一种路径规划方法、装置和巡检机器人与流程

本申请涉及电力技术领域，更具体地说，涉及一种路径规划方法、装置和巡检机器人。

背景技术：

变电站在正常运行过程中，其内设置的仪器、仪表、设备和线路等需要定期或不定期的巡检，以保证其安全正常的工作。鉴于变电站这种环境内存在高电压，对巡检人员的安全威胁是显而易见的。为了避免上述危险，目前大多变电站已经实现了利用巡检机器人对上述设施的巡检。但是，在巡检过程中，巡检机器人基本上需要操作人员通过遥控或线控的方式按预设路线进行巡检，无法实现自主巡检，导致巡检效率较低。

技术实现要素：

有鉴于此，本申请提供一种路径规划方法、装置和巡检机器人，用于使巡检机器人实现对变电站的自主巡检，以提高巡检机器人的巡检效率。

为了实现上述目的，现提出的方案如下：

一种路径规划方法，应用于变电站的巡检机器人，所述路径规划方法包括步骤：

初始化信息，确定任务点的数量和编号、任务起点、任务终点和应用模式，获取任务点列表；

读取包含所有停靠点和所有任务点的最短距离矩阵和最近邻矩阵、任务起点、任务终点、任务点数量和任务列表；

对所述任务点列表进行预处理，得到最新任务列表；

根据所述最新任务列表对所述最短距离矩阵进行计算提取，得到与所述最新任务列表相对应的当前最短距离矩阵；

根据预设的改进蚁群算法，对所述最新任务列表中的任务点进行路径计算，得到任务点序列；

根据所述最近邻矩阵和预设的单行路段信息对所述任务点序列进行细化处理，得到任务点巡检序列；所述巡检机器人用于根据所述任务点巡检序列对所述变电站的任务点进行巡检。

可选的，所述根据预设的改进蚁群算法，对所述最新任务列表中的任务点进行路径计算，得到任务点序列，包括：

初始化蚁群算法的当前参数；

根据所述当前最短距离矩阵、所述最新任务列表和当前参数，并利用蚁群算法按预设最大循环次数循环计算路径，并在每次的循环计算过程中保留较优路径；

其中每进行一次计算路径的同时，还通过2-opt邻域搜索策略或者3-opt邻域搜索策略缩小每次搜索局部最优的范围，优化每一次搜索的路径，然后从搜索到的所有路径中选择一条最短的路径，接着进行下一次循环，直到循环结束获得一条最优或次优路径；

在完成所有循环后，将最优的较优路径中的任务点序列作为所述任务点序列。

可选的，所述通过2-opt邻域搜索策略或者3-opt邻域搜索策略缩小每次搜索局部最优的范围，包括：

在返回所述任务起点的情况下，对所述较优路径进行3-opt邻域搜索；

在不返回所述任务起点或者固定所述任务起点和所述任务终点的情况下，对所述路径进行2-opt邻域搜索。

可选的，如果在巡检中遇到障碍物，还包括步骤：

判断是否还存在没有检测的剩余任务点；

如果不存在所述剩余任务点，则结束本次巡检；

如果存在所述剩余任务点，则获取所述巡检机器人的当前位置，同时获取距离所述当前位置最近的且可到达的一个点，并将其作为新的起始点，所述点为任务点或停靠点；

根据所述当前位置更新变电站地图信息，获取所有点间的最新拓扑矩阵；

根据所述最新拓扑矩阵更新所述最短距离矩阵和所述最近邻矩阵，并返回所述根据所述最新任务列表对所述最短距离矩阵进行计算提取，得到与所述最新任务列表相对应的当前最短距离矩阵步骤。

可选的，所述根据所述当前位置更新变电站地图信息，获取所有点间的最新拓扑矩阵，包括：

将所述剩余任务点中的孤立点予以剔除；

根据所述当前位置建立所述最新拓扑矩阵。

一种路径规划装置，应用于变电站的巡检机器人，所述路径规划装置包括：

信息初始模块，用于初始化信息，确定任务点的数量和编号、任务起点、任务终点和应用模式，获取任务点列表；

矩阵读取模块，用于读取包含所有停靠点和所有任务点的最短距离矩阵和最近邻矩阵、任务起点、任务终点、任务的数量和任务列表；

列表处理模块，用于对所述任务点列表进行预处理，得到最新任务列表；

矩阵计算模块，用于根据所述最新任务列表对所述最短距离矩阵进行计算提取，得到与所述最新任务列表相对应的当前最短距离矩阵；

路径计算模块，用于根据预设的改进蚁群算法，对所述最新任务列表的任务点进行路径计算，得到任务点序列；

细化处理模块，用于根据所述最近邻矩阵和预设的单行路段信息对所述任务点序列进行细化处理，得到任务点巡检序列；所述巡检机器人用于根据所述任务点巡检序列对所述变电站的任务点进行巡检。

可选的，所述路径计算模块包括：

算法参数初始单元，用于初始化蚁群算法的当前参数；

较优路径计算单元，用于根据所述当前最短距离矩阵、所述最新任务列表和当前参数，并利用蚁群算法按预设最大循环次数循环计算路径，并在每次的循环计算过程中保留较优路径；

邻域搜索单元，用于在每进行一次计算路径的同时，通过2-opt邻域搜索策略或者3-opt邻域搜索策略缩小每次搜索局部最优的范围，优化每一次搜索的路径，然后从搜索到的所有路径中选择一条最短的路径，接着进行下一次循环，直到循环结束获得一条最优或次优路径；

最优路径选定单元，用于在完成所有循环后，将最优的较优路径中的任务点的序列选定为所述任务点序列。

可选的，所述邻域搜索单元用于在返回所述任务起点的情况下，对所述路径进行3-opt邻域搜索；还用于在不返回所述任务起点或者固定所述任务起点和所述任务终点的情况下，对所述路径进行2-opt邻域搜索。

可选的，还包括：

任务剩余判断模块，用于在巡检中遇到障碍物时，判断是否还存在没有检测的剩余任务点；如果不存在所述剩余任务点，则结束巡检；

当前位置获取模块，用于如果存在所述剩余任务点，则获取所述巡检机器人的当前位置，同时获取距离所述当前位置最近的且可到达的一个点，并将其作为新的起始点，所述点为任务点或停靠点；

新拓扑建立模块，用于根据所述当前位置更新变电站地图信息，获取所有点间的最新拓扑矩阵；

矩阵更新模块，用于根据所述最新拓扑矩阵更新所述最短距离矩阵和所述最近邻矩阵，并控制所述矩阵计算模块再次根据所述最新任务列表对所述最短距离矩阵进行计算提取，得到与所述最新任务列表相对应的当前最短距离矩阵。

可选的，所述新拓扑建立模块包括：

孤立点剔除单元，用于将所述剩余任务点中的孤立点予以剔除；

新拓扑建立单元，用于根据所述当前位置建立所述最新拓扑矩阵。

一种巡检机器人，应用于变电站，所述巡检机器人设置有如上所述的路径规划装置。

从上述的技术方案可以看出，本申请公开了一种路径规划方法、装置和巡检机器人，该方法和装置应用于对变电站进行巡检的巡检机器人，具体为初始化信息，确定所有停靠点和所有任务点的数量、任务起点、任务终点、任务列表和任务点数量；读取包含所有停靠点和所有任务点的最短距离矩阵和最近邻矩阵、任务起点、任务终点、任务点数量和任务列表；对任务点列表进行预处理，得到最新任务列表；根据最新任务列表对最短距离矩阵进行计算，得到与最新任务列表相对应的当前最短距离矩阵；根据预设的改进蚁群算法，对最新任务列表的任务点进行路径计算，得到任务点序列；根据最近邻矩阵和预设的单行路段信息对任务点序列进行细化处理，得到任务点巡检序列。在得到上述任务点巡检序列后，巡检机器人即可利用其自主行走装置并根据该任务点巡检序列对变电站自主巡检，而无需操作人员对其进行遥控，从而提高了巡检机器人的巡检效率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请提供的一种路径规划方法实施例的步骤流程图；

图1a为本申请提供的一种邻域搜索的流程图；

图1b为本申请提供的另一种邻域搜索的流程图；

图2为本申请提供的另一种路径规划方法实施例的步骤流程图；

图3为本申请提供的一种路径规划装置实施例的结构框图；

图4为本申请提供的另一种路径规划方法实施例的结构框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例一

图1为本发明提供的一种路径规划方法实施例的步骤流程图，

如图1所示，本实施例提供的路径规划方法应用于变电站的巡检机器人，用于使巡检机器人能够根据所规划出的路径对变电站进行自主巡检，以摆脱依靠操作人员通过遥控方式进行巡检的羁绊，该路径规划方法包括步骤：

s101：初始化操作。

即对路径规划所需要的全部信息进行初始化，所谓初始化包括确定路径规划所需的初始信息。这里的信息是巡检机器人进行巡检的变电站的信息，包括所有停靠点和所有任务点的数量和编号，还包括任务起点、任务终点、任务点列表和机器人的应用模式。

任务起点是人为指定的第一个作业点，相应的任务终点是指人为指定的最后一个作业点，而停靠点是指巡检机器人在巡检任务中的拐弯点。任务起点和任务终点可以是充电点、停靠点或者普通任务点。

s102：读取最短距离矩阵和最近邻矩阵。

所有点的编号和所有点中直接相邻的两点之间的距离数据构成拓扑矩阵，其中不直接相邻的两个点间的距离设定为无穷大，每个点到自身的距离设定为零。通过利用dijkstra对拓扑矩阵进行计算，即可得到上述最短距离矩阵和最近邻矩阵。这里的最近邻矩阵记录了距离每一个点最近的点的编号信息。这里的点为任务点或者停靠点。

s103：对任务点列表进行预处理，得到最新任务列表。

在得到上述任务点列表后，还需对该任务列表进行预处理，得到最新任务列表。

s104：根据当前最新任务列表对最短距离矩阵进行计算，得到当前最短距离矩阵。

这里以最新任务列表对前述最短距离矩阵进行计算提取，从而得到对应于当前最新任务列表的当前最短距离矩阵。

s105：根据改进蚁群算法以当前任务点为起点进行路径计算。

在得到前面的当前最短距离矩阵后，根据改进蚁群算法和最新任务列表、且以当前任务点为起点进行路径计算，得到最优的任务点序列。

因为当前任务点不一定是初始的任务起点，在执行巡检任务过程中，有可能因为出现障碍物导致需要重新规划路线时，该当前任务点就不是初始的任务起点。从以上可以看出，该当前任务点是指进行路径计算前该巡检机器人所处的任务点，或者说距离该任务点预设方向、预设距离的作业开始点。

改进蚁群算法是指改进型蚁群算法，蚁群每进行一次搜索的同时还通过邻域搜索策略缩小该蚁群每次搜索局部最优的范围，优化每一只蚂蚁搜索的路径，然后从蚁群搜索的所有路径中选择一条路径最短的路径，接着进行下一次循环，直到循环结束获得一条最优或次优路径。通过添加邻域搜索策略缩小蚁群每次搜索局部最优的范围，从而提高计算的效率。通过加入邻域搜索策略，可以使得以较高的时间效率规划出一条最优或次优的路径，从而可以突破原始蚁群算法不适用于大规模巡检任务的局限性。

这里根据改进蚁群算法计算最优的任务点序列包括如下：

首先，初始化蚁群算法的当前参数，这里的当前参数是指经过大量实验测试获得的能使蚁群算法在实际应用中效率最高、路径最短的参数。

然后，根据当前最短距离矩阵、当前参数和最新任务列表，利用蚁群算法按预设的最大循环次数进行循环计算。每次循环中蚁群可得到多条路径，同时对蚁群每次循环计算中获得的每一条路径通过2-opt邻域搜索或3-opt邻域搜索策略进行优化。最后得到多条优化后的路径，并在一次计算过程中保留较优的路径，较优的路径是指相对于前一条路径的距离更短和重复路径更少的路径。

最后，在完成所有循环后，将得到的最优路径中的任务点的序列作为该任务点序列。循环次数已预先设定，设定可根据任务点的多少来做相应的调整，对于同一任务，循环次数越多，规划的路径结果越优，同时规划所需时长越长，因此，需要在最优与效率之间进行相应的平衡。

在邻域搜索时，在返回出发点模式时选择3-opt邻域搜索，不返回出发点或者固定出发点和终点模式时选择2-opt邻域搜索。图1a是一种可能的2-opt邻域搜索模式，该搜索中不断地尝试所有的可能路径，如果替换这两个路径产生更好的结果就保留结果，否则重新进行2-opt搜索，直到交换两个路径根本无法产生更优结果为止。图1b是3种可能的3-opt邻域搜索，在邻域搜索中考虑这三种交换模式，并且如果某一种模式的交换能够产生更好的结果就保留，否则重新进行3-opt搜索直到无法优化为止。

s106：对任务点序列进行细化处理，得到任务点巡检序列。

根据上述的最邻近矩阵和预设的单行路段信息对任务点序列进行细化处理，明确任务点序列中任务点的详细信息，其中包括任务点序列中相邻两个任务点间的路径中的停靠点信息、任务点序列中处于单行路段上的任务点的替换信息。这里的任务点巡检序列是指最终得到的最优任务点序列细化处理后的路径序列，其中包含了巡检过程中途径的停靠点、待检测的任务点的最终排列顺序。

在得到上述任务点巡检序列后，巡检机器人即可根据该任务点巡检序列自行执行巡逻任务，并在巡逻过程中自主地在相应任务点处停留，并对停留处的电气设施的状况进行检测，从而完成对变电站的自主检测。

从上述技术方案可以看出，本实施例提供了一种路径规划方法，该方法应用于对变电站进行巡检的巡检机器人，具体为初始化信息，确定所有停靠点和所有任务点的数量、任务起点、任务终点、任务列表和任务点数量；读取包含所有停靠点和所有任务点的最短距离矩阵和最近邻矩阵、任务起点、任务终点、任务点数量和任务列表；对任务点列表进行预处理，得到最新任务列表；根据最新任务列表对最短距离矩阵进行计算，得到与最新任务列表相对应的当前最短距离矩阵；根据预设的改进蚁群算法，对最新任务列表的任务点进行路径计算，得到任务点序列；根据最近邻矩阵和预设的单行路段信息对任务点序列进行细化处理，得到任务点巡检序列。在得到上述任务点巡检序列后，巡检机器人即可利用其自主行走装置并根据该任务点巡检序列对变电站自主巡检，而无需操作人员对其进行遥控，从而提高了巡检机器人的巡检效率。

实施例二

图2为本申请提供的另一种路径规划方法实施例的步骤流程图。

如图2所示，本实施例提供的路径规划方法应用于变电站的巡检机器人，用于使巡检机器人能够根据所规划出的路径对变电站进行自主巡检，以摆脱依靠操作人员通过遥控方式进行巡检的羁绊，该路径规划方法包括步骤：

s201：初始化操作。

即对路径规划所需要的全部信息进行初始化，所谓初始化包括确定路径规划所需的初始信息。这里的信息是巡检机器人进行巡检的变电站信息和任务信息，包括任务点的数量和编号、任务起点、任务终点、任务点列表和应用模式。

任务起点是指人为指定的第一个作业点，相应的任务终点是指人为指定的最后一个作业点。

s202：读取最短距离矩阵和最近邻矩阵。

所有点的编号和所有点中直接相邻的两点之间的距离数据构成拓扑矩阵，其中不直接相邻的两个点间的距离设定为无穷大，每个点到自身的距离设定为零。通过利用dijkstra对拓扑矩阵进行计算，即可得到上述最短距离矩阵和最近邻矩阵。这里的最近邻矩阵记录了距离每一个点最近的点的编号信息。这里的点为任务点或停靠点。

s203：对任务点列表进行预处理，得到最新任务列表。

在得到上述任务点列表后，还需要对该任务点列表进行预处理，得到最新任务列表。

s204：根据当前最新任务列表对最短距离矩阵进行计算，得到当前最短距离矩阵。

这里以最新任务列表对前述最短距离矩阵进行计算提取，从而得到对应于当前最新任务列表的当前最短距离矩阵。

s205：根据改进蚁群算法以当前任务点为起点进行路径计算。

在得到前面的当前最短距离矩阵后，根据改进蚁群算法和最新任务列表、且以当前任务点为起点进行路径计算，得到最优的任务点序列。

因为当前任务点不一定是初始的任务起点，在执行巡检任务过程中，有可能因为出现障碍物导致需要重新规划路线时，该当前任务点就不是初始的任务起点。从以上可以看出，该当前任务点是指进行规划前该巡检机器人所处的任务点，或者说距离该任务点预设方向、预设距离的作业开始点。

改进蚁群算法是指改进型蚁群算法，蚁群每进行一次搜索的同时还通过邻域搜索策略缩小蚁群每次搜索局部最优的范围，优化每一只蚂蚁搜索的路径，然后从蚁群搜索的所有路径中选择一条路径最短的路径，接着进行下一次循环，直到循环结束获得一条最优或次优路径。通过添加邻域搜索策略缩小蚁群每次搜索局部最优的范围，从而提高计算的效率。通过加入邻域搜索策略，可以使得以较高的时间效率规划出一条最优或次优的路径，从而可以突破原始蚁群算法不适用于大规模巡检任务的局限性。

这里根据改进蚁群算法计算最优的任务点序列包括如下：

首先，初始化蚁群算法的当前参数，这里的当前参数是指经过大量实验测试获得的能使蚁群算法在实际应用中效率最高、路径最短的参数。

然后，根据当前最短距离矩阵、当前参数和最新任务列表，利用蚁群算法按预设的最大循环次数进行循环计算。每次循环中蚁群可得到多条路径，同时对蚁群每次循环计算中获得的每一条路径通过2-opt邻域搜索或3-opt邻域搜索策略进行优化。最后得到多条优化后的路径，并在一次计算过程中保留较优的路径，较优的路径是指相对于前一条路径的距离更短和重复路径更少的路径。

最后，在完成所有循环后，将得到的最优路径中的任务点的序列作为该任务点序列。循环次数已预先设定，设定可根据任务点的多少来做相应的调整，对于同一任务，循环次数越多，规划的路径结果越优，同时规划所需时长越长，因此，需要在最优与效率之间进行相应的平衡。

在邻域搜索时，在返回出发点模式时选择3-opt邻域搜索，不返回出发点或者固定出发点和终点模式时选择2-opt邻域搜索。图1a是一种可能的2-opt邻域搜索模式，该搜索中不断地尝试所有的可能路径，如果替换这两个路径产生更好的结果就保留结果，否则重新进行2-opt搜索，直到交换两个路径根本无法产生更优结果为止。图1b是3种可能的3-opt邻域搜索，在邻域搜索中考虑这三种交换模式，并且如果某一种模式的交换能够产生更好的结果就保留，否则重新进行3-opt搜索直到无法优化为止。

s206：对任务点序列进行细化处理，得到任务点巡检序列。

根据上述的最邻近矩阵和预设的单行路段信息对任务点序列进行细化处理，明确任务点序列中任务点的详细信息，其中包括任务点序列中相邻两个任务点间的路径中的停靠点信息、任务点序列中处于单行路段上的任务点的替换信息。这里的任务点巡检序列是指最终得到的最优任务点序列细化处理后的路径序列，其中包含了巡检过程中途径的停靠点、待检测的任务点的最终排列顺序。

在得到上述任务点巡检序列后，巡检机器人即可根据该任务点巡检序列自行执行巡逻任务，并在巡逻过程中自主地在相应任务点处停留，并对停留处的电气设施的状况进行检测，从而完成对变电站的自主检测。

s207：判断是否存在没有检测到的剩余任务点。

对剩余任务点的检测是在巡检机器人遇到障碍物的情况下进行的，如果巡检机器人在检测所有任务点的过程中没有碰到任何的障碍物，则在执行完对所有任务点的巡检任务后结束任务。

如果在执行过程中通过障碍检测设备检测到巡检机器人遇到阻碍其前进的障碍物，则判断是否存在没有检测到的剩余任务点。如果没有检测到没有执行完所有任务点，即不存在剩余任务点的情况下，则直接结束所有任务。

s208：获取巡检机器人的当前位置。

在巡检机器人遇到障碍物、且还存在未检测的剩余任务点的情况下，为了对剩余任务点进行继续检测，需要重新规划路线，此时，需要获取巡检机器人的当前位置。

获取方法可以通过获取在遇到障碍物时最后一个检测的任务点的位置，然后根据在遇到障碍物时与该任务点的距离和相对方向确定该当前位置。

s209：剔除孤立点，更新地图信息，建立新拓扑矩阵。

在得到所有剩余未检测的任务点后，由于已经巡检过的任务点不再需要巡检，因此将所有剩余的未检测任务点作为待检测的任务点。

由于障碍物的出现，可能出现孤立点，孤立点是指由于道路不通而导致没有任何有效连通通路的任务点，如果将其作为参考会导致路径规划出现混乱，因此需要将其剔除，在剔除孤立点后，获取新的任务列表。

剔除孤立点，更新地图信息，建立新拓扑矩阵包括如下内容：

首先，获取剩余未检测的任务点。

然后，对未检测的任务点进行判断处理，对剩余任务点中的孤立点予以剔除。

然后，根据障碍物所处位置准确更新地图信息，获取包含所有点在内的新拓扑矩阵。

s210：根据新拓扑矩阵更新当前最短距离矩阵和最近邻矩阵。

在得到上述新拓扑矩阵后，根据新拓扑矩阵利用dijkstra算法获取当前最短距离矩阵和最近邻矩阵，建立这两个矩阵的方法与前面的当前最短距离矩阵和最近邻矩阵的方法相同。在得到当前最短距离矩阵和最近邻矩阵后，将前面的当前最短距离矩阵和最近邻矩阵予以替换，以本次建立的当前最短距离矩阵和最近邻矩阵作为有效当前最短距离矩阵和最近邻矩阵。

然后，返回到根据所述最新任务列表对所述最短距离矩阵进行计算提取，得到与所述最新任务列表相对应的当前最短距离矩阵步骤，直至完成所有任务点的巡检后退出所有任务。

从上述技术方案可以看出，本实施例提供了一种路径规划方法，该方法应用于对变电站进行巡检的巡检机器人，具体为初始化信息，确定所有停靠点和所有任务点的数量、任务起点、任务终点、任务列表和任务点数量；读取包含所有停靠点和所有任务点的最短距离矩阵和最近邻矩阵、任务起点、任务终点、任务点数量和任务列表；对任务点列表进行预处理，得到最新任务列表；根据最新任务列表对最短距离矩阵进行计算，得到与最新任务列表相对应的当前最短距离矩阵；根据预设的改进蚁群算法，对最新任务列表的任务点进行路径计算，得到任务点序列；根据最近邻矩阵和预设的单行路段信息对任务点序列进行细化处理，得到任务点巡检序列。在得到上述任务点巡检序列后，巡检机器人即可利用其自主行走装置并根据该任务点巡检序列对变电站自主巡检，而无需操作人员对其进行遥控，从而提高了巡检机器人的巡检效率。

另外，通过本实施例，巡检机器人在遇到障碍后能自主地判定巡检任务的完成情况并决定是否重新规划新的巡检路径，从而确保了整个巡检任务的完成。

实施例三

图3为本发明提供的一种路径规划装置实施例的结构框图。

如图3所示，本实施例提供的路径规划装置应用于变电站的巡检机器人，用于使巡检机器人能够根据所规划出的路径对变电站进行自主巡检，以摆脱依靠操作人员通过遥控方式进行巡检的羁绊，该路径规划装置具体包括信息初始模块10、矩阵读取模块20、列表处理模块100、矩阵计算模块30、路径计算模块40和细化处理模块50。

信息初始模块用于对信号进行初始化操作。

即对路径规划所需要的全部信息进行初始化，所谓初始化包括确定路径规划所需的初始信息。这里的信息是巡检机器人进行巡检的变电站信息和任务信息，包括任务点的数量和编号、任务起点、任务终点、任务点列表和应用模式。

任务起点是指人为指定的第一个作业点，相应的任务终点是指人为指定的最后一个作业点。

矩阵读取模块用于读取最短距离矩阵和最近邻矩阵。

所有点的编号和所有点中直接相邻的两点之间的距离数据构成拓扑矩阵，其中不直接相邻的两个点间的距离设定为无穷大，每个点到自身的距离设定为零。通过利用dijkstra对拓扑矩阵进行计算，即可得到上述最短距离矩阵和最近邻矩阵。这里的最近邻矩阵记录了距离每一个点最近的点的编号信息。这里的点为任务点或停靠点。

列表处理模块用于对任务点列表进行预处理，得到最新任务列表。

在得到上述任务列表后，还需要对该任务列表进行预处理，得到最新任务列表。

矩阵计算模块用于根据当前最新任务列表对最短距离矩阵进行计算提取，得到当前最短距离矩阵。

这里以最新任务列表对前述最短距离矩阵进行计算提取，从而得到对应于当前最新任务列表的当前最短距离矩阵。

路径计算模块根据改进蚁群算法以当前任务点为起点进行路径计算。

因为当前任务点不一定是初始的任务起点，在执行巡检任务过程中，有可能因为出现障碍物导致需要重新规划路线时，该当前任务点就不是初始的任务起点。从以上可以看出，该当前任务点是指进行路径计算前该巡检机器人所处的任务点，或者说距离该任务点预设方向、预设距离的作业开始点。

在得到前面的当前最短距离矩阵后，根据改进蚁群算法和最新任务列表、且以当前任务点为起点进行路径计算，得到最优的任务点序列。

改进蚁群算法是指改进型蚁群算法，蚁群每进行一次搜索的同时还通过邻域搜索策略缩小蚁群每次搜索局部最优的范围，优化每一只蚂蚁搜索的路径，然后从蚁群搜索的所有路径中选择一条路径最短的路径，接着进行下一次循环，直到循环结束获得一条最优或次优路径。通过添加邻域搜索策略缩小蚁群每次搜索局部最优的范围，从而提高计算的效率。通过加入邻域搜索策略，可以使得以较高的时间效率规划出一条最优或次优的路径，从而可以突破原始蚁群算法不适用于大规模巡检任务的局限性。

这里路径计算模块具体包括算法参数初始单元、较优路径计算单元、邻域搜索单元和最优路径选定单元。

算法参数初始单元用于初始化蚁群算法的参数，这里的参数是根据该算法在实际应用中经大量实验测试获得的可使蚁群算法应用效果达到最优时的参数。

较优路径计算单元用于根据当前最短距离矩阵、当前参数和最新任务列表，并利用蚁群算法按预设的最大循环次数进行循环计算，每次循环蚁群得到多条路径，并对每条路径用邻域搜索单元的优化策略对每条路径进行优化，最后从这些路径中保留较优的路径，较优的路径是指相对于上次循环获得的那条路径的距离较短和重复路径较少的路径。

邻域搜索单元用于在每次循环蚁群得到多条路径后，对每条路径进行2-opt邻域搜索或者3-opt邻域搜索。

最优路径选定单元用于在完成所有循环后，将得到的最优路径中的任务点的序列做该任务点序列。循环次数以预先设定，设定可根据任务点的多少来做相应的调整，对于同一任务，循环次数越多，规划的路径结果越优，同时规划所需时长越长，因此，需要在最优与效率之间进行相应的平衡。

在邻域搜索时，在返回出发点模式时选择3-opt邻域搜索，不返回出发点或者固定出发点和终点模式时选择2-opt邻域搜索。图1a是一种可能的2-opt邻域搜索模式，该搜索中不断地尝试所有的可能路径，如果替换这两个路径产生更好的结果就保留结果，否则重新进行2-opt搜索，直到交换两个路径根本无法产生更优结果为止。图1b是3种可能的3-opt邻域搜索，在邻域搜索中考虑这三种交换模式，并且如果某一种模式的交换能够产生更好的结果就保留，否则重新进行3-opt搜索直到无法优化为止。

细化处理模块用于对任务点序列进行细化处理，得到任务点巡检序列。

根据上述的最邻近矩阵和预设的单行路段信息对任务点序列进行细化处理，明确任务点序列中任务点的详细信息，其中包括任务点序列中相邻两个任务点间的路径中的停靠点信息、任务点序列中处于单行路段上的任务点的替换信息。这里的任务点巡检序列是指最终得到的最优任务点序列细化处理后的路径序列，其中包含了巡检过程中途径的停靠点、待检测的任务点的最终排列顺序。

在得到上述任务点巡检序列后，巡检机器人即可根据该任务点巡检序列自行地执行巡检任务，自主地在相应的任务点处停留，并对停留处的电气设施的状况进行检测，从而完成对变电站的自主检测。

从上述技术方案可以看出，本实施例提供了本申请公开了一种路径规划装置，该装置应用于对变电站进行巡检的巡检机器人，具体为初始化信息，确定所有停靠点和所有任务点的数量、任务起点、任务终点、任务列表和任务点数量；读取包含所有停靠点和所有任务点的最短距离矩阵和最近邻矩阵、任务起点、任务终点、任务点数量和任务列表；对任务点列表进行预处理，得到最新任务列表；根据最新任务列表对最短距离矩阵进行计算，得到与最新任务列表相对应的当前最短距离矩阵；根据预设的改进蚁群算法，对最新任务列表的任务点进行路径计算，得到任务点序列；根据最近邻矩阵和预设的单行路段信息对任务点序列进行细化处理，得到任务点巡检序列。在得到上述任务点巡检序列后，巡检机器人即可利用其自主行走装置并根据该任务点巡检序列对变电站自主巡检，而无需操作人员对其进行遥控，从而提高了巡检机器人的巡检效率。

实施例四

图4为本申请提供的另一种路径规划装置实施例的结构框图。

如图4所示，本实施例提供的路径规划装置是在上一实施例的基础上增设了任务剩余判断模块60、当前位置获取模块70、新拓扑建立模块80和矩阵更新模块90。

任务剩余判断模块用于判断是否存在没有检测到的剩余任务点。

对剩余任务点的检测是在巡检机器人遇到障碍物的情况下进行的，如果巡检机器人在检测所有任务点的过程中没有碰到任何的障碍物，则在执行完对所有任务点的巡检任务后结束任务。

如果在执行过程中通过障碍检测设备检测到巡检机器人遇到阻碍其前进的障碍物，则判断是否存在没有检测到的剩余任务点。如果没有检测到没有执行完的任务点，即不存在剩余任务点的情况下，则直接结束所有任务。

当前位置获取模块用于获取巡检机器人的当前位置。

在巡检机器人遇到障碍物、且还存在未检测的剩余任务点的情况下，为了对下面剩余任务点进行继续检测，需要重新规划路线，此时，需要获取巡检机器人的当前位置。

获取方法可以通过获取在遇到障碍物时最后一个检测的任务点的位置，然后根据在遇到障碍物时与该任务点的距离和相对方向确定该当前位置。

新拓扑建立模块用于根据所述当前位置更新变电站地图信息，获取所有点间的最新拓扑矩阵。

在得到所有剩余未检测的任务点后，由于已经巡检过的任务点不再需要巡检，因此将所有剩余的未检测任务点作为待检测的任务点。

由于障碍物的出现，可能出现孤立点，孤立点是指由于道路不通而导致没有任何有效连通通路的任务点，如果将其作为参考会导致路径规划出现混乱，因此需要将其剔除，鉴于上述原因，需要剔除孤立点获取新的任务列表。

孤立点剔除单元用于将剩余任务点中的孤立点予以剔除。

新拓扑建立单元根据障碍物所处位置准确更新地图信息，获取包含所有点在内的新拓扑矩阵。

矩阵更新模块用于根据新拓扑矩阵更新当前最短距离矩阵和最近邻矩阵。

在得到上述新拓扑矩阵后，根据新拓扑矩阵利用dijkstra算法获取当前最短距离矩阵和最近邻矩阵，建立这两个矩阵的方法与前面的当前最短距离矩阵和最近邻矩阵的方法相同。在得到当前最短距离矩阵和最近邻矩阵后，将前面的当前最短距离矩阵和最近邻矩阵予以替换，以本次建立的当前最短距离矩阵和最近邻矩阵作为有效当前最短距离矩阵和最近邻矩阵。

然后，控制矩阵计算模块再次根据所述最新任务列表对所述最短距离矩阵进行计算提取，得到与所述最新任务列表相对应的当前最短距离矩阵，直至完成所有任务点的巡检后退出所有任务。

相对于上一实施例而言，本实施例中的巡检机器人在遇到障碍后，能够自主地判定巡检任务的完成情况并决定是否重新规划新的巡检路径，从而确保了整个巡检任务的完成。

实施例五

本实施例提供了一种巡检机器人，该机器人应用于变电站，且设置有上面实施例所提供的路径规划装置。该装置具体用于确定所有停靠点和所有任务点的数量、任务起点、任务终点、任务列表和任务点数量；读取包含所有停靠点和所有任务点的最短距离矩阵和最近邻矩阵、任务起点、任务终点、任务点数量和任务列表；对任务点列表进行预处理，得到最新任务列表；根据最新任务列表对最短距离矩阵进行计算，得到与最新任务列表相对应的当前最短距离矩阵；根据预设的改进蚁群算法，对最新任务列表的任务点进行路径计算，得到任务点序列；根据最近邻矩阵和预设的单行路段信息对任务点序列进行细化处理，得到任务点巡检序列。在得到上述任务点巡检序列后，巡检机器人即可利用其自主行走装置并根据该任务点巡检序列对变电站自主巡检，而无需操作人员对其进行遥控，从而提高了巡检机器人的巡检效率。且还能够在遇到障碍后能自主地判定巡检任务的完成情况并决定是否重新规划新的巡检路径，从而确保了整个巡检任务的完成。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。