崔松涛, 梁杰
郑州大学 机械与动力工程学院，河南 郑州 450000
收稿日期：2021-09-17
基金项目：湖南高新技术产业科技创新引领计划项目(科技攻关类)(2020SK2027)。
作者简介：崔松涛(1996-)，男，山东青岛人，郑州大学硕士研究生;
梁杰(1981-)，男，河南洛阳人，郑州大学副教授, 硕士生导师。

摘要：为解决传统天然气管道测绘设备只能测绘直管道且测绘距离近的问题，提出基于激光测距的双机器人管道测绘方法.管道分为水平直管道段、90°水平弯管道段、上/下坡管道段和复合管道.方法中两机器人从管道入口处开始交替匀速前进，直至离开管道，通过解算机器人获取的距离数据，得到每段运动中管道段的三维模型，最后进行拼接，完成对整条管道的测绘.实验结果表明, 本方法实现了对不同管道的测绘，并有效提升了管道测绘的距离, 2 000 m距离误差在4 m内，误差率约为0.178 %.
关键词：机器人激光测距天然气管道测绘拼接
Dual-Robot Pipeline Mapping Method Based on Laser Ranging
CUI Song-tao, LIANG Jie
School of Mechanical and Power Engineering, Zhengzhou University, Zhengzhou 450000, China
Corresponding author: LIANG Jie, E-mail: liangjie812@163.com.

Abstract: To solve the problem that traditional natural gas pipeline mapping equipment can only map straight pipelines with close distances, a dual-robot pipeline mapping method based on laser ranging is proposed. Pipelines are divided into the horizontal straight pipeline section, the 90° horizontal bent pipeline section, the uphill/downhill pipeline section and the composite pipeline. In this method, the two vehicles move alternately at a uniform speed from the entrance to the exit of the pipeline. Through calculating the distance data captured by the robots, the 3-D model of each section can be obtained. Finally the mapping result of the whole pipeline can be spliced by each section. The experiment results show that this method can map different pipelines, and increase the mapping distance effectively: the distance error in 2 000 m is within 4 m and the error rate is about 0.178 %.
Key words: robotlaser rangingnatural gas pipelinemappingsplice
管道广泛用于石油和天然气工业^[1-2]、城市天然气管道^[3]，以及半导体和显示器制造厂^[4]的各种应用中输送水、油、气和其他化学品.管道运输具有安全高效等优点^[5]，被广泛应用在人类的生产生活中，发挥着不可替代的作用^[6].然而工人按照图纸施工后，管线的实际走向和分布可能与图纸存在差异，由于管道位置信息不精准，可能造成各种问题.现代工业的发展带来了更复杂的机器和设备，因此管线测绘机器人应运而生，它可以携带各种传感器进入管道内部完成对管道的定位，极大节省了人力、物力.
现阶段，较成熟的管道走向测绘装备是基于惯性导航的被动行走机器人^[7-8]，但该机器人只能进行直线定位，且单次测绘距离一般不超过1 km.文献[9-10]运用一种基于漏磁的跟踪定位方法，利用内检测器上原有的强磁体，通过地面标记器检测强磁体穿透管壁后的漏磁信号来确定机器人的位置，从而实现管线测绘.该方案对浅埋管线测绘精确，但如果管道深埋地下，则难以进行测绘.文献[11-15]运用一种基于低频电磁波的管道机器人定位方法，定位精度较高，但需要管内机器人与外界有通信联系，在深埋或者金属管道的情况下不适用.杨毅等^[16]通过运用惯性测量单元、里程计和不完全约束的组合定位算法改善了纯惯导系统的误差发散，实现310 m长度管道的定位误差在0.15 % 以内.
针对内径为300~500 mm的天然气管道，包含水平直管道段、90°水平弯管道段、上/下坡管道段的管道测绘问题，本文提出了一种基于激光测距的双机器人天然气管道测绘方案.
1 双机器人管线测绘原理双机器人管线测绘原理如图 1所示，0时刻两机器人在管道入口处，0~T时间段内标靶车(图中机器人1)以恒定速度v前进T时间，测绘车(图中机器人2)此时静止，并用三个距离传感器记录0~T时间段内与标靶车上三个靶点的距离；T~2T时间段，标靶车停止前进，测绘车以恒定速度v跟进，当时间t=2T时两机器人再次相遇.之后循环往复，直到两机器人到达出口.
图 1(Fig. 1)

图 1 机器人运动方案Fig.1 Motion scheme of the robots

标靶车尾部安装有标靶，测绘车头部安装有3个激光测距传感器，如图 2所示，3个点激光距离传感器呈倒三角形固定在测绘车的头部，实时测量值分别为s₁, s₂和s₃.对天然气管道的直管道段和弯管道段，s₁, s₂和s₃会呈现不同的值，即不同的测量模态，因此可根据测量模态及机器人的运动速度v解算出这一段运动中管道段的走向，最后将每一段运动中管道段的走向进行拼接，可实现整条管道的测绘.
图 2(Fig. 2)

图 2 点激光距离传感器分布Fig.2 Distribution of point laser distance sensors

1.1 水平直管道段测绘原理水平直管道段中s₁, s₂和s₃的时刻数值相等，并且均从0开始匀速增大，到t=T时达到最大值，如图 3所示，假设标靶车沿直管道前进且T时刻s₁, s₂和s₃的均值为s_a，则2T时间内水平直管道段的长度为

(1)

图 3(Fig. 3)

图 3 水平直管道段Fig.3 Horizontal straight pipeline section

若经过n段水平直管道段，其中每段管道段中s₁, s₂和s₃的均值分别为s_a1, s_a2, …，s_an，则水平直管道段总长为

(2)

1.2 90°水平弯管道段测绘原理90°水平弯管道段中，当s₁, s₂两者数值差大于1 cm时，认为机器人此处开始转弯，记录下此时2个机器人的距离s，此时计时器函数开始计时，Δt时间后，计时器函数停止计时，此时对弯道环境进行重新验证：若Δt时间内1, 2号距离传感器所得数据差值逐渐增大且最终大于5 cm，则认为此处的确为弯道环境.
如图 4所示，直线A′B′表示标靶车尾部的标靶；直线AB为测绘车头部的3个点激光距离传感器所在平面，A为1号距离传感器，B为2号距离传感器，A′、B′分别为1, 2号距离传感器打在标靶上的点.如图 2所示，1, 2号距离传感器之间的距离以Δx表示，即AB=Δx，t=Δt时，所得距离数据分别为y₁=A′A和y₂=B′B.由图 4可知，若管道左转，则标靶逆时针转动，y₁ < y₂；同理若管道右转，则y₁>y₂.以管道左转为例求解转弯半径r，令

(3)

图 4(Fig. 4)

图 4 90°水平弯管道段Fig.4 90° horizontal bent pipeline section

计算转角α：

(4)

两机器人以速度v匀速运动，所以可通过vΔt求得Δt时间内标靶车经过的弧长l：

(5)

由弧长公式：

(6)

可得转弯半径r：

(7)

通过算法得知，在测绘车前方距离为s处，有一段转弯半径为r的90°水平弯管道段.
1.3 上/下坡管道段如图 5所示，当遇到上/下坡管道段时，传感器记录距离为s，此后1号传感器数值s₁与3号传感器数值s₃将产生差值Δs，当差值大于1 cm时，认为机器人开始上/下坡，此时计时器函数开始计时，当5 s内差值始终存在并且为定值时，说明此处的确为上/下坡管道，由差值和距离传感器等边三角形的高Δz，求得斜坡角度β：

(8)

图 5(Fig. 5)

图 5 上坡管道段Fig.5 Uphill pipeline section

根据算法得知，测绘车前方距离为s处，有一段角度为β的上/下坡管道段.
2 机器人的组成原理2.1 标靶车和测绘车的机械结构如图 6所示，为使车体更好地通过管道，两车使用阿克曼底盘和全向轮.为充分利用空间，车体采用三层板结构.在标靶车后方安装有标靶，用于反射激光.在测绘车头部安装有3个点激光距离传感器，用于读取测绘车与标靶对应位置之间的距离.
图 6(Fig. 6)

图 6 机器人三维模型Fig.6 3D model of the robots 1—阿克曼底盘; 2—全向轮; 3—标靶; 4—点激光距离传感器.

2.2 标靶车和测绘车的控制系统标靶车控制系统如图 7所示，标靶车由stm32c8t6开发板作为控制模块，开发板依靠蓝牙模块从机接收测绘车传来的前进信号，随后通过L298N驱动模块发送驱动两电机前进.通过读取两电机上光电编码器的信号，开发板可获得两电机的转速，结合PID算法实现匀速前进.
图 7(Fig. 7)

图 7 标靶车控制系统Fig.7 Control system of the target vehicle

测绘车控制系统如图 8所示，测绘车由树莓派4b+开发板作为主控制模块，其作用有三：1)向蓝牙模块主机发送信号，使蓝牙模块主机对标靶车上蓝牙模块从机发送前进信号，进而控制标靶车前进；2)接收3个点激光距离传感器传来的距离数据并存储；3)对副控制模块stm32c8t6开发板串口发送前进信号，进而实现匀速前进.
图 8(Fig. 8)

图 8 测绘车控制系统Fig.8 Control system of the mapping vehicle

2.3 标靶车和测绘车过弯分析管道的转弯半径越小，机器人在弯管中的通过性越差，因此需要对管道的最小转弯半径进行分析.
如图 9所示，管道机器人的长度L和宽度W应满足：

(9)

图 9(Fig. 9)

图 9 过弯分析图Fig.9 Diagram of overbending analysis

可得

(10)

式中：O为管道转弯中心；R为管道轴线的曲率半径；D为管道内径.
管道直径为300 mm，两车中L最长为239 mm，W均为121 mm，则R≥586.7 mm.
因此在管道转弯半径满足R≥600 mm时，两车几何尺寸满足过弯要求.
由于两车结构和质量相似，仅对标靶车进行动力学仿真分析即可.模拟标靶车以1 m/s的速度在内径300 mm、转弯半径600 mm管道段中的运动，分别得到内侧、外侧驱动电机的扭矩图如图 10和图 11所示.由图可知，两电机最大扭矩不超过1.6 N/m，小于电机的额定扭矩，可知两车可顺利过弯.
图 10(Fig. 10)

图 10 内侧电机扭矩图Fig.10 Torque diagram of inner motor

图 11(Fig. 11)

图 11 外侧电机扭矩图Fig.11 Torque diagram of outer motor

3 实验3.1 实验条件标靶车和测绘车实物图如图 12所示，几何参数见表 1.
图 12(Fig. 12)

图 12 机器人实物图Fig.12 The robots

表 1(Table 1)

表 1 机器人几何参数Table 1 Geometric parameters of the robots 机器人 长/mm 宽/mm 高/mm 标靶车 239 121 84 测绘车 236 121 84

表 1 机器人几何参数 Table 1 Geometric parameters of the robots

点激光距离传感器可使用串口通信，最大测量距离为8 m，分辨率为1 mm，实验中选择5 m作为每次运动的距离.
3.2 水平直管道段实验验证为测试本方案在直管道中的合理性，选择室外水平长直公路进行模拟实验，公路如图 13所示.
图 13(Fig. 13)

图 13 实验用公路Fig.13 Figure of the road

每隔5 m设置一处采样点，得到各采样点处的测量误差，如图 14所示.
图 14(Fig. 14)

图 14 测量误差与实际距离对比Fig.14 Comparison of measurement error and actual distance

在长直公路上进行2 000 m直线行程实验，得到测量值为2 003.567 m，误差率e为
管道测绘结果如图 15所示.
图 15(Fig. 15)

图 15 水平直管道段测绘结果Fig.15 Mapping result of the horizontal straight pipeline section

3.3 90°水平弯管道段实验验证为测试本算法在转角90°、不同半径下弯管道中的合理性，选择外径308 mm、内径300 mm的胶管进行实验，该管道内壁尺寸规则，可模拟实际管道.如图 16所示，实验时使用警示胶带绘制出转角为90°、不同半径的轨迹线，沿轨迹线可将胶管铺设成对应的转弯半径，分别将弯道半径设置为600，900和1 200 mm进行实验.
图 16(Fig. 16)

图 16 管道轨迹线Fig.16 Trajectory of the pipeline

当通过半径600 mm管道段时，测量所得数据及测绘结果分别如图 17, 图 18所示.
图 17(Fig. 17)

图 17 90°水平弯管道段测量数据Fig.17 Measure result of the 90° horizontal bent pipeline section

图 18(Fig. 18)

图 18 90°水平弯管道段测绘结果Fig.18 Mapping result of the 90° horizontal bent pipeline section

对不同转弯半径的90°水平弯管道段进行测绘，其中转弯开始处与测绘车距离均为350 mm，得到测绘结果如表 2所示.
表 2(Table 2)

表 2 不同转弯半径的90°水平弯管道段实验结果Table 2 Experimental results of 90° horizontal bent pipeline section with different turning radius 管道实际转弯半径/mm 600 900 1200 转弯开始处与测绘车距离/mm 358 355 359 管道测绘转弯半径/mm 384 686 902

表 2 不同转弯半径的90°水平弯管道段实验结果 Table 2 Experimental results of 90° horizontal bent pipeline section with different turning radius

3.4 上/下坡管道段实验验证为测试本算法在不同坡度角的上/下坡管道中的合理性，选择使用可调斜面进行模拟实验，可调斜面如图 19所示.
图 19(Fig. 19)

图 19 可调斜面实物图Fig.19 The adjustable plane

将可调斜面的坡度角设置为40°，当检测车经过该斜面时，获得测量结果如图 20所示，重建结果如图 21所示.
图 20(Fig. 20)

图 20 上坡管道段测量结果Fig.20 Measure result of uphill pipeline section

图 21(Fig. 21)

图 21 上坡管道段重建结果Fig.21 Remapping result of uphill pipeline section

分别对10°, 20°, 30°, 40°的上坡管道进行测绘，其中上坡开始处与测绘车距离均为2.5 m，得到如表 3所示结果.
表 3(Table 3)

表 3 不同坡度上坡管道实验结果Table 3 Experimental results of the uphill pipeline section with different slopes 坡度角/(°) 10 20 30 40 上坡开始处距离/m 2.499 2.5076 2.487 2.496 测绘结果/(°) 12.7 24.3 25.6 48.7

表 3 不同坡度上坡管道实验结果 Table 3 Experimental results of the uphill pipeline section with different slopes

3.5 复合管道实验验证将三种类型管道段组合成复合管道，并使用本方案进行测绘，其重建结果与实际情况对比如表 4所示，复合管道三维图如图 22所示，最终得到复合管道重建结果如图 23所示.
表 4(Table 4)

表 4 复合管道实际参数与测绘结果对比Table 4 Comparison between actual situation and mapping results of the combination pipeline 序号 管道段类型 长度/m 上坡角度/(°) 半径/m 实际 重建 实际 重建 实际 重建 实际 重建 1 直管道段 直管道段 5 5.016 2 弯管道段 弯管道段 1.2 1.197 1 200 905 3 直管道段 直管道段 5 4.997 4 下坡管道段 下坡管道段 1.2 1.210 -45 -36.2 5 直管道段 直管道段 5 5.033 6 上坡管道段 上坡管道段 1.2 1.199 30 21.9 7 直管道段 直管道段 5 4.997

表 4 复合管道实际参数与测绘结果对比 Table 4 Comparison between actual situation and mapping results of the combination pipeline

图 22(Fig. 22)

图 22 复合管道三维图Fig.22 3D model of the combination pipeline

图 23(Fig. 23)

图 23 复合管道三维测绘结果Fig.23 3D mapping result of the combination pipeline

4 结论1) 本文根据项目的需要及管道的特点，设计出管线测绘的方法，包括水平直管道段、90°水平弯管道段、上/下坡管道段和复合管道，使得方法在理论及实际上可行.针对天然气管道的测绘问题，提出了一种能对300~500 mm天然气管道进行测绘的方案.
2) 设计并搭建管道机器人，实现机器人在管道中的正常运动与数据采集.
3) 搭建环境进行实验验证，得到各种管道环境下，管道实际情况与测绘结果的对比结果.
参考文献

[1]	Chen C, Li C, Reniers G, et al. Safety and security of oil and gas pipeline transportation: a systematic analysis of research trends and future needs using WoS[J]. Journal of Cleaner Production, 2021, 279: 123583. DOI:10.1016/j.jclepro.2020.123583
[2]	Miao X, Zhao H, Gao B, et al. Motion analysis and control of the pipeline robot passing through girth weld and inclination in natural gas pipeline[J]. Journal of Natural Gas Science and Engineering, 2022, 104: 104662. DOI:10.1016/j.jngse.2022.104662
[3]	Zhang H, Dong J, Cui C, et al. Stress and strain analysis of spherical sealing cups of fluid-driven pipeline robot in dented oil and gas pipeline[J]. Engineering Failure Analysis, 2020, 108: 104294. DOI:10.1016/j.engfailanal.2019.104294
[4]	Gibbons M J, Marengo M, Persoons T. A review of heat pipe technology for foldable electronic devices[J]. Applied Thermal Engineering, 2021, 194: 117087. DOI:10.1016/j.applthermaleng.2021.117087
[5]	Wang W, Mao X, Liang H, et al. Experimental research on in-pipe leaks detection of acoustic signature in gas pipelines based on the artificial neural network[J]. Measurement, 2021, 183: 109875. DOI:10.1016/j.measurement.2021.109875
[6]	Rumson A G. The application of fully unmanned robotic systems for inspection of subsea pipelines[J]. Ocean Engineering, 2021, 235: 109214. DOI:10.1016/j.oceaneng.2021.109214
[7]	李旭东, 夏红伟, 安昊, 等. 基于旋转磁场和惯导融合的管道机器人定位装置及方法: CN110440796A[P]. 2019-11-12. (Li Xu-dong, Xia Hong-wei, An Hao, et al. Positioning device and method of pipeline robot based on the fusion of rotating magnetic field and inertial navigation: CN110440796A[P]. 2019-11-12. )
[8]	Chen Z, Yin Y, Yu J, et al. Internal deformation monitoring for earth-rockfill dam via high-precision flexible pipeline measurements[J]. Automation in Construction, 2022, 136: 104177. DOI:10.1016/j.autcon.2022.104177
[9]	Sadeghioon A, Metje N, Chapman D, et al. SmartPipes: smart wireless sensor networks for leak detection in water pipelines[J]. Journal of Sensor and Actuator Networks, 2014, 3(1): 64-78. DOI:10.3390/jsan3010064
[10]	Uyanik C, Erdemir E, Kaplanoglu E, et al. A deep learning approach for motion segment estimation for pipe leak detection robot[J]. Procedia Computer Science, 2019, 158: 37-44. DOI:10.1016/j.procs.2019.09.025
[11]	Xiao H, Zhang Y, Shen L, et al. Three dimensional curve reconstruction based on fiber Bragg grating sensors[C]// 2015 International Conference on Estimation, Detection and Information Fusion(ICEDIF). Harbin, 2015: 377-382.
[12]	Huang K, Zheng D Z, Li R, et al. The positioning receiver system of pipeline inner detector based on extremely low frequency electromagnetic signal[C]// 13th IEEE International Conference on Electronic Measurement & Instruments(ICEMI). Yangzhou, 2017: 145-150.
[13]	Martins-Britto A G, Moraes C M, Lopes F V, et al. Low-frequency electromagnetic coupling between a traction line and an underground pipeline in a multilayered soil[C]// 2020 Workshop on Communication Networks and Power Systems(WCNPS). Brasília, 2020: 1-6.
[14]	Ozaslan T, Loianno G, Keller J, et al. Autonomous navigation and mapping for inspection of penstocks and tunnels with MAVs[J]. IEEE Robotics and Automation Letters, 2017, 2(3): 1740-1747. DOI:10.1109/LRA.2017.2699790
[15]	Lu S, Feng J, Wu J. A time weight convolutional neural network for positioning internal detector[C]// 2019 Chinese Control and Decision Conference. Nanchang, 2019: 4666-4669.
[16]	杨毅, 林斌, 娄高峰. 基于MEMS陀螺仪的地下管线测绘系统[J]. 传感器与微系统, 2020, 39(12): 88-91. (Yang Yi, Lin Bin, Lou Gao-feng. Underground pipeline mapping system based on MEMS gyroscope[J]. Transducer and Microsystem Technologies, 2020, 39(12): 88-91.)