吴 涛 张 泰
井下探测机器人运动控制与局部路径规划
吴 涛1 张 泰2
1西安石油大学地球科学与工程学院 2长庆油田第三输油处
井下探测机器人主要是在出现井下安全事故时进入事故现场,获取井下状况信息。其控制系统包括决策控制层、传感及信息处理层、动作执行层等三大层次。井下探测机器人局部路径规划选择Q—learning算法。机器人借助自身所配置的专属传感器可以主动收集探测工作所需要的所有数据,并以所收集到的环境数据为依据对工作环境做出判断,在此基础之上提出规避障碍物的最佳方案。
井下探测机器人;运动控制;局部路径规划;模型
井下探测机器人主要是在出现井下安全事故时进入事故现场,获取井下状况信息。在其开展探测的过程中会涉及大量数据处理分析工作[1],单纯依赖某种类型机器人无法实现,对井下探测机器人混合型控制系统进行深入分析和研究具有重要现实意义。
1.1 控制系统
为了更好地满足油田井下事故情况探测需求,机器人控制系统应具备良好的环境判断力、决策规划力以及环境适应力,因此井下探测机器人应配置环境传感器、操作状态传感器以及导航信息传感器等传感设备,以及能够实现信息融合、决策及运动控制的计算机。其控制系统包括决策控制层、传感及信息处理层、动作执行层等三大层次。
1.2 机器人姿态控制
井下探测机器人在运行过程中必须确保姿态平稳性及高效性,借助其姿态运动学模型,能够获取机器人运行姿态信息,以该信息为依据来评价判断机器人运行状态的平稳性。机器人运行姿态稳定性评价主要包括静态稳定性及动态稳定性两方面,其中静态稳定性主要从几何层面进行评价[2],而动态稳定性主要从能量层面进行评价。机器人井下探测操作的姿态控制及路径规划主要以其姿态稳定性评价结果为依据。
依据逻辑规则规划机器人行为,动作解析器所发出的解析命令传输到动作执行器,由后者负责具体执行。油田井下探测机器人行为协调控制过程如图1所示。
图1 井下探测机器人行为协调控制过程
行为协调逻辑规则的作用是对激活基本行为作出判断,该评价机制主要是以环境传感器所收集到的油田井下环境数据为依据的。行为协调逻辑规则可以归结为以下6点:①在实现既定目标的情况下,全部行为则被禁止;②在机器人自身并未出现倾斜的情况下,姿态控制行为、越障行为以及路径规划行为也不会被启动;③在机器人自身倾角出现较为明显的波动情况下,越障行为及路径规划行为是被禁止的;④在机器人自身倾角存在,但并未发生较为显著变化的情况之下,路径规划行为是被禁止的,此时会对坡道子行为进行调取;⑤如果机器人依据所收集的相关数据判断存在地形显著变化的情况,驱动行为及路径规划行为被禁止;⑥机器人探测到障碍的情况下,越障行为被禁止。
2.1 算法选择
井下探测机器人局部路径规划选择Q—learning算法[3]。使用Q—learning算法环境模型并非必备条件,其规划主要是借助异步动态法来实现,简单的说,Q—learning算法在不具备初始条件的前提下依然能够取得决定决策。使用Q—learning算法无需过多地关注环境模型,只需要在确定可以实现迭代运算的Q函数下便可以进行优化。此处的Q函数可以在既定条件St之下,执行动作αt,并且之后会默认依据最优动作序列完成强化值计算。Q—learning算法公式表达式为
之所以选择Q—learning算法来进行井下探测机器人局部路径优化设计,主要是考虑到该算法可以在初始环境不明确的情况之下,借助算法优化来确保探测机器人花费最短的时间完成路径优化。
2.2 局部路径规划
选择Q—learning算法开展井下探测机器人路径规划,探测机器人在处于实际环境时可以主动收集相关环境数据,从而最大限度地确保环境数据与实际吻合度,有效避免了因对初始环境数据进行更新所付出的费用。机器人借助自身所配置的专属传感器可以主动收集探测工作所需要的所有数据,并以所收集到的环境数据为依据对工作环境做出判断,在此基础之上提出规避障碍物的最佳方案。对于一般的障碍物而言,井下探测机器人要成功规避需依靠通常具有八个方向的测距传感器,环境数据借助这些传感器向核心芯片进行传输,由后者负责计算障碍物与机器人的距离,并以该计算结果为依据,推导出安全路径。
井下探测机器人主要是用来对较为复杂的油田井下环境数据进行收集,在实践操作当中,机器人会根据具体工作的地形环境来选择最适宜的行为方式,但对于地形较为复杂的环境而言,就需要组合使用数种行为方式。依据逻辑规则规划机器人行为便会生成数个基本行为所构成的动作,动作解析器所发出的解析命令传输到动作执行器,由后者负责具体执行。
[1]李晓鹏.煤矿探测机器人空间建模分析及避障路径规划[J].煤炭科学技术,2013,12(1):123-124.
[2]田海波,马宏伟,魏娟.矿井搜救机器人移动系统的研究与发展[J].机床与液压,2012,45(10):234-235.
[3]Oscar Castillo,Leonardo Trujillo,Patricia Melin.Multiple Objective Genetic Algorithms for Path-planning Optimization in Autonomous Mobile Robots[J].Soft Computing,2007,45(3):56-57.
(栏目主持 杨 军)
10.3969/j.issn.1006-6896.2014.3.016
基金论文:黑龙江省教育厅科学技术研究项目(12511006)(12531075);863计划项目(2012AA061303)。