Artykuł badawczy
Zbudowano telesterowanego robota do pracy na żywej linii dystrybucyjnej opartego na współdzieleniu kontroli pomiędzy człowiekiem a robotem. Eksperymenty laboratoryjne wykazały, że współdzielenie kontroli poprawiło efektywność trajektorii, jednocześnie zmniejszając czas zakończenia zadania i podruchów. Nagły algorytm wykrywania zachowania telesterowania zmniejszył nagłe ruchy operatora i został pomyślnie zweryfikowany w operacjach polegających na stukaniu na terenie.
Tradycyjne prace na żywo na liniach rozdzielczych opierają się na pracy ręcznej, charakteryzującej się wysokim ryzykiem, dużą intensywnością pracy i wysokimi kosztami szkoleń; dlatego opracowywanie robotów do pracy na żywo na liniach rozdzielczych jest istotną drogą do zastąpienia ręcznych operacji. Jednak środowisko pracy jest bardzo niesformalizowane i dynamiczne, z wyzwaniami takimi jak złożone oświetlenie na zewnątrz i nieprzewidywalne warunki wietrzne. Istniejące roboty stosują głównie telesterowanie typu master-slave lub tryb pełnej automatyzacji, które nakładają duże obciążenie psychiczne na operatorów, są bardzo podatne na błędne działania i wykazują ograniczoną przystosowańczość do środowiska.
Aby rozwiązać te problemy, w niniejszym badaniu przedstawiono robota do pracy na żywo na liniach rozdzielczych sterowany zdalnie na podstawie współdzielenia kontroli przez człowieka i robota. Końcowa trajektoria manipulatora jest uzyskiwaną poprzez liniową kombinację ważoną dwóch referencyjnych trajektorii dostarczanych osobno przez operatora i automatycznego modułu planowania robota. Takie podejście zmniejsza zależność robota od operatora, łagodzi psychiczne obciążenie operatora, poprawia efektywność i zapobiega nagłym błędnym operacjom ze strony operatora. Na koniec, w artykule przedstawiono projekt systemu i zweryfikowano jego skuteczność poprzez zastosowanie w prawdziwych operacjach na żywo.
Praca na czynnych liniach jest krytyczną metodą inspekcji, testowania i konserwacji sprzętu wysokiego napięcia. W Chinach objętość prac na czynnych liniach rośnie szybko. Z perspektywy zapotrzebowania branży, rozwiązanie problemu bezpieczeństwa personelu podczas pracy na czynnych liniach jest długotrwałym i trudnym zadaniem. Nadal potrzebne są innowacje i ulepszenia w metodach, technologiach, sprzęcie i koncepcjach.
Praca na czynnych liniach dystrybucyjnych jest jednym z najczęstszych rodzajów pracy na czynnych liniach, która dotyczy konserwacji czynnych linii dystrybucyjnych. Ze względu na złożone warunki oświetleniowe, gęstą rozmieszczenie sprzętu oraz małe odległości między fazami i od fazy do masy w liniach dystrybucyjnych, operacje te w dużej mierze opierały się na tradycyjnych metodach manualnych. Jednak ten tradycyjny podejście napotyka na problemy takie jak wysokie ryzyko, duża intensywność pracy i wysokie koszty szkoleń1. Dlatego rozwój robotów zdolnych do pracy na czynnych liniach, aby zastąpić pracę manualną, stał się nieuniknionym trendem dla przyszłych operacji i konserwacji sieci dystrybucyjnych.
Od lat 80. XX wieku kraje takie jak Japonia i Stany Zjednoczone prowadziły badania i testy w tej dziedzinie (jak pokazano na Rysunku 1). Najwcześniejsze systemy były robotami teleoperowanymi z śledzeniem master-slave. Na przykład japoński robot do pracy na czynnych liniach fazowych II fazy2 zainstalował na platformie trzykierunkowy manipulator pomocniczy (DOF) oprócz dwukierunkowego manipulatora elektrycznego. Operator sterował nim za pomocą drążka sterującego z bliska.
Model TOMCAT3 z USA wykorzystywał hydrauliczny manipulator sterowany przez operatora w obrębie kosza roboczego. Podobnie, Shandong Power Grid4 w Chinach zastosował hydrauliczne manipulatory sterowane przez operatorów stojących w koszu roboczym. Ponadto, aby zwiększyć dopuszczalną odległość między końcami master i slave, hiszpański ROBTET5,6 wykorzystywał kable światłowodowe do komunikacji zdalnej, umożliwiając operatorom teleoperację z ziemi. Te tryby teleoperacji robotów mogą być podsumowane jako tryb śledzenia master-slave. Mają one niewystarczającą inteligencję autonomiczną, wymagają od personelu obserwacji środowiska i sterowania robotem z bliska oraz niesioną znaczną obciążeniem umysłowym, tym samym nie zastępując ludzi w wysokonapięciowych, niebezpiecznych środowiskach.
Aby zapobiec brakowi inteligencji robotycznej, wymagane są badania nad inteligentnymi technologiami takimi jak wizja komputerowa, planowanie trajektorii i zdalna interakcja człowiek-robot, aby zwiększyć autonomiczne zdolności robota.
W pracy na czynnych liniach dystrybucyjnych, zadanie podłączania stanowi około 20%7 całkowitego obciążenia pracy (linie dystrybucyjne są pokazana na Rysunku 2). Dlatego korzystanie z czujników wizualnych do identyfikacji i lokalizacji przewodu i jego regionu ściągniętego, czyli regionu usuniętej izolacji, do prowadzenia robota jest kluczowe. W 2020 roku State Grid Ruijia8 opracował robota do pracy na czynnych liniach dystrybucyjnych zdolny do interakcji zdalnej, łącząc informacje z LiDAR i kamery binokularnej dla rozpoznawania i pozycjonowania celu. Ponadto, algorytmy łączące operacje morfologiczne i transformację Hougha są używane do ułatwienia ekstrakcji linii zasilających9,10. Transformacja Hougha jest używana do wykrywania linii zasilających, po czym algorytmy widzenia stereo służą do konwersji wykrytych danych pikseli 2D na współrzędne przestrzenne 3D11. Hubei Electric Power Research Institute12 zaproponowało filtr oparty na fuzji mapy kolor-głębokość. Ta metoda eliminuje złożone tła otaczające linie zasilające, a następnie ekstrahuje jasne kontury linii zasilających poprzez analizę różnic wartości pikseli w sąsiedztwie. Dodatkowo, University of Science and Technology of China13 zaproponowało algorytm rozpoznawania linii zasilających oparty na głębokiej nauce, osiągając szybkie identyfikowanie i lokalizowanie wielu linii zasilających.
Mimo szybkiego rozwoju algorytmów wizji komputerowej, operacje na zewnątrz pozostają wyzwaniem. Złożone warunki oświetleniowe i odbijające powierzchnie przewodów często prowadzą do utraty informacji o głębokości, co skutkuje niskimi wskaźnikami rozpoznawania i dużymi błędami pozycjonowania dla metod silnie opierających się na danych głębokości13. Jednocześnie, ze względu na różne nieregularne odkształcenia istniejące w przewodach dystrybucyjnych, szereg metod wykrywania prostych linii nie jest już stosowanych, jak pokazano na Rysunku 3. Co więcej, zmiany kierunku wiatru na wyższych wysokościach powodują pionowy ruch linii, prowadząc do błędów na poziomie centymetrów w wynikach istniejących algorytmów offline.
W tak bardzo niebezpiecznych, niesprecyzowanych i dynamicznych środowiskach, które można
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Wszystkie eksperymenty z udziałem operatorów przeprowadzono zgodnie z wytycznymi bezpieczeństwa. Eksperymenty z teleoperacji przeprowadzili trzej przeszkoleni operatorzy (wszyscy praworęczni, z co najmniej 1 godziny szkolenia), którzy są członkami zespołu badawczego. Nie zaangażowano żadnych zewnętrznych uczestników ludzkich, a to badanie nie wymagało instytucjonalnej recenzji etycznej. Wolontariusze zostali poinformowani o procedurach eksperymentalnych, a podczas badania nie zebrano żadnych danych osobowych ani poufnych.
Ramowy system sterowania współdzielonego
W scenariuszach pracy na linii napowietrznej czynniki takie jak nieregularne gięcie linii energetycznych, utrata informacji o głębokości spowodowanej złożonym oświetleniem na zewnątrz oraz losowy ruch linii energetycznych tworzą bardzo nieskonstruowane i dynamiczne środowisko. Czynniki te utrudniają robotowi dokładne rozpoznanie i zlokalizowanie linii energetycznych w środowisku. W rezultacie całkowite poleganie na autonomicznej pracy robota prowadziłoby do niepowodzenia zadania.
Aby zapobiec ograniczonym możliwościom adaptacji w pełni autonomicznej pracy robota, operatorzy ludzcy interweniują w proces decyzyjny robota poprzez teleoperację, wykorzystując ludzkie doświadczenie, aby pomóc robotowi zaadaptować się do środowiska. Ponadto, aby zapobiec problemowi nadmiernej częstotliwości wprowadzania trajektorii referencyjnej przez operatora ludzkiego podczas teleoperacji, przestudiowano metodę współdzielenia sterowania pomiędzy człowiekiem i robotem. Metoda ta zmniejsza zależność rzeczywistej trajektorii od operatora ludzkiego, co z kolei zmniejsza obciążenie umysłowe operatora i osiąga skuteczne połączenie zdolności ludzkiego inteligentnego decydowania i zdolności do precyzyjnego sterowania robota.
Struktura telesterowanego robota do pracy na linii napowietrznej opartego na współdzieleniu sterowania, zaproponowana w niniejszym artykule, przedstawiona jest na Rysunku 4. Gdzie xh to punkt trajektorii wyjściowej urządzenia teleoperacyjnego, rh to punkt referencyjny trajektorii dostarczony przez operatora ludzkiego (przemapowany na przestrzeń kartezjańską manipulatora), rr to punkt referencyjny trajektorii zaplanowanej autonomicznie przez robota, spełniający rolę pomocniczą. r to zintegrowany punkt referencyjny trajektorii wysłany do manipulatora niewolniczego (który w dalszej części tekstu jest nazywany współdzielonym torem), fo to surowe dane zebrane przez czujnik siły na końcówce manipulatora, fe to siła kontaktu między zestawem narzędzi na końcówce manipulatora a środowiskiem po kompensacji grawitacji i x to aktualna pozycja manipulatora.
Telesterowany robot do pracy na linii napowietrznej jest podzielony na dwie części: stronę główną i stronę niewolniczą. Strona główna znajduje się na ziemi, gdzie operator ludzki kontroluje ruch urządzenia teleoperacyjnego. Odbierając zwrot siły z urządzenia skierowanej na dłoń operatora oraz informacje zwrotne od systemu wizji, operator osiąga zanurzenie w operacji. Strona niewolnicza to robot znajdujący się na wysokości. Po otrzymaniu pozycji xh ze strony głównej, robot przeprowadza mapowanie przestrzenne, aby uzyskać rh, i przesyła zebrane dane wizualne i dotykowe z powrotem do strony głównej.
Ze względu na niekompletne dopasowanie percepcji między robotem a operatorem w odniesieniu do sił kontaktowych, celów i przeszkód w rzeczywistym środowisku, operator musi utrzymywać intensywne skupienie, aby zminimalizować ryzyko rh. Aby zmniejszyć zależność r od rh i zmniejszyć obciążenie umysłowe operatora podczas operacji trwających długi czas, robot musi autonomicznie zaplanować pomocniczą trajektorię rr, która jest w przybliżeniu najkrótszą drogą i bezpieczna na podstawie informacji percepcyjnych zawierających błędy rzeczywiste. Ta rr jest następnie liniowo ważona z rh w celu uzyskania r, która jest nadawana manipulatorowi jako docelowa pozycja.
Mapowanie przestrzenne ruchu
Metoda różnicowa została wykorzystana do obliczenia przyrostu trajektorii Δxh podanej przez operatora ludzkiego:
Δxh = xh - x′h (1)
gdzie x′h to pozycja na początku teleoperacji. Dla robotów do pracy na linii napowietrznej, gdzie przestrzenie ruchu strony głównej i strony niewolniczej mają znaczne różnice, mapowanie różnicowe pozwala operatorowi arbitralnie wybrać wygodną pozycję i ustawić ją jako początkową pozycję teleoperacji.
Przyrost trajektorii, Δxh został następ
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Wykrywanie nagłych zachowań operacyjnych
Rysunek 12 przedstawia analizę szeregową reprezentatywnego eksperymentu na platformie laboratoryjnej, która obejmuje dwa celowe nagłe ruchy.
Obie nagłe ruchy zostały wykryte (TPR = 100%) odpowiednio o 1,81 s i 5,72 s, bez żadnych fałszywych alarmów (FPR = 0%) w trakcie 13,2 s normalnej pracy. Czas reakcji na zamrożenie: 1 klatka (20 ms), zmierzony za pomocą czasowania pętli sterowania.
W...
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
To badanie proponuje system robota teleoperowanego do pracy na żywo w sieci dystrybucyjnej oparty na wspólnej kontroli człowiek-robot. W przeciwieństwie do w pełni autonomicznych systemów, które mają problem z dynamicznym oświetleniem na zewnątrz i niesprecyzowanymi tłami12, oraz tradycyjnej teleoperacji master-slave, która narzuca duże obciążenie kognitywne i fizyczne operatorom14,15,16, nasze podejście ...
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Nie ma konfliktów interesów do zgłoszenia.
Autorzy chcieliby podziękować operatorom, którzy wzięli udział w eksperymentalnych testach. Praca ta była wspierana przez Instytut Badawczy Energetyki Hubei, Laboratorium SGCC ds. Testowania i Oceny Technologie Polowych Urządzeń Wysokiego Napięcia.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| Hikvision DS-2DC2D20IW-DE3 | Hikvision | https://www.hikvision.com/cn/products/pdplist/161056/ | kamera monitoringu pan-tilt-zoom (PTZ) |
| KUNWEI KWR75 | KUNWEItech | https://www.kunweitech.com/products/866.html | czujnik siły |
| LivoxAVIA | Livox(DJI) | https://www.livoxtech.com/cn/avia | laserowy LiDAR |
| Piper | AGILEX | https://www.agilex.ai/page/690abe7b5e78cfa260412c92?mi=1&rn=PIPER+%E6%A0%87%E5%87%86%E7%89%88 | manipulator master/slave do walidacji eksperymentów na platformie laboratoryjnej |
| Python | Python Software Foundation | https://www.python.org/ | język programowania |
| RealSenseD435 | Intel | https://store.realsenseai.com/buy-intel-realsense-depth-camera-d435.html | kamera binokularna |
| Touch | 3D Systems | https://cn.3dsystems.com/haptics-devices/touch | urządzenie haptyczne |
| Ubuntu 24.04 | Canonical Ubuntu | https://ubuntu.cn/ | system operacyjny |
| UR10 | Universal Robots | https://www.universal-robots.cn/ | manipulator robota do pracy na żywo |
Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE
Poproś o pozwolenie