CN115079709A - 基于元宇宙的无人机配网杆塔巡检任务规划方法和系统 - Google Patents
基于元宇宙的无人机配网杆塔巡检任务规划方法和系统 Download PDFInfo
- Publication number
- CN115079709A CN115079709A CN202210635442.8A CN202210635442A CN115079709A CN 115079709 A CN115079709 A CN 115079709A CN 202210635442 A CN202210635442 A CN 202210635442A CN 115079709 A CN115079709 A CN 115079709A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- data
- distribution network
- task
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000007689 inspection Methods 0.000 title claims abstract description 30
- 238000013135 deep learning Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于元宇宙的无人机配网杆塔巡检任务规划方法和系统,涉及无人机配网杆塔巡检技术领域。本发明通过将无人机、配网杆塔、建筑、植被以及以及任务实时状态环境数字化映射在元宇宙中,再基于备选任务执行数据对无人机的任务执行过程在元宇宙中进行模拟,能够有效的验证不同备选任务执行数据的安全性,保障无人机执行任务的安全。
Description
技术领域
本发明涉及无人机配网杆塔巡检技术领域,具体涉及一种基于元宇宙的无人机配网杆塔巡检任务规划方法和系统。
背景技术
随着电力电网产业飞速发展,各种输电线路的分布日益广泛,线路上的配网杆塔数量繁多。随着无人机技术的发展,越来越多的企业选择无人机执行配网巡检。
然而,由于配网线路区域环境复杂、且配网零件种类繁多、且电力设备意义重大,因此配网巡检的要求一直安全大于效率。现在针对常规配网杆塔巡检任务,大多是人工制定巡检任务,但针对突发情况的巡检,大多采用人工操作无人机,存在诸多不确定性,例如恶劣天气或者自然灾害、以及其他不可抗力因素下,容易发生坠机炸机等事故。
因此如何对无人机配网杆塔巡检任务进行精细规划,提高无人机飞行的安全性成为目前亟需解决的问题。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于元宇宙的无人机配网杆塔巡检任务规划方法和系统,解决了无人机对配网塔杆进行巡检时,如何对执行巡检任务进行规划以得到安全有效的规划方案的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
第一方面,提供了一种基于元宇宙的无人机配网杆塔巡检任务规划方法,该方法包括:
基于配网杆塔数据和无人机数据生成元宇宙中的虚拟三维实体;
基于深度学习构建用于根据无人机飞行参数数据及任务环境数据来预测无人机动作姿态的驱动模型;
基于任务环境数据在元宇宙对任务环境进行仿真;
将备选任务执行数据导入,在元宇宙的仿真环境下,利用训练好的所述驱动模型预测无人机动作姿态,并基于预测的无人机动作姿态在元宇宙中模拟无人机的任务执行过程;
若模拟的无人机的任务执行过程未出现异常,则将备选任务执行数据作为任务执行方案;否则,更新备选任务执行数据后再次模拟无人机的任务执行过程。
进一步的,所述配网杆塔数据,包括:
配网杆塔及周围环境的三维点云数据;
配网杆塔基础数据;
配网杆塔地理数据;
且所述周围环境包括:预设范围内的植被和建筑。
进一步的,所述无人机数据,包括:
无人机三维点云数据;
无人机参数数据;
无人机飞行参数数据。
进一步的,所述基于配网杆塔数据和无人机数据生成元宇宙中的虚拟三维实体,包括:
利用元宇宙技术构建包含无人机、配网杆塔、周围建筑和植被的虚拟三维实体。
进一步的,所述飞行参数数据,包括:
飞行高度、飞行速度、飞行方向、倾斜角、电池电量。
进一步的,所述任务环境数据,包括:温度、湿度、风速、风向、能见度、气压。
进一步的,所述备选任务执行数据,包括:所需的无人机数量、无人机航迹、航迹点、目标配网杆塔、所需巡检的配网输电线路长度、任务时段、无人机飞行参数数据。
第二方面,提供了一种基于元宇宙的无人机配网杆塔巡检任务规划系统,该系统包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
(三)有益效果
本发明提供了一种基于元宇宙的无人机配网杆塔巡检任务规划方法和系统。与现有技术相比,具备以下有益效果:
本发明通过将无人机、配网杆塔、建筑、植被以及以及任务实时状态环境数字化映射在元宇宙中,再基于备选任务执行数据对无人机的任务执行过程在元宇宙中进行模拟,能够有效的验证不同备选任务执行数据的安全性,保障无人机执行任务的安全。
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为本发明实施例的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
本申请实施例通过提供一种基于元宇宙的无人机配网杆塔巡检任务规划方法和系统,解决了无人机对配网塔杆进行巡检时,如何对执行巡检任务进行规划以得到安全有效的规划方案的问题。
本申请实施例中的技术方案为解决上述技术问题,总体思路如下:
通过将无人机、配网杆塔、建筑、植被以及以及任务实时状态环境数字化映射在元宇宙中,再基于备选任务执行数据对无人机的任务执行过程在元宇宙中进行模拟,能够有效的验证不同备选任务执行数据的安全性,保障无人机执行任务的安全。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例1:
如图1所示,本发明提供了一种基于元宇宙的无人机配网杆塔巡检任务规划方法,该方法由计算机执行,该方法包括:
基于配网杆塔数据和无人机数据生成元宇宙中的虚拟三维实体;
基于深度学习构建用于根据无人机飞行参数数据及任务环境数据来预测无人机动作姿态的驱动模型;
基于任务环境数据在元宇宙对任务环境进行仿真;
将备选任务执行数据导入,在元宇宙的仿真环境下,利用训练好的所述驱动模型预测无人机动作姿态,并基于预测的无人机动作姿态在元宇宙中模拟无人机的任务执行过程;
若模拟的无人机的任务执行过程未出现异常,则将备选任务执行数据作为任务执行方案;否则,更新备选任务执行数据后再次模拟无人机的任务执行过程。
本实施例的有益效果为:
1)本实施例通过将无人机、配网杆塔、建筑、植被以及以及任务实时状态环境数字化映射在元宇宙中,再基于备选任务执行数据对无人机的任务执行过程在元宇宙中进行模拟,能够有效的验证不同备选任务执行数据的安全性,保障无人机执行任务的安全。
下面对本发明实施例的实现过程进行详细说明:
S1、基于配网杆塔数据和无人机数据生成元宇宙中的虚拟三维实体。
具体实施时,所述配网杆塔数据包括以下数据:
1)配网杆塔及周围环境的三维点云数据,所述周围环境包括:周围的植被和建筑。
三维点云数据是指获取物体表面每个采样点的空间坐标形成的点的集合。用于三维目标检测的点云通常由激光雷达扫描得来,包含点的三维坐标、强度等数据,三维点云数据都能通过建模软件生成三维模型。
2)配网杆塔基础数据:配网杆塔所在区域(如平原、丘陵、山区等)、所在线路、编号、路线类型等。
3)配网杆塔地理数据:考虑到配网巡检需要巡检杆塔的零部件,需要确定巡检的零部件位置,因此,具体包括:配网塔杆位置数据(如GPS数据)、配网杆塔零部件位置数据。
相似的,所述无人机数据包括以下数据:
1)无人机三维点云数据,用于后续无人机虚拟三维实体建模。
2)无人机参数数据,包括无人机型号、性能参数等数据。
3)无人机飞行参数数据,包括飞行高度、飞行速度、飞行方向、倾斜角、电池电量等,具体实施时,对于市面上的无人机在飞行过程中的飞行参数是可以在地面站或者遥控器上查看的,我们将该数据实时传输回系统端,即可得到飞行参数用于后续训练驱动模型。
元宇宙(Metaverse)是利用科技手段进行链接与创造的,与现实世界映射与交互的虚拟世界,具备新型社会体系的数字生活空间。元宇宙本质上是对现实世界的虚拟化、数字化过程,需要对内容生产、经济系统、用户体验以及实体世界内容等进行大量改造。
S2、基于深度学习构建用于根据无人机飞行参数数据及任务环境数据来预测无人机动作姿态的驱动模型。
驱动模型构建并训练好后,即可将无人机的飞行参数数据和任务环境数据输入,驱动模型再基于上述数据对无人机的动作姿态进行准确的预测。
具体实施时,可采用多种现有的方法训练和构建模型,在此不做限定,例如参考《基于深度学习的旋翼无人机机械臂抓取》,即通过深度学习建立参数到动作间映射。
S3、基于任务环境数据在元宇宙对任务环境进行仿真。
在元宇宙中构建好包含无人机、配网杆塔以及周围的建筑和植被等虚拟三维实体建模后,可将要执行的巡检任务对应的任务环境数据进行导入,在元宇宙中更加准确的模拟出巡检任务执行时的环境。
具体实施时,任务环境数据可包括温度、湿度、风速、风向、能见度、气压等。
S4、将备选任务执行数据导入,在元宇宙的仿真环境下,利用训练好的所述驱动模型预测无人机动作姿态,并基于预测的无人机动作姿态在元宇宙中模拟无人机的任务执行过程。
具体实施时,备选任务执行数据包括:所需的无人机数量、无人机航迹、航迹点、目标配网杆塔、任务长度(所需巡检的配网输电线路长度)、任务时段、无人机飞行参数数据等。这些数据均由人工手动输入,每个备选任务执行数据均代表一个可能的任务执行方案,需要在元宇宙中进行仿真来验证其可行性。
进一步的,还可将模拟的无人机的任务执行过程进行可视化展示。
S5、若模拟的无人机的任务执行过程未出现异常,则将备选任务执行数据作为任务执行方案;否则,更新备选任务执行数据后再次执行S4。
具体实施时,可以设置各项阈值来检测异常,一旦超过阈值就判为任务失败。例如碰撞阈值,即无人机和其他设备距离小于多少认定为失败,电量阈值、以及无人机动作参数异常值。显然,通过驱动模型的预测来调试出能够安全执行任务的动作态势,进而找到对应的无人机的飞行参数数据、无人机航迹、航迹点等数据,这样就能找到安全可靠的任务执行方案,再令无人机按照上述方法选出的的任务执行方案执行,能够保障无人机的安全。
综上,本实施例通过将无人机、配网杆塔、建筑、植被以及以及任务实时状态环境数字化映射在元宇宙中,再基于备选任务执行数据对无人机的任务执行过程在元宇宙中进行模拟,能够有效的验证不同备选任务执行数据的安全性,保障无人机执行任务的安全。
实施例2:
一种基于元宇宙的无人机配网杆塔巡检任务规划系统,该系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
基于配网杆塔数据和无人机数据生成元宇宙中的虚拟三维实体;
基于深度学习构建用于根据无人机飞行参数数据及任务环境数据来预测无人机动作姿态的驱动模型;
基于任务环境数据在元宇宙对任务环境进行仿真;
将备选任务执行数据导入,在元宇宙的仿真环境下,利用训练好的所述驱动模型预测无人机动作姿态,并基于预测的无人机动作姿态在元宇宙中模拟无人机的任务执行过程;
若模拟的无人机的任务执行过程未出现异常,则将备选任务执行数据作为任务执行方案;否则,更新备选任务执行数据后再次模拟无人机的任务执行过程。
可理解的是,本发明实施例提供的基于元宇宙的无人机配网杆塔巡检任务规划系统与上述基于元宇宙的无人机配网杆塔巡检任务规划方法相对应,其有关内容的解释、举例、有益效果等部分可以参考基于元宇宙的无人机配网杆塔巡检任务规划方法中的相应内容,此处不再赘述。
综上所述,与现有技术相比,本发明具备以下有益效果:
本发明通过将无人机、配网杆塔、建筑、植被以及以及任务实时状态环境数字化映射在元宇宙中,再基于备选任务执行数据对无人机的任务执行过程在元宇宙中进行模拟,能够有效的验证不同备选任务执行数据的安全性,保障无人机执行任务的安全。
需要说明的是,通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于元宇宙的无人机配网杆塔巡检任务规划方法,其特征在于,该方法包括:
基于配网杆塔数据和无人机数据生成元宇宙中的虚拟三维实体;
基于深度学习构建用于根据无人机飞行参数数据及任务环境数据来预测无人机动作姿态的驱动模型;
基于任务环境数据在元宇宙对任务环境进行仿真;
将备选任务执行数据导入,在元宇宙的仿真环境下,利用训练好的所述驱动模型预测无人机动作姿态,并基于预测的无人机动作姿态在元宇宙中模拟无人机的任务执行过程;
若模拟的无人机的任务执行过程未出现异常,则将备选任务执行数据作为任务执行方案;否则,更新备选任务执行数据后再次模拟无人机的任务执行过程。
2.如权利要求1所述的一种基于元宇宙的无人机配网杆塔巡检任务规划方法,其特征在于,所述配网杆塔数据,包括:
配网杆塔及周围环境的三维点云数据;
配网杆塔基础数据;
配网杆塔地理数据;
且所述周围环境包括:预设范围内的植被和建筑。
3.如权利要求1所述的一种基于元宇宙的无人机配网杆塔巡检任务规划方法,其特征在于,所述无人机数据,包括:
无人机三维点云数据;
无人机参数数据;
无人机飞行参数数据。
4.如权利要求1所述的一种基于元宇宙的无人机配网杆塔巡检任务规划方法,其特征在于,所述基于配网杆塔数据和无人机数据生成元宇宙中的虚拟三维实体,包括:
利用元宇宙技术构建包含无人机、配网杆塔、周围建筑和植被的虚拟三维实体。
5.如权利要求3所述的一种基于元宇宙的无人机配网杆塔巡检任务规划方法,其特征在于,所述飞行参数数据,包括:
飞行高度、飞行速度、飞行方向、倾斜角、电池电量。
6.如权利要求1所述的一种基于元宇宙的无人机配网杆塔巡检任务规划方法,其特征在于,所述任务环境数据,包括:温度、湿度、风速、风向、能见度、气压。
7.如权利要求5所述的一种基于元宇宙的无人机配网杆塔巡检任务规划方法,其特征在于,所述备选任务执行数据,包括:所需的无人机数量、无人机航迹、航迹点、目标配网杆塔、所需巡检的配网输电线路长度、任务时段、无人机飞行参数数据。
8.一种基于元宇宙的无人机配网杆塔巡检任务规划系统,其特征在于,该系统包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述权利要求1-7任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210635442.8A CN115079709A (zh) | 2022-06-07 | 2022-06-07 | 基于元宇宙的无人机配网杆塔巡检任务规划方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210635442.8A CN115079709A (zh) | 2022-06-07 | 2022-06-07 | 基于元宇宙的无人机配网杆塔巡检任务规划方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115079709A true CN115079709A (zh) | 2022-09-20 |
Family
ID=83251988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210635442.8A Pending CN115079709A (zh) | 2022-06-07 | 2022-06-07 | 基于元宇宙的无人机配网杆塔巡检任务规划方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115079709A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117221633A (zh) * | 2023-11-09 | 2023-12-12 | 北京申信达成科技有限公司 | 一种基于元宇宙和数字孪生技术的虚拟现实直播系统 |
-
2022
- 2022-06-07 CN CN202210635442.8A patent/CN115079709A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117221633A (zh) * | 2023-11-09 | 2023-12-12 | 北京申信达成科技有限公司 | 一种基于元宇宙和数字孪生技术的虚拟现实直播系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jones | Power line inspection-a UAV concept | |
CN108153332B (zh) | 基于大包线博弈策略的轨迹模拟系统 | |
JP6152123B2 (ja) | 係留ジャイログライダーのコントロールシステム | |
CN1856810A (zh) | 飞行模拟器 | |
CN115079710A (zh) | 多无人机电力巡检智能调度方法和系统 | |
US10650694B2 (en) | Unmanned vehicle simulator | |
CN115079709A (zh) | 基于元宇宙的无人机配网杆塔巡检任务规划方法和系统 | |
Yang et al. | A random chemical reaction optimization algorithm based on dual containers strategy for multi‐rotor UAV path planning in transmission line inspection | |
CN115275870A (zh) | 一种基于高空线路维护的巡检系统 | |
CN111146866B (zh) | 一种输电通道控制方法 | |
CN114488848A (zh) | 面向室内建筑空间的无人机自主飞行系统及仿真实验平台 | |
CN114153224A (zh) | 基于微气象的无人机飞行路径智能规划控制系统及方法 | |
CN115629617A (zh) | 一种无人机塔杆巡检航线自动规划方法 | |
CN113361862B (zh) | 一种针对城市环境的无人机风险评估方法及系统 | |
CN117213489A (zh) | 复杂风环境影响下的无人机路径规划方法、装置及系统 | |
CN113362667A (zh) | 一种无人机巡检虚拟仿真培训系统及方法 | |
Smith Iii et al. | Autonomous and cooperative robotic behavior based on fuzzy logic and genetic programming | |
Chae et al. | Development of Physics-Based Virtual Training Simulator for Inspections of Steel Transmission Towers | |
Cao et al. | Multi-Sensor fusion and data analysis for operating conditions of low power transmission lines | |
Lu et al. | Research on trajectory planning in thunderstorm weather based on dynamic window algorithm during approach segment | |
Znakovska et al. | Simulation of UAS operator's decision-making under different weather conditions | |
CN114638444A (zh) | 针对突发故障下的跳伞时间预测方法、系统、设备 | |
Bardina et al. | Intelligent launch and range operations virtual testbed (ILRO-VTB) | |
Ellis | Inspection of power transmission lines using UAVs | |
Zlateva et al. | A fuzzy logic approach for drone capability analysis on disaster risk assessment |
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 |