述第四步中，确定每个巡检机器人的实际路径序列包括以下步骤：

4-1）根据第三步结果顺控每个目标点所对应的机器人最短连通路径序列

…和每个巡检机器人的特定避障序列，组合出每个巡检机器人的运行路径序列，并注明绝对时间戳；

4-2）每个目标点的机器人检测完成后都会广播结束事件，这一事件作为下一个目标点的巡检机器人检测的激活事件。

6.如权利要求1所述的多巡检机器人协同运作方法，其特征是，所述第五步中，在包括顺控任务、道路、设备、机器人状态环境变化后，在线检测对目标点序列进行动态调整，及时更新每一个巡检机器人的运行路径序列，并注明绝对时间戳；在任务完成后将各巡检机器人恢复正常巡检状态或者充电状态。

Images