CN110597286B - 一种利用智慧机库实现输电线路无人机自主巡检的方法 - Google Patents
一种利用智慧机库实现输电线路无人机自主巡检的方法 Download PDFInfo
- Publication number
- CN110597286B CN110597286B CN201910932169.3A CN201910932169A CN110597286B CN 110597286 B CN110597286 B CN 110597286B CN 201910932169 A CN201910932169 A CN 201910932169A CN 110597286 B CN110597286 B CN 110597286B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- hangar
- inspection
- intelligent
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 97
- 230000005540 biological transmission Effects 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 2
- 238000012549 training Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 241000272878 Apodiformes Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 239000000555 dodecyl gallate Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
- H02G1/02—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines for overhead lines or cables
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种利用智慧机库确定输电线路无人机自主巡检路线的方法,包括:根据所巡检的无人机的性能参数,每次可巡检的时间,根据所要巡检的杆塔的总数L以及其它无人机和杆塔的位置,确定设定的智慧机库数量范围;针对每种不同机库数量,轮训计算在每种情况下机库的位置,使得每个杆塔到最近机库位置的距离之和最短,从而得到最优的机库位置;根据机库的数量、位置计算设定巡航路线。本发明通过无人机智慧机库的互联,设计计算智慧机库的位置以设计无人机巡航路线,实现了无人机的全自主化巡检,解放了巡检人员的双手,大大提升了巡检效率,实现了自动化、智能化作业,简化巡检过程,推进输电线路巡检向全智能化方向更进一步发展。
Description
技术领域
本发明涉及输电线路智能巡检技术领域,特别是涉及一种利用无人机智慧机库实现无人机全自主化巡检方法。
背景技术
目前,我国最为普遍的输电线路巡检方式仍为人工巡检,由巡检人员通过肉眼目测或是亲自登塔作业对电线路进行巡检,其劳动强度大,工作条件艰苦,劳动效率低,并且难以管理。国家电网设备规模仍将快速发展,2016——2002年,全国将新增110千伏及以上的线路40.1万公里,运维工作量增加与人员短缺之间的矛盾日益突出,单纯依靠人工巡视输电线路的方式已经无法满足电网建设和发展需求,无法适应现代化电网的发展和安全运行需要,势必要促进输电线路巡检由劳动密集型向技术密集型转变。
在一些国家和地区,线路巡检机器人和载人直升机巡线的方式已经取代人工巡视。巡检机器人可以提高效率,降低劳动力成本,并有望降低维修人员受伤的风险,尽管在这方面已经有了一些理论研究和技术发展,但与稳定性、可控性、能力和自主性有关的问题仍然存在。载人直升机可以到达巡线人员无法到达的区域进行详细巡检,然而,由于对飞行人员身体素质的高要求,以及载人直升机本身的各种限制,这一技术并未得到广泛的应用。技术受限、费用高昂,这一系列问题都使得采用线路巡检机器人和载人直升机巡线的方式难以全面普及。
随着航空工业和科学技术的迅猛发展,采用无人机进行线路巡检,近年来成为研究的热点问题。目前,国家电网大约有各类无人机 2000多架,发现缺陷38万余处(78.5%是杆塔瓶口以上,人工巡检很难发现),解决了人工巡检困难以及巡检中发现缺陷的困难。无人机巡检不仅突破了地理的障碍,尤其是一些处于偏远山区的线路,机动性和灵活性强,相比人工巡检优势更加明显。此外,使用无人机巡检作用,还提供可实现规模化、智能化的解决方案,提高了巡检效率、大幅提升了电网运行的可靠性,保障电网的运行安全。
然而,现有的无人机输电线路巡线流程必须配备有至少2名巡线人员跟随,当无人机续航电量不足时,他们要对无人机进行回收,并更换电池组,然后才能够继续无人机的巡检工作。这不仅大大增加了人力物力的耗费,同时,也无法实现国家电网提出的未来做到输电线路全自主化巡检。
即目前采用无人机巡检存在有以下问题:(1)无人机作业自主性和智能化水平有待进一步提升。无人机巡检作业自主化程度低,不满足实用化要求。(2)无人机的续航里程短。无人机巡检必须配有至少 2名巡检人员,在无人机电量不够时,及时回收无人机并更换电池,然后继续完成巡检操作,这在一定程度上限制了无人机巡检技术的发展。在未来三年,国家电网输电处计划实现巡检模式转变,由人工巡检转变到人机协同,再到全自主化巡视,全面提升输电系统的运维检修效率。
因此,如何对于无人机巡检涉及到的续航电量、杆塔检查时间可变等问题,使得巡检流程更加智能化,成为现有技术亟需解决的技术问题。
发明内容
本发明的目的针对上述当前无人机在输电线路巡检过程中存在的续航里程短的问题,提出一种利用智慧机库作为连接点或者中转点的技术方案,使得巡检流程更为智能化,不再需要对作业人员有严格要求及条件限制。在解放劳动力的同时,大大提升了巡检效率,推进输电线路巡检向全智能化方向更进一步发展。
为达此目的,本发明采用以下技术方案:
一种利用智慧机库确定输电线路无人机自主巡检路线的方法,包括如下步骤:
机库数量确定步骤S110:根据所巡检的无人机的性能参数,每次可巡检的时间,确定无人机每次可巡检的杆塔基数n,根据所要巡检的杆塔的总数L以及其它无人机和杆塔的位置,确定设定的智慧机库数量范围(tmin,tmax);
机库位置轮训计算步骤S120:针对每种不同机库数量,轮训计算在每种情况下机库的位置,使得每个杆塔到最近机库位置的距离之和最短,从而得到最优的机库位置;
巡航路线涉及步骤S130:根据机库的数量、位置计算设定巡航路线。
2.根据权利要求1所述的确定输电线路无人机自主巡检路线的方法,其特征在于:
在机库位置轮训计算步骤S120中,每种机库数量的轮训计算具体包括如下子步骤:
杆塔聚类子步骤S121:在杆塔L中利用每次可巡检的杆塔基数n 对所有的杆塔进行随机分组,不足数量单独为一组,然后利用聚类的方法,对杆塔进行重组,直到每个分组中的n个杆塔彼此之间的距离比其他分组情况更短,其中每个分组设定中心点,中心点集合Xj={A, B,C,D,E,F,G,……},其中A,B,C,D,E,F,G,……表示每个分组的质心,所述质心距离每个分组中的各个杆塔的距离相等;
随机初始机库分配子步骤S122:根据机库的数量范围,随机分配 k个初始机库位置,k等于智慧机库数量范围(tmin,tmax)中的一个;
机库簇中心计算子步骤S123:以机库位置作为初始簇中心,计算每个分组的中心点到初始簇中心的距离,为每个分组找到最近的簇中心,从而使得每个分组的中心点与机库位置一起分簇,然后通过每个分组的中心点到初始簇中心的距离的和取均值计算得到新的簇中心;
迭代计算步骤S124:重复机库簇中心计算子步骤S123,不断的重组新的簇,并计算得到新的簇中心,直到质心位置收敛或者终止不再变动,使得簇质心位置保持不变,以簇质心的位置作为该机库数量下机库的位置。
可选的,机库簇中心计算子步骤S123中,计算距离采用欧氏距离进行计算。
可选的,在巡航路线涉及步骤S130中,具体采用几个机库,每个机库进出几次的影响因素包括不同机库的地理位置、是否允许多次出入和巡航的经济因素。
本发明还公开了一种无人机自主巡视方法,包括
巡视准备步骤:在巡检前对无人机机况进行检查,对无人机智慧机库中备件进行核查,并确保无人机出于适航状态;
利用上述的利用智慧机库确定输电线路无人机自主巡检路线的方法确定自主巡检路线;
巡检步骤:根据所确定的巡检路线,利用无人机进行巡检。
本发明通过无人机智慧机库的互联,设计计算智慧机库的位置以设计无人机巡航路线,真正意义上实现了无人机的全自主化巡检,巡检人员无需到达巡检现场,只需要在后台操控中心通过操作平台对无人机进行控制,便可实现设备资产管理、巡检路径规划、无人机一键起飞、一键回收等操作,最后无人机飞回机库并上传巡检影像数据至控制中心。真正意义上解放了巡检人员的双手,大大提升了巡检效率,实现了自动化、智能化作业,简化巡检过程,推进输电线路巡检向全智能化方向更进一步发展。
附图说明
图1是根据本发明具体实施例的利用智慧机库确定输电线路无人机自主巡检路线的方法的流程图;
图2是根据本发明具体实施例的智能机库的计算步骤;
图3是根据本发明具体实施例的输电线路无人机全自主化巡检的整体视图;
图4是根据本发明具体实施例的机库选址的执行流程的视图;
图5是根据本发明具体实施例的对杆塔进行聚类分组的视图;
图6是根据本发明具体实施例的分组中心点计算欧氏距离的视图;
图7是根据本发明具体实施例的对输电杆塔进行巡检作业的视图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
本发明在于:充分利用最近几年迅猛发展的无人机智慧机库,解决目前无人机自主化巡视所存在的续航里程短的这一主要问题。通过多个无人机智慧机库的互联,基于无人机的RTK模块,无人机可实现高精度定位,然后依据巡检前事先输入的电塔GPS坐标点,制定详细的路径规划,从而可以实现人员后台操作一键起飞,然后无人机进行无人员干涉的全自主化巡检,在执行任务中遇到电量不足的情况时,无人机返航最近的智慧机库,实现精准降落归仓,并通过机械臂自动更换电池,再出发继续完成作业任务。最后飞回机库并上传巡检影像数据至控制中心。真正做到巡视现场无人化、现场操作自动化。
而方法的关键在于:利用智慧机库作为无人机自主巡检的中继点,在中继点中进行更换电池、更换备件等工作,因此需要合理的设置中继点的数量以及每个中继点即智慧机库的位置,使得巡检流程更加智能化,不再需要对作业人员有严格要求及条件限制,大大提升了巡检效率,推进输电线路巡检向全智能化方向更进一步发展。
针对输电线路巡检分为两种,一种是输电线路巡检,另一种则是输电杆塔巡检。对于输电线路巡检采用固定翼无人机,沿输电线路进行巡检即可。本发明主要是针对输电线路杆塔巡检,采用小型多旋翼无人机,结合无人机智慧机库,对巡检路径进行规划。通过RTK模块,无人机可实现高精度定位,按照规划航线针对输电杆塔本体进行精细化巡视,从而实现自动化巡检。
进一步的,参见图1-图7,示出了利用智慧机库确定输电线路无人机自主巡检路线的方法以及相应的示例。
机库数量确定步骤S110:根据所巡检的无人机的性能参数,每次可巡检的时间,确定无人机每次可巡检的杆塔基数n,根据所要巡检的杆塔的总数L以及其它无人机和杆塔的位置,确定设定的智慧机库数量范围(tmin,tmax)。
例如,国产某品牌系列多旋翼无人机最大续航时间可达 32-38min,双回路杆塔,平均巡检一个杆塔需要花费6min,平均水平飞行速度20m/s,由此可简化计算,近似认为平均每巡检3个杆塔需要更换一次电池。当无人机续航时间小于6min时(本发明将无人机的SOC问题转化为续航时间来描述,以此简化无人机SOC问题,在此近似认为电量剩余不足20%),无人机需要就近寻找机库进行电池更换,并假定无人机最后一次进入机库后已经完成了巡检无须更换电池。假设有20个杆塔,第一种极端情况为每个机库仅进入一次(即认为每个机库至少进入一次),即只使用一组电池,ceil((20-3)/3) =6;第二种极端情况为每个机库重入3次,也就是说,使用全部4组电池,ceil((20-3)/12)=2。因为依次取机库数目k=2,3,4,5,6。即tmin为2,tmax为6。
机库位置轮训计算步骤S120:针对每种不同机库数量,轮训计算在每种情况下机库的位置,使得每个杆塔到最近机库位置的距离之和最短,从而得到最优的机库位置。
具体的,每种机库数量的轮训计算具体包括如下子步骤:
杆塔聚类子步骤S121:在杆塔L中利用每次可巡检的杆塔数n 对所有的杆塔进行随机分组,不足数量单独为一组,然后利用聚类的方法,对所有的杆塔进行重组,直到每个分组中的n个杆塔彼此之间的距离比其他分组情况更短,即更优,其中每个分组设定中心点,中心点集合Xj={A,B,C,D,E,F,G,……},其中A,B,C,D,E,F, G,……表示每个分组的质心,所述质心距离每个分组中的各个杆塔的距离相等;
通过聚类后,后续计算中,每次无人机将巡检一个分组,并且,将以分组中质心的位置来计算与杆塔的距离,从而简化计算。
在一个具体的示例中,参见图5,对于随机选取的20个杆塔,随机组合相邻3个杆塔为一组,若3个杆塔为一组,最后仅剩余2个杆塔无法分组,则直接看作一组。如下图4所示。循环该步骤,直至所有分组中3个杆塔彼此之间距离与其他情况相比为最优.样本集合 Xj={A,B,C,D,E,F,G}为七个分组的中心点。在这里,每个分组的中心点用三角形的质心来表示,到三角形三个顶点(杆塔)的距离相等。
随机初始机库分配子步骤S122:根据机库的数量范围,随机分配k个初始机库位置,k等于智慧机库数量范围(tmin,tmax)中的一个;
例如,在轮训计算中,可以首先使得k=2,设立随机设立两个机库的位置。
机库簇中心计算子步骤S123:以机库位置作为初始簇中心,计算每个分组的中心点到初始簇中心的距离,为每个分组找到最近的簇中心,从而使得每个分组的中心点与机库位置一起分簇,然后通过每个分组的中心点到初始簇中心的距离均值计算得到新的簇中心。
其中,Ci={C1,C2}表示簇中心点,样本集合Xj={A,B,C,D,E, F,G}为七个分组的中心点。此时,A、B,C归于流程图中上面对应的簇中心,D,E、F,G对应下面对应的簇中心。为每一个簇寻找中心点,并用新的中心点值更新每个簇中心的位置。如簇1新的中心点是[(x1+x2+x3)/3,(y1+y2+y3)/3]=(x,y),其中xi,yi表示每个分组的中心点坐标。在第一遍结束后,簇的质心已经发生了移动。
迭代计算步骤S124:重复机库簇中心计算子步骤S123,不断的重组新的簇,并计算得到新的簇中心,直到质心位置收敛或者终止不再变动,使得簇质心位置保持不变,以簇质心的位置作为该机库数量下机库的位置。
针对不同的机库数量重复步骤S121-S124,例如使得 k=3,4,5,6,即取值智慧机库数量范围(tmin,tmax)中的数值,继续上述子步骤,得到另外的结果。
巡航路线涉及步骤S130:根据机库的数量、位置设定巡航路线。
即上述步骤S120已经确定了智慧机库的位置,但包含了不同机库数量的情况,而在现实中,具体采用几个机库,每个机库进出几次受到了很多因素的影响,包括不同机库的地理位置、是否允许多次出入、巡航的经济因素等等,应当综合进行考虑。进一步的,参见图7,示出了对输电杆塔进行巡检作业的视图,
参见图4,示出了各个机库位置从初始随机设置,到最终轮训后确定的过程。
本发明在于从距离的角度考虑计算得到不同机库数量下,智慧机库位置设置的计算结果,能够从续航最优的角度在上述位置设立机库,便于进行无人机的自主巡航。
进一步的,本发明还公开了一种无人机自主巡视方法,包括
巡视准备步骤:在巡检前对无人机机况进行检查,对无人机智慧机库中备件进行核查,包括电池组的电量是否充足,各个零部件、工器具是否合格,此外,还应当核对巡检线路名称及杆塔号无误。最后,应逐项开展设备、系统自检、航线核查,并确保无人机出于适航状态;
利用上述的利用智慧机库确定输电线路无人机自主巡检路线的方法确定自主巡检路线;
巡检步骤:根据巡检路线,利用无人机进行巡检。
包括当控制中心工作人员下达巡检任务后,由智慧机库派出单架无人机,然后一键起飞无人机以完成巡检任务。在巡检过程中,借助智慧机库通用设备舱的有效载荷,无人机可以如蜂鸟般精准的悬停于每一个兴趣点前方进行测量作业。在执行任务中遇到无人机续航电量不足的情况时,无人机返航最近的智慧机库,实现精准降落归仓,并通过机械臂自动更换电池,再出发继续完成作业任务。在此我们忽略到达机库后进行更换电池这一操作所花费的时间,待更换电池完毕后,无人机续航时间又恢复到最大时间(满电量状态),无人机继续按照巡检路线前往下一杆塔进行巡检。重复上述流程,即可完成无需人员干预的全自主化巡检流程。无人机巡检作业流程图如图6所示。巡检完毕所有杆塔后,无人机飞回距离最近的智慧机库,上传巡检影像至后台控制中心,然后进行故障清查、电池组充电等工作,为下次巡检做准备。
在一个具体的实施例中,可以采用模拟无人机输电线路杆塔巡检过程的实验平台的CPU为Intel Xeon E312(Sandy Bridge)2.6Ghz,内存为8GB,采用Windows7 64位系统。所有代码在MATLAB上实现, MATLAB为R2016b版本。规划路径所采用的为遗传算法,仿真参数设置种群规模为100,迭代总数设为500,从而计算得到巡检路线。
本发明通过无人机智慧机库的互联,真正意义上实现了无人机的全自主化巡检,巡检人员无需到达巡检现场,只需要在后台操控中心通过操作平台对无人机进行控制,便可实现设备资产管理、巡检路径规划、无人机一键起飞、一键回收等操作,最后无人机飞回机库并上传巡检影像数据至控制中心。真正意义上解放了巡检人员的双手,大大提升了巡检效率,实现了自动化、智能化作业,简化巡检过程,推进输电线路巡检向全智能化方向更进一步发展。
显然,本领域技术人员应该明白,上述的本发明的各单元或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上, 可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施方式仅限于此,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单的推演或替换,都应当视为属于本发明由所提交的权利要求书确定保护范围。
Claims (5)
1.一种利用智慧机库确定输电线路无人机自主巡检路线的方法,包括如下步骤:
机库数量确定步骤S110:根据所巡检的无人机的性能参数,每次可巡检的时间,确定无人机每次可巡检的杆塔基数n,根据所要巡检的杆塔的总数L以及其它无人机和杆塔的位置,确定设定的智慧机库数量范围(tmin,tmax);
机库位置轮训计算步骤S120:针对每种不同机库数量,轮训计算在每种情况下机库的位置,使得每个杆塔到最近机库位置的距离之和最短,从而得到最优的机库位置;
巡航路线涉及步骤S130:根据机库的数量、位置计算设定巡航路线。
2.根据权利要求1所述的利用智慧机库确定输电线路无人机自主巡检路线的方法,其特征在于:
在机库位置轮训计算步骤S120中,每种机库数量的轮训计算具体包括如下子步骤:
杆塔聚类子步骤S121:在杆塔L中利用每次可巡检的杆塔基数n对所有的杆塔进行随机分组,不足数量单独为一组,然后利用聚类的方法,对杆塔进行重组,直到每个分组中的n个杆塔彼此之间的距离比其他分组情况更短,其中每个分组设定中心点,中心点集合Xj={A,B,C,D,E,F,G,……},其中A,B,C,D,E,F,G,……表示每个分组的质心,所述质心距离每个分组中的各个杆塔的距离相等;
随机初始机库分配子步骤S122:根据机库的数量范围,随机分配k个初始机库位置,k等于智慧机库数量范围(tmin,tmax)中的一个;
机库簇中心计算子步骤S123:以机库位置作为初始簇中心,计算每个分组的中心点到初始簇中心的距离,为每个分组找到最近的簇中心,从而使得每个分组的中心点与机库位置一起分簇,然后通过每个分组的中心点到初始簇中心的距离的和取均值计算得到新的簇中心;
迭代计算步骤S124:重复机库簇中心计算子步骤S123,不断的重组新的簇,并计算得到新的簇中心,直到质心位置收敛或者终止不再变动,使得簇质心位置保持不变,以簇质心的位置作为该机库数量下机库的位置。
3.根据权利要求2所述的利用智慧机库确定输电线路无人机自主巡检路线的方法,其特征在于:
机库簇中心计算子步骤S123中,计算距离采用欧氏距离进行计算。
4.根据权利要求2或3所述的利用智慧机库确定输电线路无人机自主巡检路线的方法,其特征在于:
在巡航路线涉及步骤S130中,具体采用几个机库,每个机库进出几次的影响因素包括不同机库的地理位置、是否允许多次出入和巡航的经济因素。
5.一种无人机自主巡视方法,包括
巡视准备步骤:在巡检前对无人机机况进行检查,对无人机智慧机库中备件进行核查,并确保无人机出于适航状态;
利用权利要求1-4中任意一项所述的利用智慧机库确定输电线路无人机自主巡检路线的方法确定自主巡检路线;
巡检步骤:根据所确定的巡检路线,利用无人机进行巡检。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910932169.3A CN110597286B (zh) | 2019-09-27 | 2019-09-27 | 一种利用智慧机库实现输电线路无人机自主巡检的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910932169.3A CN110597286B (zh) | 2019-09-27 | 2019-09-27 | 一种利用智慧机库实现输电线路无人机自主巡检的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110597286A CN110597286A (zh) | 2019-12-20 |
CN110597286B true CN110597286B (zh) | 2020-09-08 |
Family
ID=68864676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910932169.3A Active CN110597286B (zh) | 2019-09-27 | 2019-09-27 | 一种利用智慧机库实现输电线路无人机自主巡检的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110597286B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111552311A (zh) * | 2020-04-10 | 2020-08-18 | 安徽继远软件有限公司 | 巡检时间受限下的无人机多杆塔巡检优化方法和终端 |
CN112381964B (zh) * | 2020-11-12 | 2023-04-25 | 国网山东省电力公司泰安供电公司 | 一种电力线路巡检配置方法及系统 |
CN113110601B (zh) * | 2021-04-01 | 2023-06-16 | 国网江西省电力有限公司电力科学研究院 | 一种无人机电力线路巡检路径优化方法及装置 |
CN114770538B (zh) * | 2022-04-24 | 2023-12-19 | 国网上海市电力公司 | 一种机器人自动巡检方法 |
CN115158050A (zh) * | 2022-07-20 | 2022-10-11 | 广西电网有限责任公司电力科学研究院 | 一种无线充电耦合机构、无人机及无人机通信方法 |
CN115913341B (zh) * | 2023-01-09 | 2023-05-16 | 广东电网有限责任公司佛山供电局 | 巡检方法、系统、机库和存储介质 |
CN117170412B (zh) * | 2023-11-02 | 2024-01-19 | 天津云圣智能科技有限责任公司 | 多机库飞行路径的规划方法、装置、电子设备及存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105511495B (zh) * | 2016-02-15 | 2019-02-01 | 国家电网公司 | 电力线路无人机智能巡检控制方法和系统 |
CN106203672B (zh) * | 2016-06-21 | 2020-03-24 | 中南大学 | 一种无人机沿任务航线飞行的充电桩布局方法 |
KR101954902B1 (ko) * | 2017-05-22 | 2019-05-17 | 오지선 | 무인비행체를 이용한 송전철탑 안정성 검사시스템 |
CN107394873B (zh) * | 2017-08-18 | 2023-05-23 | 华南理工大学 | 一种电力巡检无人机的全自动环保无线充电系统 |
CN108922248B (zh) * | 2018-06-29 | 2021-04-27 | 陆英玮 | 一种分布式民用无人机空管系统、空管方法及协作方法 |
CN109542114A (zh) * | 2018-10-23 | 2019-03-29 | 珠海模范智能科技有限公司 | 一种无人机输电线路巡检方法及系统 |
CN109599945A (zh) * | 2018-11-30 | 2019-04-09 | 武汉大学 | 一种智慧电厂自主巡检机器人巡检系统及方法 |
CN110082638A (zh) * | 2019-05-13 | 2019-08-02 | 广东工业大学 | 一种电力配网自动巡检设备和方法 |
-
2019
- 2019-09-27 CN CN201910932169.3A patent/CN110597286B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110597286A (zh) | 2019-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110597286B (zh) | 一种利用智慧机库实现输电线路无人机自主巡检的方法 | |
CN109917767A (zh) | 一种分布式无人机集群自主管理系统及控制方法 | |
CN110794873A (zh) | 一种电力输电线路自动巡检系统及方法 | |
CN112016812A (zh) | 多无人机任务调度方法、系统及存储介质 | |
CN106403973A (zh) | 一种飞行计划垂直航路规划方法及系统 | |
CN112437502B (zh) | 基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法 | |
CN104008674A (zh) | 一种基于模式匹配的终端区进场飞行时间预测方法 | |
CN107180309B (zh) | 一种空天地观测资源的协同规划方法 | |
Liu et al. | Study on UAV parallel planning system for transmission line project acceptance under the background of industry 5.0 | |
CN113552897B (zh) | 基于任务优先级的空地无人系统侦察协同路径规划方法 | |
CN116027807B (zh) | 一种异构无人机群协同电力巡检方法 | |
CN113705982A (zh) | 一种车机协同电力巡检的调度决策方法 | |
CN115185303B (zh) | 用于国家公园及自然保护地的无人机巡护路径规划方法 | |
CN115840468B (zh) | 一种应用于复杂电磁环境下的配电网无人机自主巡线方法 | |
CN115146882A (zh) | 一种空地协同巡检方法及系统 | |
CN106127335A (zh) | 电动多旋翼无人机超远距离飞行的电池更换基站布局方法 | |
Zuo et al. | A multi-agent collaborative work planning strategy based on AFSA-PSO algorithm | |
CN113138606B (zh) | 一种无人机湖泊测绘任务航迹规划方法 | |
CN111895998B (zh) | 一种大型固定翼无人飞行器分段堆栈式航路规划方法 | |
CN112506216A (zh) | 一种无人机的飞行路径规划方法及装置 | |
CN115574826B (zh) | 基于强化学习的国家公园无人机巡护路径优化方法 | |
CN115237157B (zh) | 一种路网约束下的空地无人集群多任务点路径规划方法 | |
CN114489135B (zh) | 一种多任务航线设计方法 | |
CN113962015A (zh) | 一种采用规则控制的空域使用过程仿真模拟系统及方法 | |
CN113409619A (zh) | 一种基于元胞自动机的航班调度方法、系统及存储介质 |
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 |