沙漠光伏電池板清洗機(jī)器人的路徑規(guī)劃研究和設(shè)計(jì)

劉雪燕

銀川科技學(xué)院，寧夏 銀川 750000

0 引言

目前，絕大多數(shù)光伏板長期露天放置使用，在中國西北部的一些地區(qū)，光伏板被放置在沙漠中。中國西部一些地區(qū)擁有固有地理特性，如人口較少、白天日照長、平均海拔較高。基于這些特性，當(dāng)前很多大型光伏電池板在西部這些地區(qū)投建，光伏電站的太陽能電池板數(shù)量可能高達(dá)數(shù)萬甚至數(shù)十萬。對(duì)于這些工作在復(fù)雜環(huán)境中的光伏板，其表面很容易被灰塵或雜質(zhì)覆蓋。特別是西部地區(qū)干旱少雨，太陽能光伏板的清潔將面臨重大考驗(yàn)[1]。即使水資源充足，全面的手動(dòng)清潔也需要大量設(shè)備和勞動(dòng)力。而且，人工清洗無法及時(shí)應(yīng)對(duì)氣候變化造成的大規(guī)模光伏板污染，不僅成本高，而且危險(xiǎn)、低效。工人在清潔過程中施加的不均勻力會(huì)導(dǎo)致光伏板損壞，從而無法保證其發(fā)電效率。經(jīng)過長時(shí)間的探索和現(xiàn)場(chǎng)研究可知，有必要為太陽能光伏發(fā)電部件開發(fā)一款專業(yè)清洗機(jī)器人，使其在西部地區(qū)進(jìn)行太陽能電池板清洗工作，并具有良好的實(shí)用性[2]?？蒲腥藛T基于機(jī)器人數(shù)學(xué)模型不斷改進(jìn)和創(chuàng)新，改善了機(jī)器人路徑規(guī)劃問題[3]。

1 路徑規(guī)劃研究和設(shè)計(jì)的方法

根據(jù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)能量傳遞函數(shù)的路徑規(guī)劃算法和建?？芍?，在已知環(huán)境或者障礙物情況下進(jìn)行路徑的整體規(guī)劃，可以從出發(fā)點(diǎn)到目的點(diǎn)尋找一條避讓障礙物的最理想的路徑。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)能量函數(shù)的路徑規(guī)劃的主要作用是改善環(huán)境約束和計(jì)算能量傳遞函數(shù)[4]。將避讓障礙物路徑上能量傳遞函數(shù)和總距離函數(shù)之和視為目標(biāo)最優(yōu)函數(shù)，再通過人工勢(shì)場(chǎng)法和模擬退火算法及建模得出最后的極限值，確立路徑運(yùn)動(dòng)過程的函數(shù)方程，最終讓設(shè)定路徑規(guī)劃趨于最優(yōu)路徑。最優(yōu)路徑通常被視為從起點(diǎn)到終點(diǎn)為直線路徑，在路徑上均勻分布無數(shù)的點(diǎn)集。最優(yōu)路徑的能量傳遞函數(shù)是這條直線路徑點(diǎn)集的傳遞函數(shù)[5]。這條直線路徑的點(diǎn)集總是向著障礙物最少的一個(gè)方向移動(dòng)，可以得到一條碰撞障礙物最少的路徑。模擬退火算法是基于采用抽樣算法，再采用AP聚類算法調(diào)整，可以快速找到問題的最優(yōu)解，避免陷入?yún)^(qū)域極限值。路徑能量函數(shù)由路徑長度平方和路徑罰函數(shù)兩部分能量組成，由模擬退火算法求最小解，使其朝著盡量遠(yuǎn)離障礙物且使路徑較短的位置移動(dòng)。

2 路徑規(guī)劃模型建立與驗(yàn)證

2.1 BP神經(jīng)網(wǎng)絡(luò)算法及建模

采用BP神經(jīng)網(wǎng)絡(luò)的方法建模，BP神經(jīng)網(wǎng)絡(luò)分為輸入層、輸出層和隱含層。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示。

圖1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

初始化參數(shù)：初始化輸入層到隱含層的權(quán)值Wij1和隱含層到輸出層之間的權(quán)值Wij2，令學(xué)習(xí)因子為η，隱含層神經(jīng)元個(gè)數(shù)為q，設(shè)有N個(gè)m維的輸入數(shù)據(jù)，N個(gè)n維的期望輸出作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練數(shù)據(jù)，迭代次數(shù)為s。

經(jīng)過與隱含層之間的神經(jīng)元j后輸入隱含層輸入和輸出分別為

式中：f為隱含層的激活函數(shù)。

輸入層的輸入經(jīng)隱含層到輸出層之間的神經(jīng)元k變?yōu)?/p>

輸出層輸入經(jīng)輸出層線性激活函數(shù)的輸出為

輸入樣本中的m個(gè)樣本都經(jīng)過上述正向信息傳播過程，輸出m個(gè)實(shí)際輸出。

誤差反向傳播過程如下：

輸入樣本對(duì)應(yīng)的期望輸出、實(shí)際輸出誤差、整個(gè)樣本誤差分別為

對(duì)權(quán)值進(jìn)行相應(yīng)的調(diào)整，則權(quán)值增量如下：

由上述推導(dǎo)可得，BP神經(jīng)網(wǎng)絡(luò)的權(quán)值迭代公式為實(shí)際應(yīng)用時(shí)，通過上述過程不斷循環(huán)來調(diào)整實(shí)際輸出，直至與期望輸出的誤差達(dá)到精度要求。

2.2 人工勢(shì)場(chǎng)法算法及建模

利用人工勢(shì)場(chǎng)法對(duì)機(jī)器人進(jìn)行路徑規(guī)劃的算法及建模。

（1）人工勢(shì)場(chǎng)模型建立。根據(jù)當(dāng)前參數(shù)確定引力場(chǎng)和斥力場(chǎng)兩個(gè)位置增益系數(shù)，障礙物影響距離以及機(jī)器人運(yùn)動(dòng)速度。此外，還需確立機(jī)器人的置入位置、路徑障礙物集點(diǎn)的位置、最終路徑目標(biāo)點(diǎn)的位置，最后根據(jù)當(dāng)前所處環(huán)境情況建立人工勢(shì)場(chǎng)模型。

（2）根據(jù)引力場(chǎng)和斥力場(chǎng)兩個(gè)位置增益系數(shù)進(jìn)行計(jì)算得出合力角θ。

（3）計(jì)算規(guī)劃路徑下一步的位置如下：

（4）機(jī)器人移動(dòng)至（xk+1，yk+1）,機(jī)器人運(yùn)行一步后步數(shù)為k+1，機(jī)器人的位置由（xk，yk）變成（xk+1，yk+1）。

（5）評(píng)估機(jī)器人是否已從機(jī)器人置入位置到達(dá)路徑目標(biāo)點(diǎn)位置。如果從機(jī)器人置入位置到達(dá)路徑目標(biāo)點(diǎn)位置，則機(jī)器人中斷路徑規(guī)劃；如果機(jī)器人沒有路徑目標(biāo)點(diǎn)位置，則回至初始參數(shù)及障礙物目標(biāo)點(diǎn)步驟前再往后面程序繼續(xù)執(zhí)行。最后根據(jù)建模通過比較機(jī)器人所經(jīng)過的路徑和設(shè)定最長路徑可以判斷機(jī)器人所規(guī)劃的是否是最優(yōu)路徑規(guī)劃方案，期間如果機(jī)器人沒有完成最優(yōu)路徑規(guī)劃，則需重新調(diào)整勢(shì)場(chǎng)的初始參數(shù)障礙物目標(biāo)點(diǎn)。

2.3 模擬退火算法及建模

模擬退火算法基于抽樣算法，再采用AP聚類算法調(diào)整當(dāng)前兩個(gè)解L和J的步驟。

第一步：令m=0時(shí)的當(dāng)前解為L(0)=L，在J下進(jìn)行之后各步。

第二步：按某一規(guī)定的方式根據(jù)當(dāng)前解L(m)所處的狀態(tài)S，產(chǎn)生一個(gè)近鄰子集：

隨機(jī)得到一個(gè)新的狀態(tài)L′作為下一個(gè)當(dāng)前解的候選解，其計(jì)算公式如下：

第四步：m=m+1，由某個(gè)給定的收斂準(zhǔn)則檢查算法是否應(yīng)停止。若是則轉(zhuǎn)向第五步；否則轉(zhuǎn)向第二步。

第五步：將當(dāng)前解L(m)返回調(diào)用其AP聚類算法。

3 總結(jié)

通過對(duì)3種模型建立和算法的對(duì)比分析，提出了沙漠光伏板清掃機(jī)器人的最佳路徑規(guī)劃方案為人工勢(shì)場(chǎng)法。通過模糊理論可以使障礙物更加模糊、圓潤，使最終目的地更加清晰。將模糊理論與人工勢(shì)場(chǎng)技術(shù)相結(jié)合，建立一種模糊人工勢(shì)場(chǎng)路徑規(guī)劃方法，可以有效讓二者密切結(jié)合，改進(jìn)了人工勢(shì)場(chǎng)法的數(shù)學(xué)模型和快速讓機(jī)器人置入位置到達(dá)路徑目標(biāo)點(diǎn)位置，同時(shí)能夠滿足機(jī)器人的路徑設(shè)計(jì)動(dòng)態(tài)規(guī)劃。