基于改進遺傳算法的水電站智能巡檢路徑規(guī)劃方法

秦豪杰,費 洋

(國能大渡河大崗山發(fā)電有限公司,四川 雅安 625400)

0 引言

水電站運行的安全性與可靠性對社會經(jīng)濟發(fā)展具有重要影響。在當(dāng)前信息化、智能化技術(shù)高速發(fā)展的趨勢下,水電站巡檢及安全維護方法也越來越智能化,能夠有效地防止重大事故的發(fā)生[1]。在水電站智能巡檢中,需要根據(jù)水電站的內(nèi)部結(jié)構(gòu)、全局規(guī)劃及局部規(guī)劃,合理分配巡檢路徑,避免出現(xiàn)巡檢路徑重復(fù),增加人力資源消耗與財力消耗、降低巡檢效率的問題[2]。此時,科學(xué)合理的巡檢路徑規(guī)劃方法至關(guān)重要。在眾多學(xué)者的不斷努力下,水電站巡檢路徑規(guī)劃方法逐漸成熟完善,可以預(yù)先規(guī)劃分配好巡檢路線,保證巡檢質(zhì)量。但是,隨著水電站建設(shè)規(guī)模越來越龐大、數(shù)量越來越多,傳統(tǒng)的巡檢路徑規(guī)劃方法在應(yīng)用過程中逐漸暴露出了一些缺陷,例如,路徑規(guī)劃靈活性與時效性較差、在碰到突發(fā)情況下不能快速作出有效處理、路徑規(guī)劃精度較低[3]。

為了改善上述問題,本文引入了改進遺傳算法,該算法是通過模擬自然界種群選擇衍生出的智能隨機搜索算法,經(jīng)過種群選擇與進化,在達到智能巡檢路徑規(guī)劃所需的精度后終止,能夠為巡檢路徑規(guī)劃提供有力的幫助?；诖?本文在傳統(tǒng)水電站巡檢路徑規(guī)劃方法的基礎(chǔ)上,引入改進遺傳算法,開展了基于改進遺傳算法的水電站智能巡檢路徑規(guī)劃方法的全面研究。

1 水電站智能巡檢路徑規(guī)劃方法設(shè)計

1.1 構(gòu)建水電站柵格模型

本文設(shè)計的水電站智能巡檢路徑規(guī)劃方法中,先要對智能巡檢的水電站環(huán)境地圖進行描述,將當(dāng)前的環(huán)境地圖信息輸入到計算機中,通過計算機的智能分析,為后續(xù)的路徑規(guī)劃提供良好的數(shù)據(jù)支持。因此,開展水電站柵格模型構(gòu)建研究,通過構(gòu)建模型,提取水電站環(huán)境地圖中的特征,并不斷探測新的環(huán)境信息。構(gòu)建水電站柵格模型所需內(nèi)容(見圖1)。

圖1 構(gòu)建水電站柵格模型所需內(nèi)容組成

如圖1所示,首先,采集水電站環(huán)境地圖相關(guān)信息數(shù)據(jù);其次,在水電站現(xiàn)場布設(shè)多組傳感器與攝像機,實時采集水電站運行狀態(tài)變化數(shù)據(jù)。在此基礎(chǔ)上,對水電站運行狀態(tài)變化數(shù)據(jù)中的不確定數(shù)據(jù)進行技術(shù)處理,將處理后的數(shù)據(jù)添加到柵格模型內(nèi),實現(xiàn)格柵模型信息數(shù)據(jù)實時更新的目標(biāo)[3]。設(shè)定智能巡檢工作空間長度為M,寬度為N,柵格均為邊長為L的正方形,此時,柵格數(shù)量計算表達式為：

R=(M/L)·(N/L)

(1)

式中,R表示水電站柵格模型中小柵格的數(shù)量。工作空間柵格mapi可以表示為：

Map={mapi,mapi=0/1}

(2)

利用二進制表示水電站智能巡檢工作空間內(nèi)是否有障礙物,mapi=0表示智能巡檢工作自由區(qū)域;mapi=1表示智能巡檢障礙物區(qū)域,不能直接進行智能巡檢。構(gòu)建的柵格模型能夠?qū)⑺娬局悄苎矙z的工作空間劃分為多個柵格,根據(jù)智能巡檢工作空間的大小,確定柵格的數(shù)量,通過每個柵格特定的特征信息,全方位、多維度地描述水電站智能巡檢工作空間是否存在障礙物及水電站的運行狀態(tài)變化[4]。

1.2 基于改進遺傳算法規(guī)劃全局巡檢路徑

完成上述水電站柵格模型構(gòu)建后,可知水電站智能巡檢工作空間是否存在障礙物及水電站的運行狀態(tài)變化。在此基礎(chǔ)上,利用改進遺傳算法,規(guī)劃水電站全局巡檢路徑。

本文設(shè)計的基于改進遺傳算法的巡檢路徑全局規(guī)劃流程如圖2所示。

圖2 基于改進遺傳算法的巡檢路徑全局規(guī)劃流程

如圖2所示,通過構(gòu)建的水電站柵格模型,確定智能巡檢路徑規(guī)劃任務(wù)的目標(biāo)函數(shù)與變量,對其進行編碼處理。從編碼中隨機選取任意部分作為改進遺傳算法的初始化種群,確定初始化種群起點到目標(biāo)節(jié)點的可行路徑,生成可行路徑編碼集合。對種群個體的適應(yīng)度進行評估[5]。適應(yīng)度指的是個體在種群中生存的優(yōu)勢程度,其評估表達式為：

(3)

式中,F表示適應(yīng)度函數(shù);s表示初始化種群個體通過柵格的總數(shù);D表示相鄰柵格之間的直線距離和。

通過計算,得出初始化種群個體的適應(yīng)度,適應(yīng)度值越大,被選中的可能性越高,反之同理。對適應(yīng)度進行檢驗,判斷其是否滿足水電站智能巡檢路徑全局規(guī)劃最優(yōu)收斂條件,若不滿足最優(yōu)收斂條件,則通過選擇、交叉、變異操作生成新的種群,而后再次評估種群個體適應(yīng)度,重復(fù)上述步驟[6]。若滿足最優(yōu)收斂條件,則對種群個體進行解碼處理,輸出解碼后的最優(yōu)解,即為水電站智能巡檢最佳路徑,實現(xiàn)巡檢路徑規(guī)劃的目標(biāo)。

2 試驗分析

2.1 試驗準(zhǔn)備

上述內(nèi)容便是本文利用改進遺傳算法,提出的水電站智能巡檢路徑規(guī)劃方法的全部設(shè)計流程。在提出規(guī)劃方法投入水電站工程實際使用前,需要對方法的可行性及規(guī)劃效果作出試驗測試,確認智能巡檢路徑規(guī)劃無誤后,方可投入實際使用。因此,開展如下的試驗。

利用Simulink進行仿真試驗,選取R水電站作為此次試驗的研究目標(biāo)。通過拍攝真實的R水電站場景,獲取水電站全局規(guī)劃與局部規(guī)劃的巡檢路徑數(shù)據(jù)樣本[7]。對水電站巡檢路徑數(shù)據(jù)集樣本進行增廣處理,如表1所示。

表1 水電站巡檢路徑數(shù)據(jù)集樣本

表1為此次試驗使用的數(shù)據(jù)集樣本。設(shè)計此次試驗的改進遺傳算法參數(shù),如表2所示。

表2 改進遺傳算法參數(shù)

按照表2,設(shè)定水電站智能巡檢路徑規(guī)劃試驗所需的改進遺傳算法參數(shù),依據(jù)提出的規(guī)劃方法流程,規(guī)劃R水電站智能巡檢路徑,檢驗規(guī)劃結(jié)果的可行性。

2.2 結(jié)果分析

將上述提出的基于改進遺傳算法的水電站智能巡檢路徑規(guī)劃方法設(shè)置為試驗組,將文獻[2]提出的基于多能物聯(lián)的巡檢路徑規(guī)劃方法、文獻[5]提出的巡檢路徑規(guī)劃方法分別設(shè)置為對照組1與對照組2,對三種方法的巡檢路徑規(guī)劃結(jié)果作出全方位的客觀對比分析。利用Simulink與MATLAB模擬分析軟件,在迭代次數(shù)逐漸增大的情況下,模擬三種方法的巡檢路徑規(guī)劃過程,設(shè)定多目標(biāo)水電站任務(wù)路徑規(guī)劃試驗,測定三種規(guī)劃方法的多目標(biāo)任務(wù)路徑規(guī)劃收斂曲線,對比結(jié)果如圖3所示。

圖3 三種方法多目標(biāo)任務(wù)路徑規(guī)劃收斂曲線對比

從圖3的路徑規(guī)劃收斂曲線對比結(jié)果可知,三種方法應(yīng)用后,表現(xiàn)出了不同的性能效果,且具有較大的差異。其中,本文提出的基于改進遺傳算法的水電站智能巡檢路徑規(guī)劃方法應(yīng)用后,可以看出其在處理多目標(biāo)任務(wù)智能巡檢路徑規(guī)劃的問題中,隨著迭代次數(shù)的增加,收斂速度明顯較對照組1與對照組2更快,且在收斂完畢后,路徑長度數(shù)值始終保持穩(wěn)定,巡檢路徑規(guī)劃最優(yōu)解波動較小。由此可見,本文提出的水電站智能巡檢路徑規(guī)劃方法具有較高的可行性,可以大規(guī)模投入使用。

3 結(jié)語

綜上所述,為了提高水電站智能巡檢工作的效率與質(zhì)量,本文在傳統(tǒng)巡檢路徑規(guī)劃方法的基礎(chǔ)上,引入改進遺傳算法,提出了基于改進遺傳算法的水電站智能巡檢路徑規(guī)劃方法。通過本文的研究,有效地解決了水電站巡檢路徑規(guī)劃任務(wù)中的難點,提高了路徑規(guī)劃的時效性與準(zhǔn)確性,能夠綜合水電站全局規(guī)劃與局部規(guī)劃,對智能巡檢路徑作出科學(xué)合理的分配,對水電站的安全穩(wěn)定運行及長遠發(fā)展具有重要研究意義。