CN106403948B - 用于输电线路巡检无人机的三维航迹规划方法 - Google Patents
用于输电线路巡检无人机的三维航迹规划方法 Download PDFInfo
- Publication number
- CN106403948B CN106403948B CN201510447150.1A CN201510447150A CN106403948B CN 106403948 B CN106403948 B CN 106403948B CN 201510447150 A CN201510447150 A CN 201510447150A CN 106403948 B CN106403948 B CN 106403948B
- Authority
- CN
- China
- Prior art keywords
- barrier
- unmanned plane
- neural network
- transmission line
- coordinate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000004888 barrier function Effects 0.000 claims abstract description 43
- 238000013528 artificial neural network Methods 0.000 claims abstract description 36
- 230000005611 electricity Effects 0.000 claims description 21
- 238000007689 inspection Methods 0.000 claims description 12
- 238000012886 linear function Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种用于输电线路巡检无人机的三维航迹规划方法,步骤1:对障碍物进行建模,在无人机机载计算机的地图中设置圆柱体模型包裹住每个的障碍物;得到能包裹住障碍物的最小圆柱体的平面投影方程,步骤2:根据已探测到的飞行环境信息,采用BP神经网络算法进行无人机全局航迹规划,获得基准航迹。本发明对电力巡线无人机航迹规划方法进行了研究,基于序列规划思想,采用BP神经网络算法规划基准航迹,提高了航迹规划效率,减少了无人机电力巡线的三维航迹规划时间。
Description
技术领域
本发明涉及电力系统的运行检修领域技术领域,具体涉及一种用于输电线路巡检无人机的三维航迹规划方法。
背景技术
近年来,随着社会经济的突飞猛进及城市规模的迅猛发展,生活与工业用电需求越来越大。在大用电需求的背后,以超/特高压输电线路(以下简称输电线路)为主骨架的全国互联大电网应运而生,电网规模也越来越大。然而,正是电网规模的迅猛扩大,输电线路安全运行所面临的挑战和风险也与日俱增:极端自然灾害、动植物侵入、人为外力破坏等非传统因素造成的电网事故时有发生。随着无人飞行器技术的发展,将无人飞行器应用于电力巡线已经成为可能。
输电线路巡检无人机航路问题与常规意义上的作战无人机考虑因素具有较大差别。传统作战无人机在对既定敌方目标进行侦察时,主要对任务目标进行目标价值分析,自身约束条件(如:续航能力、有效载荷等)以及包括敌方雷达、防空武器在内的飞行作业环境的综合分析,从而制定相关的飞行航路;而输电线路巡检无人机主要作业对象为高压输电线路及其沿途杆塔,虽不存在无人机隐蔽性需求,但需要在满足安全距离的前提下,尽可能地贴近输电线路兴趣点进行观察作业;另外,巡检无人机作业时比常规作战无人机任务环境更加苛刻的条件在于,现场环境只能通过无人机机载视频成像发现航路前方的“威胁”,特别是在居民生活区进行输电线路巡检时航路规划算法更加需要考虑空间中的不规则障碍物,这就需要航路规划算法具有一定的自学能力,并能具有处理事务的能力。
目前还是没有专门为输电线路巡检无人机设计的航迹规划方法,导致了无人机无法用于输电线路的巡检。
发明内容
本发明的目的在于提供一种用于输电线路巡检无人机的三维航迹规划方法,该方法提高了航迹规划效率,减少了无人机电力巡线的三维航迹规划时间。
为解决上述技术问题,本发明公开的用于输电线路巡检无人机的三维航迹规划方法,其特征在于,它包括如下步骤:
步骤1:对障碍物进行建模,在任意一个巡检任务中,将所有障碍物和杆塔的坐标上传至无人机机载计算机中,在无人机机载计算机的地图中设置圆柱体模型包裹住每个的障碍物;
设障碍物中心经纬度坐标为(xi,yi),能包裹住障碍物的最小圆半径为:ri(i=1,2,3,4……n),n为障碍物总数,则能包裹住障碍物的最小圆柱体的平面投影方程为:
(x-xi)2+(y-yi)2≤ri 2 (1)
式1中x、y分别为无人机实时经纬度坐标;
步骤2:根据已探测到的飞行环境信息,采用以下BP神经网络算法进行无人机全局航迹规划,获得基准航迹;
所述的BP神经网络算法包括1个隐含层和1个输出层;
所述隐含层函数为tansig传递函数:
所述输出层函数为purelin函数:
zBP=ayBP+b (3)
其中式(2)为BP神经网络隐含层的传递函数,属于双曲正切S型传输函数;式(3)为BP神经网络输出层使用的传递函数,属于线性函数;xBP为无人机沿着输电线路飞行会遇到的某个杆塔、某个障碍物的坐标,e为自然对数的底数;yBP为将xBP输入BP神经网络后隐含层的输出,zBP为输出层的输出坐标;a、b为对应某条输电线路在BP神经网络算法中所选择的预设经验参数;所有杆塔和障碍物的坐标输入BP神经网络,输出一组坐标zBP;
根据上述求出的能包裹住障碍物的最小圆柱体的平面投影方程和对应的障碍物中心经纬度坐标(xi,yi),确定以上各个障碍物最小圆柱体的具体位置和大小,然后在避开以上各个障碍物最小圆柱体的前提下将公式3输出的坐标组zBP中的对应坐标点顺次相连起来组成的路径就是适合无人机飞行的巡检路线,既能让无人机有效避开障碍物,又能让无人机保持在输电线路附近飞行。
本发明的有益效果:
本发明对电力巡线无人机航迹规划方法进行了研究,基于序列规划思想,采用BP神经网络算法规划基准航迹,提高了航迹规划效率,减少了无人机电力巡线的三维航迹规划时间。
具体实施方式
以下结合具体实施例对本发明作进一步的详细说明:
一种用于输电线路巡检无人机的三维航迹规划方法,它包括如下步骤:
步骤1:对障碍物进行建模,在任意一个巡检任务中,将所有障碍物和杆塔的坐标上传至无人机机载计算机中,在无人机机载计算机的地图中设置圆柱体模型包裹住每个的障碍物;
设障碍物中心经纬度坐标为(xi,yi),能包裹住障碍物的最小圆半径为:ri(i=1,2,3,4……n),n为障碍物总数,则能包裹住障碍物的最小圆柱体的平面投影方程为:
(x-xi)2+(y-yi)2≤ri 2 (1)
式1中x、y分别为无人机实时经纬度坐标;
步骤2:根据已探测到的飞行环境信息(包括障碍物坐标和大小,杆塔坐标和高度),采用以下BP神经网络算法进行无人机全局航迹规划,获得基准航迹;
所述的BP神经网络算法包括1个隐含层和1个输出层;
所述隐含层函数为tansig传递函数:
所述输出层函数为purelin函数:
zBP=ayBP+b (3)
其中式(2)为BP神经网络隐含层的传递函数,属于双曲正切S型传输函数;式(3)为BP神经网络输出层使用的传递函数,属于线性函数;xBP为无人机沿着输电线路飞行会遇到的某个杆塔、某个障碍物的坐标,e为自然对数的底数;yBP为将xBP输入BP神经网络后隐含层的输出,zBP为输出层的输出坐标;a、b为对应某条输电线路在BP神经网络算法中所选择的预设经验参数;所有杆塔和障碍物的坐标输入BP神经网络,输出一组坐标zBP;
根据上述求出的能包裹住障碍物的最小圆柱体的平面投影方程和对应的障碍物中心经纬度坐标(xi,yi),确定以上各个障碍物最小圆柱体的具体位置和大小,然后在避开以上各个障碍物最小圆柱体的前提下将公式3输出的坐标组zBP中的对应坐标点顺次相连起来组成的路径就是适合无人机飞行的巡检路线,既能让无人机有效避开障碍物,又能让无人机保持在输电线路附近飞行。
步骤3:根据以下方式对步骤2得到的无人机飞行巡检路线进行优化:
计算步骤2的无人机飞行巡检路线与期望飞行路线(期望飞行路线为人工在地图上绘制的最优路线)之间的最小均方差,即得到无人机飞行巡检路线与期望飞行路线之间的总误差值;根据总误差值和梯度下降法对步骤2的BP神经网络中各连接权值进行调整,经过若干次调整,将总误差值调整至预设的容许误差范围内,使BP神经网络输出的飞行路线与期望飞行路线基本重合(上述BP神经网络优化的具体过程为现有技术详见参考文献:无人机航路规划与威胁源模型研究《微计算机信息》2009年第25卷第7-1期,以及参考文献:一种基于神经网络的移动机器人路径规划算法,《高技术通讯》2002,12(9)∶42-45)。
上述技术方案中用到的人工神经网络(Artificial Neural Networks,ANN)是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。BP(Back Propagation)神经网络算法是是一种按误差逆传播算法训练的多层前馈网络。BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。
高压输电线路为已建成输电线路具有固定的经纬度坐标,输电线路一般不发生变化。由于输电线路杆塔相对地面高度为常数,输电线路无人机可以起飞后先到达预定高度,在此高度上按照航路进行巡检,并对航路上的障碍物进行航路修改,而对于输电线路的航路规划问题,则从三维空间航路问题简化为二维航路规划问题,这样就神经网络输入上来讲,可以大大提高算法的效率,并简化神经网络层数。
本发明的BP神经网络能够很好的解决固定高度的高压输电线路兴趣点的巡视。而对于高度存在差异的输电线路,可以通过机载云台摄像机调整摄像机的姿态角则可以对待巡视的兴趣点进行摄像、拍照等监控措施。
上述技术方案中,针对武汉周边某220kV输电线路,采集杆塔坐标、输电线路沿线障碍物坐标。在MATLAB软件中进行编码,通过神经网络工具箱进行仿真,对BP神经网络进行训练,在该案例中a取值范围为0.83~0.85,b取值范围为0.20~0.25,得到了较为理想的无人机巡检飞行路线。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (2)
1.一种用于输电线路巡检无人机的三维航迹规划方法,其特征在于,它包括如下步骤:
步骤1:对障碍物进行建模,在任意一个巡检任务中,将所有障碍物和杆塔的坐标上传至无人机机载计算机中,在无人机机载计算机的地图中设置圆柱体模型包裹住每个的障碍物;
设障碍物中心经纬度坐标为(xi,yi),能包裹住障碍物的最小圆半径为:ri(i=1,2,3,4……n),n为障碍物总数,则能包裹住障碍物的最小圆柱体的平面投影方程为:
(x-xi)2+(y-yi)2≤ri 2 (1)
式1中x、y分别为无人机实时经纬度坐标;
步骤2:根据已探测到的飞行环境信息,采用以下BP神经网络算法进行无人机全局航迹规划,获得基准航迹;
所述的BP神经网络算法包括1个隐含层和1个输出层;
所述隐含层函数为tansig传递函数:
所述输出层函数为purelin函数:
zBP=ayBP+b (3)
其中式(2)为BP神经网络隐含层的传递函数,属于双曲正切S型传输函数;式(3)为BP神经网络输出层使用的传递函数,属于线性函数;xBP为无人机沿着输电线路飞行会遇到的某个杆塔、某个障碍物的坐标,e为自然对数的底数;yBP为将xBP输入BP神经网络后隐含层的输出,zBP为输出层的输出坐标;a、b为对应某条输电线路在BP神经网络算法中所选择的预设经验参数;所有杆塔和障碍物的坐标输入BP神经网络,输出一组坐标zBP;
根据上述求出的能包裹住障碍物的最小圆柱体的平面投影方程和对应的障碍物中心经纬度坐标(xi,yi),确定以上各个障碍物最小圆柱体的具体位置和大小,然后在避开以上各个障碍物最小圆柱体的前提下将公式3输出的坐标组zBP中的对应坐标点顺次相连起来组成的路径就是适合无人机飞行的巡检路线,既能让无人机有效避开障碍物,又能让无人机保持在输电线路附近飞行。
2.根据权利要求1所述的用于输电线路巡检无人机的三维航迹规划方法,其特征在于:所述步骤2后还包括步骤3:根据以下方式对步骤2得到的无人机飞行巡检路线进行优化:
计算步骤2的无人机飞行巡检路线与期望飞行路线之间的最小均方差,即得到无人机飞行巡检路线与期望飞行路线之间的总误差值;根据总误差值和梯度下降法对步骤2的BP神经网络中各连接权值进行调整,经过若干次调整,将总误差值调整至预设的容许误差范围内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510447150.1A CN106403948B (zh) | 2015-07-27 | 2015-07-27 | 用于输电线路巡检无人机的三维航迹规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510447150.1A CN106403948B (zh) | 2015-07-27 | 2015-07-27 | 用于输电线路巡检无人机的三维航迹规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106403948A CN106403948A (zh) | 2017-02-15 |
CN106403948B true CN106403948B (zh) | 2019-03-26 |
Family
ID=58008470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510447150.1A Active CN106403948B (zh) | 2015-07-27 | 2015-07-27 | 用于输电线路巡检无人机的三维航迹规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106403948B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107084725A (zh) * | 2017-05-17 | 2017-08-22 | 成都翼比特自动化设备有限公司 | 一种多旋翼无人机电力巡检三维航线规划方法 |
CN107168344B (zh) * | 2017-05-17 | 2020-01-17 | 哈尔滨工程大学 | 一种uuv抵近海底作业过程中航路生成方法 |
CN107561547B (zh) * | 2017-08-14 | 2020-05-12 | 广州供电局有限公司 | 输电线路到目标物的距离测量方法、装置及系统 |
CN108318040A (zh) * | 2018-02-06 | 2018-07-24 | 贵州电网有限责任公司 | 一种面向输电线路巡检的多旋翼航迹规划系统和方法 |
CN108346176A (zh) * | 2018-02-08 | 2018-07-31 | 河南送变电建设有限公司 | 输电线路三维建模的方法 |
CN108413964A (zh) * | 2018-03-08 | 2018-08-17 | 云南电网有限责任公司电力科学研究院 | 一种无人机输电线路巡检航迹规划方法及系统 |
CN108733755B (zh) * | 2018-04-11 | 2021-01-26 | 国网智能科技股份有限公司 | 一种基于输电线路三维信息的智能巡检方法及系统 |
CN108955645A (zh) * | 2018-07-16 | 2018-12-07 | 福州日兆信息科技有限公司 | 应用于通信铁塔智能巡检的三维建模方法及装置 |
CN108983809A (zh) * | 2018-07-16 | 2018-12-11 | 福州日兆信息科技有限公司 | 基于无人机的精准识别定位环绕的方法及无人机 |
CN109141434A (zh) * | 2018-09-21 | 2019-01-04 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种基于激光点云数据的无人机巡检轨迹获取方法 |
CN109521792A (zh) * | 2018-11-13 | 2019-03-26 | 贵州电网有限责任公司六盘水供电局 | 一种基于输变电设备三维模型的无人机地面飞行控制系统 |
CN109916405B (zh) * | 2018-12-14 | 2021-01-05 | 智慧航海(青岛)科技有限公司 | Dubins算法和神经网络算法融合的航迹规划方法 |
CN110488835B (zh) * | 2019-08-28 | 2020-12-08 | 北京航空航天大学 | 一种基于双反向传播神经网络的无人系统智能局部路径规划方法 |
CN112684806A (zh) * | 2019-10-18 | 2021-04-20 | 天津工业大学 | 一种基于双重避障和智能识别的电力巡检无人机系统 |
CN112859905A (zh) * | 2019-11-28 | 2021-05-28 | 中国电力科学研究院有限公司 | 架空电力线路无人机巡检航线生成方法、装置及无人机 |
DE102020105793A1 (de) | 2020-03-04 | 2021-09-09 | Volocopter Gmbh | Bahnplanungsverfahren und Bahnplanungsalgorithmus für ein Fluggerät |
CN112489201A (zh) * | 2020-12-07 | 2021-03-12 | 广东电网有限责任公司 | 一种柱状电力杆塔三维建模系统及方法 |
CN113110602A (zh) * | 2021-04-08 | 2021-07-13 | 贵州电网有限责任公司 | 一种神经网络的高鲁邦性无人机电力设备自动巡检系统 |
CN117876624B (zh) * | 2024-03-13 | 2024-05-07 | 纵古(江苏)智能科技有限公司 | 基于无人机遥感影像的复杂环境航迹规划方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104571113A (zh) * | 2015-01-20 | 2015-04-29 | 博康智能网络科技股份有限公司 | 移动机器人的路径规划方法 |
CN104777839A (zh) * | 2015-04-16 | 2015-07-15 | 北京工业大学 | 基于bp神经网络和距离信息的机器人自主避障方法 |
-
2015
- 2015-07-27 CN CN201510447150.1A patent/CN106403948B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104571113A (zh) * | 2015-01-20 | 2015-04-29 | 博康智能网络科技股份有限公司 | 移动机器人的路径规划方法 |
CN104777839A (zh) * | 2015-04-16 | 2015-07-15 | 北京工业大学 | 基于bp神经网络和距离信息的机器人自主避障方法 |
Non-Patent Citations (2)
Title |
---|
一种基于神经网络的移动机器人路径规划算法;朱咏杰等;《高技术通讯》;20020930;全文 |
无人机航路规划与威胁源模型研究;朱向阳等;《仿真技术》;20071231;第25卷(第7-1期);全文 |
Also Published As
Publication number | Publication date |
---|---|
CN106403948A (zh) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106403948B (zh) | 用于输电线路巡检无人机的三维航迹规划方法 | |
CN107544541B (zh) | 一种无人机控制方法及系统 | |
CN107728642B (zh) | 一种无人机飞行控制系统及其方法 | |
CN103116360B (zh) | 一种无人机避障控制方法 | |
CN107976899B (zh) | 一种基于有人/无人机协同作战系统的精确目标定位及打击方法 | |
CN109885083A (zh) | 基于激光雷达的输电线路精细化巡检飞行平台及巡检方法 | |
CN109792951B (zh) | 用于杂交水稻授粉的无人机航线校正系统及其校正方法 | |
CN107608371A (zh) | 城市社区环境下四旋翼自主避障无人机 | |
CN105022401A (zh) | 基于视觉的多四旋翼无人机协同slam的方法 | |
CN109358638A (zh) | 基于分布式地图的无人机视觉避障方法 | |
CN108844541A (zh) | 一种基于巡检场景的机巡路径规划方法 | |
CN103713642B (zh) | 一种基于扰动流体动态系统的无人机三维航路规划方法 | |
CN110243381B (zh) | 一种陆空机器人协同感知监测方法 | |
CN106774421A (zh) | 一种无人机轨迹规划系统 | |
CN208873047U (zh) | 一种基于多旋翼无人机的巡检装置 | |
Liu et al. | Study on UAV parallel planning system for transmission line project acceptance under the background of industry 5.0 | |
CN105700545A (zh) | 一种基于无人机自动化平台的无人机调度方法 | |
CN111243215B (zh) | 一种森林火场低空无人机监测预警系统及方法 | |
Zhang et al. | A solution for searching and monitoring forest fires based on multiple UAVs | |
CN110716585B (zh) | 基于分布式一致性与自组网的自主协同控制方法及系统 | |
Shuai et al. | Binocular vision perception and obstacle avoidance of visual simulation system for power lines inspection with UAV | |
Ma et al. | Application of artificial fish school algorithm in UCAV path planning | |
Bakirci et al. | Surveillance, Reconnaissance and Detection Services for Disaster Operations of IoT-Based eVTOL UAVs with Swarm Intelligence | |
CN109426253A (zh) | 一种远距离定区域风帆无人船的控制方法及系统 | |
Changxin et al. | UAV Electric Patrol Path Planning Based on Improved Ant Colony Optimization-A* Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |