基于改进遗传算法的变电站巡检机器人路径规划.pdf
《基于改进遗传算法的变电站巡检机器人路径规划.pdf》由会员分享,可在线阅读,更多相关《基于改进遗传算法的变电站巡检机器人路径规划.pdf(7页珍藏版)》请在咨信网上搜索。
1、第6 0 卷第8 期2023年8 月15 日电测与仪 表Electrical Measurement&InstrumentationVol.60 No.8Aug.15,2023基于改进遗传算法的变电站巡检机器人路径规划柯清派,史训涛,袁智勇,雷金勇,刘迎澍,任超”(1.南方电网科学研究院有限责任公司,广州5 10 0 8 0;2.天津大学电气自动化与信息工程学院,天津30 0 0 7 2)摘要:变电站巡检机器人的路径规划是一个复杂的组合优化问题。与经典的TSP问题不同,变电站巡检线路中各坐标之间并不具备完全的连通性,传统的优化方法难以解决此类问题。为此,文中提出一种改进遗传算法用于巡检路径规划
2、,采用拓扑图对机器人工作环境进行建模,然后采用特殊的交叉算子、自适应变异算子和淘汰算子,对每一代被淘汰的个体进行逆转变异并将产生的新个体重新加入种群,随迭代次数调整变异概率,从而对连续的规划空间直接进行寻优。仿真结果表明,该算法在巡检机器人路径规划中与模拟退火算法、传统遗传算法和基于个体相似度改进的自适应遗传算法(ISAGA)相比,得到的路径平均长度分别缩短了4.9%、8.3%和3.1%,并且具有更好的收敛性和稳定性,在实际的巡检任务中能够起到更好的效果。关键词:变电站巡检机器人;路径规划;改进遗传算法;寻优D0I:10.19753/j.issn1001-1390.2023.08.024中图分
3、类号:TM727,TP24Route planning for substation patrol robot based on improved genetic algorithmKe Qingpai,Shi Xuntao,Yuan Zhiyong,Lei Jinyong,Liu Yingshu,Ren Chao?(1.Electric Power Research Institute,CSG,Guangzhou 510080,China.2.School of Electrical and Information Engineering,Tianjin University,Tianjin
4、 300072,China)Abstract:Path planning of patrol robot in substation is a complex combinatorial optimization problem.Unlike the classicalTSP problem,there is no complete connectivity between the coordinates of inspection route in substation.Conventional op-timization methods are difficult to solve suc
5、h problems.Therefore,an improved genetic algorithm is proposed for the in-spection route planning.The working environment of the robot is modeled by using topological graph.Then,the specialcrossover operator,adaptive mutation operator and elimination operator are used to reverse mutation of the elim
6、inated indi-viduals in each generation,and the new individuals are re-added to the population.The mutation probability is adjustedwith the number of iterations,thus,the continuous planning space is directly optimized.The simulation results show thatcompared with the simulated annealing algorithm,the
7、 traditional genetic algorithm and the improved adaptive genetic algo-rithm based on individual similarity(ISAGA),the average path length of the proposed algorithm is shortened by 4.9%,8.3%and 3.1%respectively,and it has better convergence and stability,which can play a better role in the actual in-
8、spection task.Keywords:substation patrol robot,path planning,improved genetic algorithm,optimization05引言随着经济不断发展,社会用电量急剧上升,变电站数量也随之急剧上升。变电站作为电网的节点,对于电网的安全运行具有决定性的意义。变电站现场的巡检工作在保证其安全运行方面占据极其重要的地位。但变电站传统的巡检方式为人工巡检,存在着效率低下、标准不统一、人员劳动强度大、受天气影响等问基金项目:中国南方电网有限责任公司科技项目(ZBKJXM20170086);国家自然科学基金资助项目(6 16 0 3
9、2 7 0)一 144 一文献标识码:A题。电力设备的运营自动化已显示出其迫切性,各种巡检机器人应运而生。如何提高巡检机器人工作效率,如何在最短的时间内完成巡检任务成为重要的研究方向。如何寻找一条最优的巡检路线成为呕待解决的问题。变电站内巡检机器人必须在可行路径上移动,与经典路径规划TSP问题并不相同,传统的优化算法难以解决该类问题,而国内外针对路径规划提出的智能算法主要有神经网络算法2】、粒子群算法3、蚁群算法和遗传算法等。神经网络算法具有自学习的功能,能文章编号:10 0 1-139 0(2 0 2 3)0 8-0 144-0 6第6 0 卷第8 期2023年8 月15 日够高速寻找优化解
10、,但是存在容易陷人局部最小值、精度较低等缺点4;蚁群算法鲁棒性较强,能够与其他方法结合,但是存在计算周期长,易死锁等问题。遗传算法是一种基于自然遗传和自然选择的全局优化方法5,在路径规划领域得到了广泛的应用。文献6-7 提出了引人逆转变异的改进遗传算法,避免变异操作产生不符合要求的新路径。文献8-10 在交叉重组过程中采用远亲交配,有效防止下一代群体中出现重复路径,然而文献6-10 均未提出防止陷人局部最优解的有效方法。文献11-12 在遗传算法中引人精英保留策略,保证算法跳出局部极值。文献13提出一种Q学习算法与遗传算法相结合的分层路径规划方法,文献14考虑个体适应度,提出了一种自适应调整交
11、叉率和变异率的方法,提高遗传算法的收敛性能,但上述算法在变异过程中都存在基因的稳定性问题,在迭代的后期会因为变异导致部分优秀基因产生退化,进而影响算法的收敛性能。针对传统遗传算法具有收敛性较差、容易陷人局部最优解的不足之处,文中综合考虑计算精度和收敛速度后,引人自适应变异算子、淘汰算子和“远亲交配”的概念对传统遗传算法进行改进,并通过仿真证明了改进遗传算法应用于实际巡检任务时的优越性。13环境地图的建立环境地图从所处环境中提取线段、角点等几何特征,用于机器人的目标识别和自主定位。变电站巡检机器人与环境信息的互动关系如图1所示。从图1中可以看出,要实现巡检机器人的路径规划和各项功能,环境地图的建
12、立是关键要点。文中的巡检机器人使用的环境地图为拓扑地图,保留点与线的连通性和相对位置关系。拓扑地图的基本属性为连通性,反应了地图中路径的存在性15 环境巡查人工或自动获取环境信息检测系统路径规划导航巡检机器人图1巡检机器人与环境互动关系图Fig.1Interaction diagram between patrolrobot and environment1.1变电站环境的简化处理变电站的实景地图是静态且已知的,但是在实际导航过程中太过庞大,不利于进行定点识别与路径规电测与仪表Electrical Measurement&Instrumentation划,因此需要将实景地图进行模糊化处理,得到
13、简化后保留主要特点的抽象地图。文中建立的变电站环境模型如图2 所示,图2 中标明了变电站中各类设备的具体位置,并且根据变电站中的实际情况围绕设备区画出保留安全距离的几何框,可行道路以虚线标出。考虑到巡检机器人运动具有复杂性,图2 中转弯处只取直角转弯,不做圆滑处理。高压电线塔杆区500kVGIS设备区继电器室1继电器室2主变压器主变压器无劲补无劲补无劲补偿设备偿设备偿设备主控楼220kVGIS设备充电室低压电线塔杆区图2 变电站环境模型图Fig.2 Environment model diagram of substation1.2变电站巡检机器人环境地图的构建在简化实景地图的基础上,本节将开
14、始构建环境地图。利用地图上各项事物之间的共性,采用更加简单的方式划分变电站中环境。(1)障碍物模糊化,如图2 中的设备区,继电室及主控大楼等对于巡检机器人来说都是不可触碰的障碍物,因此统一模糊化为障碍区,即为图3中所示的灰色区域;(2)构建可行区域,道路为巡检机器人可运动的空间,因此将可行道路统一化为障碍区间隙的可行区域,即为图3中的白色区域;(3)绘制实际行走轨迹,行走轨迹需要保留与实际环境的相关性,在白色可行区域中间位置绘制,与两侧障碍区保持相同距离,可以避免巡检机器人发生横向错位;(4)绘制停靠点,巡检机器人需要在众多地点停靠以进行设备检测,根据变电站实际需要,在机器人实际行走地图环境建
15、模轨迹上绘制停靠点,如图4黑色线段上的实心点。巡检机器人可行路径构成了一个连通无向图,可以为后续的路径规划提供重点标示,以得到更多的最优化路径。综上所述,可以将变电站实景地图简化为如图3所示环境地图。对图3所示环境地图进行进一步分析。考虑到变电站巡检机器人行驶时瞬时位置的横向偏差误差很小,因此图3中划分的可行性区域只作为参考,不对路径规划造成实际影响。因此,最终建立的环境地图模一145 一Vol.60 No.8Aug.15,2023220kVGIS设备第6 0 卷第8 期2023年8 月15 日型如图4所示,巡检机器人从充电室所在的停靠点1出发并在完成巡检任务后返回充电室所在的停靠点1。障碍区
16、障碍区障碍区障碍区障碍区障碍区障碍区障碍区障碍区障碍区图3变电站简化环境模型图Fig.3 Simplified environment model diagram of substation2627282324252221191415161371图4变电站环境拓扑图Fig.4Environmental topology map of substation由图4可见,该环境地图类似拓扑地图模型,对各停靠点进行无重复性编号,并在每一段道路上标出该段路线的停靠点编号。各停靠点之间的连通性可以通过定义0-1矩阵A表示,当矩阵A中i行j列为0,那么代表停靠点i和停靠点j之间互相连通,反之,当连通矩阵A中
17、i行j列为1,那么代表停靠点i和停靠点j之间互相不连通;通过计算二维平面中点与点之间的欧氏距离得到各停靠点之间的距离,可以得到正交的nn距离矩阵B,n为变电站简化环境模型图中停靠点的总数量,其中第i行j列的数值代表停靠点i和停靠点j之间实际行走轨迹的最短距离。2基于改进遗传算法的巡检路径规划变电站的巡检工作是保证变电站设备安全运行基本保证,主要可以分为特殊巡检和例行巡检。例行巡检每天至少进行两次;特殊巡检一般在特殊天气下进行。因此巡检机器人工作量大,且进行的任务具有极高的重复性,因此通过路径规划算法,获最优的巡检路线,可以显著提高巡检机器人工作效率、减少能源消耗。变电站中巡检机器人是按照预先设
18、定好的路径进行巡检任务,各路径上有停靠点,巡检机器人需要到达每个停靠点并进行停车检查工作,如何从初始点出发并以最短的时间完成任务并返回初始点是文中需要解决的问题。由于机器人在每个停靠点所需要的检查时一146 一电测与仪表Electrical Measurement&Instrumentation间基本一致,如何使机器人以最短的巡检路线通过所有停靠点是算法需要解决的问题。2.1改进遗传算法在变电站巡检路线规划问题中,一条染色体包含排列不同的停靠点,这些点就是基因。遗传算法主要的编码方式包括:实数编码和二进制编码,但面对不同的具体的问题时,并不一定都要进行编码操作,在面对一些难以进行编码操作的特殊
19、情况时,算法可以直接对具体问题的参数集合进行操作。文中就是直接对停靠点的排列序列集操作。文中提出一种改进遗传算法,引人淘汰算子,按一定的比例对每一代适应度最差的个体进行淘汰,同时文中提出一种自适应变异算子,在进化代数较小时,变异概率较大;在进化代数较大,进入到中后期时,降低20变异概率,从而提高算法的收敛速度。1718为了防止每一代出现不符合要求的巡检路线,文中采用了逆转变异算法,使每次变异后染色体中的基891011122345Vol.60 No.8Aug.15,2023因种类不发生改变。此外,在变电站巡检路径规划中,避免巡检路线的6重复至关重要。为了避免产生重复路线,使得每次交叉重组能够得到
20、新的巡检线路,文中采用“远亲交配”,即相差较大的个体进行交叉重组的概率比相差较小的个体高。接下来具体介绍如何运用改进遗传算法得到巡检路线的最优个体。2.2巡检路线(1)初始种群的建立。机器人从初始停靠点巡视完所有停靠点的过程中,根据巡检机器人巡检线路上的停靠点排列得到序列R,R表示第k代群体中第i条巡检线路,由此,产生一系列巡检路线集合。其中:n-1L=B(Rt(i),R(j+1)L为第k代群体中第i条路线总长度。(2)设计适应度函数。适应度函数是用来衡量群体中的各个个体接近最优解的程度12,将巡检机器人看作一个质点,那么最优路径应该满足路径总长度最短,文中采用基准对比的方法来计算适应度。适应
21、度函数为:F,=/L其巡检路线的适应度与总路线长度成反比。(3)复制及交叉重组。交叉重组是遗传算法中十分重要的一部分,两条巡检路线对应的停靠点排列序列交叉重组后,可以得到同时携带两条巡检路线共同特性的新巡检路线。文中的交叉算子采用顺序交叉法。顺序交叉法随机从父(1)(2)(9)第6 0 卷第8 期2023年8 月1 5日代A选取一个编码子串,放置到子代A的对应位置;而子代A的其余空缺位置从父代B中顺序选取。同理可以得到子代B。首先,设计第k代群体中最优巡检路线长度为:=i(Lt)Ni=1式中N表示种群数量。初始停靠点序列集合产生后,对该序列集合进行复制。根据序列对应巡检路线总长度确定各序列适配
22、值。得到适配值后,根据适配值计算概率进行复制操作,复制出2 n条巡检路线并放置于交叉区完成交叉重组操作。第一代群体中第i条巡检路线的适配值为:A=L第i条巡检路线被选中的概率为:NP=A/ZAt按概率对巡检路线集合进行选择,复制出2 n条巡检路线,其中2 nN。文中引人“远亲交配”的概念,因此群体中各巡检路线的配对方法是:通过交叉区中复制得到的巡检路径,根据相互之间的距离,计算概率来进行配对操作。假设巡检路线R,计算它与交叉区中其他巡检路线的距离:(i=1,.,2m,i+i)(6)那么,第k代群体交叉区中第i巡检路线被选中的概率为:Ndi.=Di./ZDf.i1,ii=1按照概率q选择一条巡检
23、路线与序列R配对,就完成了一条巡检路线的交叉重组。对交叉区所有的巡检路线进行配对,得到n对巡检路线,再将这些巡检路径以随机正整数为交叉点进行交叉重组操作,就可以产生2 n个停靠点排列序列,即得到2 n条新的巡检路径。(4)对停靠点排列序列进行选择运算。在进行交叉重组后,需要进行选择运算;遗传算法需要群体中的个体进行优胜劣汰操作,文中通过采用选择运算实现。适应度高的巡检路线对应的停靠点排列序列被遗传到下一代群体中的概率更大;反之,适应度低的巡检路线对应的停靠点排列序列被遗传到下一代群体中的概率较小。选择运算的任务就是按照特定的方法,从父代群体中选取一些合适的序列,并遗传到下一代群体,并将不合适的
24、序列淘汰,从而使下一代群体拥有更好地性能。文中采用轮盘赌作为选择方法,基本思想为:每个停靠点排列序列被选中的概率与其适应度大小成正电测与仪表Electrical Measurement&Instrumentation比。假设群体大小为,适应度F与巡检线路总长度成反比,则该停靠点排列序列被选中遗传到下一代群体的概率为:mP,=F/ZF,(3)i=1(5)自适应变异算子的设计。为了降低迭代次数较高时,优良个体基因上某一位突变造成适应度大幅度下降的几率,文中提出一种自适应变异算子。具体特点为在算法迭代次数较小时,为了扩大对最优路径的搜索范围,提高变异概率,但变异概率随着迭代次数的增加逐渐下降,从而防
25、止后期的优良个体因为突变而引人不良基因。(4)由于单一变量采用指数函数拟合变异性能更适用于群体的进化过程,因此文中设计自适应变异概率函(5)数为:Pm=Pmax exp(式中Pm为变异概率;Pmx为变异概率的最大值;入为固定常数;U为预先设定的最大迭代次数;u为当前的迭代次数,且uC1,U。(6)淘汰算子。为了提高收敛速度,文中引入淘汰算子,在每一代迭代后,计算新一代种群的所有个体适应度,并将在确定的淘汰率以下的个体从种群之中删除,然后对被删除的个体进行逆转变异,并将产生的新个体重新加入种群。这既能够保证个体的多样性,又能去除不良基因,从而提高算法的收敛速度。(7)精英保留策略。(7)变电站路
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 遗传 算法 变电站 巡检 机器人 路径 规划
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。