CN110554698A - 一种海上风电场日常巡检无人船的路径优化方法 - Google Patents

Abstract

本发明公开了一种海上风电场日常巡检无人船的路径优化方法，包括步骤：1)随机产生一组个体构成初始种群；2)计算每一个体的适应度值f；3)根据适应度值大小进行选择操作；4)按交叉个体选择概率执行交叉操作；5)产生子种群，并与父种群合并为合并种群，随机减少1/2的合并种群，再代入f中进行评估，选择适应度值高的进化逆转；6)判断收敛条件是否满足，若满足，则输出优化结果；否则继续执行，返回步骤2)。本发明可以解决现有的日常巡检无人船出现路径规划不合理、走回头路、浪费资源等情况。

Description

一种海上风电场日常巡检无人船的路径优化方法

技术领域

本发明涉及海上风电场日常巡检无人船的技术领域，尤其是指一种海上风电场日常巡检无人船的路径优化方法。

背景技术

无人船是一种水面自主机器人，其体量小、吃水浅、机动灵活，可作为海上风电场巡检船，未来无人船在海上风电场日常巡检工作得到广泛应用。

目前日常巡检船存在以下不足：由于海上风电场具有容量大、面积广、风机与风机之间更加离散等特点，导致日常巡检船出现路径规划不合理，走回头路，浪费资源等情况，制约了日常巡检无人船的发展。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种海上风电场日常巡检无人船的路径优化方法，可以有效解决现有的日常巡检无人船出现路径规划不合理、走回头路、浪费资源等情况。

为实现上述目的，本发明所提供的技术方案为：一种海上风电场日常巡检无人船的路径优化方法，所述海上风电场包含有海上风机、海上暗礁和升压站；所述路径优化方法是给定X台海上风机、1台升压站和Y个海上暗礁，要求确定一条经过各台海上风机和升压站，绕开暗礁，且每台海上风机、升压站当且仅当经过一次的最短路线；其包括以下步骤：

1)随机产生一组个体构成初始种群，其中该组个体包括至少一台海上风机和一台升压站；

2)通过适应度函数计算每一个体的适应度值f，设计的适应度函数为：

f＝1/L_N,N+1

其中，L_N,N+1为第N台海上风机与第N+1台海上风机的距离，设海上暗礁为A_n，若L_N,N+1通过A_n，受到海上暗礁的影响，第N台海上风机与第N+1台海上风机的距离则变为L_N,N+1(1+a％)，a是根据海上暗礁大小情况进行调整的参数，范围为(0,100)；

3)根据f＝1/L_N,N+1适应度值大小进行选择操作，选择适应度值大的种群进入下一步；

4)按交叉个体选择概率执行交叉操作，为：

其中，M_p是选择概率，f_p是第p个交叉个体的适应度值，i是自然数；

5)产生子种群，并与父种群合并为合并种群，随机减少1/2的合并种群，再代入f中进行评估，选择适应度值高的进化逆转；其中，进化逆转是在[1,E]的区间内随机产生偶数对整数，将其位置进行对换而产生新的种群，E是种群数的总和；

6)判断收敛条件是否满足，若满足，则输出搜索结果；否则继续执行，返回步骤2)；其中，所述收敛条件为：迭代次数>d或者L_d-L_d-1＜ε，d是设置的迭代总次数，ε是一个设置好的最小值，式中L_d为所有线路之和，L_d-1为L_d迭代的上一代结果，设升压站为A，L_M,A为第M台海上风机到升压站A的距离，若受到集电线路的影响，无人船到升压站A巡检时需要更多的时间来安全行驶，此时第M台海上风机到升压站A的距离则变为L_M,A(1+b％)，b是根据升压站A实际情况进行调整的参数，范围为(0,100)。

本发明与现有技术相比，具有如下优点与有益效果：

1、巡检路径规划更合理。

2、提高日常巡检无人船工作效率。

3、减少走回头路等资源浪费。

具体实施方式

下面结合具体实施例对本发明作进一步说明。

业内习知，海上风电场包含有海上风机、海上暗礁和升压站等，本实施例所提供的海上风电场日常巡检无人船的路径优化方法，具体是给定X台海上风机、1台升压站和Y个海上暗礁，要求确定一条经过各台海上风机和升压站，绕开暗礁，且每台海上风机、升压站当且仅当经过一次的最短路线；其包括以下步骤：

1)随机产生一组个体构成初始种群，其中该组个体包括至少一台海上风机和一台升压站；

2)通过适应度函数计算每一个体的适应度值f，设计的适应度函数为：

f＝1/L_N,N+1

其中，L_N,N+1为第N台海上风机与第N+1台海上风机的距离，设海上暗礁为A_n，若L_N,N+1通过A_n，受到海上暗礁的影响，第N台海上风机与第N+1台海上风机的距离则变为L_N,N+1(1+a％)，a是根据海上暗礁大小情况进行调整的参数，范围为(0,100)，实质路径是在海上暗礁100米范围内调整；

3)根据f＝1/L_N,N+1适应度值大小进行选择操作，选择适应度值大的种群进入下一步；

4)按交叉个体选择概率执行交叉操作，为：

其中，M_p是选择概率，f_p是第p个交叉个体的适应度值，i是自然数(1,2…,p)；

5)产生子种群，并与父种群合并为合并种群，随机减少1/2的合并种群，再代入f中进行评估，选择适应度值高的进化逆转；其中，进化逆转是在[1,E]的区间内随机产生偶数对整数，将其位置进行对换而产生新的种群，E是种群数的总和；

6)判断收敛条件是否满足，若满足，则输出搜索结果；否则继续执行，返回步骤2)；其中，所述收敛条件为：迭代次数>d或者L_d-L_d-1＜ε，d是设置的迭代总次数，ε是一个设置好的最小值，式中L_d为所有线路之和，L_d-1为L_d迭代的上一代结果，设升压站为A，L_M,A为第M台海上风机到升压站A的距离，若受到集电线路的影响，无人船到升压站A巡检时需要更多的时间来安全行驶，此时第M台海上风机到升压站A的距离则变为L_M,A(1+b％)，b是根据升压站A实际情况进行调整的参数，范围为(0,100)。

以上所述实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (1)

1.一种海上风电场日常巡检无人船的路径优化方法，所述海上风电场包含有海上风机、海上暗礁和升压站；其特征在于：所述路径优化方法是给定X台海上风机、1台升压站和Y个海上暗礁，要求确定一条经过各台海上风机和升压站，绕开暗礁，且每台海上风机、升压站当且仅当经过一次的最短路线；其包括以下步骤：

1)随机产生一组个体构成初始种群，其中该组个体包括至少一台海上风机和一台升压站；

2)通过适应度函数计算每一个体的适应度值f，设计的适应度函数为：

f＝1/L_N,N+1

其中，L_N,N+1为第N台海上风机与第N+1台海上风机的距离，设海上暗礁为A_n，若L_N,N+1通过A_n，受到海上暗礁的影响，第N台海上风机与第N+1台海上风机的距离则变为L_N,N+1(1+a％)，a是根据海上暗礁大小情况进行调整的参数，范围为(0,100)；

3)根据f＝1/L_N,N+1适应度值大小进行选择操作，选择适应度值大的种群进入下一步；

4)按交叉个体选择概率执行交叉操作，为：

其中，M_p是选择概率，f_p是第p个交叉个体的适应度值，i是自然数；

5)产生子种群，并与父种群合并为合并种群，随机减少1/2的合并种群，再代入f中进行评估，选择适应度值高的进化逆转；其中，进化逆转是在[1,E]的区间内随机产生偶数对整数，将其位置进行对换而产生新的种群，E是种群数的总和；

6)判断收敛条件是否满足，若满足，则输出搜索结果；否则继续执行，返回步骤2)；其中，所述收敛条件为：迭代次数>d或者L_d-L_d-1＜ε，d是设置的迭代总次数，ε是一个设置好的最小值，式中L_d为所有线路之和，L_d-1为L_d迭代的上一代结果，设升压站为A，L_M,A为第M台海上风机到升压站A的距离，若受到集电线路的影响，无人船到升压站A巡检时需要更多的时间来安全行驶，此时第M台海上风机到升压站A的距离则变为L_M,A(1+b％)，b是根据升压站A实际情况进行调整的参数，范围为(0,100)。