CN114115320A - 一种无人机巡检跳蛙方法 - Google Patents
一种无人机巡检跳蛙方法 Download PDFInfo
- Publication number
- CN114115320A CN114115320A CN202111488667.7A CN202111488667A CN114115320A CN 114115320 A CN114115320 A CN 114115320A CN 202111488667 A CN202111488667 A CN 202111488667A CN 114115320 A CN114115320 A CN 114115320A
- Authority
- CN
- China
- Prior art keywords
- node
- unmanned aerial
- aerial vehicle
- task
- inspection
- 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.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000009191 jumping Effects 0.000 title claims abstract description 10
- 230000008859 change Effects 0.000 description 4
- 241000269350 Anura Species 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
Images
Classifications
-
- 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
- G05D1/08—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, 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
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人机巡检跳蛙方法，包括如下步骤：首先对巡检区域进行航迹规划；然后，无人机从起点起飞根据航迹规划执行飞行巡检任务；最后完成巡检后，无人机回归起点。本发明增加了巡检半径，提高巡检效率，减少了无人机的无效工作。
Description
技术领域
本发明涉及无人机技术领域，具体涉及一种无人机巡检跳蛙方法。
背景技术
随着无人机自动巡检技术的发展，正在逐渐替代传统人工巡检，也极大的提高了巡检效率，但是无人机通道/树障巡检现有的技术方案还有如下缺陷：
①无人机巡检往返充电增加巡检时间；
②发送巡检任务时要考虑无人机返航电量，严重影响效率。
发明内容
针对现有技术的不足，本发明提供了一种无人机巡检跳蛙方法，增加了巡检半径，提高巡检效率，减少了无人机的无效工作。
为实现上述目的，本发明采用的技术方案如下：
一种无人机巡检跳蛙方法，包括如下步骤：首先对巡检区域进行航迹规划；然后，无人机从起点起飞根据航迹规划执行飞行巡检任务；最后完成巡检后，无人机回归起点，记起点为S，所述航迹规划的方法包括如下步骤：
步骤一，设置两个集合：P集合和Q集合；记终点为T；
其中，Q集合存放最优路径树上的任务节点，P集合存放已经搜索到、但还没加入Q集合的任务节点；
步骤二，搜索无人机飞行半径内的机场节点和任务节点
若搜索到任务节点，则将搜索到的任务节点存放到P集合中，计算P集合中的任务节点的启发值f(n)，
其中，f(n)＝g(S)+h(n) (1)
g(S)表示起点S到任务节点的实际通行代价，h(n)表示任务节点到终点T的通行代价的估计值；
若没有搜索到任务节点，则无人机出发飞行到距离最近的机场节点，并沿途搜索无人机飞行半径内的机场节点和任务节点；
步骤三，选取P集合中f值最小的任务节点，记为当前任务节点BT，将当前任务节点BT移出到Q集合中，
步骤四，判断当前任务节点BT是否为终点T，若是，则转到步骤五，否则，根据路网拓扑属性和交通规则找到当前任务节点BT的每个邻接节点，记为NT，进行如下步骤：
①进行如下判断：
a.如果邻接节点NT在P集合中，则将邻接节点NT的父节点设为当前任务节点BT；
b.如果邻接节点NT在Q集合中，则将邻接节点NT的父节点设为当前任务节点BT，并将邻接节点NT移出到P集合中；
c.若将邻接节点NT既不在P集合，也不在Q集合中，则将邻接节点NT的父节点设为当前任务节点BT，并将邻接节点NT移到P集合中
②计算P集合中的任务节点的如下值：
f(n)＝g(n)+h(n)
g(n)＝g(BT)+cost(BT,n) (2)
其中，cost(BT,n)是当前任务节点BT到任务节点的通行代价；
③返回步骤三继续执行；
步骤五，从终点T回溯，依次找到父节点，直到起点S，得出最优路径树。
进一步的，无人机执行飞行巡检任务时若检测到无人机当前电量仅够支持安全飞行至最近的机场节点时，无人机自动暂停巡检任务，并飞行至最近的机场节点进行换电，换电完成后无人机飞到更换电池前最后一个任务节点继续执行巡检任务。
更进一步的，无人机完成巡检任务后根据无人机电量判定直接或蛙跳式回归起点S。
与现有技术相比，本发明具有以下有益效果：
本发明增加了巡检半径，提高巡检效率，减少了无人机的无效工作。
附图说明
图1为本发明实施例的流程图。
具体实施方式
为使本申请的目的、技术方案和优点更为清楚，下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。
如图1所示，本实施例提供了一种无人机巡检跳蛙方法，需要说明的是，本实施例中的“第一”、“第二”、“第三”等序号用语仅用于区分同类部件，不能理解成对保护范围的特定限定。另外，本实施例中的“底部”、“顶部”、“侧边缘”等方位用语是基于附图来说明的。
一种无人机巡检跳蛙方法，包括如下步骤：首先对巡检区域进行航迹规划；然后，无人机从起点起飞根据航迹规划执行飞行巡检任务；最后完成巡检后，无人机回归起点，记起点为S，所述航迹规划的方法包括如下步骤：
步骤一，设置两个集合：P集合和Q集合；记终点为T；
其中，Q集合存放最优路径树上的任务节点，P集合存放已经搜索到、但还没加入Q集合的任务节点；
步骤二，搜索无人机飞行半径内的机场节点和任务节点，若搜索到任务节点，则将搜索到的任务节点存放到P集合中，计算P集合中的任务节点的启发值f(n)，
其中，f(n)＝g(S)+h(n) (1)
g(S)表示起点S到任务节点的实际通行代价，h(n)表示任务节点到终点T的通行代价的估计值；
若没有搜索到任务节点，则无人机出发飞行到距离最近的机场节点，并沿途搜索无人机飞行半径内的机场节点和任务节点；
步骤三，选取P集合中f值最小的任务节点，记为当前任务节点BT，将当前任务节点BT移出到Q集合中，
步骤四，判断当前任务节点BT是否为终点T，若是，则转到步骤五，否则，根据路网拓扑属性和交通规则找到当前任务节点BT的每个邻接节点，记为NT，进行如下步骤：
①进行如下判断：
a.如果邻接节点NT在P集合中，则将邻接节点NT的父节点设为当前任务节点BT；
b.如果邻接节点NT在Q集合中，则将邻接节点NT的父节点设为当前任务节点BT，并将邻接节点NT移出到P集合中；
c.若将邻接节点NT既不在P集合，也不在Q集合中，则将邻接节点NT的父节点设为当前任务节点BT，并将邻接节点NT移到P集合中
②计算P集合中的任务节点的如下值：
f(n)＝g(n)+h(n)
g(n)＝g(BT)+cost(BT,n) (2)
其中，cost(BT,n)是当前任务节点BT到任务节点的通行代价；
③返回步骤三继续执行；
步骤五，从终点T回溯，依次找到父节点，直到起点S，得出最优路径树。
完成航迹规划后，得出完成整个航迹路线需要飞行的最短距离，再根据无人机电量计算出需要布置的机场节点个数，以及最佳位置。
在进行巡检任务时，无人机执行飞行巡检任务时若检测到无人机当前电量仅够支持安全飞行至最近的机场节点时，无人机自动暂停巡检任务，并飞行至最近的机场节点进行换电，换电完成后无人机飞到更换电池前最后一个任务节点继续执行巡检任务。当无人机降落机场节点后自动与机场节点遥控器完成对频，机场节点端对无人机完成换电操作，并由本地机场控制飞机继续巡检任务。
无人机自动暂停巡检任务，并飞行至最近的机场节点进行换电的判断逻辑如下：
一.威胁模型以及解决方案
1禁飞区模型
禁飞区一般指此区域为不可飞区域，为了简化起见，文中将禁飞区等效为2维平面内的障碍物区域，一般为圆形或方形，为了避免无人机坠机事故的发生，一般的路径规划算法产生的最终路径必须绕过禁飞区。
2雷达威胁模型
雷达是一种发射电磁波并通过接受反射电磁波所用的时间来计算空间目标物体的速度方位，高度等信息的监视电子设备。由电磁波在空间传播的衰减公式可知，雷达信号强度随着物体距离雷达的距离而指数衰减，即无人机距离雷达越远，安全系数越高。--般在路径规划算法的适应度函数中引入雷达威胁产生的等效路径长度代价。.
3恶劣天气模型
无人机在恶劣天气坠机的事件时有发生,恶劣天气-.般包括沙尘暴，强风区，大雾区等，为了简化起见，一般将某地的恶劣天气用圆柱体表示，即处于圆柱体内的每一一个不同的坐标位置,恶劣天气环境对无人机路径规划代价函数的影响程度相同。
4无人飞行器运动约束模型
无人机运动学约束是指无人机受自身物理条件限制而具有的一些极限属性，若无人机运行参数超过这些极限属性值，则无人机自身安全性大幅下降。例如由无人机携带的固定能源所决定的无人机最大航程,固定翼无人机某时刻的最大转弯角度，某时刻最大俯仰角度以及转弯航路点个数约束，转弯调整距离约束，末端攻击距离约束等。
5最大飞行距离约束模型
假设一段路径上的待确定航路点的个数为n,考虑到飞行器发动机性能的不确定性，考虑一定的富余量Oc，最大飞行距离约束指标可表示为：
Jc+Oc＝Zl＝1Li-1,i+Oc≤Lmax
其中式中，Jc为某条路径的长度，0c为预留的飞行余量，Li-1，为第i-1个路径点到第i个路径点的长度，Lmax为允许的最大飞行航程。
6最大转弯角约束
由于无人机自身机动性能的限制，无人机转弯角度应满足
其中
为路径中的任一转弯角，θ为由自身机动性决定的最大转弯角度。
7转弯调整距离约束
固定翼无人机每次转弯之后需要一定的缓冲路径来调整自身姿态，以使固定翼无人机重新回到稳定状态。一-般来说，对于每次转折点处不同的转弯角度，对应需要缓冲飞行的距离也是不同的，但存在一个极限最小值。设无人机的转弯最小缓冲飞行距离为Lnmin,则有
Li-1i≥Lnmin,Vi∈[1,n]
式中Lq-1；为第i-1个路径点与第i个路径点之间的路径长度。
8末端攻击距离约束
一般来说，无人机到达目标点之前的末段路径的长度是有一个最小要求的，以便于其在到达目标点之前调整好自身姿态。设末段航路要求的最小航程为Lnmin，则有
Ln-1,n≥LInmin.
9最大飞行斜率约束
最后，固定翼无人机在上坡时需考虑无人机的最大斜向上的飞行角度，固定翼无人机紧贴山坡飞行时，必须使得此最大约束角度大于山坡的倾斜角度，才能保证固定翼无人机能够安全爬坡。在无人机路径规划的问题研究中，对无人机飞行环境的特定类型的限制条件做出等效的地图环境，对各种特定类型的威胁的统一等效使得无人机的建模环更简单，方便，直观。本发明中分别对禁飞区，雷达威胁，恶劣天气影响，最大飞距离约束，最大转弯角约束，转弯调整距离约束，末端攻击距离约束做出一定简化，便于后续环境建模的处理。
无人机完成巡检任务后根据无人机电量判定直接或蛙跳式回归起点S。
上述实施例仅为本发明的优选实施方式之一，不应当用于限制本发明的保护范围，但凡在本发明的主体设计思想和精神上作出的毫无实质意义的改动或润色，其所解决的技术问题仍然与本发明一致的，均应当包含在本发明的保护范围之内。
Claims (3)
1.一种无人机巡检跳蛙方法，其特征在于，包括如下步骤：首先对巡检区域进行航迹规划；然后，无人机从起点起飞根据航迹规划执行飞行巡检任务；最后完成巡检后，无人机回归起点；记起点为S，所述航迹规划的方法包括如下步骤：
步骤一，设置两个集合：P集合和Q集合；记终点为T；
其中，Q集合存放最优路径树上的任务节点，P集合存放已经搜索到、但还没加入Q集合的任务节点；
步骤二，搜索无人机飞行半径内的机场节点和任务节点
若搜索到任务节点，则将搜索到的任务节点存放到P集合中，计算P集合中的任务节点的启发值f(n)，
其中，f(n)＝g(S)+h(n) (1)
g(S)表示起点S到任务节点的实际通行代价，h(n)表示任务节点到终点T的通行代价的估计值；
若没有搜索到任务节点，则无人机出发飞行到距离最近的机场节点，并沿途搜索无人机飞行半径内的机场节点和任务节点；
步骤三，选取P集合中f值最小的任务节点，记为当前任务节点BT，将当前任务节点BT移出到Q集合中，
步骤四，判断当前任务节点BT是否为终点T，若是，则转到步骤五，否则，根据路网拓扑属性和交通规则找到当前任务节点BT的每个邻接节点，记为NT，进行如下步骤：
①进行如下判断：
a.如果邻接节点NT在P集合中，则将邻接节点NT的父节点设为当前任务节点BT；
b.如果邻接节点NT在Q集合中，则将邻接节点NT的父节点设为当前任务节点BT，并将邻接节点NT移出到P集合中；
c.若将邻接节点NT既不在P集合，也不在Q集合中，则将邻接节点NT的父节点设为当前任务节点BT，并将邻接节点NT移到P集合中
②计算P集合中的任务节点的如下值：
f(n)＝g(n)+h(n)
g(n)＝g(BT)+cost(BT,n) (2)
其中，cost(BT,n)是当前任务节点BT到任务节点的通行代价；
③返回步骤三继续执行；
步骤五，从终点T回溯，依次找到父节点，直到起点S，得出最优路径树。
2.根据权利要求1所述的无人机巡检跳蛙方法，其特征在于：无人机执行飞行巡检任务时若检测到无人机当前电量仅够支持安全飞行至最近的机场节点时，无人机自动暂停巡检任务，并飞行至最近的机场节点进行换电，换电完成后无人机飞到更换电池前最后一个任务节点继续执行巡检任务。
3.根据权利要求1所述的无人机巡检跳蛙方法，其特征在于：无人机完成巡检任务后根据无人机电量判定直接或蛙跳式回归起点S。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111488667.7A CN114115320A (zh) | 2021-12-07 | 2021-12-07 | 一种无人机巡检跳蛙方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111488667.7A CN114115320A (zh) | 2021-12-07 | 2021-12-07 | 一种无人机巡检跳蛙方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114115320A true CN114115320A (zh) | 2022-03-01 |
Family
ID=80367254
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111488667.7A Pending CN114115320A (zh) | 2021-12-07 | 2021-12-07 | 一种无人机巡检跳蛙方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114115320A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN206427280U (zh) * | 2017-02-10 | 2017-08-22 | 四川中飞赛维航空科技有限公司 | 用于电网输送线路杆塔精细化巡检的无人机 |
| CN108563243A (zh) * | 2018-06-28 | 2018-09-21 | 西北工业大学 | 一种基于改进rrt算法的无人机航迹规划方法 |
| CN113359808A (zh) * | 2021-07-21 | 2021-09-07 | 国网浙江省电力有限公司双创中心 | 一种无人机电力巡检多级路径规划方法及相关装置 |
| WO2021237545A1 (zh) * | 2020-05-27 | 2021-12-02 | 深圳市大疆创新科技有限公司 | 杆塔巡检方法、无人机、控制装置、系统及存储介质 |
| CN113741538A (zh) * | 2021-09-26 | 2021-12-03 | 国网湖南省电力有限公司 | 一种变电站无人机巡检路径规划方法、系统及存储介质 |
-
2021
- 2021-12-07 CN CN202111488667.7A patent/CN114115320A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN206427280U (zh) * | 2017-02-10 | 2017-08-22 | 四川中飞赛维航空科技有限公司 | 用于电网输送线路杆塔精细化巡检的无人机 |
| CN108563243A (zh) * | 2018-06-28 | 2018-09-21 | 西北工业大学 | 一种基于改进rrt算法的无人机航迹规划方法 |
| WO2021237545A1 (zh) * | 2020-05-27 | 2021-12-02 | 深圳市大疆创新科技有限公司 | 杆塔巡检方法、无人机、控制装置、系统及存储介质 |
| CN113359808A (zh) * | 2021-07-21 | 2021-09-07 | 国网浙江省电力有限公司双创中心 | 一种无人机电力巡检多级路径规划方法及相关装置 |
| CN113741538A (zh) * | 2021-09-26 | 2021-12-03 | 国网湖南省电力有限公司 | 一种变电站无人机巡检路径规划方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112817330B (zh) | 一种多无人机四维航迹协同规划方法及系统 | |
| CN106679666B (zh) | 无人机大范围巡航路径规划模型及方法 | |
| CN106970648B (zh) | 城市低空环境下无人机多目标路径规划联合搜索方法 | |
| CN107562072A (zh) | 一种基于自适应蚁群算法的无人机最优路径规划方法 | |
| CN106959700B (zh) | 一种基于上限置信区间算法的无人机群协同巡逻追踪轨迹规划方法 | |
| CN110617818A (zh) | 一种无人机航迹生成方法 | |
| CN108332753A (zh) | 一种无人机电力巡检路径规划方法 | |
| Ma et al. | Improved ant colony algorithm for global optimal trajectory planning of UAV under complex environment. | |
| CN109901617A (zh) | 一种无人机飞行方法、装置及无人机 | |
| US11262746B1 (en) | Simultaneously cost-optimized and policy-compliant trajectory generation for unmanned aircraft | |
| WO2020239092A1 (zh) | 一种无人机及其飞行区域的规划方法、装置、存储介质 | |
| GB2567810A (en) | Method and system for determining optimal path for drones | |
| CN109830127A (zh) | 基于点融合程序的航空器进场4d航迹规划方法 | |
| Depenbusch et al. | The AutoSOAR autonomous soaring aircraft part 2: Hardware implementation and flight results | |
| CN112068539A (zh) | 一种风电机组叶片无人机自动驾驶巡检方法 | |
| CN112363539B (zh) | 多无人机协同目标搜索方法 | |
| CN111045445A (zh) | 一种基于强化学习的飞行器智能避撞方法、设备、介质 | |
| CN116929356A (zh) | 一种城市低空无人机航线规划方法、装置和存储介质 | |
| CN111780766A (zh) | 融合动态风险图和改进a*算法的动态改航规划方法 | |
| CN113701762B (zh) | 一种无人机搜索航路建立方法及装置 | |
| 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 | |
| CN114115320A (zh) | 一种无人机巡检跳蛙方法 | |
| CN104097783A (zh) | 一种近地告警系统近海模式告警方法 | |
| US11353888B2 (en) | System and method for determining optimal flight path around weather vortices | |
| CN114460972B (zh) | 一种无人机城区运行管控方法 |
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 |