CN111121783B - 一种车载无人机电力巡检的双层路径规划方法与装置 - Google Patents
一种车载无人机电力巡检的双层路径规划方法与装置 Download PDFInfo
- Publication number
- CN111121783B CN111121783B CN201911323097.9A CN201911323097A CN111121783B CN 111121783 B CN111121783 B CN 111121783B CN 201911323097 A CN201911323097 A CN 201911323097A CN 111121783 B CN111121783 B CN 111121783B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- unmanned aerial
- path
- aerial vehicle
- arc
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000005540 biological transmission Effects 0.000 claims abstract description 41
- 238000005457 optimization Methods 0.000 claims description 28
- 238000010276 construction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 38
- 238000002922 simulated annealing Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 18
- 238000003860 storage Methods 0.000 description 11
- 230000011218 segmentation Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003780 insertion Methods 0.000 description 4
- 230000037431 insertion Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000010006 flight Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010891 electric arc Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012546 transfer 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种车载无人机电力巡检的双层路径规划方法与装置,所述方法包括:获取车载无人机电力巡检的双层路径规划对应的无人机路径和车辆路径的预设初始解;利用小规模调整算子和整条路径调整算子对所述无人机路径和车辆路径的预设初始解进行调整和重构,直至满足终止迭代条件;获取满足所述终止迭代条件时的无人机路径和车辆路径的最终解。本发明实施例通过优化车辆的行驶路径,对模拟退火算法进行了调整和更改,设计了五种邻域搜索操作算子,对可行解进行优化,来优化车载无人机对整个输电网络的巡检效率。
Description
技术领域
本发明涉及电力巡检技术领域,尤其涉及一种车载无人机电力巡检的双层路径规划方法与装置。
背景技术
为了掌握高压输电线路的运行状况并及时排除线路故障或潜在隐患,电力部门每年都要投入大量的人力物力进行输电线路巡检。当前电路巡检主要采用两种巡检模式,人工巡检和载人直升机巡检。其中人工巡检工作量大、检测难度高、巡检效率低下,特别是对于跨越山区和复杂环境的电缆,巡视作业人身伤害风险高、实施困难、甚至无法开展地面人工巡视。另外,利用载人直升机进行巡检虽然作业效率高,但因其成本过高,无法进行广泛推广。因此,寻找高效经济的输电线路巡检方式一直是电力工业的重要需求。
发明内容
本发明实施例提供一种车载无人机电力巡检的双层路径规划方法与装置,以优化车载无人机对整个输电网络的巡检效率。
一方面,本发明实施例提供了一种车载无人机电力巡检的双层路径规划方法,所述方法包括:
获取车载无人机电力巡检的双层路径规划对应的无人机路径和车辆路径的预设初始解;
利用小规模调整算子和整条路径调整算子对所述无人机路径和车辆路径的预设初始解进行调整和重构,直至满足终止迭代条件;
获取满足所述终止迭代条件时的无人机路径和车辆路径的最终解。
另一方面,本发明实施例提供了一种车载无人机电力巡检的双层路径规划装置,所述装置包括:
获取单元,用于获取车载无人机电力巡检的双层路径规划对应的无人机路径和车辆路径的预设初始解;
重构单元,用于利用小规模调整算子和整条路径调整算子对所述无人机路径和车辆路径的预设初始解进行调整和重构,直至满足终止迭代条件;
计算单元,用于获取满足所述终止迭代条件时的无人机路径和车辆路径的最终解。
上述技术方案具有如下有益效果:本发明实施例通过优化车辆的行驶路径,对模拟退火算法进行了调整和更改,设计了五种邻域搜索操作算子,对可行解进行优化,来优化车载无人机对整个输电网络的巡检效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一种车载无人机电力巡检的双层路径规划方法流程图;
图2为本发明实施例一种车载无人机电力巡检的双层路径规划装置结构示意图;
图3为本发明应用实例一种地面有人驾驶汽车搭载小型无人机进行电力巡检的系统组成示意图;
图4为本发明应用实例在车载无人机电力巡检系统进行电力巡检过程中,地面车辆和空中无人机的运动路线和交互过程示意图;
图5为本发明应用实例车载无人机电力巡检中双层弧路由问题的模型示意图;
图6为本发明应用实例路网与电网示意图;
图7为本发明应用实例车辆停点更改算子的示意图;
图8为本发明应用实例点交换算子的示意图;
图9为本发明应用实例点插入算子的示意图;
图10为本发明应用实例路径合并的示意图;
图11为本发明应用实例路径拆分算子的示意图;
图12为本发明应用实例给出本文模拟退火算法的算法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,为本发明实施例一种车载无人机电力巡检的双层路径规划方法流程图,所述方法包括:
101、获取车载无人机电力巡检的双层路径规划对应的无人机路径和车辆路径的预设初始解;
102、利用小规模调整算子和整条路径调整算子对所述无人机路径和车辆路径的预设初始解进行调整和重构,直至满足终止迭代条件;
103、获取满足所述终止迭代条件时的无人机路径和车辆路径的最终解。
优选地,所述小规模调整算子包括如下三种:车辆停点更改算子、无人机分割点交换算子、无人机分割点插入算子。
优选地,所述整条路径调整算子包括如下两种:路径合并算子、路径拆分算子。
对应于上述方法实施例,如图2所示,为本发明实施例一种车载无人机电力巡检的双层路径规划装置结构示意图,所述装置包括:
获取单元21,用于获取车载无人机电力巡检的双层路径规划对应的无人机路径和车辆路径的预设初始解;
重构单元22,用于利用小规模调整算子和整条路径调整算子对所述无人机路径和车辆路径的预设初始解进行调整和重构,直至满足终止迭代条件;
计算单元23,用于获取满足所述终止迭代条件时的无人机路径和车辆路径的最终解。
优选地,所述小规模调整算子包括如下三种:车辆停点更改算子、无人机分割点交换算子、无人机分割点插入算子。
优选地,所述整条路径调整算子包括如下两种:路径合并算子、路径拆分算子。
上述技术方案具有如下有益效果:本发明实施例通过优化车辆的行驶路径,对模拟退火算法进行了调整和更改,设计了五种邻域搜索操作算子,对可行解进行优化,来优化车载无人机对整个输电网络的巡检效率。
以下通过应用实例进行详细说明:
如图3所示,本发明应用实例一种地面有人驾驶汽车搭载小型无人机进行电力巡检的系统组成示意图。地面有人驾驶车辆配备了相应的管理系统,既可作为数据处理和分析的移动基站,也是无人机的发射回收站和补给站。车辆携带无人机从工作场站出发,而后在传输线附近发射无人机。当无人机沿着输电线路进行检测时,车辆可以原地等候无人机返回,或者在地面路网上向前行驶,在前方靠近高压输电线的位置回收无人机。无人机从车上起飞后,飞到输电线的上方,沿输电线飞行,扫描并采集输电线信息,根据无人机续航能力,确定无人机的巡检距离和飞回地面车辆的地点。同时车上的技术人员可以控制无人机飞行,并处理无人机传输的数据和图像。单次飞行结束后,无人机可以返回车上进行快速充电或更换电池,以迅速返回输电线路附近继续巡检。
如图4所示,本发明应用实例在车载无人机电力巡检系统进行电力巡检过程中,地面车辆和空中无人机的运动路线和交互过程示意图。为协助无人机完成所有高压电线的巡检工作,车辆搭载无人机从场站驻地(A点)出发,沿着地面路网行驶,中途可在便于车辆停放的车辆停点处等待无人机的回收或进行无人机的补给(B、C、D点),最后待无人机完成全部巡检任务,回收无人机(E点)。而无人机则从集结地域或者车辆停点起飞,沿着目标电网进行巡检,并在续航能力的范围内返回车辆进行补给,以继续进行下一轮的巡检。
本发明实施例将车载无人机电力巡检的路径规划问题建模为双层路径优化问题。一层路径为车辆路径,车辆只能在已有的地面路网上行驶。二层路径为无人机在空中的飞行路径,无人机从地面车辆上起飞,飞到输电线上方,然后沿输电线路飞行,在电量耗完之前飞离输电线,飞回到地面车辆上进行充电或更换电池,如此循环,完成整个高压输电网络的巡检。由于无人机续航能力有限,一般需要多次起飞降落以分段完成全部线路的巡检任务。地面车辆在路网上行驶,选择合适的地点放飞或回收无人机。本发明实施例通过优化车辆的行驶路径,放飞和回收无人机的地点,以及无人机的飞行路径,来优化车载无人机对整个输电网络的巡检效率。
如图5所示,本发明应用实例车载无人机电力巡检中双层弧路由问题的模型示意图,已知一系列待巡检的输电线和路网上可选的车辆停点,以最小化电力巡检任务的完成时间为目标函数,考虑到无人机续航能力等约束,构建相应双层路径优化模型。
1、在车载无人机电力巡检路径规划问题中,问题因素有无人机、地面车辆、传输电线和路网等。本节主要对三个因素进行定义和约束分析,并明确模型的优化目标。
(1)无人机
无人机作为用于电力巡检的一种新兴高科技手段,能够在较短时间内完成对传输电线的巡检,节约成本的同时也大大提高了巡检效率。巡检时,无人机先从车辆起飞,依靠定位导航系统快速飞至传输电线附近,而后沿电缆低空慢速飞行。飞行过程中,无人机一边使用搭载的可见光相机、红外仪等机载传感器采集数据,同时通过装载的通信系统将数据实时传回车辆。假设无人机始终保持匀速飞行,即不考虑无人机起飞、降落的时间。但由于无人机巡检时速度较慢,故记无人机在往返车辆和输电线之间时采用正常的飞行速度沿输电线飞行时为巡检速度/>其中/>同时,无人机在巡检任务中会受到续航能力的限制,即无人机每次飞行的总时间都不得超过最大续航时间θ。单次飞行后,无人机需要返回车辆进行充电或者更换电池,为保证电力巡检任务快速完成,假设无人机通过快速更换电池以开始下一次飞行,故忽略不计更换电池的时间。
(2)地面车辆
在车载无人机电力巡检问题中,地面车辆需要进行相关软硬件设施的配备。首先是地面显示单元和数据处理单元,主要用于对无人机传输回来的数据和图片进行显示、分析和处理;其次还需配备无人机的综合保障系统,包括无人机的飞行控制系统、发射回收装置、充电装置(或者用于更换的电池)以及检测维修的相关设备。一般情况下,不考虑车辆的续航能力约束,假设车辆以恒定速度vt在路网上行驶。由于车辆在放飞或回收无人机时需停靠在相对空旷的场地并设置安全警戒,故一系列可选的车辆停点V会提前在路网上选定,以不影响路网的正常交通。车辆在放飞无人机后,可以停留在原地等待无人机返回,也可以前往另一个车辆停点,以减少无人机返回车辆的飞行距离。任意两个车辆停点i,j(i,j∈V)之间的距离已知,为路网上的实际距离,记为
(3)路网和传输电线
车载无人机电力巡检问题可以表示在图G=(V,E)上,其中V为车辆路网上可选停点的集合,而图中的弧E则由两类弧构成。一类弧为路网中的弧,即当车辆沿着路网从车辆停点i行至点j(i,j∈V)时,车辆的行进路线<i,j>组成的集合为E1。另一类弧为传输电线,即无人机通过多次飞行需要完全覆盖的一段或多段弧线,其集合记为E2。可知E=E1∪E2。对于任意一段电线弧i(i∈E2),其长度已知,记为
为了更好的描述问题,引入segment,并通过segment的定义将路网和传输电线相结合。segment指的是一段完整的电线弧(如图5中的弧a或者弧b)及该段弧对应的车辆路径。此时无人机可以多次起飞降落以完成整段电线的巡检,相对应地,车辆路径上可以有一个或多个车辆停点。又因为在该问题中,弧和弧对应的车辆路径之间存在空隙,如弧a对应的车辆路径BC段和弧b对应的车辆路径DF段之间未能形成完整的回路,故需要单纯的车辆路径即CD段进行连接,故将segment扩展为一段完整的电线弧或一段空弧及其对应的车辆路径。在图5所示的电力巡检任务中,第1段和第3段segment即为空弧对应的车辆路径,此时无人机未起飞,而车辆携带无人机分别完成了A→B和C→D。除此之外,完整的电线弧a和弧b分别对应了第2段和第4段segment,这两段中无人机均通过两次飞行完成了整段电线的巡检,不同的是第2段segment中只对应了2个车辆停点{B,C}而第4段中对应了3个车辆停点{D,E,F}。
此时,记Sk为第k个segment上对应的车辆停点所构成的集合,其中记决策变量/>为0-1变量,表示电线弧i(i∈E2)位于第k个segment,如/>记/>为0-1变量,表示车辆路径<i,j>(i,j∈V)位于第k个segment,如/>
(4)优化目标
车载无人机电力巡检任务的完成时间包括,无人机的飞行时间、无人机在车辆上的充电时间,以及车载无人机行进的时间。但三者时间可能存在重叠,并且相互影响,故通过优化车辆的停点、无人机的飞行路线以及传输电线的分割等多方面的决策,来最小化电力巡检任务的完成时间。
2、问题模型构建:
根据上述问题描述,构造了一个双层弧路径问题的模型。模型1对于给定的车辆停点和电线弧,给出优化的无人机飞行路径;模型2则对整个双层弧路径问题中车辆和无人机的路径进行了优化。
2.2.1符号定义
对建模过程中用到的参数和决策变量总结如下:
2.2.2双层弧路径优化模型
为了求解弧路径规划问题,我们必须考虑所有可能的segment组合得到的可行解,并从中找到任务完成时间最少的最优解。具体模型如下:
s.t.
公式(1)为模型的优化目标,最后得到的可行解由多个segment构成,每个segment耗费的时间由计算得到。当segment上只有车辆路径而不含无人机路径时,即只与车辆有关,为车辆的行驶时间。当segment上同时包含车辆路径和无人机路径时,即/>只与无人机有关,为无人机的飞行时间,具体计算和优化见2.2.3中的子模型。
约束(2)限制了对于任意一条电线弧都有无人机进行巡检,且仅巡检一次。约束(3)表示每段segment至多只能对应一段电线弧,即对于任意一段车辆路径都至多有一架无人机在执行访问任务。公式(4)则对车辆停点进行了约束,即车辆停点的出度入度必须相等,且不大于1。公式(5)防止车辆路径中产生子回路。约束(6)则将变量和/>联系起来,说明任意一段segment对应的电线弧始终小于等于其对应的车辆停点数。
2.2.3双层弧路径优化子模型:无人机路径优化
对于第k个segment,若且/>设满足/>的第i条弧为线段MN,满足/>的车辆路径点构成的集合为Sk,且|Sk|=n。
在线段MN上任取一点Q,令λQ=MQ/MN。构造函数f(λ),表示当取值为λ时,点Q到集合Sk中的点的最短距离。则f(λ)的函数形式如下:
补充定义:
求解该子问题即求解一个有序的数列R={λ1,λ2,...,λm},该数列满足:
0<λ1<λ2<...<λm<1 (10)
补充定义λ0=0,λm+1=1。这样m+2个值将线段分成了m+1段。假定每一段都是一次无人机飞离车辆巡检的路线。
对于第1次出发,无人机从离M最近的车辆停点出发飞往M点。在到达λ1对应的位置后再离开巡线的区域,返回最近的车辆可选停点。这一过程的飞行路径总长度为:f(λ0)+λ1×dMN+f(λ1)。以此类推,对于第i+1次出发,那么飞行过程的总长度应该为f(λi)+(λi+1-λi)×dMN+f(λi+1)。要使得飞行过程符合续航能力的约束,那么子问题的约束条件如下:
子问题的目标是最小化无人机的飞行总时间。这一段弧的无人机的访问的所有时间的总和如下:
又由于f(0)和f(1)已知,则上式可转化为
最小化上式等价于:
由此,子问题的模型如下:
s.t.
公式(15)为通过推到得到的等价优化目标。公式(16)则限制了无人机单次飞行不得超过其续航能力。
3、启发式算法构建
本章提出了求解双层弧路径规划问题的三种启发式算法。三种启发式算法均先对无人机路由,即高压电网,进行了不同方法的分割,然后在不同分割方法的情况下,对车和无人机的路径进行了规划以求得可行解。
3.1基于分割节点数目确定的启发式算法(H1)
对于一般的弧路由问题,常用的解法是通过数目确定的分割节点将弧路径进行离散后再进行相应的路径优化。该启发式算法(H1)也是基于这一思想设计的。
车载无人机电力巡检问题中存在多段电线弧,故给定一个整数k>0,定义G(k)为每段弧线上均存在均匀间隔的k个分割点的实例。对于每条弧(v;w),端点v、w和k个分割点将原始弧(v;w)均匀间隔为k+1个部分,即k+1段的新弧,并且这些新弧与原来的弧属性完全相同。该实例仅允许无人机在每段弧的开始点、结束点以及k个分割点处进入或离开弧路径。例如,G(0)表示每段弧中间不存在分割点,无人机仅允许在每段弧的两个端点飞入或飞离弧路由。而实例G(1)中,无人机可在每条弧的两个端点和中间点开始或结束路径访问。该实例有望提供比G(0)更好的解决方案,但同时需要计算的顶点数和弧数大约是G(0)的两倍。
在算法中,k的取值会参考所有需要访问的弧的长度和无人机的续航能力而定。假设所有待检的输电线路长度为L,无人机单次飞行最长距离为D,则k值为
由于无人机飞行中需要往返输电线和车辆,故以D/2为间隔,向下取整,求得k值。
算法伪代码如下:
对无人机弧路由进行切割(Line 1)后得到k*n段新弧。从第一段弧的一端开始,寻找最近的车辆停点,并将其作为整个车载无人机电力巡检任务的开始点(Line 2)。无人机从任务开始点起飞之后,按照电网弧线的顺序依次对电网进行访问,每访问一段弧前均需要判断是否满足航程约束和时间约束(Line 4),即无人机在访问该点后是否能返回路网上的车辆停点以及是否存在车辆停点使得位于路网上的车辆能够先于无人机到达该点。若满足要求,则访问该段弧(Line 5),否则认为无人机已达到最大航程,寻找最近的车辆停点作为回收点,返回车辆(Line 7)。此时将下一段弧作为无人机下一次飞行的起点(Line 9),重复上述步骤,直至无人机完成所有输电线路的巡检任务。
3.2基于二分法分割的启发式算法(H2)
本文借用了二分法的思想,针对车载无人机的双层弧路由问题,设计了基于二分法分割的启发式算法(H2)。由于无人机访问的每段连续弧可能超出无人机的续航能力,因此在优化过程中,需要求解无人机离开电网的点。采用二分法的思想来求解无人机离开电网的节点,可以快速地得到一个较优解。其算法的伪代码如下:
求解过程中,从弧路由的一端开始,寻找最近的车辆停点,并将其作为整个车载无人机电力巡检任务的开始点(Line 1)。无人机从任务开始点起飞之后,判断该段弧的终点能否同时满足无人机的航程约束以及车和无人机协同情况下的时间约束(Line 3)。若满足,则寻找可行的车辆停点作为回收点,返回车辆(Line 4);若不满足,则取该段弧的中点进行判断(Line 7),重复该操作,直至无人机返回车辆。无人机返回车辆后,若该段弧未完全被访问,则将无人机飞离点作为下一次飞行的飞入点,继续进行巡检;若访问完毕,则对下一段弧进行上述操作,直至无人机完成所有输电线路的巡检任务(Line 5)。
3.3基于分割间隔确定的启发式算法(H3)
基于分割间隔确定的启发式算法(H3)与基于分割节点数目确定的启发式算法类似,但是分割的准则不一样。该算法首先需要给定一个单位距离interval,以确定每隔多长距离对电线进行一个全网的切割,而后对切割处理后的电网进行路径的规划。
在算法中,interval的取值会参考无人机的续航能力而定。假设无人机单次飞行最长距离为D,则interval值为
interval=D/2 (18)
算法伪代码如下:
首先将全部的电网以设定的单位间隔为一小段进行全网的切割(Line 1)。然后从弧路由的一端开始,寻找最近的车辆停点,并将其作为整个车载无人机电力巡检任务的开始点(Line 2)。按照电网弧线的顺序依次判断无人机在各点上飞离电网的可行性(Line4),若可行则访问该段弧(Line 5),否则认为无人机已达到最大航程,并寻找最近的车辆停点返回车辆(Line 7),以准备下一次的飞行,直至所有输电线路均被巡检。
我们选取某市500KV高压线路,实际线路如图6所示,为本发明应用实例路网与电网示意图,路网与电网示意图如上层部分线段所示,由五段弧组成。地面车辆行驶的路网选取了该市的主要干道如图6下层网络所示。
在试验中,设置无人机的续航时间为1小时,无人机在从车辆飞向电网和从电网飞回车辆的正常飞行速度为40km/h,沿电网飞行时的巡检速度为10km/h,车辆行驶的速度为60km/h。
采用算法H1计算得到的巡检时间为XX;采用算法H2计算得到的巡检时间为XX;采用算法H3计算得到的巡检时间为XX。
4、模拟退火优化算法设计
由于上述算法H1、H2、H3快速求得的可行解仍有优化提升的空间,故本章提出了求解该模型的模拟退火算法,用于优化启发式算法所得到的初始解。
4.1模拟退火算法主体
模拟退火算法是通过搜索过程中一种随着时间改变且最终趋于零的概率突变性来进行解的重构,采用这种方法能够一定程度上避免陷入局部的极小值,并最终趋于全局最优的优化算法。
本文根据问题的特性,对模拟退火算法进行了调整和更改。首先是通过上一章设计的启发式算法生成初始可行解,而后针对问题的特殊性,设计了五种邻域搜索操作算子,对可行解进行优化。其算法主体的伪代码如下:
4.1邻域搜索操作算子
由于问题的特殊性,无人机在进行电力巡检时候需要沿着电网的方向进行巡检,而且进入离开电网的点并不固定,可以进行增添。因此一些传统路径规划中常用的邻域操作算子,如二交换等,在本文中并不适合。
故本文参照传统算子,对无人机和车辆路径进行优化并调整,设计出以下五种邻域操作算子。前三种为小规模调整算子,主要针对路径进行小范围的调整与优化;而后两种为整条路径调整算子,会对整条路径进行重构,对最终解的调整较大。
(1)车辆停点更改算子
在无人机巡检的过程中,车辆是在路网上行进的,但是考虑到实际情况,车辆不能在道路的任意点位停车,而是在一些相对固定的点位上停车等待无人机的返回(不可能出现在道路中央随机停车的情况,只能选择一些停车点或者路口等地段)。因此,对于一次往返,改变车辆的停止等待的位置,会在一定程度上对最终的结果做出调整。
因此我们提出车辆停点更改算子,改变无人机飞离车辆或者无人机返回车辆的节点,由于在求解初始解时,我们求出每一条路径都是基于目前路径的最优值,而没有过多地考虑到对于全局值的优化。车辆停点更改算子的目的就在于通过小范围改变无人机和车辆的汇合点,通过调整改变达到对目标解进行更迭的作用。
车辆停点更改算子的示意图如图7所示。
上图7中,正方形代表车辆的备选停点,上部电网代表无人机要巡检的弧,在使用车辆停点算子之后,将改变无人机与车之间的汇合点位,从而达到对解更新的作用。
(2)无人机分割点交换算子
无人机分割点交换算子指将目前可行解中无人机飞入或飞离电网的节点与邻近的节点进行交换,以尝试是否能找出能优的解。在这里要指出,点交换算子是只针对无人机的节点进行交换,而不会改变车辆与无人机的集合点。原因在于,由于要考虑到实时性,无人机与车辆的集合点是一个动态决定的过程,它由飞离时刻无人机和车的位置以及无人机和车的速度还有行驶方向共同决定。点交换算子的目的在于重构可行解的结构,在于快速地跳出由可能陷入局部最优的解。
点交换算子的示意图如图8所示。
(3)无人机分割点插入算子
无人机分割点插入算子是在初始解的基础上,在已有的备选点之间再插入一个无人机飞离电网的备选点位。这样将扩大领域结构,使得最后的解更加接近最优解。如下图所示,点插入算子在相邻的备选飞离点之间再插入新的备选点,然后在进行路径的重构,可以有效搜寻最优解,是可以快速扩充备选飞离点位的算子。
点插入算子的示意图如图9所示。
(4)路径合并算子
本文设计的路径合并算子是考虑到无人机在完成一次往返任务时,有可能出现往返路上飞行距离过远的情况。这样会使得无人机进行巡检的效率特别低,将大量的时间浪费在路途中,而不是将时间利用在巡检汇总。由于我们的目标是尽量减少无人机的飞行距离,因此如何在单次巡检的过程中高效率的完成巡检任务就显得很关键。减少无人机往返车辆的距离,在车辆距离电网较近的地方进行放飞,这样会提高无人机的巡检效率。
路径合并的示意图如图10所示。
(5)路径拆分算子
路径拆分算子是考虑到存在整个巡检任务过程中,有可能在最后一次的无人机往返巡检所巡检的距离过短。即有可能留下最后一小段“尾巴”需要再次起飞无人机的情况。路径拆分算子就直接将这样包含“尾巴”的路径给删除,然后再进行解的重构。
路径拆分算子的示意图如图11所示。
结合上述的五种算子,如图12所示,为本发明应用实例给出本文模拟退火算法的算法流程图。
本发明应用实例选取某市500KV高压线路,实际线路如图6上层线段所示,由五段弧组成。地面车辆行驶的路网选取了该市的主要干道如图6下层网络所示。
在试验中,设置无人机的续航时间为1小时,无人机在从车辆飞向电网和从电网飞回车辆的正常飞行速度为40km/h,沿电网飞行时的巡检速度为10km/h,车辆行驶的速度为60km/h。
模拟退火算法参数设置为:初始温度为97,结束温度为3,温度衰减速率为0.9,迭代次数为1000次。
上述技术方案具有如下有益效果:通过优化车辆的行驶路径,放飞和回收无人机的地点,以及无人机的飞行路径,来优化车载无人机对整个输电网络的巡检效率。
应该明白,公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好,应该理解,过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素,并且不是要限于所述的特定顺序或层次。
在上述的详细描述中,各种特征一起组合在单个的实施方案中,以简化本公开。不应该将这种公开方法解释为反映了这样的意图,即,所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反,如所附的权利要求书所反映的那样,本发明处于比所公开的单个实施方案的全部特征少的状态。因此,所附的权利要求书特此清楚地被并入详细描述中,其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明,上面对所公开实施例进行了描述。对于本领域技术人员来说;这些实施例的各种修改方式都是显而易见的,并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此,本公开并不限于本文给出的实施例,而是与本申请公开的原理和新颖性特征的最广范围相一致。
上文的描述包括一个或多个实施例的举例。当然,为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的,但是本领域普通技术人员应该认识到,各个实施例可以做进一步的组合和排列。因此,本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外,就说明书或权利要求书中使用的术语“包含”,该词的涵盖方式类似于术语“包括”,就如同“包括,”在权利要求中用作衔接词所解释的那样。此外,使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrative components),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元都可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种车载无人机电力巡检的双层路径规划方法,其特征在于,所述方法包括:
通过给定的路网上的车辆停点及路网的弧、传输电线的电线弧,获取车载无人机电力巡检的双层路径规划对应的无人机路径和车辆路径的预设初始解;
利用小规模调整算子和整条路径调整算子对所述无人机路径和车辆路径的预设初始解进行调整和重构,直至满足终止迭代条件;
获取满足所述终止迭代条件时的无人机路径和车辆路径的最终解;
所述小规模调整算子包括如下三种:车辆停点更改算子、无人机分割点交换算子、无人机分割点插入算子;
所述整条路径调整算子包括如下两种:路径合并算子、路径拆分算子;
在所述通过给定的路网上的车辆停点及路网的弧、传输电线的电线弧,获取车载无人机电力巡检的双层路径规划对应的无人机路径和车辆路径的预设初始解之前还包括:构造双层弧形路径优化模型和双层弧路径优化子模型;
构造双层弧形路径优化模型具体如下:
优化目标为:
约束如下:
其中,E2为无人机需要进行电力巡检的电线弧;为0-1变量,表示电线弧i(i∈E2)位于第k个segment,segment指的是一段完整的电线弧;V为车辆路网上可选停点的集合;/>为0-1变量,表示车辆路径<i,j>(i,j∈V)位于第k个segment;/>表示第k个segment上对应的车辆停点所构成的集合;
构造双层弧路径优化子模型具体为:
对于第k个segment,若且/>设满足/>的第i条弧为线段MN,满足/>的车辆路径点构成的集合为Sk,且|Sk|=n;
在线段MN上任取一点Q,令λQ=MQ/MN,构造函数f(λ),表示当取值为λ时,点Q到集合Sk中的点的最短距离,则f(λ)的函数形式如下:
补充定义:
求解一个有序的数列R={λ1,λ2,...,λm},该数列满足:
0<λ1<λ2<...<λm<1 (10)
补充定义λ0=0,λm+1=1,这样m+2个值将线段分成了m+1段;假定每一段都是一次无人机飞离车辆巡检的路线;
约束条件如下:
一段弧的无人机的访问的所有时间的总和为:
将公式(12)转化为
最小化公式(13)等价于
模型为
约束条件
公式(15)为通过推导得到的等价优化目标,公式(16)则限制了无人机单次飞行不得超过其续航能力;其中,表示路网上任意两个车辆停点i,j(i,j∈V)之间的实际距离;/>表示电网中任意一段电线弧i(i∈E2)的长度;/>表示无人机在往返车辆和输电线之间时正常的飞行速度;/>表示无人机沿输电线飞行时的巡检速度;θ表示无人机飞行的最大续航时间。
2.一种车载无人机电力巡检的双层路径规划装置,其特征在于,所述装置包括:
模型构造单元:用于构造双层弧形路径优化模型和双层弧路径优化子模型;
获取单元,用于通过给定的路网上的车辆停点及路网的弧、传输电线的电线弧,获取车载无人机电力巡检的双层路径规划对应的无人机路径和车辆路径的预设初始解;
重构单元,用于利用小规模调整算子和整条路径调整算子对所述无人机路径和车辆路径的预设初始解进行调整和重构,直至满足终止迭代条件;
计算单元,用于获取满足所述终止迭代条件时的无人机路径和车辆路径的最终解;
所述小规模调整算子包括如下三种:车辆停点更改算子、无人机分割点交换算子、无人机分割点插入算子;
所述整条路径调整算子包括如下两种:路径合并算子、路径拆分算子;
其中,
构造双层弧形路径优化模型具体为:
优化目标为:
约束如下:
其中,E2为无人机需要进行电力巡检的电线弧;为0-1变量,表示电线弧i(i∈E2)位于第k个segment,segment指的是一段完整的电线弧;V为车辆路网上可选停点的集合;/>为0-1变量,表示车辆路径<i,j>(i,j∈V)位于第k个segment;/>表示第k个segment上对应的车辆停点所构成的集合;
构造双层弧路径优化子模型具体为:
对于第k个segment,若且/>设满足/>的第i条弧为线段MN,满足/>的车辆路径点构成的集合为Sk,且|Sk|=n;
在线段MN上任取一点Q,令λQ=MQ/MN,构造函数f(λ),表示当取值为λ时,点Q到集合Sk中的点的最短距离,则f(λ)的函数形式如下:
补充定义:
求解一个有序的数列R={λ1,λ2,...,λm},该数列满足:
0<λ1<λ2<...<λm<1 (10)
补充定义λ0=0,λm+1=1,这样m+2个值将线段分成了m+1段;假定每一段都是一次无人机飞离车辆巡检的路线;
约束条件如下:
一段弧的无人机的访问的所有时间的总和为:
将公式(12)转化为
最小化公式(13)等价于
模型为
约束条件
公式(15)为通过推导得到的等价优化目标,公式(16)则限制了无人机单次飞行不得超过其续航能力;其中,表示路网上任意两个车辆停点i,j(i,j∈V)之间的实际距离;/>表示电网中任意一段电线弧i(i∈E2)的长度;/>表示无人机在往返车辆和输电线之间时正常的飞行速度;/>表示无人机沿输电线飞行时的巡检速度;θ表示无人机飞行的最大续航时间。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2018116231292 | 2018-12-28 | ||
CN201811623129 | 2018-12-28 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111121783A CN111121783A (zh) | 2020-05-08 |
CN111121783B true CN111121783B (zh) | 2023-09-19 |
Family
ID=70500947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911323097.9A Active CN111121783B (zh) | 2018-12-28 | 2019-12-20 | 一种车载无人机电力巡检的双层路径规划方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111121783B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111811529B (zh) * | 2020-06-15 | 2022-02-01 | 中国人民解放军国防科技大学 | 一种多区域车机协同侦察路径规划方法与系统 |
CN112484727A (zh) * | 2020-10-14 | 2021-03-12 | 中国人民解放军国防科技大学 | 一种基于双充电模式的无人机路径规划方法 |
CN112258048B (zh) * | 2020-10-23 | 2023-07-21 | 安庆师范大学 | 降低pcarp问题中车辆数的任务日程安排方法及电子设备 |
CN112327925B (zh) * | 2020-11-24 | 2023-02-28 | 天津市公路工程总公司 | 一种道路养护巡查协同辅助系统 |
JP7174748B2 (ja) * | 2020-12-18 | 2022-11-17 | 楽天グループ株式会社 | 走行制御システム、制御方法、及び制御装置 |
CN112817333B (zh) * | 2021-01-06 | 2023-12-29 | 上海明略人工智能(集团)有限公司 | 巡检规划方法、装置、设备及计算机可读介质 |
CN113359821B (zh) * | 2021-05-28 | 2022-07-05 | 合肥工业大学 | 基于车辆与无人机协同作业的路径规划方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105119197A (zh) * | 2015-09-17 | 2015-12-02 | 国家电网公司 | 一种可自主定位的输电线路巡检系统 |
CN106908065A (zh) * | 2017-02-13 | 2017-06-30 | 中国人民解放军国防科学技术大学 | 车辆搭载无人机的双层路径构建方法及系统 |
WO2017221233A1 (en) * | 2016-06-19 | 2017-12-28 | Joshua Waldhorn | System and method for optimized cruise control |
CN108256553A (zh) * | 2017-12-20 | 2018-07-06 | 中国人民解放军国防科技大学 | 车辆搭载无人机双层路径的构造方法及装置 |
CN108280463A (zh) * | 2017-12-20 | 2018-07-13 | 中国人民解放军国防科技大学 | 车辆搭载无人机双层路径的优化方法及装置 |
CN108549952A (zh) * | 2017-12-20 | 2018-09-18 | 中国人民解放军国防科技大学 | 车辆搭载无人机双层路径的优化方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5332034B2 (ja) * | 2008-09-22 | 2013-11-06 | 株式会社小松製作所 | 無人車両の走行経路生成方法 |
-
2019
- 2019-12-20 CN CN201911323097.9A patent/CN111121783B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105119197A (zh) * | 2015-09-17 | 2015-12-02 | 国家电网公司 | 一种可自主定位的输电线路巡检系统 |
WO2017221233A1 (en) * | 2016-06-19 | 2017-12-28 | Joshua Waldhorn | System and method for optimized cruise control |
CN106908065A (zh) * | 2017-02-13 | 2017-06-30 | 中国人民解放军国防科学技术大学 | 车辆搭载无人机的双层路径构建方法及系统 |
CN108256553A (zh) * | 2017-12-20 | 2018-07-06 | 中国人民解放军国防科技大学 | 车辆搭载无人机双层路径的构造方法及装置 |
CN108280463A (zh) * | 2017-12-20 | 2018-07-13 | 中国人民解放军国防科技大学 | 车辆搭载无人机双层路径的优化方法及装置 |
CN108549952A (zh) * | 2017-12-20 | 2018-09-18 | 中国人民解放军国防科技大学 | 车辆搭载无人机双层路径的优化方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111121783A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111121783B (zh) | 一种车载无人机电力巡检的双层路径规划方法与装置 | |
CN111121782B (zh) | 车载无人机电力巡检的双层路径规划方法与装置 | |
CN108256553B (zh) | 车辆搭载无人机双层路径的构造方法及装置 | |
CN110376594B (zh) | 一种基于拓扑图的智能导航的方法和系统 | |
CN108549952B (zh) | 车辆搭载无人机双层路径的优化方法及装置 | |
CN108280463B (zh) | 车辆搭载无人机双层路径的优化方法及装置 | |
CN103365886B (zh) | 车联网中的空间事件的查询方法和优化查询器 | |
CN109059952A (zh) | 一种行程时长预测方法及装置 | |
CN115079701A (zh) | 一种无人车与无人机协同的路径规划方法 | |
CN113671986B (zh) | 空地协同下无人机与车辆的任务分配方法和系统 | |
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 | |
CN113375689A (zh) | 导航方法、装置、终端和存储介质 | |
Elgarej et al. | Optimized path planning for electric vehicle routing and charging station navigation systems | |
CN104596527A (zh) | 一种划分各级引导道路和细街路的方法 | |
CN112382134B (zh) | 生成飞行路径的方法、装置、存储介质和电子设备 | |
CN115130791B (zh) | 面向车载智能机场的无人机与车辆协同调度方法及装置 | |
CN112699202B (zh) | 禁行道路的识别方法、装置、电子设备及存储介质 | |
CN115454082A (zh) | 车辆避障方法及系统、计算机可读存储介质和电子设备 | |
CN111881548B (zh) | 一种智能交通的计算机仿真方法 | |
CN113807646A (zh) | 无人机与车辆协同任务分配的智能优化方法和系统 | |
CN106127350A (zh) | 一种线路规划的方法及终端 | |
KR102302486B1 (ko) | 도시 도로의 운행 속도 처리 방법, 도시 도로의 운행 속도 처리 장치, 기기 및 비휘발성 컴퓨터 저장 매체 | |
Xu et al. | Towards optimal free-of-charge trip planning in bike-sharing systems | |
SenthilPrabha et al. | Smart traffic management system through optimized Network Architecture for the smart city paradigm shift | |
CN109711451A (zh) | 一种数据处理方法、装置、电子设备及存储介质 |
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 |