CN114442664B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN114442664B CN114442664B CN202210048550.5A CN202210048550A CN114442664B CN 114442664 B CN114442664 B CN 114442664B CN 202210048550 A CN202210048550 A CN 202210048550A CN 114442664 B CN114442664 B CN 114442664B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- point
- 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.)
- Active
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 63
- 230000005540 biological transmission Effects 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 14
- 238000013461 design Methods 0.000 claims abstract description 7
- 238000010845 search algorithm Methods 0.000 claims abstract description 7
- 230000002093 peripheral effect Effects 0.000 claims abstract description 4
- 238000005457 optimization Methods 0.000 claims description 9
- 238000004836 empirical method Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
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
- G05D1/10—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
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)
- Traffic Control Systems (AREA)
Abstract
本发明公开了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,包括获取移动式无人机智能巡检装备驻车点经纬度坐标、周边输电线路数量及经纬度坐标、输电线路精细化巡检轨迹文件以及无人机数量、参数信息;以最小化耗时最长的无人机的任务时间为目标函数建立多无人机协同任务分配模型;采用变邻域搜索算法对多无人机任务分配模型进行求解,基于邻域结构设计,最终确定每个无人机所分配的任务及任务顺序;基于每个无人机所分配的任务及任务顺序,对无人机空域任务进行冲突判定,对存在冲突的分配方案进行优化调整。本发明在保证无人机集群作业空域安全的条件下,实现多无人机多任务分配,提高输电线路无人机集群巡检作业效率。
Description
技术领域
本发明属于电网无人机智能运检技术领域,具体涉及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。
背景技术
随着电网设备规模的快速发展,2016~2020年电网公司新增了40.1万公里110千伏及以上的线路。输电线路运行环境复杂多变,在传统运维体系下,运维工作量增加与人员短缺之间矛盾日益突出,传统人工运维模式已无法满足电网建设和发展需求。
近年来,无人机巡检已成为输电线路的重要巡检手段,巡检效益和质量较传统人工巡检有显著提高。但现阶段无人机巡检仍主要依靠人工手动操作无人机完成。
随着物联网、5G和人工智能技术的发展,车载移动式电力巡检业务的探索和巡检装备的研发应运而生。移动式无人机智能巡检装备因其良好的机动性,携带装备的便利性,开展作业的快速性,成为输电线路无人机巡检的主要装备。
然而,目前移动式无人机智能巡检装备在实际应用过程中,仅用于无人机装备存储、自主放飞与精准回收,搭载的多架无人机均为单兵作业,并未开展多架无人机集群协同作业研究与应用。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供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,在保证无人机集群作业空域安全的条件下,实现多无人机多任务分配,提高输电线路无人机集群巡检作业效率。
为实现上述技术目的,本发明采取的技术方案为:
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,包括:
步骤S1:获取杆塔密集场景下移动式无人机智能巡检装备驻车点经纬度坐标、周边输电线路数量及经纬度坐标、输电线路精细化巡检轨迹文件以及无人机数量、参数信息;
步骤S2:基于步骤S1获取的信息,以最小化耗时最长的无人机的任务时间为目标函数建立多无人机协同任务分配模型;
步骤S3:采用变邻域搜索算法对步骤S2的多无人机任务分配模型进行求解,基于邻域结构设计,最终确定每个无人机所分配的任务及任务顺序;
步骤S4:基于每个无人机所分配的任务及任务顺序,对无人机空域任务进行冲突判定,对存在冲突的分配方案进行优化调整。
为优化上述技术方案,采取的具体措施还包括:
上述的步骤S2包括:
步骤S21、根据步骤S1获取的信息计算单个无人机对输电线路杆塔Nj处精细化巡检时所需要的时间Pj,具体如下:
式中:vj1为输电线路无人机精细化巡检过程中无人机飞行速度;
vj2为输电线路无人机精细化巡检过程中单悬停点拍照时间;
(Gi,Wi)为输电线路无人机精细化巡检轨迹第i巡检点处的经纬度坐标;
z为巡检点数量;
R为地球半径;
步骤S22、基于步骤S21,以最小化耗时最长的无人机的任务时间为目标函数建立多无人机协同任务分配模型,具体如下:
Minimize:max{Z}
式中:表示所有无人机在驻车点0处的任务时间集合;
U={U1,U2,…,Um}表示可执行巡检任务的无人机集合;
(S,Q)表示移动式无人机智能巡检装备驻车点巡检半径内所有带巡检杆塔的集合;
v表示无人机往返驻车点与输电线路杆塔时的飞行速度;
xij为0-1变量,当无人机Ui访问杆塔(Sj,Qj)时为1,否则为零。
上述的步骤S3具体为:
步骤S31:初始化参数和初始解x,邻域结构NK′,(K=1,...,K′max),当前最优解x′=x,k=1;
步骤S32:在当前最优解x′的k邻域NK′(x′)中随机选一点x″;
将点x″作为新的初始解,采用VND搜索得到的当前局部最优解更新x″;
步骤S33:若f(x″)<f(x′),最优解更新x′←x″,k恢复为初始值k←1;反之,k=k+1;
步骤S34:重复步骤S32-步骤S33,直到k=kmax;
步骤S35:重复步骤S31-步骤S34,直到算法停止条件。
上述的步骤S31中的初始解采用随机方法或经验方法算法产生。
上述的步骤S35中算法停止条件为CPU允许运行的最大时间或最大迭代次数。
上述的步骤S3针对多无人机任务分配问题的特征设计了2-opt邻域结构、点移动、边移动、点与点交换、点与边交换、边与边交换6种不同的邻域结构,包括同一路径上和两条不同路径之间的邻域结构;
且基于变邻域搜索算法的特点,将6个邻域结构中的2-opt邻域结构设计为邻域扰动结构,其余五个邻域结构用作局部寻优邻域结构,并且邻域结构排列顺序依次是:点移动、边与边交换、点与边交换、边移动、点与点交换;
所述点移动、边与边交换、点与边交换、边移动、点与点交换具体表现为:
点移动是在两个序列中,选择其中一个序列的点移动到另一个序列中,可移动的点可以是除驻车点1以外的所有点;
边移动是发生在两个序列之间,选择其中一个序列上的几个连续的点组成的边移动到另一个序列上,可移动的点可以是除驻车点外的所有点;
点与点交换是在两个序列之间,分别选择两个序列上的一个点进行交换,交换的点可以是除驻车点外的所有点;
边与边交换发生在两个序列中,分别在两个序列中选择两条边,然后两者进行交换,被交换的边中不能包含驻车点;
点与边交换是在两个序列中,一个序列中的一个点被选择,另一个序列中的边被选择,然后两者进行交换,被交换的点可以是除驻车点外的任意点,被交换的边中不能包含驻车点。
上述的步骤S4所述基于每个无人机所分配的任务及任务顺序,对无人机空域任务进行冲突判定,具体包括:
步骤S411、判断任意两条无人机的航迹是否存在交叉:
在判断两条航迹是否存在交叉点时,依次比较两条航迹的所有的航段,检测其是否存在交点;
步骤S412、在空域冲突判定过程中,如果两条航迹存在交叉点则进行相交航迹的时域判定,否则继续遍历,如果遍历结束,两条航段不存在交叉点,则输出最终的航迹。
上述的步骤S411所述比较两条航段的所有的路段,检测其是否存在交点的步骤如下:
假设存在两条航段ab和cd,其中,航段ab的两个端点的坐标为:(x1,y1)和(x2,y2);航段cd的两个端点的坐标为:(v1,w1)和(v2,w2);
(1)如果x1≠x2且v1≠v2
首先计算两条航段的斜率θ1和θ2,
θ1=(y2-y1)/(x2-x1)
θ2=(w2-w1)/(v2-v1)
如果θ1=θ2,则两条航段没有交点;否则两条航段可能存在交点,还需要计算交点的坐标判断是否在两条航段内相交;两条航段交点的横坐标为z:
z=(b2-b1)/(θ2-θ1)
b1=(x1×y2-x2×y1)/(x1-x2)
b2=(v1×w2-v2×w1)/(v1-v2)
式中,b1和b2为两个判断参数;
如果z在x1,x2之间,且z在v1,v2之间,则两条航段存在交点;否则两条航段内不相交;
(2)如果x1=x2且v1=v2,则两条航段不相交;
(3)如果x1=x2且v1≠v2,令z=x1代入航段cd的直线方程,求得纵坐标M,若M在w1,w2之间,两条航段相交,否则两条航段不相交;
x1≠x2且v1=v2的情况类似。
上述的步骤S412所述相交航迹的时域判定,具体如下:
步骤1:对于相交航迹对应的多架无人机,分别计算其达到交叉点的时间,转到步骤S2;
步骤2:计算多架无人机间到达交叉点的时间差,转到步骤S3;
步骤3:若最小时间差小于安全阈值,则对应的两架多无人机存在时域冲突,即存在任务冲突,需进行任务序列的优化调整;若最小时间差大于等于安全阈值,则对应的多架无人机不存在任务冲突。
上述的步骤S4所述对存在冲突的分配方案进行优化调整,具体包括:
步骤S421:根据产生冲突的无人机达到航迹交叉点的时域分布,选择后到达交叉点的无人机,转到步骤S422;
步骤S422:对被选择的无人机,调整其产生冲突航迹对应的目标杆塔在任务序列中的顺序,转到步骤S423;
步骤S423:对调整后的任务序列继续进行任务冲突判定,若存在任务冲突,转到步骤S421;否则,输出调整后的任务序列。
本发明具有以下有益效果:
由于多架无人机同时在同一驻车点作业半径内执行巡检任务,必须从任务分配阶段就避免多架无人机之间产生任务冲突。本发明基于无人机起降及飞行阶段的特性,进行无人机空域冲突判定,并根据无人机巡检作业的实际情况进行存在冲突的分配方案优化调整,能够在不影响巡检效率的同时,避免多架无人机发生任务冲突,保证了无人机电力巡检的安全性。
附图说明
图1为本发明方法流程图;
图2为两条路段ab和cd示意图。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
参见图1,一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,包括:
步骤S1:获取杆塔密集场景下移动式无人机智能巡检装备驻车点经纬度坐标、周边输电线路数量及经纬度坐标、输电线路精细化巡检轨迹文件以及无人机数量、参数等信息;
步骤S2:基于步骤S1获取的信息,以最小化耗时最长的无人机的任务时间为目标函数建立多无人机协同任务分配模型;
步骤S3:采用变邻域搜索算法(variable neighborhood search,VNS)对步骤S2的多无人机任务分配模型进行求解,基于邻域结构设计,最终确定每个无人机所分配的任务及任务顺序;
步骤S4:基于每个无人机所分配的任务及任务顺序,对无人机空域任务进行冲突判定,对存在冲突的分配方案进行优化调整。
实施例中,所述步骤S2包括:
步骤S21、根据步骤S1获取的信息计算单个无人机对输电线路杆塔Nj处精细化巡检时所需要的时间Pj,具体如下:
式中:vj1为输电线路无人机精细化巡检过程中无人机飞行速度;
vj2为输电线路无人机精细化巡检过程中单悬停点拍照时间;
(Gi,Wi)为输电线路无人机精细化巡检轨迹第i巡检点处的经纬度坐标;
z为巡检点数量;
R为地球半径;
步骤S22、基于步骤S21,以最小化耗时最长的无人机的任务时间为目标函数建立多无人机协同任务分配模型,具体如下:
Minimize:max{Z}
式中:表示所有无人机在驻车点0处的任务时间集合;
U={U1,U2,…,Um}表示可执行巡检任务的无人机集合;
(S,Q)表示移动式无人机智能巡检装备驻车点巡检半径内所有带巡检杆塔的集合;
v表示无人机往返驻车点与输电线路杆塔时的飞行速度;
xij为0-1变量,当无人机Ui访问杆塔(Sj,Qj)时为1,否则为零。
实施例中,所述步骤S3具体为:
步骤S31:初始化参数和初始解x,邻域结构NK′,(K=1,...,K′max),当前最优解x′=x,k=1;
步骤S32:在当前最优解x′的k邻域NK′(x′)中随机选一点x″;
将点x″作为新的初始解,采用VND搜索得到的当前局部最优解更新x″;
步骤S33:若f(x″)<f(x′),最优解更新x′←x″,k恢复为初始值k←1;反之,k=k+1;
步骤S34:重复步骤S32-步骤S33,直到k=kmax;
步骤S35:重复步骤S31-步骤S34,直到算法停止条件。
实施例中,所述步骤S31中的初始解可以采用随机方法、经验方法等算法产生。
所述步骤S35中算法停止条件可以是CPU允许运行的最大时间、最大迭代次数或其他的方法。
实施例中,所述步骤S3针对多无人机任务分配问题的特征设计了2-opt邻域结构、点移动、边移动、点与点交换、点与边交换、边与边交换6种不同的邻域结构,包括同一路径上和两条不同路径之间的邻域结构;
且基于变邻域搜索算法的特点,将6个邻域结构中的2-opt邻域结构设计为邻域扰动结构,其余五个邻域结构用作局部寻优邻域结构,并且邻域结构排列顺序依次是:点移动、边与边交换、点与边交换、边移动、点与点交换;
所述点移动、边与边交换、点与边交换、边移动、点与点交换具体表现为:
点移动是在两个序列中,选择其中一个序列的点移动到另一个序列中,可移动的点可以是除驻车点1以外的所有点;
边移动是发生在两个序列之间,选择其中一个序列上的几个连续的点组成的边移动到另一个序列上,可移动的点可以是除驻车点外的所有点;
点与点交换是在两个序列之间,分别选择两个序列上的一个点进行交换,交换的点可以是除驻车点外的所有点;
边与边交换发生在两个序列中,分别在两个序列中选择两条边,然后两者进行交换,被交换的边中不能包含驻车点;
点与边交换是在两个序列中,一个序列中的一个点被选择,另一个序列中的边被选择,然后两者进行交换,被交换的点可以是除驻车点外的任意点,被交换的边中不能包含驻车点。
实施例中,步骤S4所述基于每个无人机所分配的任务及任务顺序,对无人机空域任务进行冲突判定,具体包括:
步骤S411、判断任意两条无人机的航迹是否存在交叉:
在判断两条航迹是否存在交叉点时,依次比较两条航迹的所有的航段,检测其是否存在交点;
步骤S412、在空域冲突判定过程中,如果两条航迹存在交叉点则进行相交航迹的时域判定,否则继续遍历,如果遍历结束,两条航段不存在交叉点,则输出最终的航迹。
实施例中,步骤S411所述比较两条航段的所有的航段,检测其是否存在交点的步骤如下:
假设存在两条航段ab和cd,其中,航段ab的两个端点的坐标为:(x1,y1)和(x2,y2);航段cd的两个端点的坐标为:(v1,w1)和(v2,w2),如图2所示。
(1)如果x1≠x2且v1≠v2
首先计算两条航段的斜率θ1和θ2,
θ1=(y2-y1)/(x2-x1)
θ2=(w2-w1)/(v2-v1)
如果θ1=θ2,则两条航段没有交点;否则两条航段可能存在交点,还需要计算交点的坐标判断是否在两条航段内相交。两条航段交点的横坐标为z:
z=(b2-b1)/(θ2-θ1)
b1=(x1×y2-x2×y1)/(x1-x2)
b2=(v1×w2-v2×w1)/(v1-v2)
式中,b1和b2为两个判断参数。
如果z在x1,x2之间,且z在v1,v2之间,则两条航段存在交点;否则两条航段内不相交。
(2)如果x1=x2且v1=v2,则两条航段不相交。
(3)如果x1=x2且v1≠v2,令z=x1代入航段cd的直线方程,求得纵坐标Z,若Z在w1,w2之间,两条航段相交,否则两条航段不相交。
x1≠x2且v1=v2的情况类似。
实施例中,步骤S412所述相交航迹的时域判定方法如下:
步骤1:对于相交航迹对应的多架无人机,分别计算其达到交叉点的时间,转到步骤S2;
步骤2:计算多架无人机间到达交叉点的时间差,转到步骤S3;
步骤3:若最小时间差小于安全阈值,则对应的两架多无人机存在时域冲突,即存在任务冲突,需进行任务序列的优化调整;若最小时间差大于等于安全阈值,则对应的多架无人机不存在任务冲突。
实施例中,步骤S4所述对存在冲突的分配方案进行优化调整,具体如下:
由于实际作业中,每架无人机单次飞行只巡检一基杆塔,所以每架无人机的每架次飞行均相互独立,无人机任务序列中杆塔的先后顺序不对无人机在该驻车点的总巡检时间产生影响,基于此,存在冲突的分配方案优化调整方法如下:
步骤S421:根据产生冲突的无人机达到航迹交叉点的时域分布,选择后到达交叉点的无人机,转到步骤S422;
步骤S422:对被选择的无人机,调整其产生冲突航迹对应的目标杆塔在任务序列中的顺序,转到步骤S423;
步骤S423:对调整后的任务序列继续进行任务冲突判定,若存在任务冲突,转到步骤S421;否则,输出调整后的任务序列。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (8)
1.一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,其特征在于,包括:
步骤S1:获取杆塔密集场景下移动式无人机智能巡检装备驻车点经纬度坐标、周边输电线路数量及经纬度坐标、输电线路精细化巡检轨迹文件以及无人机数量、参数信息;
步骤S2:基于步骤S1获取的信息,以最小化耗时最长的无人机的任务时间为目标函数建立多无人机协同任务分配模型;
步骤S3:采用变邻域搜索算法对步骤S2的多无人机任务分配模型进行求解,基于邻域结构设计,最终确定每个无人机所分配的任务及任务顺序;
步骤S4:基于每个无人机所分配的任务及任务顺序,对无人机空域任务进行冲突判定,对存在冲突的分配方案进行优化调整;
步骤S4所述基于每个无人机所分配的任务及任务顺序,对无人机空域任务进行冲突判定,具体包括:
步骤S411、判断任意两条无人机的航迹是否存在交叉:
在判断两条航迹是否存在交叉点时,依次比较两条航迹的所有的航段,检测其是否存在交点;
步骤S412、在空域冲突判定过程中,如果两条航迹存在交叉点则进行相交航迹的时域判定,否则继续遍历,如果遍历结束,两条航迹不存在交叉点,则输出最终的航迹;
步骤S411比较两条航段的所有的路段,检测其是否存在交点的步骤如下:
假设存在两条航段ab和cd,其中,航段ab的两个端点的坐标为:(x1,y1)和(x2,y2);航段cd的两个端点的坐标为:(v1,w1)和(v2,w2);
(1)如果x1≠x2且v1≠v2
首先计算两条航段的斜率θ1和θ2,
θ1=(y2-y1)/(x2-x1)
θ2=(w2-w1)/(v2-v1)
如果θ1=θ2,则两条航段没有交点;否则两条航段可能存在交点,还需要计算交点的坐标判断是否在两条路段内相交;两条航段交点的横坐标为z:
z=(b2-b1)/(θ2-θ1)
b1=(x1×y2-x2×y1)/(x1-x2)
b2=(v1×w2-v2×w1)/(v1-v2)
式中,b1和b2为两个判断参数;
如果z在x1,x2之间,且z在v1,v2之间,则两条航段存在交点;否则两条航段内不相交;
(2)如果x1=x2且v1=v2,则两条航段不相交;
(3)如果x1=x2且v1≠v2,令z=x1代入航段cd的直线方程,求得纵坐标M,若M在w1,w2之间,两条航段相交,否则两条航段不相交;
x1≠x2且v1=v2的情况类似。
2.根据权利要求1所述的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,其特征在于,所述步骤S2包括:
步骤S21、根据步骤S1获取的信息计算单个无人机对输电线路杆塔Nj处精细化巡检时所需要的时间Pj,具体如下:
式中:vj1为输电线路无人机精细化巡检过程中无人机飞行速度;
vj2为输电线路无人机精细化巡检过程中单悬停点拍照时间;
(Gi,Wi)为输电线路无人机精细化巡检轨迹第i巡检点处的经纬度坐标;
z为巡检点数量;
R为地球半径;
步骤S22、基于步骤S21,以最小化耗时最长的无人机的任务时间为目标函数建立多无人机协同任务分配模型,具体如下:
Minimize:max{Z}
式中:表示所有无人机在驻车点0处的任务时间集合;
U={U1,U2,…,Um}表示可执行巡检任务的无人机集合;
(S,Q)表示移动式无人机智能巡检装备驻车点巡检半径内所有带巡检杆塔的集合;
v表示无人机往返驻车点与输电线路杆塔时的飞行速度;
xij为0-1变量,当无人机Ui访问杆塔(Sj,Qj)时为1,否则为零。
3.根据权利要求1所述的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,其特征在于,所述步骤S3具体为:
步骤S31:初始化参数和初始解x,邻域结构NK′,K=1,...,K′max,当前最优解x′=x,k=1;
步骤S32:在当前最优解x′的k邻域NK′(x′)中随机选一点x″;
将点x″作为新的初始解,采用VND搜索得到的当前局部最优解更新x″;
步骤S33:若f(x′)<f(x′),最优解更新x′←x″,k恢复为初始值k←1;反之,k=k+1;
步骤S34:重复步骤S32-步骤S33,直到k=kmax;
步骤S35:重复步骤S31-步骤S34,直到算法停止条件。
4.根据权利要求3所述的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,其特征在于,所述步骤S31中的初始解采用随机方法或经验方法算法产生。
5.根据权利要求3所述的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,其特征在于,所述步骤S35中算法停止条件为CPU允许运行的最大时间或最大迭代次数。
6.根据权利要求1或3所述的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,其特征在于,所述步骤S3针对多无人机任务分配问题的特征设计了2-opt邻域结构、点移动、边移动、点与点交换、点与边交换、边与边交换6种不同的邻域结构,包括同一路径上和两条不同路径之间的邻域结构;
且基于变邻域搜索算法的特点,将6个邻域结构中的2-opt邻域结构设计为邻域扰动结构,其余五个邻域结构用作局部寻优邻域结构,并且邻域结构排列顺序依次是:点移动、边与边交换、点与边交换、边移动、点与点交换;
所述点移动、边与边交换、点与边交换、边移动、点与点交换具体表现为:
点移动是在两个序列中,选择其中一个序列的点移动到另一个序列中,可移动的点是除驻车点1以外的所有点;
边移动是发生在两个序列之间,选择其中一个序列上的几个连续的点组成的边移动到另一个序列上,可移动的点是除驻车点外的所有点;
点与点交换是在两个序列之间,分别选择两个序列上的一个点进行交换,交换的点是除驻车点外的所有点;
边与边交换发生在两个序列中,分别在两个序列中选择两条边,然后两者进行交换,被交换的边中不能包含驻车点;
点与边交换是在两个序列中,一个序列中的一个点被选择,另一个序列中的边被选择,然后两者进行交换,被交换的点是除驻车点外的任意点,被交换的边中不能包含驻车点。
7.根据权利要求1所述的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,其特征在于,步骤S412所述相交航迹的时域判定,具体如下:
步骤1:对于相交航迹对应的多架无人机,分别计算其达到交叉点的时间,转到步骤S2;
步骤2:计算多架无人机间到达交叉点的时间差,转到步骤S3;
步骤3:若最小时间差小于安全阈值,则对应的两架多无人机存在时域冲突,即存在任务冲突,需进行任务序列的优化调整;若最小时间差大于等于安全阈值,则对应的多架无人机不存在任务冲突。
8.根据权利要求1所述的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,其特征在于,步骤S4所述对存在冲突的分配方案进行优化调整,具体包括:
步骤S421:根据产生冲突的无人机达到航迹交叉点的时域分布,选择后到达交叉点的无人机,转到步骤S422;
步骤S422:对被选择的无人机,调整其产生冲突航迹对应的目标杆塔在任务序列中的顺序,转到步骤S423;
步骤S423:对调整后的任务序列继续进行任务冲突判定,若存在任务冲突,转到步骤S421;否则,输出调整后的任务序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210048550.5A CN114442664B (zh) | 2022-01-17 | 2022-01-17 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210048550.5A CN114442664B (zh) | 2022-01-17 | 2022-01-17 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114442664A CN114442664A (zh) | 2022-05-06 |
CN114442664B true CN114442664B (zh) | 2023-09-26 |
Family
ID=81367154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210048550.5A Active CN114442664B (zh) | 2022-01-17 | 2022-01-17 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114442664B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114814877B (zh) * | 2022-06-21 | 2022-09-06 | 山东金宇信息科技集团有限公司 | 一种基于巡检机器人的隧道数据采集方法、设备及介质 |
CN116700357B (zh) * | 2023-08-07 | 2023-12-22 | 国网安徽省电力有限公司合肥供电公司 | 一种架空输电线路无人机编队智能巡检方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013049851A2 (en) * | 2011-09-30 | 2013-04-04 | Lockheed Martin Corporation | Method and apparatus for dynamic air traffic trajectory synchronization |
CN110517538A (zh) * | 2019-08-06 | 2019-11-29 | 电子科技大学 | 飞行器主动发现与协同防碰撞方法与系统 |
CN111045444A (zh) * | 2018-10-12 | 2020-04-21 | 极光飞行科学公司 | 自适应感测和避让系统 |
CN113011780A (zh) * | 2021-04-13 | 2021-06-22 | 江苏方天电力技术有限公司 | 一种多无人机协同电力巡检的任务分配方法 |
CN113885555A (zh) * | 2021-09-14 | 2022-01-04 | 安徽送变电工程有限公司 | 面向输电线路密集通道巡检的多机任务分配方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9527586B2 (en) * | 2012-12-19 | 2016-12-27 | Elwha Llc | Inter-vehicle flight attribute communication for an unoccupied flying vehicle (UFV) |
-
2022
- 2022-01-17 CN CN202210048550.5A patent/CN114442664B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013049851A2 (en) * | 2011-09-30 | 2013-04-04 | Lockheed Martin Corporation | Method and apparatus for dynamic air traffic trajectory synchronization |
CN111045444A (zh) * | 2018-10-12 | 2020-04-21 | 极光飞行科学公司 | 自适应感测和避让系统 |
CN110517538A (zh) * | 2019-08-06 | 2019-11-29 | 电子科技大学 | 飞行器主动发现与协同防碰撞方法与系统 |
CN113011780A (zh) * | 2021-04-13 | 2021-06-22 | 江苏方天电力技术有限公司 | 一种多无人机协同电力巡检的任务分配方法 |
CN113885555A (zh) * | 2021-09-14 | 2022-01-04 | 安徽送变电工程有限公司 | 面向输电线路密集通道巡检的多机任务分配方法和系统 |
Non-Patent Citations (1)
Title |
---|
基于改进人工蜂群算法的多无人机协同任务规划;刘广瑞;王庆海;姚冬艳;;郑州大学学报(工学版)(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114442664A (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN113342046B (zh) | 基于蚁群算法的输电线路无人机巡检路径优化方法 | |
CN110428111B (zh) | Uav/ugv协同长时多任务作业轨迹规划方法 | |
CN112016812A (zh) | 多无人机任务调度方法、系统及存储介质 | |
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 | |
CN113011780B (zh) | 一种多无人机协同电力巡检的任务分配方法 | |
CN116954233A (zh) | 一种巡检任务与航线自动匹配方法 | |
CN114740899B (zh) | 一种网格化空域分配与协同搜索规划方法 | |
CN114815891A (zh) | 一种基于per-idqn的多无人机围捕战术方法 | |
Meng et al. | A new method used for traveling salesman problem based on discrete artificial bee colony algorithm | |
Zheng et al. | The collaborative power inspection task allocation method of “unmanned aerial vehicle and operating vehicle” | |
Han et al. | Dynamic collaborative charging algorithm for mobile and static nodes in Industrial Internet of Things | |
Yao et al. | Autonomous control method of rotor UAVs for power inspection with renewable energy based on swarm intelligence | |
CN110662272A (zh) | 一种基于蜂群无人机的最少数量领航者选取方法 | |
CN117294577A (zh) | 一种弹性配电网信息物理协同快速恢复方法及系统 | |
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 | |
CN116301038A (zh) | 一种基于航迹优化规划的无人机输电线路自主巡检方法 | |
CN114490061A (zh) | 基于语义威胁模型的无人机通信干扰任务生成方法 | |
Liu et al. | Prospect of Power Inspection Using UAV Technology | |
Yin et al. | Multi UAV cooperative task allocation method for intensive corridors of transmission lines inspection | |
Liao et al. | Cooperative Path Planning of Ground-air Robots for Distributed Photovoltaic Inspection | |
Le et al. | Prospect of 5G application in civil airport | |
Ma et al. | Improved DRL-based energy-efficient UAV control for maximum lifecycle | |
CN115574826B (zh) | 基于强化学习的国家公园无人机巡护路径优化方法 | |
Khalil et al. | A Novel Bio-Inspired Path Planning for Autonomous Underwater Vehicle for Search and Tracing of Underwater Target |
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 |