复杂环境下巡检机器人智能感知与风险预警技术研究

2023-08-04杨少封

通信电源技术 2023年9期

杨少封

（山西大数据产业发展有限公司，山西太原 030006）

0 引言

当前煤矿井下巡检机器人的数据是独立采集，输送机的巡视和检修工作大部分都依靠人工，人工巡检存在诸多问题。煤矿机器人的设计研究很少有大数据技术参与，因此构建巡检机器人的多源数据信息融合，使其对所处环境进行切合实际的感知、识别和建模。具备环境自适应能力的煤矿巡检机器人具有极大的市场前景，而全局的一致性地图对巡检机器人环境自适应能力的提升具有指导性意义。针对煤矿井下复杂环境下有轨巡检机器人设计精确且高效的环境地图构建算法，研究巡检机器人智能预警系统，对煤矿及其他工业企业领域具有指导意义[1]。

1 技术分析

随着图像处理技术和视觉传感器的发展，构建具有丰富信息和真实尺度的环境地图，可为机器人的自主运行和任务决策提供基础保障。在同步定位与地图构建（Simultaneous Localization and Mapping，SLAM）算法设计过程中充分考虑有轨机器人特性，进一步提高地图的精确性和实时性。通过技术的研究、系统研发以及示范应用，可以有效解决恶劣工况下人工巡检的危险性高、人工巡检频次低、巡检难度大、巡检效率低、误检以及漏检等问题。该系统能够代替绝大部分人工巡检工作，提高设备管理的智能化和精细化水平。

巡检机器人作为服务机器人的一个分支，能代替人类在复杂场景下开展巡视工作，按照其工作方式可分为人机协作式巡检机器人与无人值守式巡检机器人。国内外学者对轨道式巡检机器人做了许多研究，经过几十年发展，已取得了一定成绩。但从目前研究现状及实际应用角度出发，仍存在一些问题：（1）轨道机器人的环境自适应能力较弱，没有基于全局地图的行为决策能力；（2）缺乏与其他智能体协同作业的能力[2]。

2 研究内容

2.1 有轨巡检机器人环境自适应能力的研究

巡检机器人基本的功能如自主运动、环境数据智能感知、兴趣点定位都是基于具备全局一致性环境地图实现。在兼顾实时性的前提下，以构建精确的全局地图为目标，以有轨机器人的优势作为出发点，对视觉SLAM 算法进行改进，将定位和建图过程进行解耦合，将其分为定位和建图2 个部分进行研究。为了充分发挥机器人的轨道优势，将沿轨道固定无线电射频识别（Radio Frequency Identification，RFID）标签阵列作为全局路标，并对机器人与RFID 通信过程中的信道状态信息如相位、频率、幅度等进行建模分析，构建合适的滤波器对机器人进行高精度的实时定位。在构图过程中，利用机器人的实时位置信息对视觉里程计进行校准，实现对机器人位姿的最优估计，利用定位过程中构建的信息指纹库提高SLAM 算法的闭环检测效率。最后，构建分辨率可调的全局地图，利用低算法复杂度的地图更新方式对地图进行更新。此外，基于智能调度算法对机器人的传感器和功能模块进行智能调度，基于结构光和增量式地图对兴趣点进行精确定位，基于避免冲突的控制策略与其他智能体进行交互以构建全局一致性地图，从而增强巡检机器人的环境自适应能力[3]。

图1 技术结构

2.2 巡检机器人风险预警评估模型的研究

巡检机器人携带的传感器可以对井下信息进行全方位的感知，热成像、声音、可见光、振动、温湿度以及气体监测等多种传感器产生数据格式和通信方式各不相同，通过数据融合后可应对复杂场景。通过研究多源异构数据的融合技术，挖掘数据深层次的关联并提取深层次的语义信息，探索煤矿灾害特征前兆的深度智能感知方法。通过融合多种模态的数据特征，将文字、视频、语音以及图片等多种信息进行综合分析，可实现精准预测。通过巡检机器人实现对数据更深层次的理解，可提升机器人的环境监测、环境感知以及巡航性能。通过基于大数据的多源信息数据挖掘及智能分析技术，构建瓦斯、煤尘、水、火和地质等灾害的智能分析和预警系统。煤矿井下带式输送机主要对管带机托辊异常检测、皮带纵向撕裂监测、火情及有害气体监测、皮带异常识别以及电机和辊筒异常监测等进行数据采集、分析及预警。技术结构示例如图1 所示。

3 研究方法及技术路线

在定位过程中，充分发挥机器人的轨道优势，将沿轨道固定的RFID 标签作为全局路标，对机器人进行高精度的实时定位。首先，对机器人及其接收到的RFID 标签之间的信道进行分析，构建信道状态信息（Channel State Information，CSI）指纹库。其次，基于标签位置及其与机器人接收信号强度指示（Received Signal Strength Indication，RSSI）值、相对速度进行建模，构建合适的滤波器，对机器人的位置、速度的大小和方向进行估计，并以轨道上RFID 路标拟合的轨道形状为约束条件对机器人的位置和速度进行二次优化。最后，结合机器人的速度信息，利用卡尔曼滤波算法对离散的位置进行处理，实现机器人的高精度实时定位。

在构图过程中，首先利用机器人的实时位置信息校准视距里程计，用尺度不变性和旋转不变性的视觉特征对图像进行分析，对机器人的位姿进行最优估计，并基于位姿和图像构建局部地图。其次，基于CSI 指纹库和地图特征库的词汇袋模型进行双闭环检测，基于当前图像对局部地图进行优化。最后，在局部地图的基础上，利用八叉树地图分辨率可调的特性，设计基于概率八叉树构图方法的全局地图和低算法复杂度的地图更新方法，以便融入其他智能体的环境地图模型[4]。

在机器人环境自适应过程中，首先基于全局地图信息和实时位置对机器人的传感器与功能模块进行智能调度，以实现自主运行和环境数据的智能感知。其次，在机器人接近兴趣点时，使用智能调度算法对兴趣点使用结构光和视觉传感器构建稠密的三维局部地图，提高环境中兴趣点的定位精度。最后，与其他智能体进行信息共享，构建更为全面的全局一致性地图，进一步增强机器人的环境自适应能力。

巡检机器人的多个传感器产生的数据格式不同，因此必须先利用相关性分析、归一化、加权平均等多种方式对数据进行预处理。经过预处理后的数据可以进入多模态数据融合的神经网络模型进行训练，前沿Transformer 的改良神经网络通过设计可以对当前数据进行处理，结合双向门控循环单元（Gated Recurrent Unit，GRU）、深度置信网、多核函数融合以及基分类器融合的算法改进可进一步提高模型的准确率。设计的神经网络经过训练后，能使巡检机器人对所处的煤矿复杂环境有更深层次的环境感知和环境理解，并能对设备寿命预测、塌方预测、皮带损伤检测、气体泄露检测以及人员风险等做出适当的评估，此外还可通过数据关联分析及数据可视化实现对数据的直观理解和复杂环境的风险评判。

4 创新点

4.1 创新点1

在设计过程中，首先考虑了有轨机器人特殊的运动方式，在轨道固定RFID 标签作为全局路标向机器人提供定位参考，并通过对机器人与标签通信过程中信道特性的特点进行分析，构建了合适的过滤器，便于对机器人的位置和速度进行估计。其次，利用RFID 标签的位置信息构建合适的约束条件对机器人位置、速度进行优化，并使用卡尔曼滤波算法对离散时间的位置和速度信息进行优化处理，从而能够精确获得机器人的实时位置。最后，基于机器人实时位置信息对视觉SLAM 的视距里程计进行校准，实现机器人位姿的最优估计；利用机器人定位过程中构建的信息指纹库和地图特征库的词袋模型进行双闭环检测，为机器人的精确构图提供保障。此外，以全局地图和机器人位置为出发点，基于智能调度算法实现机器人传感器和功能模块的智能调度，利用分辨率可调的八叉树构图模型，针对不同环境位置进行不同稠密级别的构图，并以轻量级的增量式更新方式对地图进行更新，以提高巡检机器人自主运行、环境数据智能、兴趣点定位等功能的实时性和精确性[5]。

4.2 创新点2

面向复杂环境下的多源异构数据融合问题，利用计算机视觉传感器、声音传感器以及空气质量传感器等收集的环境数据，设计了如Transformer、深度置信网等一系列复杂的网络模型，经过神经网络的训练和学习后，使得数据可以进行更深层次的数据融合。通过设计的多模态融合算法对多源异构数据进行深度语义融合，可实现对复杂环境的深层次感知和理解，进一步提升风险检测的准确性。此外还可以实现设备寿命预测、人员安全检测等功能，使得巡检机器人可以适应更复杂的环境，提高巡检机器人在煤矿的工作效率，扩展巡检机器人的工作功能。

5 预期效益

通过对复杂环境下巡检机器人的智能感知与风险预警技术研究，建立预警分析模型和分析系统，预期效益如下。

5.1 社会效益

该系统提高了巡检工作的安全性，体现以人为本的精神，对于一些存在安全隐患、环境恶劣的工业场景，采用智能巡检机器人可以大幅降低人员伤害风险，提高巡检安全性。

5.2 预计经济效益

一方面，节约人工成本。以管带输送机巡检为例，一条输送机短则几百米，长则几十千米，做到全面巡检需要投入大量的人力。采用智能巡检机器人系统（平台）可替代绝大部分人工，包括巡检人员和相关运营管理人员，起到节约人工成本的作用。另一方面，减少设备故障损失。采用智能巡检方式可以对设备进行实时监测，更加高效、精准地发现设备运行存在的隐患，及时预警处置，减少因故障维修造成的各类损失，提高设备管理及生产运营的数字化和智能化水平。