0 引　言

由于船舶长时间在海水中运行，其船板会受到海水侵蚀，在空气氧化作用形成氧化层，即铁锈，如果不及时清洗，会进一步腐蚀船体，降低船体结构强度，影响舰船使用寿命；同时也会影响船体喷涂时的涂层附着力，因此船舶除锈清洗工作十分重要^[1]。舰船除锈清洗爬壁机器人是一种专门用于清除船舶表面锈迹和污垢的自动化设备^[2]。其通过搭载超高压水射流除锈装置、真空废水回收系统等设备^[3]，通过吸附在船体表面进行高效、环保的除锈清洗作业。为更好的辅助爬壁机器人完成舰船除锈清洗工作其移动智能导航系统的研制十分重要。

有学者设计了一种智能机器人导航系统^[4]，有效利用长短期记忆神经网络和近端策略优化算法构建视觉导航模型，利用RGB-D图像和目标极性坐标进行无地图视觉导航。通过设计奖励函数训练机器人，使其能在模拟环境中快速收敛，并提高对新旧目标的导航成功率。但系统无法适应环境的变化，一旦布局有所变动，导航精度迅速下降；余晓兰等设计一种机器人智能导航系，利用双目视觉技术识别路径中心点，利用极面约束和单应矩阵进行环境的立体匹配和三维重建，实现自主导航路径的确定，但立体匹配和三维重建等步骤的计算复杂性较高，可能影响实时性。

SLAM（同时定位与建图）技术包含感知、定位、建图部分，其可通过传感器获取周围的环境信息，在不确定机器人在自身位置情况下，在完全未知环境中创建地图，同时利用地图进行自主定位和导航^[5]。为此本文利用SLAM技术优势结合路径全局和局部规划方法，设计船舶除锈清洗爬壁机器人移动智能导航系统，保障船舶除锈清洗工作快速准确完成。

1 爬壁机器人船舶除锈清洗工作的智能导航系统 1.1 移动智能导航系统总结结构

移动智能导航系统包括远程监控平台与爬壁机器人2个部分，它们通过无线网络完成通信，前者作为数据管理中心，负责船舶除锈清洗任务管理与分配，后者作为船舶除锈清洗任务的采集与执行终端，为系统的核心部分。爬壁机器人部分结构如图1所示。

1.2 爬壁机器人同步定位与环境地图构建

采用SLAM方法实现爬壁机器人同步定位与环境地图构建的数学表达公式为：

$ \begin{split} & p({x_{1:t}},m\left| {{u_{1:t}}} \right.,{z_{1:t}})= \\ & p({x_{1:t}}\left| {{u_{1:t}}} \right.,{z_{1:t}})p(m\left| {{x_{1:t}},{u_{1:t}}} \right.,{z_{1:t}})= \\ & p({x_{1:t}}\left| {{u_{1:t}}} \right.,{z_{1:t}})p(m\left| {{x_{1:t}}} \right.,{z_{1:t}}) 。\end{split} $

(1)

式中：$ {x_{1:t}} $、$ {u_{1:t}} $、$ {z_{1:t}} $、$ m $分别为爬壁机器人位姿、里程计预测值、激光雷达观测值、地图数据；$ p({x_{1:t}}\left| {{u_{1:t}}} \right.,{z_{1:t}}) $、$ p(m\left| {{x_{1:t}}} \right.,{z_{1:t}}) $分别为位姿估计结果、传感器观测结果。

1.2.1 爬壁机器人位姿状态估计

依据概率定位方法获取爬壁机器人在船舶除锈清洗环境中的坐标，定位原理见图2。其中，x_t、u_t、z_t分别为时刻$ t $爬壁机器人位姿、其预测值与观测值；黑色和白色分别描述已知与未知数据。基于贝叶斯估计获取时刻$ t $爬壁机器人位姿估计结果，利用位姿估计结果完成工作环境栅格地图构建。

1.2.2 构建环境栅格地图

依据爬壁机器人位姿估计结果，转变构建环境栅格地图问题为环境栅格地图最大似然估计问题，

地图中每个栅格均为独立的且其取值只有2种状态，占用或空闲。通过估计每个栅格完成整个地图估计，公式为：

$ p(m\left| {{x_{1:t}},{z_{1:t}}} \right.) = \prod {p({m_i}\left| {{x_{1:t}},{z_{1:t}}} \right.)} 。$

(2)

其中，p(m_i)取值为1和0分别对应该栅格处于占用、空闲状态。

基于条件贝叶斯表达式，可将包含一个栅格的爬壁机器人环境地图描述为：

$ p({m_i}\left| {{x_{1:t}},{z_{1:t}}} \right.) = \frac{{p({m_i}\left| {{z_t},{x_t}} \right.)p({z_t}\left| {{x_t}} \right.)}}{{p({m_i})}}\frac{{p({m_i}\left| {{z_{1:t - 1}},{x_{1:t - 1}}} \right.)}}{{p({z_t}\left| {{z_{1:t - 1}},{x_{1:t}}} \right.)}} 。$

(3)

用于表示当前环境信息处于哪种状态的栅格地图在时刻$ t $时的状态比值为：

$ \begin{split} \frac{{p({m_i}\left| {{x_{1:t}},{z_{1:t}}} \right.)}}{{p( \to {m_i}\left| {{x_{1:t}},{z_{1:t}}} \right.)}} =\,& \frac{{p({m_i}\left| {{z_t},} \right.{x_t})}}{{1 - p({m_i}\left| {{z_t},} \right.{x_t})}}\frac{{p({m_i}\left| {{z_{1:t - 1}},{x_{1:t - 1}}} \right.)}}{{1 - ({m_i}\left| {{z_{1:t - 1}},{x_{1:t - 1}}} \right.)}}\\ & \frac{{p({m_i})}}{{1 - p({m_i})}}。\\[-1pt] \end{split} $

(4)

令$ l(x) = \dfrac{{p(x)}}{{1 - p(x)}} $，用于简化上式，得到：

$ l({m_i}\left| {{x_{1:t}},{z_{1:t}}} \right.) = l({m_i}\left| {{x_t},{z_t}} \right.) + l({m_i}\left| {{x_{1:t - 1}},{z_{1:t - 1}}} \right.) - l({m_i}) 。$

(5)

式中，$ l({m_i}) $、$ l({m_i}\left| {{x_{1:t}},{z_{1:t}}} \right.) $、$ l({m_i}\left| {{x_{1:t - 1}},{z_{1:t - 1}}} \right.) $分别为栅格先验值、激光雷达逆观测结果、时刻$ t - 1 $时栅格状态。

通过上描述可知，可结合激光雷达逆观测结果和$ t - 1 $时栅格状态的实现$ t $时栅格地图估计，完成爬壁机器人除锈清洗环境栅格地图构建。

1.3 基于栅格环境地图的全覆盖除锈清洗路径规划

爬壁机器人船舶除锈清洗全覆盖路径规划包括全局和局部路径规划2个部分，其中全局路径规划作用是执行基本路径规划，包括分块除锈清洗区域之间顺序除锈和分块除锈清洗区域内路径规划；局部路径规划主要用于遇到障碍物或边界时进行避障，避障成功后继续按全局规划路径执行除锈清洗工作，直至完成整个船舶除锈区域的全覆盖清洗。

1.3.1 全覆盖除锈清洗路径全局规划

为避免爬壁机器人在沿船舶竖直面水平爬行进行除锈清洗操作时会受重力作用产生相对滑动偏离，设置爬壁机器人尽可能采取沿船舶外壁竖直方向爬行方式进行全覆盖除锈清洗，并最大程度避免水平方向爬行方式。

1）分块除锈清洗区域之间顺序除锈

在未知清洗工作环境下，人为设定局部正方形分块区域边界，且边界长需远超过栅格地图单元格边长，并设定各分块区域的左下角为分块原点，便于在分块除锈清洗区域内进行路径规划。分块除锈清洗区域之间顺序除锈图见图3。

爬壁机器人爬行方式采取竖直方向行进，按照由下至上，由左至右的顺序依次对各个分块区域进行除锈清洗，达到边界时为止。

2）分块除锈清洗区域内路径规划

分块除锈清洗区域可视为边界已知的正方形区域的路径规划，区域内按照弓形竖式爬行方法进行全覆盖除锈清洗，弓形竖式爬行方法图见图4。

1.3.2 全覆盖除锈清洗路径局部规划

采用动态窗口算法在爬壁机器人遇到边界或障碍物时进行局部全覆盖除锈清洗路径规划。依据爬壁机器人的线速度$ v $和角速度$ w $组合成速度空间[v,w]，以爬壁机器人最大加减速度为约束条件，求解其除锈清洗爬行过程中的实际速度区间：

$ \begin{split} {v_d} =\,& \left\{ {\left( {v,w} \right)} \right.\left| {v \in \left[ {{v_c} - {{\dot v}_b}\Delta t,{v_c} + {{\dot v}_a}\Delta t} \right]} \right. \\ & \cap \left. {w \in \left[ {{w_c} - {{\dot w}_b}\Delta t,{w_c} + {{\dot w}_a}\Delta t} \right]} \right\} 。\end{split} $

(6)

式中，$ {v_c} $（$ {w_c} $）和$ {\dot v_b} $（$ {\dot w_b} $）、$ {\dot v_a} $（$ {\dot w_a} $）分别为爬壁机器人底盘线（角）速度和加、减线（角）速度最大值。

为保障爬壁机器人在遇到障碍物时，可将速度降低为0 m/s，此时其需满足最大减速度限制，因此最大速度为：

$ {v_a} = \left\{ {\left( {v,w} \right)} \right.\left| {v \leqslant \sqrt {2dis{t_{\min }}\left( {v,w} \right){{\dot v}_b}} ,} \right.\left. {w \leqslant \sqrt {2dis{t_{\min }}\left( {v,w} \right){{\dot w}_b}} } \right\} 。$

(7)

式中：dist_min(v,w)描述爬壁机器人行驶轨迹上距离障碍物的距离最小值，

依据评价函数获取最优局部规划路径，合理避开障碍物到达终点，评价函数为：

$ \begin{split} G\left( {v,w} \right) = \,& \sigma \left( \alpha \cdot heading\left( {v,w} \right) + \beta \cdot dist\left( {v,w} \right)+ \right.\\ & \left. \gamma \cdot velocity\left( {v,w} \right) \right)。\end{split} $

(8)

式中，$ \alpha $、$ \beta $、$ \gamma $为加权系数；$ heading\left( {v,w} \right) $、$ dist\left( {v,w} \right) $、$ velocity\left( {v,w} \right) $分别为方位角评价函数、障碍物距离、速度参数。

2 结果与分析

以某海域船舶为实验对象，将本文设计的船舶除锈清洗机器人移动智能导航系统应用至该船舶，对其船板进行除锈清洗操作，从环境地图构建，以及除锈清洗全部覆盖路径规划效果方面对本文方法的应用效果进行分析验证。以该船舶船体右侧的船板为实验区域，应用本文方法进行爬壁机器人定位并构建该区域的环境栅格地图，用于完成爬壁机器人船板除锈清洗智能导航，构建的环境栅格地图见图5。其中，黑色区域为实验区域内存在的横梁、纵骨、舷窗，铆钉等障碍物。

本文系统结合全局和局部规划方法对爬壁机器人在该区域的全覆盖除锈清洗路径进行智能规划，并分两步展示规划结果见图6，分析可知，本文系统能在边界未知情况下依据环境栅格地图构建结果，按照分块除锈清洗区域顺序依次进行除锈清洗操作，从设定起点（左下角位置）开始爬行，遵从设定的由下至上，由左至右的顺序依次对各个分块区域进行除锈清洗；在进行各个分块除锈清洗区域内的工作时，依照弓形竖式爬行方法进行除锈清洗操作，在遇到障碍物时可依据局部规划算法进行避障，成功躲避障碍物后，继续按照全局规划结果进行除锈清洗，完成全部清洗工作后返回起始点。同时在整个过程中能通过精确定位机器人的位置和姿态，确保其在除锈清洗过程中始终保持正确的位置和方向。

3 结　语

本文为避免船舶船体的铁锈对其安全航行的影响，设计船舶除锈清洗爬壁机器人移动智能导航系统帮助机器人实现高效、精确地除锈清洗作业。并通过实验分析验证了该系统的有效性和可靠性。在环境地图构建方面，系统能准确构建实验区域的环境栅格地图，并识别出船板上的障碍物，为后续的机器人定位和路径规划提供了基础。在路径规划方面，系统结合全局和局部规划方法，为机器人规划出了一条安全、高效的除锈清洗路径，实现了对船板的全覆盖清洗。且覆盖率较高。该系统的应用对提高船舶的安全性和延长其使用寿命具有重要意义。