CN110362100B - 一种基于四旋翼无人机的大型储罐自主巡检方法 - Google Patents
一种基于四旋翼无人机的大型储罐自主巡检方法 Download PDFInfo
- Publication number
- CN110362100B CN110362100B CN201910595746.4A CN201910595746A CN110362100B CN 110362100 B CN110362100 B CN 110362100B CN 201910595746 A CN201910595746 A CN 201910595746A CN 110362100 B CN110362100 B CN 110362100B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- quad
- rotor unmanned
- storage tank
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
Abstract
本发明涉及一种基于四旋翼无人机的大型储罐自主巡检方法。其技术方案是:将超声探伤仪固定在四旋翼无人机上,在基于四旋翼无人机的自主巡检系统的地面上位机输入待检测大型储罐罐体的几何参数,根据该几何参数规划对大型储罐罐体表面全覆盖的四旋翼无人机的巡检路径,然后采用基于学习的方法设计四旋翼无人机的控制器,使得四旋翼无人机沿着规划好的路径对大型储罐罐体表面进行自主巡检,实时记录检测数据与隐患点的位置,将对大型储罐的检测结果发送给基于四旋翼无人机的自主巡检系统的地面上位机,即四旋翼无人机对大型储罐的自主巡检。本发明具有检测范围大、检测效率高和检测成本低的特点。
Description
技术领域
本发明属于大型储罐自主巡检方法技术领域。特别涉及一种基于四旋翼无人机的大型储罐自主巡检方法。
背景技术
大型储罐作为石油化工的重要设备,主要用于储存原油和成品油,是我国实施战略储备、实现宏观调控的关键设施。这类大型储罐为立式圆筒状,也应用于化工原料、食用油的储备,一般采用钢板焊接而成,罐直径从20m至50m,甚至100m,罐高从15m至20m不等。
通常情况下,这类设施在建造时由施工单位和监理单位检测其表面质量,包括外形尺寸、钢板厚度、防腐涂层和焊缝接合情况等。大型储罐典型的表面缺陷有防腐层的开裂、针孔、脱皮、流挂和起泡等。此外,大型储罐在使用过程中还需要根据管理制度定期检测,包括检测其防腐蚀涂层厚度,一旦发现不良征兆,应及时修补以防发生安全事故。
现有的检测方法通常采用人工携带仪器进行检测,主要包括:超声波或漏磁等检测手段。人工检测通常只能在罐体外表面随机选择若干位置进行抽检,抽检不可避免的会发生漏检;另外,抽检若要在高处的位置时,必须借助其它辅助设施(如脚手架、建筑吊篮)才可进行。实际应用中因缺检和漏检给储罐的运行带来了极大的安全隐患,已成为大型储罐最大的事故源。按国家行业标准,正常运行的储罐可每隔7至10年大修一次,一旦因漏检而没有及时维护,造成巨大经济损失,甚至还可能发生安全事故。
由此可见,这类建筑迫切需要更加有效的方案取代目前的人工巡检方式。由于爬壁机器人需要与罐体表面接触,容易破坏防腐涂层,还存在导电引爆风险而不适用于这类储罐的巡检任务。
四旋翼无人机具有成本低、结构简单、易于生产和维护等优点,因此,四旋翼无人机在军事和民用上都有广泛的应用,比如地面战场侦查、目标的发现与定位、搜寻与救援、航拍、农药喷洒、输电线路巡检、建筑物巡检等。目前采用四旋翼无人机对桥梁或高楼进行巡检,主要是靠操作者在地面遥控操纵四旋翼无人机绕着建筑物飞行进行巡检。由于四旋翼无人机对建筑物进行巡检时,需要靠近建筑物飞行,建筑物表面将四旋翼无人机的旋翼旋转产生的风和环境风反射回来形成的紊流风场会对四旋翼无人机的飞行产生干扰。
总之,现有的大型储罐表面缺陷检测技术存在检测范围小、检测效率低和检测成本高等缺点。四旋翼无人机虽已在很多领域得到广泛应用,但尚未有四旋翼无人机对大型储罐表面缺陷进行自主巡检的报道。
发明内容
本发明旨在克服现有技术缺陷,目的是提供一种检测范围大、检测效率高和检测成本低的基于四旋翼无人机的大型储罐自主巡检方法。
为完成上述任务,本发明采用的技术方案的具体步骤是:
步骤1、基于四旋翼无人机的自主巡检系统
基于四旋翼无人机的自主巡检系统由四旋翼无人机和位于地面上的上位机组成;四旋翼无人机的机架上装有超声探伤仪、激光测距仪、控制器模块、无线网络通信模块、高度计、加速度传感器、陀螺仪、姿态传感器和GPS。四旋翼无人机的无线网络通信模块与所述上位机进行无线通讯,在地面上位机输入待检测大型储罐罐体的几何参数。
步骤2、采集四旋翼无人机和环境数据
通过四旋翼无人机的遥控器操纵四旋翼无人机绕大型储罐螺旋式飞行25~35周,四旋翼无人机将所述传感器采集到的四旋翼无人机的位置、速度和姿态数据通过无线网络通信模块发送给上位机。
步骤3、建立四旋翼无人机名义模型
以右手法则构建四旋翼无人机的惯性坐标系和机体坐标系。所述惯性坐标系是:以四旋翼起飞位置作为坐标原点,以南为坐标系xe轴的正方向,以东为坐标系ye轴的正方向,以天为坐标系ze的正方向;所述机体坐标系是:以四旋翼无人机的质心作为坐标原点,以四旋翼无人机的机头与机尾相连的直线为xb轴,机头方向为xb轴正方向,左旋翼和右旋翼旋翼中心的连线为yb轴,yb轴指向机体左旋翼方向为yb轴正方向,根据右手法则确定zb轴正方向。
建立四旋翼无人机的名义模型f(X,U)
式(1)中:X表示四旋翼无人机12维的状态向量;
x表示四旋翼无人机在惯性坐标系xe轴的位置,m;
y表示四旋翼无人机在惯性坐标系ye轴的位置,m;
z表示四旋翼无人机在惯性坐标系ze轴的位置,m;
p表示四旋翼无人机绕机体坐标系xb轴的旋转角速率,rad/s;
θ表示四旋翼无人机的俯仰角,rad;
q表示四旋翼无人机绕机体坐标系yb轴的旋转角速率,rad/s;
ψ表示四旋翼无人机的偏航角,rad;
r表示四旋翼无人机绕机体坐标系zb轴的旋转角速率,rad/s;
U表示四旋翼无人机的虚拟控制量,U=[U1 U2 U3 U4];其中:
U1表示四旋翼无人机在惯性坐标系ze轴的位置z的虚拟控制量,
U3表示四旋翼无人机俯仰角θ的虚拟控制量,
U4表示四旋翼无人机偏航角ψ的虚拟控制量;
m表示四旋翼无人机的质量,kg;
g表示重力加速度常量,9.8m/s2;
Ix表示四旋翼无人机绕机体坐标系xb轴转动的转动惯量,m2·kg;
Iy表示四旋翼无人机绕机体坐标系yb轴转动的转动惯量,m2·kg;
Iz表示四旋翼无人机绕机体坐标系zb轴转动的转动惯量,m2·kg;
Ir表示四旋翼无人机旋翼的转动惯量,m2·kg;
ωT表示四旋翼无人机的四个螺旋桨角速度的代数和,ωT=-ωf+ωl-ωb+ωr;
ωf,、ωb、ωl、ωr依次表示四旋翼无人机的前、后、左、右螺旋桨的角速度,rad/s。
四旋翼无人机的前、后、左、右螺旋桨对应的角速度ωf,、ωb、ωl、ωr与四旋翼无人机的虚拟控制量U的关系:
式(2)中:b表示旋翼的升力系数,Ns2;
d表示旋翼的阻力系数,Nms2;
la表示四旋翼无人机中心轴线和四旋翼无人机的旋翼转轴之间的水平距离,m。
四旋翼无人机模型:
式(3)中:f(X,U)表示四旋翼无人机的名义模型,见式(1);
步骤4、四旋翼无人机巡检路径的规划方法
步骤4.1、四旋翼无人机绕大型储罐罐壁巡检路径的规划方法
基于大型储罐的几何形状,先将大型储罐罐壁划分为无障碍物飞行区和有障碍物飞行区。所述无障碍物飞行区是指大型储罐罐壁安装的构件沿径向方向朝外的长度小于10厘米的区域;所述有障碍物飞行区是指大型储罐罐壁安装的构件沿径向方向朝外的长度大于等于10厘米的区域。
对于无障碍物飞行区的规划巡检路径是:四旋翼无人机从大型储罐罐壁底部某一位置为巡检起点,沿大型储罐罐壁的圆周水平巡检一周,完成第一次的规划巡检路径;然后上升一个规划巡检路径的路径间隔Δzgb,按原方向沿大型储罐罐壁的圆周水平巡检一周,完成第二次的规划巡检路径,如此往复,直至大型储罐罐壁的无障碍物飞行区的顶部。
对于有障碍物的飞行区的规划巡检路径是:四旋翼无人机从大型储罐罐壁底部某一障碍物为巡检起点,沿大型储罐罐壁的圆周进行水平巡检,遇到障碍物时完成第一次的规划巡检路径;然后上升一个规划巡检路径的路径间隔Δzgb,再按相反方向沿大型储罐罐壁的圆周进行水平巡检,完成第二次的规划巡检路径,如此往复,直至大型储罐罐壁的有障碍物飞行区的顶部。
所述路径间隔Δzgb:
Δzgb=2htan(θmax/2) (4)
式(4)中:h表示四旋翼无人机巡检时超声探伤仪探头与大型储罐表面的最佳检测距离,m;
θmax表示超声探伤仪探头的最大检测角度,rad。
式(4)是在假定超声探伤仪探头始终与大型储罐罐壁切线垂直的条件下的路径间隔Δzgb。
步骤4.2、四旋翼无人机绕大型储罐罐顶巡检路径的规划方法
为叙述方便,以大型储罐罐顶沿大型储罐罐轴线方向的截面图为叙述对象采用向下巡检的方式,超声探伤仪探头方向始终保持与大型储罐罐顶曲率半径重合。
四旋翼无人机的初始位置在大型储罐罐顶中心正上方,超声探伤仪探头前端距大型储罐罐顶表面的距离为h。
第0次巡检路径:初始位置。
第一次巡检路径:增加环绕大型储罐罐顶半径Δrgd(1),同时高度下降Δzgd(1),保持每次巡检的大型储罐罐顶弧长和超声波检测仪距大型储罐罐顶的距离h不变,绕大型储罐中心轴巡检一周。
第二次巡检路径:增加环绕半径Δrgd(2),同时高度下降Δzgd(2),仍保持每次巡检的大型储罐罐顶弧长和超声波检测仪距大型储罐罐顶的距离h不变,绕大型储罐中心轴巡检一周。
……。
H表示大型储罐罐顶的曲面高度;R表示大型储罐罐顶的曲率半径;四旋翼无人机检测大型储罐罐顶中心定义为第0个圆形曲面。当四旋翼无人机巡检第n个环形曲面时:巡检半径为rgd(n);巡检高度为zgd(n);设大型储罐罐顶检测的初始位置的参照点为零,向下为负;则巡检半径rgd(n)和高度zgd(n)的迭代公式:
式(5)中:Δrgd(n+1)表示第n+1次巡检半径rgd(n+1)与第n次巡检半径rgd(n)的差值;
Δzgd(n+1)表示第n+1次巡检高度zgd(n+1)与第n次巡检高度zgd(n)的差值;
α表示每次巡检的对应圆心角,rad,
定义学习样本变量则i时刻四旋翼无人机模型第l个状态分量的学习样本为(si,gl(si)),i=1,2,…,M,l=1,2,…,12,j时刻四旋翼无人机模型的第l个分量的学习样本为(sj,gl(sj)),j=1,2,…,M,l=1,2,…,12。假设学习样本的数据均值为0,i时刻四旋翼无人机模型的第l个分量的学习样本gl(si)和j时刻四旋翼无人机模型的第l个分量的学习样本gl(sj)的协方差kl(si,sj)为:
式(7)中:σlω表示第l个分量的学习样本gl(s)的测量噪声标准差;
σ2 lω表示第l个分量的学习样本gl(s)的测量噪声方差;
σlη表示第l个分量的学习样本gl(s)的过程噪声标准差;
σ2 lη表示第l个分量的学习样本gl(s)的过程噪声方差;
Ml表示16行16列对角矩阵,l=1,2,…,12;
si表示i时刻学习样本变量值,i=1,2,…,M;
sj表示j时刻学习样本变量值,j=1,2,…,M;
δlij表示第l个分量的学习样本gl(s)的测量噪声方差系数,l=1,2,…,12,
式(8)中:kl(s*)表示下一时刻第l个分量的的残差gl(s*)分别与之前M个时刻学习样本gl(sj),j=1,2,…M的协方差,kl(s*)=[kl(s*,s1),...,kl(s*,sM)];
Kl表示第l个分量的M行M列矩阵,则第l个分量的矩阵Kl的第i行第j列的值Kl(i,j)=kl(si,sj),i=1,2,…,M,j=1,2,…,M,
kl(si,sj)表示第l个分量的i时刻学习样本gl(si)和j时刻学习样本gl(sj)的协方差,i=1,2,…,M,j=1,2,…,M,kl(s*,s*)表示下一时刻第l个分量的残差gl(s*)的方差;
步骤6、学习模型在线更新
gl(s)表示第l个分量的学习样本,l=1,2,…,12;
式(11)中:Rμ表示μ维空间;
e表示第l个分量的学习样本gl(s)中的一点,l=1,2,…,12;
f表示A内的任一点;
当判别函数λl(s)>λL时,则当前时刻的第l个分量的学习模型精确,将上一时刻的第l个分量的学习模型更新为当前时刻的第l个分量的学习模型当判别函数λl(s)≤λL时,不用更新上一时刻的第l个分量的学习模型
步骤7、大型储罐的自主巡检控制方法
步骤7.1、四旋翼无人机状态安全域约束方法
假设四旋翼无人机的状态约束集为Φ、四旋翼无人机的控制输入约束集为Γ和四旋翼无人机的一个较为保守的扰动域Ω,使得残差g(X,U)∈Ω。根据步骤6中估计的扰动集合通过求解相应的Hamilton–Jacobi–Isaacs(HJI)方程,得到四旋翼无人机的安全域的到达条件V(X)>0,则四旋翼无人机的安全域为:
式(12)中:R12表示12维空间;
X表示四旋翼无人机12维的状态向量;
当四旋翼无人机实际状态满足安全域到达条件V(X)>0且判别函数λl(s)>λL时,根据名义模型f(X,U)与学习模型之和,得到名义模型f(X,U)和学习模型的预测状态将名义模型f(X,U)与学习模型的预测状态作为状态约束;当四旋翼无人机实际状态不满足安全域到达条件V(X)>0或判别函数λ(sl)≤λL时,安全域依赖名义模型f(X,U)构建,根据名义模型f(X,U)得到名义模型的预测状态将名义模型的预测状态作为状态约束。
步骤7.2基于学习的非线性模型预测控制器设计
首先采用扩展卡尔曼滤波方法估计四旋翼无人机的实际状态然后将所述四旋翼无人机名义模型f(X,U)分为四旋翼无人机位置动力学模型和四旋翼无人机姿态动力学模型,采用反馈线性化方法获得位置动力学线性模型和姿态动力学线性模型,最后分别针对位置动力学线性模型和姿态动力学线性模型,在满足步骤7.1所述状态约束、控制输入约束U∈Γ和安全域约束V(X)>0的条件下,设计模型预测控制器,将四旋翼无人机巡检的自主控制转化为二次优化问题:
根据式(13),得到控制向量U=[U1 U2 U3 U4]T。
根据式(2),得到四个旋翼电机的角速度ωf,、ωb、ωl、ωr。
通过无线通讯模块发送给四旋翼无人机,四旋翼无人机将四个旋翼电机的角速度ωf,、ωb、ωl、ωr信号依次转化为四个旋翼电机的驱动信号;控制四旋翼无人机沿着步骤4规划的路径自主巡检,实时记录检测数据与隐患点的位置,再将对大型储罐的检测结果发送给基于四旋翼无人机的自主巡检系统的地面上位机,即完成四旋翼无人机对大型储罐的自主巡检。
由于采用上述技术方案,本发明与现有技术相比具有如下积极效果:
一是能够实现四旋翼无人机自主地对大型储罐进行巡检。四旋翼无人机靠近大型储罐进行巡检时,大型储罐表面将四旋翼无人机旋翼旋转产生的风和环境风反射回来形成紊流风场,该紊流风场会影响四旋翼无人机的飞行稳定性。本发明采用基于学习的控制方法有效克服了紊流风场对四旋翼无人机的影响,使四旋翼无人机能够稳定飞行,从而实现四旋翼无人机对大型储罐的自主巡检。
二是扩大检测范围。四旋翼无人机自主巡检将现有的采样点抽检作业方式转变为全覆盖式的立体巡检,因此可以扩大检测范围,杜绝因缺检漏检带来的安全隐患。
三是显著提高检测效率和降低检测成本。目前采用人工检测方式完成单个大型储罐的检测时间需要以天计甚至以月计。由于无人机的飞行与大型储罐罐体的检测是同时进行的,飞行结束时便完成了整个巡检任务,因此四旋翼无人机对大型储罐的自主巡检时间仅需数小时,显著提高检测效率,降低检测成本。
因此,本发明具有检测范围大、检测效率高和检测成本低的特点。
附图说明
图1为本发明的一种基于四旋翼无人机的大型储罐罐壁无障碍物飞行区的巡检路径规划示意图;
图2为本发明的一种基于四旋翼无人机的大型储罐罐壁有障碍物飞行区的巡检路径规划示意图;
图3为本发明的一种基于四旋翼无人机的大型储罐罐顶巡检路径规划示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步的描述,并非对保护范围的限制:
实施例1
一种基于四旋翼无人机的大型储罐自主巡检方法。本实施例所述大型储罐的几何参数:
所述大型储罐如图1所示,大型储罐罐身外形为圆柱体,大型储罐灌顶的外形为球面体。所述大型储罐:罐身的直径为30m,罐身的高为14m,述灌顶的球面半径R=17.32m,罐顶的曲面高度H=8.66m。
所述大型储罐罐壁无障碍物。
本实施例为基于四旋翼无人机的大型储罐罐壁无障碍物飞行区的自主巡检方法,所述自主巡检方法的步骤是:
步骤1、基于四旋翼无人机的自主巡检系统
基于四旋翼无人机的自主巡检系统由四旋翼无人机和位于地面上的上位机组成;四旋翼无人机的机架上装有超声探伤仪、激光测距仪、控制器模块、无线网络通信模块、高度计、加速度传感器、陀螺仪、姿态传感器和GPS。四旋翼无人机的无线网络通信模块与所述上位机进行无线通讯,在地面上位机输入待检测大型储罐罐体的几何参数。
步骤2、采集四旋翼无人机和环境数据
通过四旋翼无人机的遥控器操纵四旋翼无人机绕大型储罐螺旋式飞行30周,四旋翼无人机将所述传感器采集到的四旋翼无人机的位置、速度和姿态数据通过无线网络通信模块发送给上位机。
步骤3、建立四旋翼无人机名义模型
以右手法则构建四旋翼无人机的惯性坐标系和机体坐标系。所述惯性坐标系是:以四旋翼起飞位置作为坐标原点,以南为坐标系xe轴的正方向,以东为坐标系ye轴的正方向,以天为坐标系ze的正方向;所述机体坐标系是:以四旋翼无人机的质心作为坐标原点,以四旋翼无人机的机头与机尾相连的直线为xb轴,机头方向为xb轴正方向,左旋翼和右旋翼旋翼中心的连线为yb轴,yb轴指向机体左旋翼方向为yb轴正方向,根据右手法则确定zb轴正方向。
建立四旋翼无人机的名义模型f(X,U)
式(1)中:X表示四旋翼无人机12维的状态向量;
x表示四旋翼无人机在惯性坐标系xe轴的位置,m;
y表示四旋翼无人机在惯性坐标系ye轴的位置,m;
z表示四旋翼无人机在惯性坐标系ze轴的位置,m;
p表示四旋翼无人机绕机体坐标系xb轴的旋转角速率,rad/s;
θ表示四旋翼无人机的俯仰角,rad;
q表示四旋翼无人机绕机体坐标系yb轴的旋转角速率,rad/s;
ψ表示四旋翼无人机的偏航角,rad;
r表示四旋翼无人机绕机体坐标系zb轴的旋转角速率,rad/s;
U表示四旋翼无人机的虚拟控制量,U=[U1 U2 U3 U4];其中:
U1表示四旋翼无人机在惯性坐标系ze轴的位置z的虚拟控制量,
U3表示四旋翼无人机俯仰角θ的虚拟控制量,
U4表示四旋翼无人机偏航角ψ的虚拟控制量;
m表示四旋翼无人机的质量,kg;
g表示重力加速度常量,9.8m/s2;
Ix表示四旋翼无人机绕机体坐标系xb轴转动的转动惯量,m2·kg;
Iy表示四旋翼无人机绕机体坐标系yb轴转动的转动惯量,m2·kg;
Iz表示四旋翼无人机绕机体坐标系zb轴转动的转动惯量,m2·kg;
Ir表示四旋翼无人机旋翼的转动惯量,m2·kg;
ωT表示四旋翼无人机的四个螺旋桨角速度的代数和,ωT=-ωf+ωl-ωb+ωr;
ωf,、ωb、ωl、ωr依次表示四旋翼无人机的前、后、左、右螺旋桨的角速度,rad/s。所述四旋翼无人机的参数如表1所示。
表1四旋翼无人机参数
四旋翼无人机的前、后、左、右螺旋桨对应的角速度ωf,、ωb、ωl、ωr与四旋翼无人机的虚拟控制量U的关系:
式(2)中:b表示旋翼的升力系数,Ns2;
d表示旋翼的阻力系数,Nms2;
la表示四旋翼无人机中心轴线和四旋翼无人机的旋翼转轴之间的水平距离,m。
四旋翼无人机模型:
式(3)中:f(X,U)表示四旋翼无人机的名义模型,见式(1);
步骤4、四旋翼无人机巡检路径的规划方法
步骤4.1、四旋翼无人机绕大型储罐罐壁巡检路径的规划方法
本实施例所述大型储罐罐壁为无障碍物飞行区。所述无障碍物飞行区是指大型储罐罐壁安装的构件沿径向方向朝外的长度小于10厘米的区域。
对于无障碍物飞行区的规划巡检路径如图1所示:四旋翼无人机从大型储罐罐壁底部某一位置为巡检起点,沿大型储罐罐壁的圆周水平巡检一周,完成第一次的规划巡检路径;然后上升一个规划巡检路径的路径间隔Δzgb=0.053m,按原方向沿大型储罐罐壁的圆周水平巡检一周,完成第二次的规划巡检路径,如此往复,直至大型储罐罐壁的无障碍物飞行区的顶部。
如图1所示,所述路径间隔Δzgb:
Δzgb=2htan(θmax/2) (4)
式(4)中:h表示四旋翼无人机巡检时超声探伤仪探头与大型储罐表面的最佳检测距离,h=0.1m;
θmax表示超声探伤仪探头的最大检测角度,θmax=0.52rad。
式(4)是在假定超声探伤仪探头始终与大型储罐罐壁切线垂直的条件下的路径间隔Δzgb,路径间隔Δzgb=0.053m。
步骤4.2、四旋翼无人机绕大型储罐罐顶巡检路径的规划方法
为叙述方便,如图3所示,以大型储罐罐顶沿大型储罐罐轴线方向的截面图为描述对象采用向下巡检的方式,超声探伤仪探头方向始终保持与大型储罐罐顶曲率半径重合。
四旋翼无人机的初始位置在大型储罐罐顶中心正上方,超声探伤仪探头前端距大型储罐罐顶表面的距离为h。
第0次巡检路径:初始位置,绕大型储罐罐顶半径rgd(0)=0,探伤仪探头高度zgd(0)=0。
第一次巡检路径:增加环绕大型储罐罐顶半径Δrgd(1)=0.052m,同时高度下降Δzgd(1)=0m,保持每次巡检的大型储罐罐顶弧长和超声波检测仪距大型储罐罐顶的距离h=0.1m不变,绕大型储罐中心轴巡检一周。
第二次巡检路径:增加环绕半径Δrgd(2)=0.052m,同时高度下降Δzgd(2)=0m,仍保持每次巡检的大型储罐罐顶弧长和超声波检测仪距大型储罐罐顶的距离h=0.1m不变,绕大型储罐中心轴巡检一周。
……。
H表示大型储罐罐顶的曲面高度;R表示大型储罐罐顶的曲率半径;四旋翼无人机检测大型储罐罐顶中心定义为第0个圆形曲面。当四旋翼无人机巡检第n个环形曲面时:巡检半径为rgd(n);巡检高度为zgd(n);设大型储罐罐顶检测的初始位置的参照点为零,向下为负;则巡检半径rgd(n)和高度zgd(n)的迭代公式:
式(5)中:Δrgd(n+1)表示第n+1次巡检半径rgd(n+1)与第n次巡检半径rgd(n)的差值;
Δzgd(n+1)表示第n+1次巡检高度zgd(n+1)与第n次巡检高度zgd(n)的差值;
α表示每次巡检的对应圆心角,rad,
定义学习样本变量则i时刻四旋翼无人机模型第l个状态分量的学习样本为(si,gl(si)),i=1,2,…,M,l=1,2,…,12,j时刻四旋翼无人机模型的第l个分量的学习样本为(sj,gl(sj)),j=1,2,…,M,l=1,2,…,12。假设学习样本的数据均值为0,i时刻四旋翼无人机模型的第l个分量的学习样本gl(si)和j时刻四旋翼无人机模型的第l个分量的学习样本gl(sj)的协方差kl(si,sj)为:
式(7)中:σlω表示第l个分量的学习样本gl(s)的测量噪声标准差;
σ2 lω表示第l个分量的学习样本gl(s)的测量噪声方差;
σlη表示第l个分量的学习样本gl(s)的过程噪声标准差;
σ2 lη表示第l个分量的学习样本gl(s)的过程噪声方差;
Ml表示16行16列对角矩阵,l=1,2,…,12;
si表示i时刻学习样本变量值,i=1,2,…,M;
sj表示j时刻学习样本变量值,j=1,2,…,M;
式(8)中:kl(s*)表示下一时刻第l个分量的的残差gl(s*)分别与之前M个时刻学习样本gl(sj),j=1,2,…M的协方差,kl(s*)=[kl(s*,s1),...,kl(s*,sM)];
Kl表示第l个分量的M行M列矩阵,则第l个分量的矩阵Kl的第i行第j列的值Kl(i,j)=kl(si,sj),i=1,2,…,M,j=1,2,…,M,
kl(si,sj)表示第l个分量的i时刻学习样本gl(si)和j时刻学习样本gl(sj)的协方差,i=1,2,…,M,j=1,2,…,M,kl(s*,s*)表示下一时刻第l个分量的残差gl(s*)的方差;
步骤6、学习模型在线更新
gl(s)表示第l个分量的学习样本,l=1,2,…,12;
式(11)中:Rμ表示μ维空间;
e表示第l个分量的学习样本gl(s)中的一点,l=1,2,…,12;
f表示A内的任一点;
当判别函数λl(s)>λL时,则当前时刻的第l个分量的学习模型精确,将上一时刻的第l个分量的学习模型更新为当前时刻的第l个分量的学习模型当判别函数λl(s)≤λL时,不用更新上一时刻的第l个分量的学习模型
步骤7、大型储罐的自主巡检控制方法
步骤7.1、四旋翼无人机状态安全域约束方法
假设四旋翼无人机的状态约束集为Φ、四旋翼无人机的控制输入约束集为Γ和四旋翼无人机的一个较为保守的扰动域Ω,使得残差g(X,U)∈Ω。根据步骤6中估计的扰动集合通过求解相应的Hamilton–Jacobi–Isaacs(HJI)方程,得到四旋翼无人机的安全域的到达条件V(X)>0,则四旋翼无人机的安全域为:
式(12)中:R12表示12维空间;
X表示四旋翼无人机12维的状态向量;
当四旋翼无人机实际状态满足安全域到达条件V(X)>0且判别函数λl(s)>λL时,根据名义模型f(X,U)与学习模型之和,得到名义模型f(X,U)和学习模型的预测状态将名义模型f(X,U)与学习模型的预测状态作为状态约束;当四旋翼无人机实际状态不满足安全域到达条件V(X)>0或判别函数λ(sl)≤λL时,安全域依赖名义模型f(X,U)构建,根据名义模型f(X,U)得到名义模型的预测状态将名义模型的预测状态作为状态约束。
步骤7.2基于学习的非线性模型预测控制器设计
首先采用扩展卡尔曼滤波方法估计四旋翼无人机的实际状态然后将所述四旋翼无人机名义模型f(X,U)分为四旋翼无人机位置动力学模型和四旋翼无人机姿态动力学模型,采用反馈线性化方法获得位置动力学线性模型和姿态动力学线性模型,最后分别针对位置动力学线性模型和姿态动力学线性模型,在满足步骤7.1所述状态约束、控制输入约束U∈Γ和安全域约束V(X)>0的条件下,设计模型预测控制器,将四旋翼无人机巡检的自主控制转化为二次优化问题:
根据式(13),得到控制向量U=[U1U2U3U4]T。
根据式(2),得到四个旋翼电机的角速度ωf,、ωb、ωl、ωr。
通过无线通讯模块发送给四旋翼无人机,四旋翼无人机将四个旋翼电机的角速度ωf,、ωb、ωl、ωr信号依次转化为四个旋翼电机的驱动信号;控制四旋翼无人机沿着步骤4规划的路径自主巡检,实时记录检测数据与隐患点的位置,再将对大型储罐的检测结果发送给基于四旋翼无人机的自主巡检系统的地面上位机,即完成四旋翼无人机对大型储罐的自主巡检。
实施例2
一种基于四旋翼无人机的大型储罐自主巡检方法。本实施例所述大型储罐的几何参数:
所述大型储罐如图2所示,大型储罐罐身外形为圆柱体,大型储罐灌顶的外形为球面体。所述大型储罐:罐身的直径为30m,罐身的高为14m,述灌顶的球面半径R=17.32m,罐顶的曲面高度H=8.66m。
所述大型储罐罐壁有障碍物。
本实施例为一种基于四旋翼无人机的大型储罐罐壁无障碍物飞行区的自主巡检方法,所述自主巡检方法的步骤是:
步骤1、基于四旋翼无人机的自主巡检系统
基于四旋翼无人机的自主巡检系统由四旋翼无人机和位于地面上的上位机组成;四旋翼无人机的机架上装有超声探伤仪、激光测距仪、控制器模块、无线网络通信模块、高度计、加速度传感器、陀螺仪、姿态传感器和GPS。四旋翼无人机的无线网络通信模块与所述上位机进行无线通讯,在地面上位机输入待检测大型储罐罐体的几何参数。
步骤2、采集四旋翼无人机和环境数据
通过四旋翼无人机的遥控器操纵四旋翼无人机绕大型储罐螺旋式飞行30周,四旋翼无人机将所述传感器采集到的四旋翼无人机的位置、速度和姿态数据通过无线网络通信模块发送给上位机。
步骤3、建立四旋翼无人机名义模型
以右手法则构建四旋翼无人机的惯性坐标系和机体坐标系。所述惯性坐标系是:以四旋翼起飞位置作为坐标原点,以南为坐标系xe轴的正方向,以东为坐标系ye轴的正方向,以天为坐标系ze的正方向;所述机体坐标系是:以四旋翼无人机的质心作为坐标原点,以四旋翼无人机的机头与机尾相连的直线为xb轴,机头方向为xb轴正方向,左旋翼和右旋翼旋翼中心的连线为yb轴,yb轴指向机体左旋翼方向为yb轴正方向,根据右手法则确定zb轴正方向。
建立四旋翼无人机的名义模型f(X,U)
式(1)中:X表示四旋翼无人机12维的状态向量;
x表示四旋翼无人机在惯性坐标系xe轴的位置,m;
y表示四旋翼无人机在惯性坐标系ye轴的位置,m;
z表示四旋翼无人机在惯性坐标系ze轴的位置,m;
p表示四旋翼无人机绕机体坐标系xb轴的旋转角速率,rad/s;
θ表示四旋翼无人机的俯仰角,rad;
q表示四旋翼无人机绕机体坐标系yb轴的旋转角速率,rad/s;
ψ表示四旋翼无人机的偏航角,rad;
r表示四旋翼无人机绕机体坐标系zb轴的旋转角速率,rad/s;
U表示四旋翼无人机的虚拟控制量,U=[U1 U2 U3 U4];其中:
U1表示四旋翼无人机在惯性坐标系ze轴的位置z的虚拟控制量,
U3表示四旋翼无人机俯仰角θ的虚拟控制量,
U4表示四旋翼无人机偏航角ψ的虚拟控制量;
m表示四旋翼无人机的质量,kg;
g表示重力加速度常量,9.8m/s2;
Ix表示四旋翼无人机绕机体坐标系xb轴转动的转动惯量,m2·kg;
Iy表示四旋翼无人机绕机体坐标系yb轴转动的转动惯量,m2·kg;
Iz表示四旋翼无人机绕机体坐标系zb轴转动的转动惯量,m2·kg;
Ir表示四旋翼无人机旋翼的转动惯量,m2·kg;
ωT表示四旋翼无人机的四个螺旋桨角速度的代数和,ωT=-ωf+ωl-ωb+ωr;ωf,、ωb、ωl、ωr依次表示四旋翼无人机的前、后、左、右螺旋桨的角速度,rad/s。所述四旋翼无人机的参数如表1所示。
表1四旋翼无人机参数
参数 | 数值 |
无人机质量m | 2.467kg |
重力加速度g | 9.81N/kg |
推力系数b | 2.2893×10<sup>-5</sup>N·s<sup>2</sup> |
阻力系数d | 1.1897×10<sup>-6</sup>Nm·s<sup>2</sup> |
无人机中心轴线和旋翼转轴之间的水平距离l<sub>a</sub> | 0.3875m |
旋翼转动惯量I<sub>p</sub> | 7.312×10<sup>-5</sup>kg·m<sup>2</sup> |
机体转动惯量I<sub>x</sub> | 5.887×10<sup>-2</sup>kg·m<sup>2</sup> |
机体转动惯量I<sub>y</sub> | 5.887×10<sup>-2</sup>kg·m<sup>2</sup> |
机体转动惯量I<sub>z</sub> | 1.3151×10<sup>-1</sup>kg·m<sup>2</sup> |
四旋翼无人机的前、后、左、右螺旋桨对应的角速度ωf,、ωb、ωl、ωr与四旋翼无人机的虚拟控制量U的关系:
式(2)中:b表示旋翼的升力系数,Ns2;
d表示旋翼的阻力系数,Nms2;
la表示四旋翼无人机中心轴线和四旋翼无人机的旋翼转轴之间的水平距离,m。
四旋翼无人机模型:
式(3)中:f(X,U)表示四旋翼无人机的名义模型,见式(1);
步骤4、四旋翼无人机巡检路径的规划方法
步骤4.1、四旋翼无人机绕大型储罐罐壁巡检路径的规划方法
本实施例所述大型储罐罐壁为有障碍物飞行区。所述有障碍物飞行区是指大型储罐罐壁安装的构件沿径向方向朝外的长度大于等于10厘米的区域。本实施例所述有障碍物是指大型储罐罐壁设有盘梯。
本实施例的有障碍物的飞行区的规划巡检路径是:四旋翼无人机从大型储罐罐壁的盘梯底部为巡检起点,沿大型储罐罐壁的圆周方向进行水平巡检,遇到障碍物时完成第一次的规划巡检路径;然后上升一个规划巡检路径的路径间隔Δzgb=0.053m,再按相反方向沿大型储罐罐壁的圆周进行水平巡检,完成第二次的规划巡检路径,如此往复,直至大型储罐罐壁的有障碍物飞行区的顶部。
所述路径间隔Δzgb:
Δzgb=2htan(θmax/2) (4)
式(4)中:h表示四旋翼无人机巡检时超声探伤仪探头与大型储罐表面的最佳检测距离,h=0.1m;
θmax表示超声探伤仪探头的最大检测角度,θmax=0.52rad。
式(4)是在假定超声探伤仪探头始终与大型储罐罐壁切线垂直的条件下的路径间隔Δzgb=0.053m。
步骤4.2~步骤7同实施例1。
Claims (1)
1.一种基于四旋翼无人机的大型储罐自主巡检方法,其特征在于:
步骤1、基于四旋翼无人机的自主巡检系统
基于四旋翼无人机的自主巡检系统由四旋翼无人机和位于地面上的上位机组成;四旋翼无人机的机架上装有超声探伤仪、激光测距仪、控制器模块、无线网络通信模块、高度计、加速度传感器、陀螺仪、姿态传感器和GPS;四旋翼无人机的无线网络通信模块与所述上位机进行无线通讯,所述上位机输入待检测大型储罐罐体的几何参数;
步骤2、采集四旋翼无人机和环境数据
通过四旋翼无人机的遥控器操纵四旋翼无人机绕大型储罐螺旋式飞行25~35周,四旋翼无人机将所述传感器采集到的四旋翼无人机的位置、速度和姿态数据通过无线网络通信模块发送给上位机;
步骤3、建立四旋翼无人机名义模型
以右手法则构建四旋翼无人机的惯性坐标系和机体坐标系;所述惯性坐标系是:以四旋翼起飞位置作为坐标原点,以南为坐标系xe轴的正方向,以东为坐标系ye轴的正方向,以天为坐标系ze的正方向;所述机体坐标系是:以四旋翼无人机的质心作为坐标原点,以四旋翼无人机的机头与机尾相连的直线为xb轴,机头方向为xb轴正方向,左旋翼和右旋翼旋翼中心的连线为yb轴,yb轴指向机体左旋翼方向为yb轴正方向,根据右手法则确定zb轴正方向;
建立四旋翼无人机的名义模型f(X,U)
式(1)中:X表示四旋翼无人机12维的状态向量,
x表示四旋翼无人机在惯性坐标系xe轴的位置,m,
y表示四旋翼无人机在惯性坐标系ye轴的位置,m,
z表示四旋翼无人机在惯性坐标系ze轴的位置,m,
p表示四旋翼无人机绕机体坐标系xb轴的旋转角速率,rad/s,
θ表示四旋翼无人机的俯仰角,rad,
q表示四旋翼无人机绕机体坐标系yb轴的旋转角速率,rad/s,
ψ表示四旋翼无人机的偏航角,rad,
r表示四旋翼无人机绕机体坐标系zb轴的旋转角速率,rad/s,
U表示四旋翼无人机的虚拟控制量,U=[U1 U2 U3 U4],其中:
U1表示四旋翼无人机在惯性坐标系ze轴的位置z的虚拟控制量,
U3表示四旋翼无人机俯仰角θ的虚拟控制量,
U4表示四旋翼无人机偏航角ψ的虚拟控制量,
m表示四旋翼无人机的质量,kg,
g表示重力加速度常量,9.8m/s2,
Ix表示四旋翼无人机绕机体坐标系xb轴转动的转动惯量,m2·kg,
Iy表示四旋翼无人机绕机体坐标系yb轴转动的转动惯量,m2·kg,
Iz表示四旋翼无人机绕机体坐标系zb轴转动的转动惯量,m2·kg,
Ir表示四旋翼无人机旋翼的转动惯量,m2·kg,
ωT表示四旋翼无人机的四个螺旋桨角速度的代数和,ωT=-ωf+ωl-ωb+ωr,
ωf,、ωb、ωl、ωr依次表示四旋翼无人机的前、后、左、右螺旋桨的角速度,rad/s;
四旋翼无人机的前、后、左、右螺旋桨对应的角速度ωf,、ωb、ωl、ωr与四旋翼无人机的虚拟控制量U的关系:
式(2)中:b表示旋翼的升力系数,Ns2,
d表示旋翼的阻力系数,Nms2,
la表示四旋翼无人机中心轴线和四旋翼无人机的旋翼转轴之间的水平距离,m;
四旋翼无人机模型:
式(3)中:f(X,U)表示四旋翼无人机的名义模型,见式(1),
步骤4、四旋翼无人机巡检路径的规划方法
步骤4.1、四旋翼无人机绕大型储罐罐壁巡检路径的规划方法
基于大型储罐的几何形状,先将大型储罐罐壁划分为无障碍物飞行区和有障碍物飞行区;所述无障碍物飞行区是指大型储罐罐壁安装的构件沿径向方向朝外的长度小于10厘米的区域;所述有障碍物飞行区是指大型储罐罐壁安装的构件沿径向方向朝外的长度大于等于10厘米的区域;
对于无障碍物飞行区的规划巡检路径是:四旋翼无人机从大型储罐罐壁底部某一位置为巡检起点,沿大型储罐罐壁的圆周水平巡检一周,完成第一次的规划巡检路径;然后上升一个规划巡检路径的路径间隔Δzgb,按原方向沿大型储罐罐壁的圆周水平巡检一周,完成第二次的规划巡检路径,如此往复,直至大型储罐罐壁的无障碍物飞行区的顶部;
对于有障碍物的飞行区的规划巡检路径是:四旋翼无人机从大型储罐罐壁底部某一障碍物为巡检起点,沿大型储罐罐壁的圆周进行水平巡检,遇到障碍物时完成第一次的规划巡检路径;然后上升一个规划巡检路径的路径间隔Δzgb,再按相反方向沿大型储罐罐壁的圆周进行水平巡检,完成第二次的规划巡检路径,如此往复,直至大型储罐罐壁的有障碍物飞行区的顶部;
所述路径间隔Δzgb:
Δzgb=2h tan(θmax/2) (4)
式(4)中:h表示四旋翼无人机巡检时超声探伤仪探头与大型储罐表面最佳检测距离,m,θmax表示超声探伤仪探头的最大检测角度,rad;
式(4)是在假定超声探伤仪探头始终与大型储罐罐壁切线垂直的条件下的路径间隔Δzgb;
步骤4.2、四旋翼无人机绕大型储罐罐顶巡检路径的规划方法
为叙述方便,以大型储罐罐顶沿大型储罐罐轴线方向的截面图为叙述对象采用向下巡检的方式,超声探伤仪探头方向始终保持与大型储罐罐顶曲率半径重合;
四旋翼无人机的初始位置在大型储罐罐顶中心正上方,超声探伤仪探头前端距大型储罐罐顶表面的距离为h;
第0次巡检路径:初始位置;
第一次巡检路径:增加环绕大型储罐罐顶半径Δrgd(1),同时高度下降Δzgd(1),保持每次巡检的大型储罐罐顶弧长和超声波检测仪距大型储罐罐顶的距离h不变,绕大型储罐中心轴巡检一周;
第二次巡检路径:增加环绕半径Δrgd(2),同时高度下降Δzgd(2),仍保持每次巡检的大型储罐罐顶弧长和超声波检测仪距大型储罐罐顶的距离h不变,绕大型储罐中心轴巡检一周;
……;
H表示大型储罐罐顶的曲面高度,R表示大型储罐罐顶的曲率半径,四旋翼无人机检测大型储罐罐顶中心定义为第0个圆形曲面;当四旋翼无人机巡检第n个环形曲面时:巡检半径为rgd(n),巡检高度为zgd(n),设大型储罐罐顶检测的初始位置的参照点为零,向下为负;则巡检半径rgd(n)和高度zgd(n)的迭代公式:
式(5)中:Δrgd(n+1)表示第n+1次巡检半径rgd(n+1)与第n次巡检半径rgd(n)的差值,
Δzgd(n+1)表示第n+1次巡检高度zgd(n+1)与第n次巡检高度zgd(n)的差值,
α表示每次巡检的对应圆心角,rad,
定义学习样本变量则i时刻四旋翼无人机模型第l个状态分量的学习样本为(si,gl(si)),i=1,2,…,M,l=1,2,…,12,j时刻四旋翼无人机模型的第l个分量的学习样本为(sj,gl(sj)),j=1,2,…,M,l=1,2,…,12;假设学习样本的数据均值为0,i时刻四旋翼无人机模型的第l个分量的学习样本gl(si)和j时刻四旋翼无人机模型的第l个分量的学习样本gl(sj)的协方差kl(si,sj)为:
式(7)中:σlω表示第l个分量的学习样本gl(s)的测量噪声标准差,
σ2 lω表示第l个分量的学习样本gl(s)的测量噪声方差,
σlη表示第l个分量的学习样本gl(s)的过程噪声标准差,
σ2 lη表示第l个分量的学习样本gl(s)的过程噪声方差,
Ml表示16行16列对角矩阵,l=1,2,…,12,
si表示i时刻学习样本变量值,i=1,2,…,M,
sj表示j时刻学习样本变量值,j=1,2,…,M,
δlij表示第l个分量的学习样本gl(s)的测量噪声方差系数,l=1,2,…,12,
式(8)中:kl(s*)表示下一时刻第l个分量的的残差gl(s*)分别与之前M个时刻学习样本gl(sj),j=1,2,…M的协方差,kl(s*)=[kl(s*,s1),...,kl(s*,sM)],
Kl表示第l个分量的M行M列矩阵,则第l个分量的矩阵Kl的第i行第j列的值Kl(i,j)=kl(si,sj),i=1,2,…,M,j=1,2,…,M,
kl(si,sj)表示第l个分量的i时刻学习样本gl(si)和j时刻学习样本gl(sj)的协方差,i=1,2,…,M,j=1,2,…,M,kl(s*,s*)表示下一时刻第l个分量的残差gl(s*)的方差,
步骤6、学习模型在线更新
gl(s)表示第l个分量的学习样本,l=1,2,…,12,
式(11)中:Rμ表示μ维空间,
e表示第l个分量的学习样本gl(s)中的一点,l=1,2,…,12,
f表示A内的任一点,
当判别函数λl(s)>λL时,则当前时刻的第l个分量的学习模型精确,将上一时刻的第l个分量的学习模型更新为当前时刻的第l个分量的学习模型当判别函数λl(s)≤λL时,不用更新上一时刻的第l个分量的学习模型
步骤7、大型储罐的自主巡检控制方法
步骤7.1、四旋翼无人机状态安全域约束方法
假设四旋翼无人机的状态约束集为Φ、四旋翼无人机的控制输入约束集为Γ和四旋翼无人机的一个较为保守的扰动域Ω,使得残差g(X,U)∈Ω;根据步骤6中估计的扰动集合通过求解相应的Hamilton–Jacobi–Isaacs(HJI)方程,得到四旋翼无人机的安全域的到达条件V(X)>0,则四旋翼无人机的安全域为:
式(12)中:R12表示12维空间,
X表示四旋翼无人机12维的状态向量,
当四旋翼无人机实际状态满足安全域到达条件V(X)>0且判别函数λl(s)>λL时,根据名义模型f(X,U)与学习模型之和,得到名义模型f(X,U)和学习模型的预测状态将名义模型f(X,U)与学习模型的预测状态作为状态约束;当四旋翼无人机实际状态不满足安全域到达条件V(X)>0或判别函数λ(sl)≤λL时,安全域依赖名义模型f(X,U)构建,根据名义模型f(X,U)得到名义模型的预测状态将名义模型的预测状态作为状态约束;
步骤7.2基于学习的非线性模型预测控制器设计
首先采用扩展卡尔曼滤波方法估计四旋翼无人机的实际状态然后将所述四旋翼无人机名义模型f(X,U)分为四旋翼无人机位置动力学模型和四旋翼无人机姿态动力学模型,采用反馈线性化方法获得位置动力学线性模型和姿态动力学线性模型,最后分别针对位置动力学线性模型和姿态动力学线性模型,在满足步骤7.1所述状态约束、控制输入约束U∈Γ和安全域约束V(X)>0的条件下,设计模型预测控制器,将四旋翼无人机巡检的自主控制转化为二次优化问题:
根据式(13),得到控制向量U=[U1 U2 U3 U4]T;
根据式(2),得到四个旋翼电机的角速度ωf,、ωb、ωl、ωr;
通过无线通讯模块发送给四旋翼无人机,四旋翼无人机将四个旋翼电机的角速度ωf,、ωb、ωl、ωr信号依次转化为四个旋翼电机的驱动信号;控制四旋翼无人机沿着步骤4规划的路径自主巡检,实时记录检测数据与隐患点的位置,再将对大型储罐的检测结果发送给基于四旋翼无人机的自主巡检系统的地面上位机,即完成四旋翼无人机对大型储罐的自主巡检。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910595746.4A CN110362100B (zh) | 2019-07-03 | 2019-07-03 | 一种基于四旋翼无人机的大型储罐自主巡检方法 |
AU2020100930A AU2020100930A4 (en) | 2019-07-03 | 2020-06-03 | Quad-rotor uav-based autonomous inspection method for large storage tank |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910595746.4A CN110362100B (zh) | 2019-07-03 | 2019-07-03 | 一种基于四旋翼无人机的大型储罐自主巡检方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110362100A CN110362100A (zh) | 2019-10-22 |
CN110362100B true CN110362100B (zh) | 2022-02-01 |
Family
ID=68217947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910595746.4A Active CN110362100B (zh) | 2019-07-03 | 2019-07-03 | 一种基于四旋翼无人机的大型储罐自主巡检方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110362100B (zh) |
AU (1) | AU2020100930A4 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110733042B (zh) * | 2019-11-18 | 2021-07-06 | 武汉三江航天远方科技有限公司 | 适用于卧式油罐内衬改造的机械臂路径规划方法 |
CN110977968B (zh) * | 2019-11-29 | 2022-01-14 | 龙铁纵横(北京)轨道交通科技股份有限公司 | 机器人智能加工的自动寻址系统、方法、设备及存储介质 |
CN112414409B (zh) * | 2020-11-16 | 2022-08-02 | 天津航天中为数据系统科技有限公司 | 一种基于串结构的自主巡检路径规划方法及飞行器 |
CN112415086B (zh) * | 2020-11-16 | 2023-09-19 | 东南大学 | 一种基于遥操作飞行机械臂的高空金属管道探伤系统 |
CN112650272B (zh) * | 2020-11-24 | 2022-11-01 | 太原理工大学 | 基于5g的煤矿井下无人机巡视信息感知方法及其感知系统 |
CN112882478B (zh) * | 2021-01-28 | 2022-12-09 | 武汉工程大学 | 一种储罐巡检方法和系统 |
CN113110570B (zh) * | 2021-03-30 | 2023-07-28 | 扬州昊科机器人科技有限公司 | 一种利用无人机测量大型罐体实时数据的智能机器人 |
CN113933871B (zh) * | 2021-10-15 | 2023-01-24 | 贵州师范学院 | 基于无人机和北斗定位的洪水灾情检测系统 |
CN114415719B (zh) * | 2021-12-24 | 2023-06-30 | 西北工业大学 | 一种绳系无人机自主对接系统的协调控制方法 |
CN114755693B (zh) * | 2022-06-15 | 2022-09-16 | 天津大学四川创新研究院 | 基于多旋翼无人机的基建设施测量系统和方法 |
CN117058152B (zh) * | 2023-10-13 | 2024-01-09 | 山东德丰重工有限公司 | 基于点云数据的装配式建筑构建质量智能检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6450104B1 (en) * | 2000-04-28 | 2002-09-17 | North Carolina State University | Modular observation crawler and sensing instrument and method for operating same |
CN102785874A (zh) * | 2012-08-16 | 2012-11-21 | 浙江省特种设备检验研究院 | 具有双层罐底板结构的立式储罐泄漏监测系统 |
CN107194564A (zh) * | 2017-05-16 | 2017-09-22 | 武汉科技大学 | 基于建筑信息模型的智能安全疏散系统 |
CN107563044A (zh) * | 2017-08-29 | 2018-01-09 | 武汉科技大学 | 基于在线安全学习的四旋翼无人机路径跟踪控制方法 |
CN108181636A (zh) * | 2018-01-12 | 2018-06-19 | 中国矿业大学 | 石化工厂巡检机器人环境建模与地图构建装置和方法 |
CN108225302A (zh) * | 2017-12-27 | 2018-06-29 | 中国矿业大学 | 一种石化工厂巡检机器人定位系统和方法 |
CN108334014A (zh) * | 2018-02-07 | 2018-07-27 | 北京东方通捷燃气有限责任公司 | 一种燃气监控系统 |
CN109101039A (zh) * | 2018-06-29 | 2018-12-28 | 太原理工大学 | 立井检测方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT503939B1 (de) * | 2006-09-26 | 2008-02-15 | Goldmann Norbert | Verfahren und einrichtung zur überwachung und aufbereitung des sandvorrates in einem sandbehälter einer sandstreuvorrichtung eines fahrzeuges, insbesondere eines schienenfahrzeuges |
WO2018119450A1 (en) * | 2016-12-23 | 2018-06-28 | Gecko Robotics, Inc. | Inspection robot |
-
2019
- 2019-07-03 CN CN201910595746.4A patent/CN110362100B/zh active Active
-
2020
- 2020-06-03 AU AU2020100930A patent/AU2020100930A4/en not_active Ceased
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6450104B1 (en) * | 2000-04-28 | 2002-09-17 | North Carolina State University | Modular observation crawler and sensing instrument and method for operating same |
CN102785874A (zh) * | 2012-08-16 | 2012-11-21 | 浙江省特种设备检验研究院 | 具有双层罐底板结构的立式储罐泄漏监测系统 |
CN107194564A (zh) * | 2017-05-16 | 2017-09-22 | 武汉科技大学 | 基于建筑信息模型的智能安全疏散系统 |
CN107563044A (zh) * | 2017-08-29 | 2018-01-09 | 武汉科技大学 | 基于在线安全学习的四旋翼无人机路径跟踪控制方法 |
CN108225302A (zh) * | 2017-12-27 | 2018-06-29 | 中国矿业大学 | 一种石化工厂巡检机器人定位系统和方法 |
CN108181636A (zh) * | 2018-01-12 | 2018-06-19 | 中国矿业大学 | 石化工厂巡检机器人环境建模与地图构建装置和方法 |
CN108334014A (zh) * | 2018-02-07 | 2018-07-27 | 北京东方通捷燃气有限责任公司 | 一种燃气监控系统 |
CN109101039A (zh) * | 2018-06-29 | 2018-12-28 | 太原理工大学 | 立井检测方法及系统 |
Non-Patent Citations (4)
Title |
---|
Development of Informative Path Planning for Inspection of the Hanford Tank Farm;Sebastián A. Zanlongo等;《2019 International Conference on Robotics and Automation (ICRA)》;20190531;全文 * |
智能巡检机器人系统在火力发电行业的应用研发及示范;张燕东等;《中国电力》;20171031;第50卷(第10期);全文 * |
浅谈智能巡检系统在石化企业中的应用;张静辉;《通讯世界》;20180725(第07期);全文 * |
轮式超声波检测爬壁机器人稳定性分析;刘继刚,等;《机械设计与研究》;20161031;第32卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
AU2020100930A4 (en) | 2020-07-09 |
CN110362100A (zh) | 2019-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110362100B (zh) | 一种基于四旋翼无人机的大型储罐自主巡检方法 | |
CN113155880B (zh) | 一种采用无人机和xrf技术对土壤重金属污染的检测方法 | |
Zinchenko et al. | Automatic collision avoidance with multiple targets, including maneuvering ones | |
CN108388135B (zh) | 一种基于凸优化的火星着陆轨迹优化控制方法 | |
CN107563044B (zh) | 基于在线安全学习的四旋翼无人机路径跟踪控制方法 | |
CN109031312B (zh) | 适用于烟囱内部作业的飞行平台定位装置和定位方法 | |
EP3850455B1 (en) | Control and navigation systems | |
Suarez et al. | Aerial manipulator with rolling base for inspection of pipe arrays | |
CN104246641A (zh) | Uav的安全紧急降落 | |
CN112286224B (zh) | 一种无人机场旋翼飞行器实现精准自主起降的方法 | |
CN108563897B (zh) | 一种基于极值搜索算法的四旋翼无人机参数辨识方法 | |
Krajček et al. | Aircraft performance monitoring from flight data | |
Sudevan et al. | Current and future research focus on inspection of vertical structures in oil and gas industry | |
WO2020053573A1 (en) | Control and navigation systems, pose optimisation, mapping, and localisation techniques | |
CN107957686B (zh) | 基于预见控制的无人直升机自动着舰控制系统 | |
Leiva et al. | Automatic visual detection and verification of exterior aircraft elements | |
Acar et al. | Autonomous climbing robot for tank inspection | |
Jones et al. | Modeling and control of a robotic power line inspection vehicle | |
Aldana-Rodríguez et al. | Use of unmanned aircraft systems for bridge inspection: a review | |
Mao et al. | Towards automated post-disaster damage assessment of critical infrastructure with small unmanned aircraft systems | |
Kocer et al. | An intelligent aerial manipulator for wind turbine inspection and repair | |
CN114442673B (zh) | 一种基于混沌模型与dnn的飞行器智能轨迹规划方法 | |
Tian et al. | Wake encounter simulation and flight validation with UAV close formation flight | |
CN115562313A (zh) | 一种用于桥墩探伤的自主式水下航行器运动控制方法 | |
CN114543794A (zh) | 一种视觉惯性里程计与间断性rtk融合的绝对定位方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |