CN106774389A - 一种基于运动学习的四旋翼无人机电塔巡检方法 - Google Patents
一种基于运动学习的四旋翼无人机电塔巡检方法 Download PDFInfo
- Publication number
- CN106774389A CN106774389A CN201611126213.4A CN201611126213A CN106774389A CN 106774389 A CN106774389 A CN 106774389A CN 201611126213 A CN201611126213 A CN 201611126213A CN 106774389 A CN106774389 A CN 106774389A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- rotor wing
- wing unmanned
- aerial vehicles
- electric tower
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000013016 learning Effects 0.000 title claims abstract description 36
- 230000005611 electricity Effects 0.000 title claims abstract description 28
- 230000033001 locomotion Effects 0.000 claims abstract description 70
- 230000004888 barrier function Effects 0.000 claims abstract description 25
- 230000008878 coupling Effects 0.000 claims abstract description 20
- 238000010168 coupling process Methods 0.000 claims abstract description 20
- 238000005859 coupling reaction Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 21
- 230000007423 decrease Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000000630 rising effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 3
- 230000009194 climbing Effects 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005662 electromechanics Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004387 environmental modeling Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0094—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots involving pointing a payload, e.g. camera, weapon, sensor, towards a fixed or moving target
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于运动学习的四旋翼无人机电塔巡检方法,首先对四旋翼无人机的三维运动引入学习框架,将一次电塔巡检飞行任务轨迹作为运动学习的样本,基于动力学方程提取出其运动基元;进而基于学习到的运动基元可推广到新的电塔巡检飞行任务,泛化出相应的运动轨迹;当规划的飞行轨迹上有障碍物时,在已有学习基础上通过设计耦合因子从而规划出三维避障轨迹;最终可将得到的可行巡检轨迹用于四旋翼无人的自主飞行。本发明所提出的方法将从四旋翼无人机运动学习的角度出发,基于学习得到的运动基元对新的电塔巡检飞行任务进行三维轨迹规划,完善了四旋翼无人机的自主轨迹规划的方法,有望提高电塔巡检效率。
Description
技术领域
本发明涉及一种基于运动学习的四旋翼无人机电塔巡检方法,属于无人机轨迹规划技术领域。
背景技术
近年来,四旋翼无人机以其简单的机械结构和独特的飞行方式而成为无人机研究领域中的热点。它是一种非共轴多旋翼式飞行器,由于其特殊的设计结构,使得其可以实现多种飞行姿态。通过调节对称分布的四个旋翼转速,实现对飞行姿态的控制。与常规直升机相比,四个旋翼提供升力比单旋翼更均匀,因而飞行更加平稳且机动性更强。四旋翼无人机体积小、隐蔽性好、飞行平稳,特别适合近侦查、监视等民用和军用领域。在民用领域,四旋翼无人机主要被应用于地面检测、抗灾救险、高空拍摄等;在军用领域,主要被用于军事侦查、战场监控、情报收集等。
在电力系统中,电塔是电网输电的重要基础设施,电塔的维护及质量检测是现代电力系统运行与发展的重要保障。过去通过人工攀爬检查电塔,登塔难度高危险性较大。与人工攀爬检查方式不同,四旋翼无人机可轻松到达距离地面80多米高的塔顶,实现全方位高清拍摄,从而大大降低了巡检难度和危险性。所以四旋翼无人机被广泛应用于电塔电网巡检。
但是,无人机技术密集及协同性强,使它的操纵越来越复杂;随着现代电塔巡检飞行任务的强度、难度的不断增加,飞行操作手在生理和心理上会受到影响,单纯依靠手控操作完成复杂的电塔巡检任务变得越来越困难;因此三维轨迹规划显得至关重要。然而现有的三维空间轨迹规划算法均在环境建模的基础上添加诸多的约束条件通过各种算法搜索飞行路径,搜索到路径的优越性依赖于环境模型的精确程度及算法的实时性和有效性,这样的规划方式不完全适合电塔巡检的无人机轨迹规划任务,搜索与规划路径的效率不高。
发明内容
针对上述现有技术问题,本发明要解决的技术问题是:提供一种基于运动学习的四旋翼无人机电塔巡检方法,使得四旋翼无人机具备自主巡检电塔的能力,将人从复杂和繁重遥控任务解脱出来,并提高四旋翼无人机电塔巡检的效率。
为解决上述技术问题,本发明采用如下技术方案:
一种基于运动学习的四旋翼无人机电塔巡检方法,其特征在于具体包括如下步骤:
步骤S1:运动学习过程:通过遥控器示教四旋翼无人机完成一次具体的电塔巡检任务,收集该具体的电塔巡检任务三维轨迹序列作为运动学习样本,基于动力学方程和运动学习样本提取运动基元;所述三维轨迹序列即三个自由度的位移、速度、加速度信息;
步骤S2:泛化过程:为新的电塔巡检任务设定起点终点,根据动力学方程和提取的运动基元泛化出新巡检任务的三维轨迹序列,将新的三维轨迹序列作为导航路径给四旋翼无人机完成电塔巡检任务,若新的电塔巡检任务中没有障碍物则步骤S2后规划结束;若新的电塔巡检任务的规划路径上有障碍物,则进入步骤S3;
步骤S3:先确定障碍物大致的中心位置坐标,然后在已有学习基础上通过设计耦合因子重新规划出可行三维避障轨迹;最后将规划出的可行避障轨迹给四旋翼无人机完成自主电塔巡检任务。
上述技术方案中,步骤S1提取运动基元时,引入带有恒定系数线性微分方程,将四旋翼无人机的点到点运动描述为一种带有非线性强制项的动力学系统模型;通过遥控器示教四旋翼无人机完成一次具体的电塔巡检任务,基于四旋翼无人机内部的位置估计模块,分别获取四旋翼无人机上升阶段和下降阶段起点到终点三个自由度各自位移、速度和加速度的序列,基于获得的学习样本和动力学系统模型分别提取四旋翼无人机上升和下降阶段的运动基元序列,提取到的基元序列作为后续步骤中自主规划路径的基础。
上述技术方案中,步骤S2中,设定新的电塔巡检任务起点和终点,将学到的运动基元带入有非线性强制项的动力学系统模型,并使用同一正则系统,泛化出一条离散的运动轨迹点,即为所需的电塔巡检路径,若新的巡检任务无障碍物则步骤S2后规划结束,将规划的轨迹点给四旋翼无人机完成电塔巡检任务;
上述技术方案中,步骤S3通过在动力学方程中设计耦合因子,在原有的运动基元和动力学方程基础上重新泛化出可行三维轨迹序列,将三维轨迹序列作为电塔巡检的导航路径给四旋翼无人机完成自主电塔巡检任务。
上述技术方案中,步骤S3详细步骤如下:
步骤S31:设定在上升阶段和下降阶段,在三维笛卡尔空间中从起点到目标点的运动过程中有障碍物,首先确定障碍物大致中心为o=[o1 o2 o3]T,在带有非线性强制项的动力学系统模型中加入耦合因子Ct从而构建带避障功能的动力学系统;对于三个自由度的运动,各自带避障功能的动力学系统有其各自的耦合因子Ct=[Ct,1 Ct,2 Ct,3]T,Ct,j(j=1,2,3);耦合因子中加入了一个垂直于当前速度方向的运动,是距离矢量与速度矢量的函数;其中 其中μ为速度向量与障碍物中心坐标和当前位置坐标差向量(o-y)的夹角;R为旋转矩阵,决定运动轨迹绕障碍物的旋转方向,k和β为常量。
步骤S32:在三个自由度各自的动力学方程中,均添加各自的耦合因子构建带避障功能的动力学系统;根据各个自由度在步骤S1中所提取的运动基元,设定好起点和终点,由带避障功能的动力学系统泛化出各自自由度的轨迹序列,从而三个自由度的序列组成四旋翼无人机三维的避障轨迹,进而无人机根据规划路径完成电塔巡检任务。
综上所述,本发明公开了一种基于运动学习的四旋翼无人机电塔巡检方法,针对一次电塔巡检任务的运动进行学习,对四旋翼无人机的三维运动引入学习框架,将一次电塔巡检飞行任务轨迹作为运动学习的样本,基于动力学方程提取出其运动基元;进而基于学习到的运动基元可推广到新的电塔巡检飞行任务,对于新的电塔巡检任务,则可通过已学习的运动基元在设定起点和终点后泛化出可行的轨迹点;若新的电塔巡检路径上有障碍物,则可通过在原有的学习基础上设计耦合因子重新规划出可行的避障路径;最后将规划出的轨迹点提供给四旋翼无人机用于四旋翼无人的自主飞行完成电塔巡检。
对比传统的无人机路径规划方法如蚁群算法、粒子群算法、A*算法等,本发明方法特有之处在于:
(1)引入了运动学习机制,基于这样一种机制,四旋翼无人机不仅能够复制其学习到的运动,而且能够泛化出满足不同目标点的路径完成三维空间飞行任务,同时能够进行避障。
(2)传统的无人机路径规划方法由于未引入学习机制,面对相同或相似的环境原先的规划结果并没有对现有的规划有任何帮助。从而本方法摆脱传统的三维路径规划对环境建模与搜索算法性能的依赖,完善了四旋翼无人机的自主轨迹规划的方法,提高了四旋翼无人机的轨迹规划能力和电塔巡检效率。
附图说明
图1是本发明四旋翼无人机电塔巡检示教示意图;
图2是本发明四旋翼无人机自主规划三维轨迹进行电塔巡检示意图;
图3是本发明四旋翼无人机自主规划三维避障轨迹进行电塔巡检示意图;
图4是本发明基于运动学习的四旋翼无人机电塔巡检方法运动学习及泛化过程;
图5是本发明四旋翼无人机的多自由度运动学习原理图(以三个自由度为例)。
具体实施方式
下面结合附图和实例对本发明作更进一步的说明。
本发明所提出的方法首先需要对一次具体的电塔巡检任务进行学习,图1是四旋翼无人机电塔巡检示教示意图。如图1所示,电塔巡检过程分为上升过程(实现)和下降过程(虚线);上升过程中起点为点A,终点为点B;下降过程中起点为点B,终点为点C。由于上升过程和下降过程是起点和终点不同,并且是两种不同的运动形式,因此需要单独对同种性质的运动进行分析,本文仅以上升过程为例详细阐述本方法的具体步骤。
图1为通过遥控器控制四旋翼无人机进行电塔巡检示意图,以上升过程(A到B)为例,基于四旋翼无人机内部的位置信息处理模块收集上升过程中的四旋翼无人机运动轨迹点集,并根据动力学方程提取运动基元。图2为四旋翼无人机自主规划三维空间轨迹进行电塔巡检示意图,根据学习到的运动基元并设定好新任务的起点和终点,自主泛化出相应的电塔巡检三维轨迹,然后给四旋翼无人机完成巡检任务。图3为四旋翼无人机自主规划避障三维轨迹进行电塔巡检示意图,当新的电塔巡检任务路径上有障碍物(如:树)时,则原有的轨迹规划方法不在适用,通过设计在动力学方程中加入耦合因子,重新规划出可行的三维避障轨迹,然后给四旋翼无人机完成电塔巡检任务。
上述技术方案整个过程的具体实现步骤如下:
步骤S1:提取四旋翼无人机电塔巡检过程的运动基元流程图如图4,包含了以下步骤:
步骤S11:引入带有恒定系数线性微分方程并称之为动力学系统,此系统作为对运动学习的基础,对于一个自由度的运动y,其运动方程为:
式(1)和(2)中αv和βv为正常数,τ表示时间常数,g为吸引点也为常数。选取合适的值如βv=αv/4且τ>0,则系统临界阻尼,y能够避免周期性振动而最快地收敛于g。此动力学系统中y收敛于g的过程可以看作是离散的点到点的运动过程。但是上述系统只能得到一种特定的临界阻尼运动,为推广到更广泛具有一般形式的运动,则在式(1)中加入非线性强制项f。f设计为一种径向基核函数线性加权和的形式,进而得到更一般的点到点运动拟合形式。
ψi(s)=exp(-hi(s-ci)2) (4)
式(3)为f函数的具体形式,式中N表示径向基核函数ψi(s)的个数;式(4)为径向基核函数函数的具体表达式,hi>0且决定核函数的宽,ci是径向基核函数的中心,其中hN=hN-1,i=1,...N,式(5)称为正则系统,决定式(4)中变量s的动态特性,s的初始状态为s(0)=1。进而改进动力学方程为:
式(6)将一般的点到点运动描述为一种带有非线性强制项的动力学系统,非线性强制项f(s)随时间衰减,最终系统收敛于(v,y)=(0,g),从而此动力学系统能够拟合不同的运动形式。
步骤S12:提取四旋翼无人机电塔巡检任务的运动基元过程如下。式(6)中非线性强制项f(s)中的权重wi即为运动基元。在图1中通过遥控器示教四旋翼无人机一次具体的电塔巡检任务即从A到B点(以上升过程为例),得到其三维空间运动轨迹序列。其中一个自由度的序列,位移、速度和加速度的序列为t∈{Δt,2Δt,...,nΔt},其中Δt表示步长。离散系统的运动的起点y0=ydemo(0),运动轨迹终点g=ydemo(nΔt),运动时间常数τ=nΔt。将式(7)代入(6),并将已知的运动序列带入得式:
由式(8)可得通过学习得到的非线性强制项的序列,为找到式(6)中合适的权重wi,则将问题转化为函数逼近,即使得f尽可能接近fdemo。为估计运动基元即权值wi将式(3)改写成式(9)。对应的T和w如式(10)和(11)。
Tw=f≈fdemo (9)
w=[w1…wN]T (11)
通过最小二乘法可计算出线性方程(9)的wi,即为此个自由度的运动基元;其余两个自由度的运动基元提取过程类似。通过以上步骤可求得上升阶段A到B处三个自由度各自的运动基元。
步骤S2:四旋翼无人机根据提取的运动基元对于新的电塔巡检任务,首先设定任务的起点和终点,然后泛化出相应的三维轨迹序列,过程如下。以一个自由度为例,设定新的电塔巡检任务起点y0和终点g,将学到的运动基元式(11)带入式(6),规划出一条离散的运动轨迹点,从而达到泛化的过程,以上的一个自由度运动的学习和泛化过程见流程图4。上述过程是针对一个自由度的运动,对于空间中三个自由的运动还需保证时间的耦合性,即时间上的运功同步和一致。因此,三个自由度各自的动力学方程中的正则系统式(5)必须保证一致,见图5。至此,对于新的电塔巡检任务,依据步骤S1中学习到的三个自由度各自的运动基元,并使用同一正则系统,在设定好如图2中的起点A′和终点B′(以上升运动过程为例)后,根据式(6)计算出各个自由度的轨迹序列,形成由A′到B′的路径,即为所需的电塔巡检路径。对于新的电塔巡检任务中,若无障碍物则经过步骤S2完成轨迹规划,将三维轨迹点给四旋翼无人机后巡检结束。
步骤S3:当新的电塔巡检任务中有障碍物时,则原来的规划方法不能适用,需要重新可行规划。详细步骤如下:
步骤S31:在三维笛卡尔空间中,点到点的运动其位置向量为y=[y1 y2 y3]T和对应的速度向量为目标点为g=[g1 g2 g3]T。在从起点到目标点的运动过程中有障碍物,设障碍物大致球心为o=[o1 o2 o3]T,如图3。在(6)中加入耦合因子Ct从而构建带避障功能的动力学系统,即式(12)。
对于三个自由度的运动,各自的动力学系统有其各自的耦合因子,写成向量形式为Ct=[Ct,1 Ct,2 Ct,3]T,Ct,j(j=1,2,3)即为规划避障路径的关键。Ct具体解算如式(13),其中μ为速度向量与障碍物中心坐标和当前位置坐标差向量(o-y)的夹角,见式(14),R为旋转矩阵决定运动轨迹绕障碍物的旋转方向,k和β为常量,这里取k=1000,β=20/π。耦合因子中加入了一个垂直于当前速度方向的运动,是距离矢量与速度矢量的函数。
步骤S32:在每个自由度各自的动力学方程中,均添加各自的耦合因子,如式(12)。根据各个自由度在步骤S1中所提取的运动基元,设定好起点A″和终点B″坐标(以上升过程为例),由式(12)泛化出三个自由度的轨迹序列,从而三个自由度的序列组成四旋翼无人机三维的避障轨迹,进而无人机根据规划路径完成电塔巡检任务,如图3。
综上所述,本发明所提出四旋翼无人机三维空间的电塔巡检方法,是一种基于运动学习的轨迹规划方法,通过对一次具体的电塔巡检任务的学习,对于新的电塔巡检任务能够自主规划出可行路径提供给四旋翼无人机,具有很高的工程实用价值。
本发明保护范围不仅局限于以上所述的较佳实施方式,凡在与本发明相同原理下的变更或润饰均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于运动学习的四旋翼无人机电塔巡检方法,其特征在于具体包括如下步骤:步骤S1:运动学习过程:通过遥控器示教四旋翼无人机完成一次具体的电塔巡检任务,收集该具体的电塔巡检任务三维轨迹序列作为运动学习样本,基于动力学方程和运动学习样本提取运动基元;所述三维轨迹序列即三个自由度的位移、速度、加速度信息;步骤S2:泛化过程:为新的电塔巡检任务设定起点终点,根据动力学方程和提取的运动基元泛化出新巡检任务三维轨迹序列,将产生的三维轨迹序列作为导航路径给四旋翼无人机完成电塔巡检任务,若新的电塔巡检任务中没有障碍物则步骤S2后规划结束;步骤S3:若新的电塔巡检任务的规划路径上有障碍物,首先确定障碍物大致的中心位置坐标,然后在已有学习基础上通过设计耦合因子重新规划出可行三维避障轨迹;最后将规划出的可行避障轨迹给四旋翼无人机完成自主电塔巡检任务。
2.根据权利要求1所述的基于运动学习的四旋翼无人机电塔巡检方法,其特征在于:步骤S1提取运动基元时,引入带有恒定系数线性微分方程,将四旋翼无人机的点到点运动描述为一种带有非线性强制项的动力学系统模型;通过遥控器示教四旋翼无人机完成一次具体的电塔巡检任务,基于四旋翼无人机内部的位置估计模块,分别获取四旋翼无人机上升阶段和下降阶段起点到终点三个自由度各自位移、速度和加速度的序列,基于获得的学习样本和动力学系统模型分别提取四旋翼无人机上升和下降阶段的运动基元序列,提取到的基元序列作为后续步骤中自主规划路径的基础。
3.根据权利要求1所述的基于运动学习的四旋翼无人机电塔巡检方法,其特征在于:步骤S2中,设定新的电塔巡检任务起点和终点,将学到的运动基元带入有非线性强制项的动力学系统模型,并使用同一正则系统,泛化出一条离散的运动轨迹点,即为所需的电塔巡检路径,若新的巡检任务无障碍物则步骤S2后规划结束,将规划的轨迹点给四旋翼无人机完成电塔巡检任务。
4.根据权利要求1所述的基于运动学习的四旋翼无人机电塔巡检方法,其特征在于:步骤S3通过在动力学方程中设计耦合因子,在原有的运动基元和动力学方程基础上重新泛化出可行三维轨迹序列,将三维轨迹序列作为电塔巡检的导航路径给四旋翼无人机完成自主电塔巡检任务。
5.根据权利要求4所述的基于运动学习的四旋翼无人机电塔巡检方法,其特征在于:步骤S3详细步骤如下:
步骤S31:设定在上升阶段和下降阶段,在三维笛卡尔空间中从起点到目标点的运动过程中有障碍物,首先确定障碍物大致中心为o=[o1 o2 o3]T,在带有非线性强制项的动力学系统模型中加入耦合因子Ct从而构建带避障功能的动力学系统;对于三个自由度的运动,各自带避障功能的动力学系统有其各自的耦合因子Ct=[Ct,1 Ct,2 Ct,3]T,Ct,j(j=1,2,3);耦合因子中加入了一个垂直于当前速度方向的运动,是距离矢量与速度矢量的函数;其中其中μ为速度向量与障碍物中心坐标和当前位置坐标差向量(o-y)的夹角;R为旋转矩阵,决定运动轨迹绕障碍物的旋转方向,k和β为常量。
步骤S32:在三个自由度各自的动力学方程中,均添加各自的耦合因子构建带避障功能的动力学系统;根据各个自由度在步骤S1中所提取的运动基元,设定好起点和终点,由带避障功能的动力学系统泛化出各自自由度的轨迹序列,从而三个自由度的序列组成四旋翼无人机三维的避障轨迹,进而无人机根据规划路径完成电塔巡检任务。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611126213.4A CN106774389A (zh) | 2016-12-09 | 2016-12-09 | 一种基于运动学习的四旋翼无人机电塔巡检方法 |
PCT/CN2017/079180 WO2018103242A1 (zh) | 2016-12-09 | 2017-04-01 | 一种基于运动学习的四旋翼无人机电塔巡检方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611126213.4A CN106774389A (zh) | 2016-12-09 | 2016-12-09 | 一种基于运动学习的四旋翼无人机电塔巡检方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106774389A true CN106774389A (zh) | 2017-05-31 |
Family
ID=58877654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611126213.4A Pending CN106774389A (zh) | 2016-12-09 | 2016-12-09 | 一种基于运动学习的四旋翼无人机电塔巡检方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106774389A (zh) |
WO (1) | WO2018103242A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109032175A (zh) * | 2018-07-13 | 2018-12-18 | 辽宁东科电力有限公司 | 基于阿基米德螺旋线的无人机电力巡检路径计算方法 |
CN110727271A (zh) * | 2019-10-30 | 2020-01-24 | 北京科技大学 | 一种机器人运动基元确定方法及装置 |
CN114326776A (zh) * | 2021-04-16 | 2022-04-12 | 贵州电网有限责任公司 | 一种具有防撞避障功能的智能化电力线巡检无人机 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109520504B (zh) * | 2018-11-27 | 2022-07-22 | 北京航空航天大学 | 一种基于网格离散化的无人机巡查路径优化方法 |
CN112179397A (zh) * | 2019-07-01 | 2021-01-05 | 内蒙古中煤蒙大新能源化工有限公司 | 一种化工装置无人巡检方法 |
CN110470305B (zh) * | 2019-08-23 | 2023-06-02 | 沈阳航空航天大学 | 一种动态环境下无人机避障航迹规划方法 |
CN110825110A (zh) * | 2019-11-13 | 2020-02-21 | 昆明能讯科技有限责任公司 | 一种电力线路可见光点云解算照片的采集飞行方法 |
CN111008467A (zh) * | 2019-11-29 | 2020-04-14 | 天津大学 | 无人机吊挂飞行运输系统的减摆轨迹在线规划方法 |
CN111044044B (zh) * | 2019-12-06 | 2023-04-07 | 国网安徽省电力有限公司淮南供电公司 | 一种电力无人机巡检路线规划方法和装置 |
CN113741490A (zh) * | 2020-05-29 | 2021-12-03 | 广州极飞科技股份有限公司 | 一种巡检方法、装置、飞行器及存储介质 |
CN111766897B (zh) * | 2020-07-10 | 2024-02-27 | 广东电网有限责任公司 | 一种输电线路的通道巡视方法、无人机和系统 |
CN111982123B (zh) * | 2020-08-26 | 2023-10-31 | 云南电网有限责任公司迪庆供电局 | 无人机巡检航线规划方法及装置 |
CN112230678B (zh) * | 2020-10-29 | 2023-07-14 | 皖江工学院 | 基于粒子群算法的三维无人机路径规划方法及规划系统 |
CN112836292B (zh) * | 2021-01-15 | 2023-10-13 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种飞机通用质量特性论证方法 |
CN113205116B (zh) * | 2021-04-15 | 2024-02-02 | 江苏方天电力技术有限公司 | 输电线路无人机巡检拍摄目标点自动提取及航迹规划方法 |
CN113343355B (zh) * | 2021-06-08 | 2022-10-18 | 四川大学 | 基于深度学习的飞机蒙皮型面检测路径规划方法 |
CN113298035A (zh) * | 2021-06-17 | 2021-08-24 | 上海红檀智能科技有限公司 | 基于图像识别的无人机电力杆塔检测及自主巡航方法 |
CN113467469B (zh) * | 2021-07-23 | 2024-01-23 | 中国核动力研究设计院 | 一种基于bim技术的物项吊运空间轨迹规划方法及系统 |
CN113554781A (zh) * | 2021-08-02 | 2021-10-26 | 广东电网有限责任公司佛山供电局 | 架空输电线路远程巡检方法、装置和计算机设备 |
CN113759977B (zh) * | 2021-09-18 | 2023-07-28 | 西北工业大学 | 基于优化的绳系多无人机协同搬运的避障轨迹规划方法 |
CN114089770B (zh) * | 2021-11-23 | 2024-04-12 | 广东电网有限责任公司 | 一种变电站巡检机器人的巡检点位生成方法及相关装置 |
CN114104334B (zh) * | 2021-12-09 | 2024-02-23 | 中国民航大学 | 一种基于运动小车自动图像识别方式的飞机检查方法 |
CN114397909B (zh) * | 2021-12-29 | 2023-06-30 | 西北工业大学 | 一种针对大型飞机的小型无人机自动巡检方法 |
CN115146882B (zh) * | 2022-09-06 | 2022-12-02 | 南京信息工程大学 | 一种空地协同巡检方法及系统 |
CN115826596B (zh) * | 2022-09-19 | 2023-08-25 | 国家能源集团宝庆发电有限公司 | 基于多旋翼无人机的智能火电厂烟囱巡检方法及系统 |
CN115275870B (zh) * | 2022-09-28 | 2022-12-06 | 合肥优晟电力科技有限公司 | 一种基于高空线路维护的巡检系统 |
CN115639840A (zh) * | 2022-11-09 | 2023-01-24 | 海南斯兰低碳研究中心有限公司 | 一种基于光伏电站运维分析的无人机巡检方法 |
CN117784817B (zh) * | 2024-02-27 | 2024-05-17 | 北京航空航天大学 | 一种陆空两栖无人平台一体化规划控制系统与方法 |
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 (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6490521B2 (en) * | 2000-12-28 | 2002-12-03 | Intel Corporation | Voice-controlled navigation device utilizing wireless data transmission for obtaining maps and real-time overlay information |
JP4169263B2 (ja) * | 2003-04-07 | 2008-10-22 | 株式会社バンダイナムコゲームス | 画像生成装置及び情報記憶媒体 |
CN104648685A (zh) * | 2015-02-12 | 2015-05-27 | 武汉科技大学 | 基于智能手机的四旋翼飞行器指定路径航拍系统和方法 |
CN104648665A (zh) * | 2015-01-30 | 2015-05-27 | 上海交通大学 | 一种用于巡线的四旋翼无人机装置 |
CN104978580A (zh) * | 2015-06-15 | 2015-10-14 | 国网山东省电力公司电力科学研究院 | 一种用于无人机巡检输电线路的绝缘子识别方法 |
CN105045260A (zh) * | 2015-05-25 | 2015-11-11 | 湖南大学 | 一种未知动态环境下的移动机器人路径规划方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9513125B2 (en) * | 2008-01-14 | 2016-12-06 | The Boeing Company | Computing route plans for routing around obstacles having spatial and temporal dimensions |
CN102510011B (zh) * | 2011-10-24 | 2014-10-29 | 华北电力大学 | 基于微型多旋翼无人直升机的电力杆塔智能巡检方法 |
US9412279B2 (en) * | 2014-05-20 | 2016-08-09 | Verizon Patent And Licensing Inc. | Unmanned aerial vehicle network-based recharging |
CN104865971B (zh) * | 2015-05-26 | 2017-07-28 | 广西大学 | 一种输电线路巡检无人机的控制方法及无人机 |
CN105955291B (zh) * | 2016-04-29 | 2021-04-27 | 深圳市哈博森科技有限公司 | 一种无人机飞行航线轨迹记录与自动飞行控制方式 |
-
2016
- 2016-12-09 CN CN201611126213.4A patent/CN106774389A/zh active Pending
-
2017
- 2017-04-01 WO PCT/CN2017/079180 patent/WO2018103242A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6490521B2 (en) * | 2000-12-28 | 2002-12-03 | Intel Corporation | Voice-controlled navigation device utilizing wireless data transmission for obtaining maps and real-time overlay information |
JP4169263B2 (ja) * | 2003-04-07 | 2008-10-22 | 株式会社バンダイナムコゲームス | 画像生成装置及び情報記憶媒体 |
CN104648665A (zh) * | 2015-01-30 | 2015-05-27 | 上海交通大学 | 一种用于巡线的四旋翼无人机装置 |
CN104648685A (zh) * | 2015-02-12 | 2015-05-27 | 武汉科技大学 | 基于智能手机的四旋翼飞行器指定路径航拍系统和方法 |
CN105045260A (zh) * | 2015-05-25 | 2015-11-11 | 湖南大学 | 一种未知动态环境下的移动机器人路径规划方法 |
CN104978580A (zh) * | 2015-06-15 | 2015-10-14 | 国网山东省电力公司电力科学研究院 | 一种用于无人机巡检输电线路的绝缘子识别方法 |
Non-Patent Citations (2)
Title |
---|
昂海松,余雄庆: "《飞行器先进设计技术》", 31 August 2014, 国防工业出版社 * |
陈鹏震等: "基于动态运动基元的微小型四旋翼无人机路径规划", 《高技术通讯》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109032175A (zh) * | 2018-07-13 | 2018-12-18 | 辽宁东科电力有限公司 | 基于阿基米德螺旋线的无人机电力巡检路径计算方法 |
CN109032175B (zh) * | 2018-07-13 | 2021-08-06 | 辽宁东科电力有限公司 | 基于阿基米德螺旋线的无人机电力巡检路径计算方法 |
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 |
CN110727271A (zh) * | 2019-10-30 | 2020-01-24 | 北京科技大学 | 一种机器人运动基元确定方法及装置 |
CN114326776A (zh) * | 2021-04-16 | 2022-04-12 | 贵州电网有限责任公司 | 一种具有防撞避障功能的智能化电力线巡检无人机 |
Also Published As
Publication number | Publication date |
---|---|
WO2018103242A1 (zh) | 2018-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106774389A (zh) | 一种基于运动学习的四旋翼无人机电塔巡检方法 | |
Kendoul et al. | Modeling and control of a small autonomous aircraft having two tilting rotors | |
CN107993257A (zh) | 一种智能imm卡尔曼滤波前馈补偿目标追踪方法及系统 | |
Phang et al. | Systems design and implementation with jerk-optimized trajectory generation for UAV calligraphy | |
Zhang et al. | Review of modeling and control in UAV autonomous maneuvering flight | |
Shaker et al. | Vision-based landing of a simulated unmanned aerial vehicle with fast reinforcement learning | |
Abdessameud et al. | Formation control of VTOL UAVs without linear-velocity measurements | |
CN110723309A (zh) | 一种四旋翼无人机转动惯量测量方法 | |
Cao et al. | UAV path planning based on improved particle swarm algorithm | |
CN113673611B (zh) | 基于深度森林的飞行器故障诊断方法和系统 | |
CN107247464B (zh) | 一种四旋翼无人飞行器的状态受限控制方法和系统 | |
Jiao et al. | Fault tolerant control algorithm of hexarotor UAV | |
Montella et al. | Reinforcement learning for autonomous dynamic soaring in shear winds | |
Ai et al. | Fault diagnosis of the four-rotor unmanned aerial vehicle using the optimized deep forest algorithm based on the wavelet packet translation | |
Xu et al. | Attitude optimization control of unmanned helicopter in coal mine using membrane computing | |
Chen et al. | Fast image matching via multi-scale Gaussian mutation pigeon-inspired optimization for low cost quadrotor | |
Manjunath et al. | ReProHRL: Towards multi-goal navigation in the real world using hierarchical agents | |
CN112161626B (zh) | 一种基于航路跟踪映射网络的高可飞性航路规划方法 | |
Liu et al. | A deep neural network based maneuvering-target tracking algorithm | |
Dai et al. | Unsupervised feature fusion combined with neural network applied to UAV attitude estimation | |
Cao et al. | Research on application of computer vision assist technology in high-precision UAV navigation and positioning | |
CN109597421A (zh) | 无人机飞行状态控制系统代码辅助生成方法 | |
CN112527008A (zh) | 基于低复杂度规定性能的作业型飞行机器人控制方法 | |
Pi et al. | Reinforcement learning trajectory generation and control for aggressive perching on vertical walls with quadrotors | |
Xiao et al. | Autonomous Tracking and Landing of QUAV Based on Air-Ground Cooperation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |
|
RJ01 | Rejection of invention patent application after publication |