控制規則

“五防”主要指防止誤入帶電間隔、誤拉合斷路器、帶負荷拉合刀閘,帶電合地刀(掛地線)和帶地刀(地線)合開關。2006年前,一般採用獨立於變電站綜合自動化(簡稱綜自)系統的五防系統完成五防功能。2006年,廣東電網公司首先明確提出採用一體化五防的實現方式。2009年開始,國家電網公司明確將一體化五防列為可選的五防方案之一。五防控制規則是五防研究的重要內容,提出在間隔層實現五防,研究了利用圖論並結合電力系統中對連通性的要求推導一般的閉鎖規則的方法。

目前,變電站五防控制規則均是由各設計院根據各電力公司的需求輸出五防控制要求,各綜自廠家對設計院輸出的五防控制要求進行轉化,生成各自的五防控制規則,然後分別生成站控層規則和間隔層規則。這其中主要存在如下問題:①設計院生成的五防控制規則要求完備性得不到保證。現場接線方式多種多樣,即使是典型的接線方式,如果純粹依靠人工,出錯的可能性極大;另外,五防規則的複雜性,也消耗了大量的人力進行分析統計和校核。②共享規則庫未完全實現。目前,大部分綜自廠家未實現站控層與間隔層協議的統一,一般都是獨立編制,未能實現一體化五防要求的共享規則庫的要求。③五防規則驗證困難。本文在已有研究的基礎上主要研究前2個問題,第3個暫不討論。

生成的變電站五防規則是閉鎖規則,給出的是操作命令被閉鎖的情況。但在實際工程應用時,給出的均是正向的控制規則,之所以使用正向的控制規則,主要考慮到以下3點:

1)對變電站刀閘、地刀、開關等一次設備進行操作時,主要是分合操作,有明確的條件要求,比如合接地刀閘或掛接臨時地線時的典型規則是:必須從接地點開始線路延伸的各個方向都有斷開的刀閘(斷路器和主變被視為短路)。

2)正向控制規則便於設計院、供電局、綜自廠家相關技術人員進行核查。如果是閉鎖規則,則在相關閉鎖設備比較多時,閉鎖規則相當複雜,不便於各方相關技術人員進行核查。

3)在綜自系統實施時,如果是閉鎖規則,不管是利用文獻[1]中的腳本,還是利用標準規則庫,實現起來的語句長度和複雜度都大於正向控制規則。

目前,各主流綜自廠家和五防廠家均使用正向規則。一個典型接線圖説明五防控制規則,其使用的即為正向控制規則。各開關(刀閘)控制規則為:

1.線路開關2201控制規則。分閘、合閘條件:無。

2.母線側刀閘22011(或22012)控制規則。分閘條件:①2201分,22012(或22011)分;②22012(或22011)合,母聯(分段)開關及其兩側刀閘合。合閘條件:①母線Ⅰ(或母線Ⅱ)所有地刀分,線路開關及其兩側地刀分,母線Ⅱ(或母線Ⅰ)刀閘分;②母線Ⅱ(母線Ⅰ)刀閘合,母聯開關及其兩側刀閘合。

3.線路刀閘22013控制規則。合閘條件:2201及其兩側地刀分,220140分;分閘條件:2201分。

4.開關兩側接地刀閘2201B0(或2201C0)控制規則。分閘條件:無;合閘條件:出線開關兩側刀閘22011,22012,22013分。

5.線路地刀220140控制規則。分閘條件:無;合閘條件:22013分、出線線路無壓。

在目前工程應用中,五防控制規則均由經驗豐富的技術人員根據運行規則人工總結得出。對於比較簡單的變電站,工作量尚可預期並忍受,但對於接線比較複雜、規模比較大的變電站,工作量相當大,並且出錯的可能性高。推導出一種生成五防閉鎖規則的方法,但這種方法推導出的規則為閉鎖規則,在實際應用中難以推廣。本文從電力系統典型控制規則入手,提出一種可滿足工程應用的根據主接線圖自動獲取五防控制規則的方法。

2.1電力系統典型控制規則電力系統中各種典型控制規則為:

1)接地刀閘或臨時地線

合接地刀閘或掛接臨時地線條件:必須從接地點開始線路延伸的各個方向都有斷開的刀閘(斷路器和主變被視為短路);分接地刀閘或拆除臨時地線條件:無。

2)刀閘

合刀閘條件:本回路開關必須斷開,從本刀閘開始線路延伸的各個方向的接地刀閘或臨時地線全部斷開(到其他刀閘為止);分刀閘條件:本回路開關必須斷開。在潮流方向固定不變時,送電的順序是先合電源側刀閘,再合負荷側刀閘,最後合開關;停電順序是先分開關,再分負荷側刀閘,最後分電源側刀閘。一般規定母線側為電源側。

3)開關(斷路器)

對於線路開關,合操作條件:相鄰側刀閘都在合位或都在分位;分操作條件:無。對於分段開關,合操作條件:相鄰側刀閘都在合位或都在分位;分操作條件:某段有線路開關在運行狀態且該段的主變開關也在運行狀態,或者是某段線路開關都在停電狀態。對於母聯開關,合操作條件:相鄰側刀閘都在合位或都在分位;分操作條件:無電源供電的一條母線上的所有母線側刀閘都斷開,即所有負荷均已倒到另一條母線上時,或者是兩條母線均有電源供電。

4)主變壓器及其各側開關

一般高壓側、中壓側為進線側(電源側);低壓側為出線側(負荷側)。主變壓器停電順序:先斷低壓側主變開關,再斷中壓側或高壓側主變開關;主變壓器送電順序:先合高壓側或中壓側主變開關,再合低壓側主變開關。高壓側或中壓側主變開關分合順序一般無要求。低壓不停電時,應保證高、中壓有一路電源給低壓供電;操作高壓側主變開關時,應保證主變中性點開關在合位。

合主變開關條件:相鄰側刀閘都在合位或都在分位;分主變開關條件:非全站停電時,當一台主變壓器停電,要保證另一台主變壓器在運行狀態,且低壓分段開關應在合位。非全站停電時,當高壓主變開關全部斷開,應保證至少有一台中壓主變的開關在運行狀態;當中壓主變開關全部斷開時,應保證至少有一台高壓主變的開關在運行狀態。

2.2典型控制規則分析

通過研究典型控制規則可得出如下結論:誤入帶電間隔主要由變電站的管理來保證,目前主要由嚴格執行操作票要求來保證。誤拉合斷路器有3種情況:①選擇非目標間隔進行操作,即選擇錯誤;②保證系統供電連續性的要求;③用户操作運行要求。帶地刀(地線)合開關在現場一般不配置條件,主要是因為在合開關兩側刀閘時,已要求所有相關地刀或臨時地線是斷開的,即滿足“從本刀閘開始線路延伸的各個方向的接地刀閘或臨時地線全部斷開(到其他刀閘為止)”。因此,對典型控制規則的分析主要集中在帶電合地刀(掛地線)、帶負荷拉合刀閘和誤拉合斷路器上。接地刀閘或臨時接地線的控制規則是確定的,不隨接線方式的變化而變化。

2.3刀閘控制規則

刀閘控制規則的核心思想是不能帶負荷拉合,即操作前後兩端的電位不相等。在實際配置規則時,會列出允許操作的情況,其控制規則可表述為多個控制規則的或集。線路送電時,刀閘的順序是先合電源側刀閘,再合負荷側刀閘,都是為了在發生誤操作時縮小事故範圍,在此不進行深入分析。對於比較簡單的單母線,其進線或饋線的開關兩側刀閘可利用典型規則導出,其分合都只有一個條件。對於雙母線等特殊接線方式,典型控制規則不適用,以圖1中母線側刀閘閉鎖邏輯為例,分閘條件1和合閘條件1是在沒有負荷情況下的操作;分閘條件2和合閘條件2是在倒母線情況下的操作,其目的是把線路負荷從一條母線轉移到另外一條母線。

2.4斷路器控制規則

斷路器本身可帶負荷操作,對其配置規則的主要目的在於滿足安全穩定運行的要求和保證供電的連續性。線路開關、分段開關、母聯開關和主變開關的合操作,對兩側刀閘要求同為分或同為合主要是保證間隔設備狀態始終處於正常狀態;在出現非預期狀態時禁止對開關操作,是為了保證供電的可靠性;對母聯開關和分段開關執行分操作控制規則,主要是保證對用户供電的連續性。主變開關的分合操作也有確定的順序,其目的也是保證系統的穩定運行,在此不進行深入分析。

2.5五防控制規則總結

通過對規則的詳細分析,可以得出如下結論:

1)在任何情況下,地刀的控制規則是確定的。

2)隔離刀閘的控制規則遵循的基本原則是等電位操作,在其基礎之上根據具體應用來配置規則。

3)斷路器控制規則主要是確保供電的可靠性。 ^[1] 

隨着模糊控制在工業過程中的廣泛應用,模糊控制規則的優化和簡化越來越受到人們的重視。最初,模糊控制規則是由專家確定的,但由於高維模糊控制器會遇到"規則爆炸"的問題,即傳統模糊控制器規則數量一般隨輸入變量的個數呈指數增長關係。對此作了重新定義,將之稱為參數效率問題。並總結了解決此問題的幾種方式:①規則去除方式;②分層遞階模糊系統結構方式;③並規則結構方式;④智能算法優化。

用智能算法優化解決"規則爆炸"問題的主要思想是:用一種智能優化算法對於已經定義的完備的控制規則進行抽取和過濾,將抽取的控制規則應用於控制實際的系統,同時把實際系統的性能指標作為抽取的控制規則的性能指標反饋到智能算法中,算法根據這個反饋信息進行下一次的抽取,循環進行這個過程,直到算法收斂。

利用遺傳算法對已有的完備的模糊控制規則進行了過濾,取得較好的控制效果。這説明在已有的控制規則表中存在着大量的冗餘的和對控制效果影響較小的信息,這些信息浪費了計算機的存儲資源,影響了推理的速度和控制的實時性,有必要對這些信息進行過濾。但應用遺傳算法過濾規則首先要把規則表進行編碼(二進制編碼或者實數編碼),把編碼後的規則表看成單個染色體,再對染色體羣體進行選擇,交叉,變異等操作,最後算法收斂後,得到針對已定義的性能指標的最優的規則表染色體。這種在編碼基礎上的操作,只有解碼後才會知道將產生什麼樣的規則表,所以算法本身的機制不利於在產生規則表的過程中加入對規則表的約束條件。這種方法的結果有可能出現規則表不連續的情況,使得優化出的模糊控制規則表只能保證在特定的性能指標(如固定初始條件時系統的性能指標)意義下的最優或者可行,卻並不具有魯棒性,即在系統不同的初始條件下,控制效果差別很大。

為了解決上述問題,本文將模糊控制規則表的抽取和過濾表示為一個典型的離散組合優化問題(TSP),並利用蟻羣算法在解決離散的組合優化問題中的強大優勢對模糊控制規則表進行抽取。但是抽取模糊控制規則表的問題與TSP問題雖然具有相似性,但卻並不完全一樣,需要對蟻羣算法進行改造:

1)用蟻羣算法解決模糊控制規則的抽取不能定義類似TSP問題中的啓發式信息(在TSP問題中是城市之間距離的倒數),因此在算法中沒有應用啓發式信息,在進行規則選擇的過程僅利用了信息素濃度作為指導性原則。

2)為了防止產生的模糊控制規則表不連續,為每一個規則定義了一個窗口鄰域,在抽取規則的過程中保證每一規則的鄰域內至少被選中一條規則。我們稱這樣的蟻羣算法為帶有窗口的蟻羣算法。

3)所定義的性能指標綜合考慮了跟蹤誤差和響應時間的因素。應用此算法優化後的FUZZY-PD控制器控制小車倒擺取得了較好的控制效果:我們分別在改變初始條件和給小車加入擾動的情況下對抽取的控制規則表進行了仿真,都取得了較好的控制效果,説明這樣抽取模糊控制規則表具有較好的魯棒性。

1.蟻羣算法基本思想

蟻羣算法最初是由Dorigo等人提出,是一種求解組合優化問題的新型通用啓發式方法。主要是受到蟻羣搜索食物的過程的啓發。通過對蟻羣行為的研究,人們發現雖然其單個昆蟲的行為非常簡單,但由單個簡單的個體所組成的羣體卻表現出極其複雜的行為;原因是螞蟻個體之間通過一種稱之為外激素的物質進行信息傳遞;螞蟻在運動過程中,能夠在它所經過的路徑上留下該種物質,而且螞蟻在運動過程中能夠感知這種物質,並以此指導自己的運動方向。因此,由大量螞蟻組成的蟻羣的集體行為便表現出一種信息正反饋現象:某一路徑上走過的螞蟻越多,則後來者選擇該路徑的概率就越大。螞蟻個體之間就是通過這種信息的交流達到搜索食物的目的。

2.用蟻羣算法抽取模糊控制規則

首先將模糊控制規則問題描述為一個離散的組合優化問題,我們所要作的工作實際上是從已有的完備的控制規則(49條規則)中抽取固定數目的不完備控制規則(本文中25條規則),同時達到較好的控制效果。和TSP問題相對應,就是從49個"城市"按照性能指標最優的方式選出25個"城市",但是和TSP問題不同的是,我們只是抽取"城市",而抽取出的"城市"並不構成閉環。所以我們可以在解決問題的過程中把問題簡單的表示為簡化了的TSP問題。將應用於TSP問題的蟻羣算法進行改造,使之能夠與模糊控制規則的優選相結合。首先將規則表進行編號,並定義規則的鄰域窗口。本文采用7×7的規則表,表中第一行的規則編號為1到7,第二行為8到14,以此類推,一共n=49條規則,第i條規則對應着規則表第(i-1)%7+1行,(i-1)/7+1列,%為取餘操作,/為整除操作。定義規則之間的距離,設規則A在規則表中位於第i行,第j列,規則B在規則表中位於第i1行,第j1列,則規則A和規則B之間的距離為(i-i1)+(j-j1),定義每一條規則周圍的規則為距離它本身小於2的規則,每一條規則有一個窗口存儲這些離它最近的規則。

在程序運行開始,先將蟻羣隨機分佈於規則表上。在迭代過程中,螞蟻每次從這n個規則中按每條規則的選取概率選取下1條規則。每隻螞蟻選中的規則列入該只螞蟻的規則禁忌表中,在以後的選取中不再考慮。直到每隻螞蟻都選出l(l為指定的預選規則數,l<n,l的選取根據經驗)條規則,形成一個線路集,該線路集形成一個規則表。比如,一隻螞蟻的線路集為:10,13,6,28,19,42,4,36,39,24,41,3,37,23,12,34,32,30,29,9,1,47,43,8,25.對應的規則表為表3。

其中100表示所對應得規則沒有選中。

當一次循環完成後,從所有螞蟻形成的規劃方案中選擇具有最小目標函數值的規劃方案,並與當前保存的最優方案進行比較。如果新方案比當前保存的最優方案進行比較。如果新方案比當前保存的最優方案還要好,那麼用新方案代替當前保存的方案;否則維持當前的最優方案。重複上述過程直至達到最大迭代次數。

從上述的用蟻羣算法優化控制規則表的操作過程可以看出,在形成一個可行解(即一個規則表)的過程中,螞蟻是一條規則接着一條規則的選取,直到選出一個規則集合,構成一個規則表,這和遺傳算法將規則表編碼後看成一個染色體操作顯然是不同的,這樣操作有利於在形成規則表的過程中逐一的審視構成規則表的每一條規則,這就給對規則引入約束條件提供了可操作性。在本文中,為了避免產生的控制規則不連續,加入的約束條件為每一條規則的鄰域窗口內至少有一條規則被選中。

為模擬實際螞蟻的行為,首先引進如下記號:設m是蟻羣中螞蟻的數量,τ_j(t)表示t時刻在j規則節點上殘留的信息量.初始時刻,各條規則上信息量相等,設τ_j(0)=C(C為常數)。螞蟻k(k=1,2,...,m)在運動過程中,根據各條規則節點上的信息量決定轉移方向,p_j(t)表示在t時刻螞蟻k由當前位置轉移到位置j值得注意的是本文中的蟻羣算法和傳統的應用於TSP問題的蟻羣算法不同的是:並沒有定義啓發式信息(在TSP問題中為城市間距離的倒數)。原因是,對於文中的問題不存在這樣的啓發式信息。在文獻[7]中提到,由於信息激素在算法的開始時設為同等強度的隨機值,在算法開始階段,信息激素並不能很好的指導螞蟻找到好的初始解,也可能找到非常壞的解,這樣對算法就產生了錯誤的收斂導向,而啓發式信息的主要作用正是在算法開始階段導引螞蟻向好的解上留下信息素。所以當算法加入了局部搜索的機制時,認為啓發式信息沒有必要也是合理的。這樣既提高了計算的速度(在TSP問題中,啓發式信息在城市間的轉移概率中是乘積運算),又為蟻羣算法應用在不能或者不易定義啓發式信息的問題上提供了理論依據。在本文的問題中,啓發式信息是不必要的。原因有二,一是本文的問題沒法定義啓發式信息,二是本文中定義的約束條件可以認為是一種局部搜索機制(保證規則表連續的局部搜索機制),定義啓發式信息並不是十分必要的。 ^[2] 

隨着機器人技術的迅猛發展,機器人承擔的任務更加複雜多樣,傳統的檢測手段往往面臨着檢測範圍的侷限性和檢測手段的單一性.視覺伺服控制利用視覺信息作為反饋,對環境進行非接觸式的測量,具有更大的信息量,提高了機器人系統的靈活性和精確性,在機器人控制中具有不可替代的作用.

視覺伺服控制系統是指使用視覺反饋的控制系統,其控制目標是將任務函數e(s¡s(m(t);a))調節到最小,其中s;s分別為系統的當前狀態和期望狀態.與常規控制不同的是,s基於圖像信息m(t)和系統參數a構造,比傳統的傳感器信息具有更高的維度和更大的信息量,提高了機器人系統的靈活性.

視覺伺服系統通常由視覺系統、控制策略和機器人系統組成,其中視覺系統通過圖像獲取和視覺處理得到合適的視覺反饋信息,再由控制器得到機器人的控制輸入.在應用中,需要根據任務需求設計視覺伺服系統的實現策略.從這三個方面對視覺伺服中存在的主要問題和研究進展進行綜述.

視覺伺服控制涉及計算機視覺、機器人技術和控制理論等多個領域,國內外學者在過去20餘年中進行了廣泛的研究.Hutchinson等的三篇經典論文對視覺伺服控制的研究起到了引導作用.近年來,Staniak等和Azizian等分別對視覺伺服系統的結構及其在醫療機器人中的應用進行了綜述.在國內的研究中,林靖等、趙清傑等、薛定宇等、王麟琨等、方勇純分別對視覺伺服控制進行了綜述,總結了經典的視覺伺服控制方法.

隨着計算機視覺和機器人技術的飛速發展,視覺伺服控制的研究也有了顯著的進步.相比於以往的綜述,本文重點分析了視覺伺服系統設計中存在的主要問題及相應的解決方案.如圖1所示,設計視覺伺服系統時主要需要考慮視覺系統、控制策略以及實現策略三個方面.在視覺系統方面,本文首先介紹了視覺系統的構造方法,並對動態性能的提升和噪聲的處理進行了討論.在控制策略方面,主要針對視覺伺服系統中模型不確定性和約束的處理進行了分析.另外,考慮到視覺伺服系統的可實現性和靈活性,文中對系統的實現策略進行了總結.最後,基於當前的研究進展,對未來的研究方向進行了展望.

首先介紹視覺系統的組成,然後對視覺系統動態性能的優化和噪聲的處理方法進行分析和總結.

1.1視覺系統的組成

視覺系統由圖像獲取和視覺處理兩部分組成,圖像的獲取是利用相機模型將三維空間投影到二維圖像空間的過程,而視覺處理則是利用獲取的圖像信息得到視覺反饋的過程.

1.1.1相機模型

基本的相機模型主要包括針孔模型和球面投影模型,統一化模型是對球面模型的推廣,將各種相機的圖像映射到歸一化的球面上.此處需要強調的是針孔模型的\相機撤退"問題和球面模型的旋轉不變性.針孔模型的\相機撤退"問題是指當旋轉誤差較大時,要使特徵點在圖像中沿直線運動到目標,相機會先旋轉着遠離目標,再旋轉着接近目標,在工作空間的路徑是曲折的.對此可以使用極座標系或圓柱座標系來處理.球面模型的旋轉不變性是指球的旋轉對物體在球面上投影的形狀是沒有影響的,一方面可以避免\相機撤退"問題,同時也方便設計平移和旋轉解耦的誤差向量.統一化模型的吸引力在於可以將各種相機的圖像映射到統一的模型,從而在設計控制器時不需要考慮具體的相機模型,增強了系統的可擴展性.另外也可以將常規的機器人傳感器映射到球面,如重力向量、磁場向量或角速度等,從而可以設計多傳感器信息融合的機器人控制器.

1.1.2視覺反饋

視覺伺服中的視覺反饋主要有基於位置、圖像特徵和多視圖幾何的方法.其中,基於位置的方法將視覺系統動態隱含在了目標識別和定位中,從而簡化了控制器的設計,但是一般需要已知目標物體的模型,且對圖像噪聲和相機標定誤差較為敏感.目標識別和跟蹤可以參考相關綜述,下文中主要介紹基於圖像特徵和多視圖幾何的方法.

1)基於圖像特徵的視覺反饋

常用的基於圖像特徵的視覺反饋構造方法,其中基於特徵點的方法在以往的視覺伺服中應用較為廣泛,研究較為成熟,但是容易受到圖像噪聲和物體遮擋的影響,並且現有的特徵提取方法在發生尺度和旋轉變化時的重複性和精度都不是太好,在實際應用中存在較大的問題.因此,學者們提出了基於全局圖像特徵的視覺反饋方法,利用更多的圖像信息對任務進行描述,從而增強視覺系統的魯棒性,但是模型較為複雜,控制器的設計較為困難,且可能陷入局部極小點.目前針對這一類系統的控制器設計的研究還比較少,一般利用局部線性化模型進行控制,只能保證局部的穩定性.

2)基於多視圖幾何的視覺反饋

多視圖幾何描述了物體多幅圖像之間的關係,間接反映了相機之間的幾何關係.相比於基於圖像特徵的方法,多視圖幾何與笛卡爾空間的關係較為直接,簡化了控制器的設計.常用的多視圖幾何包括單應性、對極幾何以及三焦張量需要強調的是,兩個視圖之間的極點與相對姿態不是同構的,當極點為零時不能保證二者姿態一致,而只能保證二者共線,一般使用兩步法補償距離誤差.單應性矩陣描述了共面特徵點在兩個視圖之間的變換關係,可以唯一決定二者的相對姿態.對於非平面物體,可以結合對極幾何的方法進行處理.結合單應性矩陣和極點構造了在平衡點附近與姿態同構的誤差系統.中採用類似的思路,並利用圖像配準的思想對幾何參數進行估計.但是,由於模型複雜,文獻中只提出了局部穩定的控制律.相比之下,三焦張量是一種更加通用的方法,對目標形狀沒有要求,且不存在奇異性問題.目前基於對極幾何和三焦張量的方法還主要用於平面移動機器人的控制,在六自由度控制中的應用有待進一步研究.

1.2視覺系統動態性能的提升

相比於常規的機器人傳感器,視覺系統的採樣頻率較低,視覺處理算法的時間延遲較大,而且具有一定的噪聲,這對視覺伺服系統的動態性能有很大的影響.近年來的研究主要從以下三個方面進行改進:採用高速視覺系統,提高處理速度和採樣頻率;使用分佈式的網絡化架構,提高算法的執行效率;設計觀測器,處理視覺反饋中的噪聲和延遲問題.

1)高速視覺系統

常用的數字相機的採樣頻率較低,一般在30fps左右.為了適應高速視覺伺服任務的需求,近年來研究者開發出各種高速視覺系統.高速視覺系統一般採用並行的結構,圖像檢測和處理都是以高速進行,從而可以達到高於1kHz的頻率,方便進行高速運動物體的跟蹤和柔性物體的識別,常用於快速反應的系統,但是受到硬件設備的限制,圖像分辨率較低,物體表面紋理不清晰,難以描述複雜的場景,且系統較為複雜,開發和維護的成本高.對於這一類的系統,可以使用圖像矩、核採樣、互信息等全局圖像特徵,不需要特徵點的提取,對圖像分辨率的要求較低,相比之下控制精度更高.

2)分佈式網絡化的視覺系統

文獻中提出基於網絡化分佈式計算的視覺伺服控制系統,從分佈在不同部位的傳感器(如視覺傳感器、光學傳感器、雷達等)採集的數據通過網絡傳送到處理器節點進行處理,從而提高了視覺伺服系統的採樣速度.文獻中提出了視覺伺服系統中圖像數據的傳輸協議及其調度策略.分佈式的實現策略充分利用了多個網絡節點的計算資源,從而更快地進行多傳感器信息融合,但是其效率很大程度上依賴於網絡的速度,並且網絡化的系統增加了控制算法的複雜程度,特別是針對網絡延時、故障的處理.

3)結合觀測器的視覺系統

由於視覺設備的採樣頻率低,並且具有噪聲,因此可以利用觀測器對圖像特徵進行觀測,從而應對噪聲和延遲對系統的影響.在硬件條件限制下,使用觀測器是最有效的改善視覺系統性能的方法.

卡爾曼濾波(Kalman¯lter)是一種常用的方法,對於視覺伺服系統這種非線性對象,可以使用擴展卡爾曼濾波器.當噪聲特徵未知時,可以使用自適應或自整定的方法.另外,由於視覺系統處理時間較長,因此可能出現測量時間長於控制週期的情況,可以使用雙速率卡爾曼濾波的方法對系統狀態進行觀測.

粒子濾波(Particle¯lter[55])可以用於非高斯噪聲下的非線性系統,相比於卡爾曼濾波的方法更加適合於視覺伺服系統的應用.其基本思想是通過隨機採樣獲取概率分佈,基於這些觀測值,實際的概率分佈可以通過調整採樣的權重和位置得到.

虛擬視覺伺服(Virtualvisualservo[56])以重投影誤差作為任務函數,設計虛擬控制律使其最小化,再將此控制律中得到的控制輸入(速度、加速度)進行積分從而得到觀測到的相機位置和速度,省去了目標識別、定位等耗時的過程.

1.3視覺系統噪聲的處理

視覺系統的噪聲主要來自於相機感光元件的噪聲和視覺處理算法的誤差,對控制系統性能有較大影響.視覺系統噪聲的處理可以從以下4個方面入手:

1)設計魯棒的特徵提取算法圖像噪聲對圖像特徵的提取影響較大,尤其是基於像素梯度的局部圖像特徵,會出現特徵點的誤提取和誤匹配,直接導致系統狀態變量的誤差,對控制系統的穩定性有很大的影響.常用的去除例外點的方法有RANSAC(Randomsampleconsensus)算法、霍夫變換、最小二乘法以及M-estimators算法等.

2)使用觀測器降低噪聲的影響對於含有噪聲的特徵向量,可以利用觀測器對其狀態進行觀測降低噪聲的影響.常用的方法有Kalman濾波[52¡54]、粒子濾波[55]等.另外,在有些控制器中需要利用圖像空間中的速度信息,由於圖像採樣頻率較低且噪聲較大,數值微分的方法存在較大的誤差,此時也可以利用觀測器對其進行估計

3)利用冗餘的特徵向量對於冗餘的特徵向量,可以利用每個特徵點測量的統計特徵描述該特徵點的可靠性,在設計控制律時可以基於每個維度的可靠性設計加權矩陣，從而降低噪聲較大或誤匹配特徵點對系統的影響.另外,也可以引入隨特徵點與圖像邊界距離遞增的加權函數處理目標部分離開視野的情況,保證控制律的連續性,提高系統的容錯性.

4)提高對目標的感知力圖像對物體運動的感知力與特徵點的選取以及物體姿態有關,當存在圖像噪聲時,不同的特徵點選取對系統穩態誤差有一定的影響,因此可以利用優化的方法選取最佳的特徵點對任務進行描述[59].在控制的過程中,可以利用圖像雅可比矩陣的奇異值衡量對目標的感知能力.在任務零空間中優化軌跡以增強感知力,從而提高控制性能.

在視覺伺服控制器的設計中,主要的問題在於模型不確定性和約束的處理.這是由於視覺模型依賴於目標深度、相機參數等未知或不精確的信息,並且在控制的過程中需要保證目標的可見,對系統的穩定性和動態性能有較大的影響.

2.1視覺伺服中模型不確定性的處理

針對模型不確定性問題,主要有三種解決方案,分別為自適應算法、魯棒算法和智能算法.自適應算法通過自適應環節在線調整模型,從而優化控制性能;魯棒算法基於最優估計參數設計控制器,並保證對一定範圍內參數攝動的穩定性;智能算法一般基於學習的策略應對參數不確定性.

2.1.1自適應視覺伺服控制

考慮到模型參數不確定帶來的問題,研究者提出了一系列自適應的方法對模型誤差進行補償.自適應控制方法由控制律和自適應環節組成,通過自適應環節的在線修正保證系統的穩定性.自適應的方法可以分為參數自適應和雅可比矩陣自適應方法.

1)參數自適應算法

由於特徵點在圖像空間的運動特性依賴於其深度和相機參數,從而可以在控制過程中根據控制輸入使用當前估計參數將運動投影到圖像空間,預測特徵點的運動.預測值與實際觀測的特徵點運動之間的差異作為估計投影誤差,可以通過迭代優化的方法使該投影誤差最小化從而對參數進行在線估計.一種常用的自適應方法是結合Slotine等的思想,利用梯度法或其他搜索方法對特徵點的估計投影誤差進行在線最小化.

當相機標定參數未知時,一種思路是基於\深度無關雅可比矩陣"的方法,將圖像雅可比矩陣分為深度因子和深度無關的部分,使用深度無關的部分設計反饋控制律,從而在得到的閉環系統中相機參數是線性表達的.對於深度信息未知的情況,可以加入對深度的自適應環節增強其穩定性.除了基於特徵點的系統,這種方法對一些廣義特徵也是有效的,只要深度無關雅可比矩陣對廣義特徵的未知幾何參數是線性參數化的,如距離、角度、質心等.

對於視覺伺服軌跡跟蹤控制,常規的方法需要加入圖像空間中的速度作為前饋項,而圖像中的速度一般是通過對圖像座標信息的數值微分得到的,相比於關節空間的速度具有更大的噪聲,尤其是當採樣頻率較低時具有較大的誤差.因此,一些學者提出不需要測量圖像速度的方法.這一類方法利用關節速度和估計的雅可比矩陣設計圖像空間速度的觀測器,並加入對相機參數和深度的自適應.因為機器人關節速度的測量是比較精確的,因此可以較好地改善數值微分帶來的問題.

2)雅可比矩陣自適應算法

這一類的方法直接對雅可比矩陣進行在線辨識,由遞推的雅可比矩陣辨識算法和控制律組成.常用的雅可比矩陣辨識方法如Broyden算法、加權遞推最小二乘算法、Kalman濾波等.Pari等通過實驗對比了使用遞推最小二乘法估計的雅可比矩陣和使用解析形式的雅可比矩陣時的控制性能,結果證明基於雅可比矩陣在線辨識的方法具有與基於解析形式雅可比矩陣的方法相差不多的控制效果和魯棒性,而基於雅可比矩陣在線辨識的方法不需要大量對系統的先驗知識和複雜的模型推導過程,但是其模型只在其訓練的區域內有效.

2.1.2魯棒視覺伺服控制

在基於圖像的視覺伺服控制中,由相機參數、目標深度以及機器人模型誤差造成的圖像雅可比矩陣的不確定性會對控制效果產生影響,並可能造成控制器不穩定.為了保證在參數攝動的情況下的控制器的穩定性,可以在最優參數估計的基礎上設計魯棒控制器,從而在一定的參數變化域內保證穩定性.

一種常用的思路是利用李雅普諾夫的方法設計魯棒控制器,從而克服深度和標定誤差、機器人模型誤差以及機器人執行速度指令時的量化誤差帶來的不確定性問題.另一種思路是基於優化的方法,通過對性能指標的在線優化(如H2=H1指標、閉環系統的穩定域等)得到在具有參數不確定性時的最優控制輸入.另外,滑模控制也是一種常用的方法,通過構造與系統不確定性參數和擾動無關的滑動面,並設計控制律迫使系統向超平面收束,從而沿着切換超平面到達系統原點.由於常規的滑模控制產生的控制輸入是不連續的,可能造成系統的抖振,可以使用二階滑模Super-twisting控制的方法解決此問題.

雖然基於魯棒控制的方法一般都具有對參數變化和擾動不敏感的優點,但是通常需要較大的控制增益,造成系統響應不光滑,使執行器的損耗較大,且可能造成系統的抖振.在未來的研究中可以結合自適應控制的方法,在模型細小變化時利用控制器的魯棒性從而避免自適應機構過於頻繁的調整,當模型變化較大時,則利用自適應的方法對其進行修正,從而避免魯棒控制方法過高的增益造成的問題.

2.1.3智能視覺伺服控制

智能控制不需要精確的數學模型,並且具有自學習能力,適合於具有模型不確定性的視覺伺服系統控制.智能視覺伺服控制方法有:

基於計算智能的方法一般利用人工神經網絡、遺傳算法等方法對視覺伺服系統模型進行擬合,並利用學習到的模型進行控制.BP神經網絡是一種常用的方法,為了提高其收斂速度,可以使用遺傳算法設計其初值和參數.這一類方法不需要複雜的建模過程,但是需要預先進行離線訓練,而且當環境變化時又需要重新訓練,限制了其應用.

模糊控制利用模糊規則描述視覺伺服系統中各變量之間的關係,不需要精確的系統模型,但是需要一定的先驗知識或離線學習.在應用中,可以直接設計模糊控制器或利用模糊規則對其他控制器參數進行更新.但是,對於多自由度的視覺伺服系統,變量之間的關係複雜且耦合嚴重,模糊規則的設計困難,因此以往的研究主要針對低自由度的系統.對於具有重複特性的視覺伺服任務,迭代學習控制利用先前動作中的數據信息,通過迭代找到合適的控制輸入,可以實現精確的軌跡跟蹤.這一類方法主要有兩種思路,一種是直接迭代學習控制,使用迭代學習律得到控制輸入的前饋量,並可以加入反饋輔助項提高收斂速度;另一種是間接迭代學習控制,使用迭代學習對模型參數進行更新,從而最終得到精確的模型用於跟蹤控制.這一類方法要求任務具有重複特性,可以用於工業現場的流水線作業.

近20多年來,機器人視覺伺服控制得到了廣泛的研究,但是在實際中的應用較少.實際上,視覺伺服的理論研究與實際應用有一定的脱節,大部分的研究考慮理想的工作環境和任務,並採用示教(Teach-by-showing)的方式.這適合於靜態環境下的重複性任務,但是機器人的任務是複雜多樣的.近年來,研究者提出了創新性的解決方案,為視覺伺服系統的實施和應用提供了新的思路.在實際中,基於視覺伺服的系統主要有兩種類型,一種是機器人自主控制系統,完全由機器人自身根據視覺反饋完成分配的任務;另一種是人機協作系統,在任務完成的過程中需要人為的干預,其目的在於協助人更好地完成任務.

3.1自主控制系統

視覺伺服在機器人系統中有廣泛的應用,如移動機器人的視覺導航和機械臂的末端控制等.移動機器人的視覺導航可以描述為視覺伺服跟蹤控制問題或一系列的視覺伺服調節控制問題,一般需要預先進行訓練得到期望的圖像序列.工業機械臂常使用示教的策略,以零件組裝任務為例,工程師需要先利用手操器對其進行編程,機械臂再通過執行記錄的驅動信號完成任務.引入視覺伺服系統可以簡化此過程,只需要人在相機的監控下完成一次操作,機械臂即可利用視覺反饋完成任務.傳統的視覺伺服系統使用示教的方式,其控制器的設定值為相機在期望位置處拍攝到的圖像.這種方法適合於在局部空間內執行重複性任務的工業機械臂,但是對於大範圍的移動機器人視覺導航任務顯得實現成本較高.學者們提出了以下幾種改進策略:

1)利用其他相機拍攝的圖像作為設定值,如Teach-by-zooming策略;

2)利用其他模態的圖像作為設定值,如基於互信息的方法;

3)利用幾何信息定義視覺伺服任務.

在現實生活中,如果要告訴某人去某地,可以提供該地點的照片或地圖,也可以描述該場景的幾何特性.實際上,上述的三種策略分別對應了人類的這些行為習慣.在未來的機器人應用中,可以充分利用互聯網資源,如Google街景、Google地圖等,使其更靈活地為人類服務.

另外,大部分視覺伺服系統都要求目標在圖像中持續可見(FOV約束),這在實際任務中大大縮小了機器人的可達工作空間.Jia等針對平面移動機器人提出了基於稀疏路標的視覺導航方法,利用\關鍵幀"策略放鬆了視野約束,從而優化了非完整約束機器人在工作空間中的軌跡.Li等提出了機器人任務空間的全局控制器,利用各個區域性有效的反饋信息構造了連續的整體控制器,使得機器人在完成任務的過程中可以安全地穿過視覺感知盲區和奇異區域.

3.2人機協作系統

目前大部分機器人的自主定位和導航任務都需要預先對任務進行精確描述,但是實際應用中的一些複雜任務難以用數學描述,且在任務完成的過程中需要進行智能決策,以當前的人工智能發展程度無法由機器人自主完成.因此可以構造人機協作系統,在任務執行過程中加入人類的判斷,視覺伺服控制作為輔助系統,幫助人更輕鬆地完成一些複雜任務,形成半自動的系統.常見的人機協作系統有以下幾種實現策略:

1)人機串級控制,人負責上層的決策控制,視覺伺服系統負責底層的運動控制,如水下遙控機器人、半自動駕駛輪椅等.

2)視覺伺服系統對操作對象施加運動約束,降低人需要操作的自由度,提高操作精度,如人機協作操作、手術輔助系統等.

3)人機切換控制,將任務分為人主導的區域和機器人主導的區域,共同完成任務.

在醫療領域,學者們提出了一系列基於醫療成像設備的視覺伺服系統,對醫生的手術操作起到協助作用. ^[3]