一种自主巡逻智能预警的机器人系统设计*

，

(1.广州大学 华软软件学院 电子系，广州 510990；2.广州卓绝智能科技有限公司)

引　言

随着科学技术的发展和社会的进步，仓储行业进入高速发展阶段，仓库空间面积也越来越大，而仓库监管技术并未得到同步发展，导致各地仓库的危险事故频频发生，例如，2015年8月15日，在震惊中外的天津滨海新区塘沽危险品仓库大爆炸中，165人死亡，8人失联，334人受伤，据惠誉国际信用评级有限公司评估该次事故直接损失高达15亿美元。

化学化工产业是我国经济的重要组成部分，而化工产品中危化品又占据了相当份额[1]，危化品仓库的危险事故大多是因仓库环境变化造成的[2-3]，而仓库环境又由空气温湿度、压强、光照、泄漏危化品浓度等变量耦合而成，对仓库全范围中相关环境变量的检测是预防危险事故的先决条件。目前危化品仓库的管理一般有纯人工监控管理和设备监控管理两种方式，但不管是纯人工监控还是设备监控都存在很大的缺陷，天津大爆炸就证明了这一点。在纯人工管理方式下，无论仓管人员是否充足，都很难做到24小时不间断无差错地巡逻，而且因人体对环境信息的感知不够敏感，仓库环境恶化时不容易发觉。借助设备监控这种管理方式也存在以下问题[4-5]：仓库定点安装监控装置容易存在监控盲区；安装的检测传感器较单一，且针对性不强，漏报警和误报警率高，系统缺乏智能性；需多点安装监控装置，系统成本太高。

针对上述问题，本文设计了一个具有自主巡逻、立体检测、智能预警和远程监控功能的危化品仓库巡逻机器人系统，有效弥补了危化品仓库安全监控中存在的不足。

1　总体方案设计

本巡逻机器人能够借助巡逻导航子系统在危化品仓库中全范围自主巡逻，同时通过环境监测子系统对仓库中各种环境参数和泄漏危化品浓度进行检测和数据融合处理，并通过WiFi无线网络将各种原始数据和融合后数据上传至云服务器保存。同时机器人会对采集的各种环境数据进行数据融合处理，并将数据融合结果值和报警阈值进行比较来判定仓库环境的危险程度，当机器人认为仓库综合环境存在安全隐患时，会发出预警甚至报警信号，当管理人员未及时处理时，机器人会通过GSM打电话给仓库管理人员，工作人员也可以通过远程监控子系统登陆云服务器随时随地查看仓库情况或对机器人发送各种控制指令。整个系统结构如图1所示。

图1　巡逻机器人系统结构图

2　系统硬件设计

2.1　巡逻导航子系统

该子系统主要实现巡逻机器人在室内闭合环境中的自主巡逻功能，硬件上它由微控制器STM32F429IG及最小系统电路、电机及驱动模块L298N、6轴运动处理组件MPU6050、红外避障检测传感器E18-D80NK等组成。它首先利用L298N驱动电机使机器人进行移动，并利用E18-D80NK传感器进行障碍物检测，借助MPU6050内置的角速度传感器检测机器人在巡逻过程中累计变换的方向角，在机器人每巡逻一圈后，巡逻方式自动在右手法则和左手法则之间切换，同时在巡逻过程中利用PID算法对机器人行进路径进行控制，从而实现机器人在危化品仓库中的自主巡逻导航功能。巡逻导航子系统硬件结构图如图2所示。

图2　巡逻导航子系统硬件结构图

2.2　环境检测子系统

该子系统主要实现机器人对周边各种环境变量的检测、多传感器数据融合、数据通信和视频监控功能，硬件上包括微控制器STM32F429IG(与巡逻导航子系统共用)、泄漏危化品气体检测传感器MQ2(可检测液化气、烷、苯、氢气、酒精、烟雾等)、火焰检测传感器RB-02S022A、温湿度传感器DHT11等环境监测传感器(必要时还可根据不同的需要在预留的单片机接口加装所需要的传感器)，通信模块包括集GSM、蓝牙技术于一体的模块SIM808和WiFi模块RTL8188EUS，视频监控采用可电动控制的云台+摄像头组合，用户可以通过摄像头在远程控制云台查看仓库中各个角度的画面。在工作原理上，它首先利用机器人自身携带的上述各种传感器在巡逻过程中对周边环境进行检测，同时利用MCU对各传感器采集的数据以基于BP神经网络的多传感器数据融合模型进行融合处理，并根据融合结果自行判断当前仓库环境的危险程度，当融合结果接近报警阈值时，机器人会自动通过WiFi向远程监控平台向发出相应的预警甚至报警信号，当管理人员未及时处理时，机器人还会利用SIM808给管理人员拨打电话。整个环境检测子系统硬件结构图如图3所示。

图3　环境检测子系统硬件结构图

3　系统软件设计

3.1　自主巡逻功能

在室内环境中自主移动是机器人进行环境监控的前提，为实现机器人在室内环境中的自主巡逻，采用了红外传感器检测可行走区域的边界，以左手法则和右手法则作为机器人全地图巡逻的准则，同时通过角速度传感器和电机转动圈数检测机器人前进时累积的方位角和里程数，每转完1圈时，机器人以45°角在左、右手法则之间切换巡逻，并以PID控制算法使机器人沿着室内地图边缘平行前移。

本文中左手法则定义：在自主巡逻过程中，当检测到左侧有障碍物(即可行走区域的边界)时，机器人以PID算法与边界保持一定的距离沿着边界前行，直到转完1圈为止。在机器人前行的过程中，将行经的路程和转换的方向角不断进行累加，当路程等于预先设定的室内空地巡逻路径周长，且机器人方位的转向角度达到360°时即认为转完1圈。右手法则类似。

本系统使用的自主巡逻算法流程图如图4所示。

图4　机器人自主巡逻算法流程图

3.2　多传感器数据融合功能

通过对周边环境各种参数的检测来预估环境潜在的危险度是巡逻机器人非常重要的功能，通过搭载多个异型

传感器来感知环境中的温度、湿度、有毒、易燃易爆气体浓度是最常用的检测方法。但由于各种环境变量之间存在不同程度耦合作用，例如当空气中相对湿度大于60%时，发生火灾很少，易燃易爆气体在空气中的安全浓度阈值大大提升；当湿度在40%～60%之间时，可以发烟燃烧但不易扩大燃烧面积，当空气湿度在30%～40%时，容易燃烧并蔓延，而湿度低于25%时，极易发生火灾，空气中极少量的易燃易爆气体也可能会引发灾难[6-7]。为此，本系统在硬件上利用多个异型传感器的互补性来丰富对空间环境各变量的检测，并设计了一种以BP神经网络为核心算法的特征级数据融合模型来评估环境参数的危险度。

本文设计的以BP神经网络为核心算法的多传感器数据融合系统结构如图5所示，其原理是首先通过巡逻机器人系统的n个异型传感器采集仓库环境变量，再利用拉依达法则对采集的数据进行去噪，然后进行归一化处理，将处理结果作为BP神经网络的标准输入数据，最后利用训练好的神经网络进行融合处理，并将融合结果作为机器人报警决策的依据进行输出。

图5　基于BP神经网络的多传感器数据融合系统

本文设计的神经网络模型中包括1个输入层、1个隐层和1个输出层。为便于研究，本文选取了三个典型环境变量(包括空气温度x1、空气相对湿度x2、各种有毒或可燃性危化品浓度综合值x3)作为网络输入，选用预警变量y(0≤y≤1)作为网络输出层结点的输出。经过训练后的神经网络模型相关参数如表1所列。具体神经网络模型的设计和训练过程详见本项目已另著论文(参考文献[8])。

表1　训练后的BP神经网络参数

3.3　远程监控子系统

一方面，机器人在巡逻过程中通过环境检测子系统周期性地采集周边环境数据，并对采集的数据利用BP神经网络数据融合模型进行融合处理，然后将采集的环境数据(包括融合处理的结果)通过网关上传至云服务器，当融合结果接近报警阈值时机器人还会给监控平台发送预警信号，当管理人员未及时作出处理时机器人还会通过GSM方式给管理员手机发送报警信号。另一方面，管理人员也可通过PC监控平台或手机监控平台访问服务器，随时随地查看当前仓库环境，必要时还可以通过监控平台远程对机器人发送指令。

远程监控子系统包括机器人程序、云服务器程序、PC监控平台程序和手机App程序。其中机器人程序主要实现环境信息的采集、数据融合、数据上传、发送报警信号和接收控制信号等功能，云服务器以中国移动提供的PaaS物联网开放平台oneNET为基础，主要用于接收、保存机器人上传的数据，并为PC监控平台和手机App提供数据访问服务；PC监控平台采用oneNET配套的WEB服务实现，主要用于从云服务器读取机器人上传的环境信息和机器人本身的状态参数；手机App上除了PC监控平台程序功能外，另外加入了机器人远程控制功能，其工作流程如图6所示。

图6　远程监控子系统工作流程图

4　实验及结果分析

4.1　实验条件

采集危化品仓库现场真实事故前夕的数据十分困难，但为了进一步验证本文设计的巡逻机器人系统在实际应用中的效果，在面积约30 m2的室内空间模拟了危化品仓库的地形和可能出现的各种异常环境，并以各种家具物品模拟危化品存放处，辅以加湿器和除湿器作为湿度控制手段，以可制冷制热的空调作为温度控制手段，对于极端高温不好模拟的情况，则直接在程序中设置数据代替，并把A点和B点作为危化品气体模拟泄漏点，以煤气瓶模拟泄漏气体CO，所建立的实验环境如图7所示。

图7　模拟危化品仓库实验环境

4.2　实验结果及分析

4.2.1自主巡逻

危化品仓库自主巡逻是机器人及时发现危化品气体泄漏的基础，在实验中机器人实际行走路线如图8所示，其中S1点为机器人右手法则中首次发现障碍物边界的点，即开始第1圈巡逻时的起点，S2为左手法则中初次发现障碍物边界的点，也即被机器人标为第2圈巡逻的起点，S3为第3圈巡逻起点，实线箭头为第1圈巡逻的轨迹，点划线箭头为第2圈巡逻的轨迹，虚线箭头为第3圈巡逻的轨迹。

可以看出在这种复杂度的地形中，机器人可以完全遍历所有危化品存放点，在左、右手法则切换巡逻的过程中，以右手法则进行巡逻的奇数圈起点明显不同，以左手法则进行巡逻的偶数全起点也不一样，但不管起点如何变化，机器人均能按预定的规则一直在仓库中巡逻，并遍历所有危化品存放点。巡逻机器人在查找是否有泄漏点时，检测出存在泄漏点的时间取决于该泄漏点附近空气中CO浓度，在实验过程中，危化品模拟泄漏点A和B发生少量煤气泄漏，机器人在巡逻第1圈时发现B点泄漏，第2圈时发现A点泄漏，进一步验证了该机器人自主巡逻算法的有效性。

4.2.2智能报警

为了验证巡逻机器人的多传感器数据融合算法的有效性，通过调节控制实验仓库中不同温度、湿度和煤气泄漏度，利用巡逻机器人在实验室中进行了大量的安全预警报警测试。为便于验证，将测试过程中的30组数据的安全度按安全规则进行了人工判定，并将机器人融合输出值y(0≤y≤1)作为机器人预警依据，并规定y值越接近0表示安全度越高，反之越接近1表示安全度越低，并设定当y≤0.3时不报警，当0.30.7时红色警报，30组测试数据如表2所列。

图8　实验仓库中自主巡逻第1、2圈路线图

从表2可知，机器人对30组测试数据的融合结果虽然与报警预期有一定的偏差，但均在允许的误差范围内，按规则生成的自动判定结果与人工判定结果一致，完全可以应用于机器人巡逻过程的分级预警。

表2　30组测试数据表

结　语