CN112527010A - 基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法 - Google Patents
基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法 Download PDFInfo
- Publication number
- CN112527010A CN112527010A CN202011236701.7A CN202011236701A CN112527010A CN 112527010 A CN112527010 A CN 112527010A CN 202011236701 A CN202011236701 A CN 202011236701A CN 112527010 A CN112527010 A CN 112527010A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- inspection
- indoor
- potential field
- 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.)
- Granted
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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Abstract
本发明涉及基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法,包括步骤:在室内变电站布设UWB定位系统;在每台无人机上搭载不同的巡检设备及UWB标签;根据无人机所搭载的传感器为无人机分配巡检任务,对每台无人机,根据其对应的巡检任务以及室内变电站中的静态障碍物,进行路径预规划;在无人机巡检的过程中,采用人工势场法对无人机群进行实时避障控制。本发明能够实现电力无人机多机协同对室内变电站进行安全、稳定和高效的巡检。
Description
技术领域
本发明涉及变电站巡检技术领域,特别是基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法。
背景技术
近年来,随着社会经济的迅速发展,对电能质量的要求不断提高,电网的规模不断扩大,随之室内变电站的数量急剧增加。为了最大限度地保障室内变电站的日常运行,及时排查电力设备存在的安全隐患和缺陷,应全力实行变电站设备的巡检维护。变电站传统的单一巡检方式为人工巡检,存在劳动强度大、工作效率低、巡检不到位、手段单一、雨雪恶劣环境或者偏远山区等巡视困难的问题,并且简单依靠巡检人员的感官和经验,很难做到客观、全面、准确的评判,给设备的安全运行埋下了巨大的隐患。
随着科技的不断发展,使用机器人对变电站进行巡检已经屡见不鲜。机器人可以有效减轻变电站巡检人员的工作强度,提高巡检效率,保证较高的巡检质量,保障电力设备安全可靠运行。然而机器人巡检对变电站的地形要求很高,需在变电站铺设专用通道,并且对于位于高处和被遮挡的电力设备无法近距离巡检,导致对电力设备的安全状态出现评估的失误。
相比之下,对于传统电力工人的巡检,无人机具有降低巡检难度、提高巡检效率、降低人力成本等优点;对于变电站中的机器人巡检,多旋翼无人机具有原地起降和高空悬停的特性,能够近距离观察设备,有效解决了电力设备被遮挡的问题,弥补了机器人对巡检地形要求高的缺陷。尽管电力无人机能够很大程度上弥补了传统电力巡检的不足,但由于单架无人机存在续航时间、携带传感器数量和种类等限制,难以以单架无人机完成变电站巡检中的所有任务。因此,在面对复杂繁琐的室内变电站巡检任务时,考虑一种采用多无人机对室内变电站进行协同巡检是非常必要的。
考虑到电力无人机多机协同对室内变电站进行巡检需要依赖高精度的定位信息,现阶段提供高精度的定位信息主要包括差分GPS定位、视觉定位以及激光定位等。差分GPS定位技术在室外的定位精度很高,但在室内变电站巡检环境中,由于建筑物的隔档,接收机接收到的信号过差,定位不准确。视觉、激光定位对无人机的性能要求过高,而且成本也高,无法得到广泛的应用。超宽带(UWB)技术具有成本低,精度高,功耗小,适用于室内定位等优点而受到广泛应用。然而,面对室内变电站环境复杂,容易对UWB定位系统产生干扰,所以应用到室内变电站的UWB定位系统需要加入容错定位技术。
发明内容
有鉴于此,本发明的目的是提出基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法,能够实现电力无人机多机协同对室内变电站进行安全、稳定和高效的巡检。
本发明采用以下方案实现:基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法,具体包括以下步骤:
在室内变电站布设UWB定位系统;
在每台无人机上搭载不同的巡检设备及UWB标签;
根据无人机所搭载的传感器为无人机分配巡检任务,对每台无人机,根据其对应的巡检任务以及室内变电站中的静态障碍物,进行路径预规划;
在无人机巡检的过程中,采用人工势场法对无人机群进行实时避障控制。
进一步地,所述UWB定位系统中融入容错定位算法。
进一步地,所述对每台无人机,根据其对应的巡检任务以及室内变电站中的静态障碍物,进行路径预规划具体为:
对每台无人机,根据巡检任务的位置、每个巡检任务所需的时间以及室内环境中的障碍建立数学模型:f=fL+fT+fC;式中,fL代表无人机巡检的最短路径,fT代表无人机完成一轮巡检所花费的总时间,fC代表无人机避开障碍物所需要的成本;
根据建立的数学模型,采用粒子群算法进行求解获得每台无人机的预规划路径。
进一步地,所述采用粒子群算法进行求解获得每台无人机的预规划路径具体包括以下步骤:
初始化每台无人机的粒子群参数;
构建每架无人机路径预规划的数学模型:
fi=fiL+fiT+fiC;
式中,fiL代表第i台无人机巡检的最短路径,fiT代表第i台无人机完成一轮巡检所花费的总时间,fiC代表第i台无人机避开障碍物所需要的成本;
计算适应度函数1/fi获得粒子个体和群体的位置最优;
对粒子的位置和速度进行更新,并返回重新计算适应度函数获得粒子个体和群体的位置最优,直至满足迭代停止的条件;
获得每台无人机的最优预规划路径。
进一步地,所述在无人机巡检的过程中,采用人工势场法对无人机群进行实时避障控制具体为:
令每个进入室内变电站的动态物配备UWB标签,无人机在知晓自身与其它移动物体的距离后,根据人工势场法建立斥力场;然后通过与目标之间的距离建立的引力场,计算出该无人机的合力场;最终引导每架无人机安全到达巡检区域,执行巡检任务。
与现有技术相比,本发明有以下有益效果:本发明基于UWB容错定位技术,使用电力无人机多机协同的方法对整个室内变电站的关键器件进行巡检,旨在改善单架无人机对变电站巡检时,续航能力不足、载荷能力有限等缺陷。本发明实现电力无人机多机协同对室内变电站进行安全、稳定和高效的巡检。
附图说明
图1为本发明实施例的UWB定位系统布设示意图。
图2为本发明实施例的多无人机协同巡检路径预规划示意图。
图3为本发明实施例的方法示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图3所示,本实施例提供了基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法,具体包括以下步骤:
在室内变电站布设UWB定位系统;该系统包含多个基站模块和标签模块以及容错定位算法,旨在为多台电力无人机提供高精度、抗干扰的定位信息;
在每台无人机上搭载不同的巡检设备及UWB标签;其中巡检设备包括不同的传感器,例如视觉传感器、红外线传感器、电流检测传感器等常规变电站巡检设备,但其配备的传感器不得超过无人机的正常载荷;
根据无人机所搭载的传感器为无人机分配巡检任务,对每台无人机,根据其对应的巡检任务以及室内变电站中的静态障碍物,进行路径预规划;
在无人机巡检的过程中,采用人工势场法对无人机群进行实时避障控制,实现多台无人机同时对室内变电站的关键设备进行协同巡检。
该方法大大缓解了当前单一无人机续航能力有限,以及无人机在室内变电站进行巡检的载荷量大小受限而无法搭载多种传感器的窘境。
在本实施例中,先是室内变电站环境下UWB基站的布置,如图1所示,在室内变电站环境下布设多个UWB基站,基站数大于等于10个,并且该UWB定位系统中融入了容错定位算法,旨在为无人机多机巡检提供稳定、精准的定位信息。
较佳的,由于每架无人机携带的传感器不同,所以需要对每台无人机所要巡检的区域进行分配。为了让每台无人机更安全、高效的执行巡检任务,因此需要根据无人机所分配的巡检任务以及室内变电站环境提前对无人机的飞行路径进行预规划,预规划的目的在于让每台无人机能规避室内变电站环境中的静态障碍物,例如开关柜、变压器等,相对安全的完成巡检任务。本发明以粒子群算法对电力无人机多机协同巡检进行路径预规划。根据在UWB定位系统提供的障碍物,例如开关柜、变压器等的位置信息构建三维环境模型,并设置无人机群的起始位置和构建每架无人机的巡检区域,根据每台无人机所携带的巡检仪器,对每台无人机的巡检任务进行分配。在本实施例中,所述对每台无人机,根据其对应的巡检任务以及室内变电站中的静态障碍物,进行路径预规划具体为:
对每台无人机,根据巡检任务的位置、每个巡检任务所需的时间以及室内环境中的障碍建立数学模型:f=fL+fT+fC;式中,fL代表无人机巡检的最短路径,fT代表无人机完成一轮巡检所花费的总时间,fC代表无人机避开障碍物所需要的成本;
根据建立的数学模型,采用粒子群算法进行求解获得每台无人机的预规划路径。如图2所示,具体包括以下步骤:
初始化每台无人机的粒子群参数;
构建每架无人机路径预规划的数学模型:
fi=fiL+fiT+fiC;
式中,fiL代表第i台无人机巡检的最短路径,fiT代表第i台无人机完成一轮巡检所花费的总时间,fiC代表第i台无人机避开障碍物所需要的成本;
计算适应度函数1/fi获得粒子个体和群体的位置最优;
对粒子的位置和速度进行更新,并返回重新计算适应度函数获得粒子个体和群体的位置最优,直至满足迭代停止的条件;
获得每台无人机的最优预规划路径。
较佳的,在无人机群系统执行巡检任务过程中,由于无人机之间可能存在的碰撞,以及室内变电站环境中突然出现的动态障碍物,例如移动人员、移动机器人等对无人机安全巡检的威胁,该无人机群系统需要考虑实时避障问题。针对无人机群实时避障问题,本发明在无人机的巡检过程中采用人工势场法对无人机群进行实时避障控制,实现电力无人机多机安全稳定的协同巡检,具体为:
本实施例以人工势场法为例对无人机群系统的实时避障进行解释:在UWB容错定位系统中,每架无人机可以通过标签模块实时获取自身与其它无人机之间的距离信息,并且令每个进入室内变电站的动态物配备UWB标签,无人机在知晓自身与其它移动物体的距离后,根据人工势场法建立斥力场;然后通过与目标之间的距离建立的引力场,计算出该无人机的合力场;最终引导每架无人机安全到达巡检区域,执行巡检任务。
本实施例基于UWB容错定位技术,使用电力无人机多机协同的方法对整个室内变电站的关键器件进行巡检,旨在改善单架无人机对变电站巡检时,续航能力不足、载荷能力有限等缺陷,能够实现电力无人机多机协同对室内变电站进行安全、稳定和高效的巡检。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (5)
1.基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法,其特征在于,包括以下步骤:
在室内变电站布设UWB定位系统;
在每台无人机上搭载不同的巡检设备及UWB标签;
根据无人机所搭载的传感器为无人机分配巡检任务,对每台无人机,根据其对应的巡检任务以及室内变电站中的静态障碍物,进行路径预规划;
在无人机巡检的过程中,采用人工势场法对无人机群进行实时避障控制。
2.根据权利要求1所述的基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法,其特征在于,所述UWB定位系统中融入容错定位算法。
3.根据权利要求1所述的基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法,其特征在于,所述对每台无人机,根据其对应的巡检任务以及室内变电站中的静态障碍物,进行路径预规划具体为:
对每台无人机,根据巡检任务的位置、每个巡检任务所需的时间以及室内环境中的障碍建立数学模型:f=fL+fT+fC;式中,fL代表无人机巡检的最短路径,fT代表无人机完成一轮巡检所花费的总时间,fC代表无人机避开障碍物所需要的成本;
根据建立的数学模型,采用粒子群算法进行求解获得每台无人机的预规划路径。
4.根据权利要求3所述的基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法,其特征在于,所述采用粒子群算法进行求解获得每台无人机的预规划路径具体包括以下步骤:
初始化每台无人机的粒子群参数;
构建每架无人机路径预规划的数学模型:
fi=fiL+fiT+fiC;
式中,fiL代表第i台无人机巡检的最短路径,fiT代表第i台无人机完成一轮巡检所花费的总时间,fiC代表第i台无人机避开障碍物所需要的成本;
计算适应度函数1/fi获得粒子个体和群体的位置最优;
对粒子的位置和速度进行更新,并返回重新计算适应度函数获得粒子个体和群体的位置最优,直至满足迭代停止的条件;
获得每台无人机的最优预规划路径。
5.根据权利要求1所述的基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法,其特征在于,所述在无人机巡检的过程中,采用人工势场法对无人机群进行实时避障控制具体为:
令每个进入室内变电站的动态物配备UWB标签,无人机在知晓自身与其它移动物体的距离后,根据人工势场法建立斥力场;然后通过与目标之间的距离建立的引力场,计算出该无人机的合力场;最终引导每架无人机安全到达巡检区域,执行巡检任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011236701.7A CN112527010B (zh) | 2020-11-09 | 2020-11-09 | 基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011236701.7A CN112527010B (zh) | 2020-11-09 | 2020-11-09 | 基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112527010A true CN112527010A (zh) | 2021-03-19 |
CN112527010B CN112527010B (zh) | 2022-04-01 |
Family
ID=74979914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011236701.7A Active CN112527010B (zh) | 2020-11-09 | 2020-11-09 | 基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112527010B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077561A (zh) * | 2021-03-29 | 2021-07-06 | 北京智盟信通科技有限公司 | 一种无人机智能巡检系统 |
CN114115286A (zh) * | 2021-12-06 | 2022-03-01 | 国网山东省电力公司汶上县供电公司 | 变电站机器人巡检系统与方法 |
CN114185363A (zh) * | 2021-12-09 | 2022-03-15 | 国网江苏省电力有限公司泰州供电分公司 | 一种基于5g链路的电力巡检无人机多机综合管理系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090027662A1 (en) * | 2007-07-27 | 2009-01-29 | Snap-On Incorporated | Fault tolerant wheel alignment head and system |
US20110046877A1 (en) * | 2009-08-18 | 2011-02-24 | Palo Alto Research Center Incorporated | Model based method to assess road curvature effect on travel time and comfort for route planning |
CN103646278A (zh) * | 2013-11-14 | 2014-03-19 | 扬州西岐自动化科技有限公司 | 基于自适应策略的粒子群算法在机器人路径规划中的应用 |
CN104460666A (zh) * | 2014-10-27 | 2015-03-25 | 上海理工大学 | 一种基于距离矢量的机器人自主避障移动控制方法 |
CN104849740A (zh) * | 2015-05-26 | 2015-08-19 | 福州大学 | 集成卫星导航与蓝牙技术的室内外无缝定位系统及其方法 |
CN106979785A (zh) * | 2017-03-24 | 2017-07-25 | 北京大学深圳研究生院 | 一种面向多机器人系统的完全遍历路径规划方法 |
CN108664015A (zh) * | 2017-03-29 | 2018-10-16 | 北京米文动力科技有限公司 | 一种机器人行走路径的规划方法和设备 |
CN109108963A (zh) * | 2018-07-24 | 2019-01-01 | 西北工业大学 | 基于差分演化粒子群算法空间多关节机器人路径规划方法 |
CN109521794A (zh) * | 2018-12-07 | 2019-03-26 | 南京航空航天大学 | 一种多无人机航路规划及动态避障方法 |
CN109682375A (zh) * | 2019-01-21 | 2019-04-26 | 重庆邮电大学 | 一种基于容错决策树的uwb辅助惯性定位方法 |
US20190145778A1 (en) * | 2017-11-13 | 2019-05-16 | Shenzhen University | UAV Flight Path Generating Method and Device |
US20190311634A1 (en) * | 2018-04-05 | 2019-10-10 | Ge Aviation Systems Llc | Efficient Flight Profiles with Multiple RTA Constraints |
CN110530369A (zh) * | 2019-08-22 | 2019-12-03 | 北京交通大学 | 基于时间窗的agv任务调度方法 |
-
2020
- 2020-11-09 CN CN202011236701.7A patent/CN112527010B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090027662A1 (en) * | 2007-07-27 | 2009-01-29 | Snap-On Incorporated | Fault tolerant wheel alignment head and system |
US20110046877A1 (en) * | 2009-08-18 | 2011-02-24 | Palo Alto Research Center Incorporated | Model based method to assess road curvature effect on travel time and comfort for route planning |
CN103646278A (zh) * | 2013-11-14 | 2014-03-19 | 扬州西岐自动化科技有限公司 | 基于自适应策略的粒子群算法在机器人路径规划中的应用 |
CN104460666A (zh) * | 2014-10-27 | 2015-03-25 | 上海理工大学 | 一种基于距离矢量的机器人自主避障移动控制方法 |
CN104849740A (zh) * | 2015-05-26 | 2015-08-19 | 福州大学 | 集成卫星导航与蓝牙技术的室内外无缝定位系统及其方法 |
CN106979785A (zh) * | 2017-03-24 | 2017-07-25 | 北京大学深圳研究生院 | 一种面向多机器人系统的完全遍历路径规划方法 |
CN108664015A (zh) * | 2017-03-29 | 2018-10-16 | 北京米文动力科技有限公司 | 一种机器人行走路径的规划方法和设备 |
US20190145778A1 (en) * | 2017-11-13 | 2019-05-16 | Shenzhen University | UAV Flight Path Generating Method and Device |
US20190311634A1 (en) * | 2018-04-05 | 2019-10-10 | Ge Aviation Systems Llc | Efficient Flight Profiles with Multiple RTA Constraints |
CN109108963A (zh) * | 2018-07-24 | 2019-01-01 | 西北工业大学 | 基于差分演化粒子群算法空间多关节机器人路径规划方法 |
CN109521794A (zh) * | 2018-12-07 | 2019-03-26 | 南京航空航天大学 | 一种多无人机航路规划及动态避障方法 |
CN109682375A (zh) * | 2019-01-21 | 2019-04-26 | 重庆邮电大学 | 一种基于容错决策树的uwb辅助惯性定位方法 |
CN110530369A (zh) * | 2019-08-22 | 2019-12-03 | 北京交通大学 | 基于时间窗的agv任务调度方法 |
Non-Patent Citations (8)
Title |
---|
HUAHUI XIE等: "Investigation on Multi-objective Freeway Control Strategy using Macroscopic and Microscopic Traffic Flow Data", 《2019 5TH INTERNATIONAL CONFERENCE ON TRANSPORTATION INFORMATION AND SAFETY (ICTIS)》 * |
SHIEU-HONG LIN: "Multi-objective vehicle refueling planning using mixed integer programming", 《2014 IEEE INTERNATIONAL CONFERENCE ON INDUSTRIAL ENGINEERING AND ENGINEERING MANAGEMENT》 * |
SUMEI HE: "A momentum-based collision detection algorithm for industrial robots", 《 2015 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND BIOMIMETICS (ROBIO)》 * |
侯雨涵: "基于无人机的网络巡线问题研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
宋福根: "基于输电线路电场分布特征的无人机巡检避障策略研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 * |
徐思奇: "城市小区域无人物流配送路径规划研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
李雪婷: "多机器人协同探测的路径规划问题研究_", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
董炀斌等: "基于适应度的多机器人任务分配策略", 《浙江大学学报(工学版)》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077561A (zh) * | 2021-03-29 | 2021-07-06 | 北京智盟信通科技有限公司 | 一种无人机智能巡检系统 |
CN114115286A (zh) * | 2021-12-06 | 2022-03-01 | 国网山东省电力公司汶上县供电公司 | 变电站机器人巡检系统与方法 |
CN114115286B (zh) * | 2021-12-06 | 2024-03-19 | 国网山东省电力公司汶上县供电公司 | 变电站机器人巡检系统与方法 |
CN114185363A (zh) * | 2021-12-09 | 2022-03-15 | 国网江苏省电力有限公司泰州供电分公司 | 一种基于5g链路的电力巡检无人机多机综合管理系统 |
CN114185363B (zh) * | 2021-12-09 | 2024-04-05 | 国网江苏省电力有限公司泰州供电分公司 | 一种基于5g链路的电力巡检无人机多机综合管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112527010B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112527010B (zh) | 基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法 | |
CN110428111B (zh) | Uav/ugv协同长时多任务作业轨迹规划方法 | |
CN105045274B (zh) | 一种用于无人机巡检航迹规划的智能杆塔连通图构建方法 | |
CN109557939A (zh) | 一种基于伪分布式无人机集群的快速队形控制方法 | |
CN108710383A (zh) | 一种基于航点规划与跟踪的四旋翼飞行器自主降落控制方法 | |
CN113534844B (zh) | 一种未知环境下的旋翼飞行器输电线路巡检方法及装置 | |
CN114442664B (zh) | 一种计及空域冲突的输电线路无人机编队协同巡检任务分配方法 | |
CN113674355A (zh) | 一种基于相机与激光雷达的目标识别与定位方法 | |
CN114815891A (zh) | 一种基于per-idqn的多无人机围捕战术方法 | |
CN116301046A (zh) | 一种基于电力杆塔识别的无人机航拍安全距离自动定位方法 | |
Chen et al. | Design and collaborative operation of multimobile inspection robots in smart microgrids | |
Chehri et al. | Accelerating power grid monitoring with flying robots and artificial intelligence | |
CN116627168A (zh) | 基于dwa算法的电力巡线无人机路径规划方法、存储介质和装置 | |
CN106996789B (zh) | 一种多机载雷达协同探测的航路规划方法 | |
Chen et al. | Real-time active detection of targets and path planning using UAVs | |
CN206862369U (zh) | 一种基于bim的机器人区域导航系统 | |
Timochko et al. | Inter-Object Navigation of Unmanned Aerial Vehicles to Increase the Efficiency and Accuracy of Inspection of Power Lines | |
CN114548228A (zh) | 一种基于soc和mesh组网的无人机电网巡检方法与系统 | |
Liu et al. | Research on SLAM algorithm and navigation of mobile robot based on ROS | |
CN113485368A (zh) | 一种架空输电线路巡线机器人导航、巡线方法及装置 | |
Li et al. | Research on Multi Machine Cooperative Autonomous Inspection Strategy for UHV Dense Transmission Channel Based on 5G Technology | |
Huang et al. | Research and Application of UAV Nest Dispatching Management System of the Transmission Line | |
He et al. | Real-time stealth corridor path planning for fleets of unmanned aerial vehicles in low-altitude penetration | |
CN117666624B (zh) | 一种固定翼无人机集群目标跟踪队形排列方法 | |
CN114115363B (zh) | 一种基于动态目标追踪的多无人机未知室内空间探索方法 |
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 |