CN115167442A - 一种输电线路巡检路径规划方法及系统 - Google Patents

一种输电线路巡检路径规划方法及系统 Download PDF

Info

Publication number
CN115167442A
CN115167442A CN202210885343.5A CN202210885343A CN115167442A CN 115167442 A CN115167442 A CN 115167442A CN 202210885343 A CN202210885343 A CN 202210885343A CN 115167442 A CN115167442 A CN 115167442A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
search algorithm
operator
target
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
Application number
CN202210885343.5A
Other languages
English (en)
Inventor
杨锐
张莹
李赓
罗康
鲁金奇
方小康
成家启
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Yawei Electronic Technology Co ltd
HUBEI ELECTRIC POWER Co JINGZHOU POWER SUPPLY Co
Original Assignee
Wuhan Yawei Electronic Technology Co ltd
HUBEI ELECTRIC POWER Co JINGZHOU POWER SUPPLY Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Yawei Electronic Technology Co ltd, HUBEI ELECTRIC POWER Co JINGZHOU POWER SUPPLY Co filed Critical Wuhan Yawei Electronic Technology Co ltd
Priority to CN202210885343.5A priority Critical patent/CN115167442A/zh
Publication of CN115167442A publication Critical patent/CN115167442A/zh
Pending legal-status Critical Current

Links

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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种输电线路巡检路径规划方法及系统，属于电力巡检技术领域，所述方法包括：获取巡检区域的输电线路和杆塔数据，确定无人机起点位置及可用无人机数据；以无人机的续航时间为约束、以总体巡检路径最短和巡检时间最少为目标建立路径规划的目标函数；在人工水母搜索算法的群体内部移动阶段引入社交网络搜索算法中的对话算子、争论算子和创新算子，得到改进的人工水母搜索算法；通过改进的人工水母搜索算法优化所述目标函数，得到各个无人机的最优巡检路径。本发明以巡检路径最短和巡检时间最少为目标建立巡检路径优化的目标函数，并根据无人机的续航时间设定了约束条件，适用于多个无人机协同作业情况，更符合实际输电线路巡检需求。

Description

一种输电线路巡检路径规划方法及系统
技术领域
本发明属于电力巡检技术领域，具体涉及一种输电线路巡检路径规划方法及系统。
背景技术
输电线路巡检就是沿着输电线路检查线路上各设备的运行情况，及时发现设备存在的缺陷和故障，并详细记录，以便后续线路检修。传统巡检方式为人工巡检，近年来，输电线路的巡检逐渐由巡检机器人、无人机代替，尤其是无人机的普及，使得山区、林间等输电线路的智能巡检成为可能。而输电线路交错复杂、分布范围广，无人机续航能力却有限，因此需要进行合理的巡检路线规划，使其最大范围的完成巡检任务，提高巡检效率。
申请号为202010954908.1的发明专利公开了一种无人机巡检航线生成方法、装置、设备及介质，其通过对输电线路本体及输电走廊进行扫描得到的点云数据进行处理并识别杆塔巡航部件；基于杆塔巡航部件及设定的航拍参数生成航拍点，根据航拍点生成杆塔的巡航路径；获取无人机在相邻杆塔间的飞行路径，根据飞行路径及杆塔的巡航路径生成巡检航线，实现巡检航线的自动生成，而无需飞手或数据处理人员参与其中。该方法可以自动生成巡检航线，但点云数据的数据量庞大，处理过程较为耗时，实际巡检航线生成效率并不理想，且航拍点相对固定，巡航路径规划适应性不佳。
针对输电线路巡检路径规划问题，已有相关研究将智能优化算法用于巡检路径优化，比如申请号为201510980571.0的发明专利公开了一种基于差分纵横交叉算法的输电线路巡检路径优化方法，其融合了纵横交叉算法强大的全局搜索能力和差分进化算法的局部搜索能力，同时考虑了杆塔风险概率和路径最短的多目标输电线路巡检路径问题，但其适用于单条巡检线路规划，并不适用于多个无人机协同巡检的情况。
发明内容
有鉴于此，本发明提出了一种输电线路巡检路径规划方法及系统，用于解决现有的输电线路巡检路线规划适用性不佳的问题。
本发明第一方面，提出一种输电线路巡检路径规划方法，所述方法包括：
获取巡检区域的线路和杆塔数据，确定起点位置及可用无人机数据；
以无人机的续航时间为约束、以总体巡检路径最短和巡检时间最少为目标建立路径规划的目标函数；
在人工水母搜索算法的群体内部移动阶段引入社交网络搜索算法中的对话算子、争论算子和创新算子，得到改进的人工水母搜索算法；
通过改进的人工水母搜索算法优化所述目标函数，得到各个无人机的最优巡检路径。
在以上技术方案的基础上，优选的，所述获取巡检区域的线路和杆塔数据，确定起点位置及可用无人机数据具体包括：
巡检区域的杆塔总数N，n＝1,2,...,N，可用无人机总数为K，k＝1,2,...,K，无人机k对应的最大续航时间为Tk；无人机k在目标杆塔n处所需的停留时间tk_n，目标杆塔n与目标杆塔m之间的距离为Dnm，无人机k从目标杆塔n到目标杆塔m所需时间tk_nm。
在以上技术方案的基础上，优选的，所述以总体巡检路径最短和巡检时间最少为目标建立路径规划的目标函数具体包括：
Figure BDA0003765495890000021
其中，α、β为权重系数，α+β＝1，Pk_nm∈{0,1}，Pk_nm＝1表示第k个无人机在目标杆塔n处完成数据采集后再前往目标杆塔m处采集数据，Pk_nm＝0表示第k个无人机在目标杆塔n处完成数据采集后不再前往目标杆塔m处采集数据；
所述目标函数的约束条件满足：
所有可用无人机的起点位置只有一个，且巡检结束后返回起点；
每个目标杆塔有且仅由一个无人机来采集数据；
每个无人机的巡检路线上，巡检时间小于无人机的续航时间。
在以上技术方案的基础上，优选的，所述在人工水母搜索算法的群体内部移动阶段引入社交网络搜索算法中的对话算子、争论算子和创新算子，得到改进的人工水母搜索算法具体包括：
在人工水母搜索算法的群体内部移动阶段，以一定的概率p引入社交网络搜索算法中的对话算子，随机选择一个交谈对象进行虚拟对话，根据对话结果和概率p进行A类运动位置更新；
所述A类运动位置更新中，种群中的个体以概率p通过对话算子进行位置更新，以概率1-p围绕个体自身进行位置更新；
在A类运动位置更新的基础上，计算各个个体的适应度并与设定的适应度阈值比较，根据比较结果，引入社交网络搜索算法中的争论算子和创新算子进行B类运动位置更新；
所述B类运动位置更新中，当个体的适应度大于设定的适应度阈值时，通过争论算子在当前最优位置附近搜索，否则通过创新算子进行随机游走。
在以上技术方案的基础上，优选的，所述通过改进的人工水母搜索算法优化所述目标函数，得到各个无人机的最优巡检路径具体包括：
对目标区域的杆塔位置进行顺序编号，以目标杆塔的编号范围[1,N]为边界对人工水母搜索算法的种群进行随机初始化；
设种群规模为M，种群中的个体表示为Xi＝[xi1,xi2,…,xiN]，N为目标杆塔总数，每个个体表示了每个无人机的数据采集路径顺序组合；t为迭代次数，最大迭代次数记为T；
以目标为适应度函数，计算各个个体的适应度值，保存最优个体位置；
更新时间控制参数；
根据时间控制参数，跟随洋流趋势进行个体位置更新；
根据时间控制参数，进行群体内部移动，通过引入社交网络搜索算法中的对话算子进行A类运动位置更新，通过引入社交网络搜索算法中的争论算子和创新算子进行B类运动位置更新。
重新计算适应度值并更新最优个体位置；
判断是否满足最大迭代次数，若满足，则输出最优位置和全局最优解，否则，重新迭代计算直到达到最大迭代次数。
在以上技术方案的基础上，优选的，进行A类运动位置更新的公式为：
Figure BDA0003765495890000041
其中Xi(t)、Xi(t+1)分别为个体i在第t、t+1次迭代时的位置，Xj(t)为一个随机个体i在第t次迭代时的位置；p为[0,1]之间的随机数，γ为运动系数，Xi(t)、Xj(t)为两个随机位置，fi(t)、fj(t)为Xi(t)、Xj(t)对应的适应度。
在以上技术方案的基础上，优选的，进行B类运动位置更新的公式为：
Figure BDA0003765495890000042
其中r为[0,1]之间的随机数，M为适应度值大于f0的各个个体的位置平均值，AF为许可因子，AF∈{1,2}，f0为设定的适应度阈值。
本发明第二方面，公开一种输电线路巡检路径规划系统，所述系统包括：
数据获取模块：用于获取巡检区域的输电线路和杆塔数据，确定无人机起点位置及可用无人机数据；
优化目标模块：用于以无人机的续航时间为约束、以总体巡检路径最短和巡检时间最少为目标建立路径规划的目标函数；
路径规划模块：用于在人工水母搜索算法的群体内部移动阶段引入社交网络搜索算法中的对话算子、争论算子和创新算子，得到改进的人工水母搜索算法；通过改进的人工水母搜索算法优化所述目标函数，得到各个无人机的最优巡检路径。
本发明第三方面，公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；
其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如本发明第一方面所述的方法。
本发明第四方面，公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使计算机实现如本发明第一方面所述的方法。
本发明相对于现有技术具有以下有益效果：
1)本发明以巡检路径最短和巡检时间最少为目标建立巡检路径优化的目标函数，通过加权的方式保证总体巡检路径和巡检时间最少，并根据无人机的续航时间设定了约束条件，适用于多个无人机协同作业情况，更符合实际输电线路巡检需求；
2)本发明在人工水母搜索算法的群体内部移动阶段引入社交网络搜索算法中的对话算子、争论算子和创新算子，加快算法收敛的同时避免陷入最优解，将得到改进的人工水母搜索算法用于最优巡检路线求解，可以同时兼顾求解速度和求解质量。
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为本发明的输电线路巡检路径规划方法流程图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。
请参阅图1，本发明提出一种输电线路巡检路径规划方法，所述方法包括：
S1、获取巡检区域的输电线路和杆塔数据，确定无人机起点位置及可用无人机数据；
具体的，确定所需巡检的区域后，可获取巡检区域地图，地图中标注有输电线路和杆塔位置等数据。获取巡检区域的杆塔位置和杆塔总数N，n＝1,2,...,N，
确定无人机起点位置和可用无人机总数K，k＝1,2,...,K，每个无人机上配备一个或多个摄像头用于采集输电线路上的图像，比如可见光摄像头、红外摄像头。
设无人机k对应的最大续航时间为Tk，平均飞行速度为Vk。无人机在每个杆塔处需要停留一个较短时间采集设备图像，设无人机k在目标杆塔n处所需的停留时间tk_n，目标杆塔n与目标杆塔m之间的距离为Dnm，则无人机k从目标杆塔n到目标杆塔m所需时间tk_nm＝Dnm/Vk。
S2、以无人机的续航时间为约束、以总体巡检路径最短和巡检时间最少为目标建立路径规划的目标函数。
无人机的巡航受到自身续航时间的约束，当多个无人机协同作业时需要合理规划每个无人机的巡检路径，本发明将输电线路巡检路径规划问题进行简化如下：从指定起点使用指定数目的无人机从目标区域的杆塔采集数据，每个无人机的最大续航时间和每个杆塔所需要采集的对象一定，现要求安排科学合理的巡检路线，使总的巡检路径最短和总的巡检用时最少。
建立路径规划的目标函数的主要约束条件描述如下：
所有可用无人机的起点位置只有一个，且巡检结束后返回起点；
每个目标杆塔有且仅由一个无人机来采集数据；
每个无人机的巡检路线上，巡检时间小于对应无人机的续航时间。
基于以上约束条件，以总体巡检路径最短和巡检时间最少为目标建立路径规划的目标函数如下：
Figure BDA0003765495890000071
其中，α、β为权重系数，α+β＝1，
Figure BDA0003765495890000072
表示所有无人机的总路径，
Figure BDA0003765495890000073
表示无人机飞行的总时间，
Figure BDA0003765495890000074
表示无人机在各个目标杆塔处采集数据时的停留时间，Pk_nm∈{0,1}，Pk_nm＝1表示第k个无人机在目标杆塔n处完成数据采集后再前往目标杆塔m处采集数据，Pk_nm＝0表示第k个无人机在目标杆塔n处完成数据采集后不再前往目标杆塔m处采集数据；m＝0或n＝0表示无人机起点。
基于以上约束条件，所述目标的约束条件至少满足：
Figure BDA0003765495890000075
Figure BDA0003765495890000076
Figure BDA0003765495890000077
其中，Yk_n∈{0,1}，Yk_n＝1表示目标杆塔n由第k个无人机采集数据，Yk_n＝0表示目标杆塔n不由第k个无人机采集数据。
S3、在人工水母搜索算法的群体内部移动阶段引入社交网络搜索算法中的对话算子、争论算子和创新算子，得到改进的人工水母搜索算法。
具体的，在人工水母搜索算法的群体内部移动阶段，以一定的概率p引入社交网络搜索算法中的对话算子，随机选择一个交谈对象进行虚拟对话，根据对话结果和概率p进行A类运动位置更新，所述A类运动位置更新是指种群中的个体以一定的概率p通过对话算子进行以位置更新，以1-p的概率围绕个体自身进行位置更新；
在A类运动位置更新的基础上，计算各个个体的适应度并与设定的适应度阈值比较，根据比较结果，引入社交网络搜索算法中的争论算子和创新算子进行进行B类运动位置更新；所述B类运动位置更新是指当个体的适应度大于设定的适应度阈值时，通过争论算子在当前较优位置附近搜索，为自己的观点辩护，从而快速逼近最优位置，否则通过创新算子进行随机游走，产生新颖的观点，从而扩大搜索，避免陷入局部最优解。
S4、通过改进的人工水母搜索算法优化所述目标函数，得到各个无人机的最优巡检路径。
步骤S4具体包括如下分步骤：
S41、对目标杆塔按序进行整数编号，编号范围为[1,N]，以编号范围[1,N]为边界对人工水母搜索算法的种群进行随机初始化，并对个体中的元素取整；
设种群规模为M，种群中的表示为Xi＝[xi1,xi2,…,xiN]，每个个体表示了一个无人机的巡检路径顺序组合；记t为迭代次数，最大迭代次数记为T；
具体的，由于可用无人机数量为K，这K辆车需要完成N个目标杆塔的数据采集且相互之间不重复，因此需要初步确定每个无人机需要负责的目标杆塔数量。可根据各个目标杆塔的位置，通过聚类的方式划分成K类，每个聚类类别即可认为是一个无人机所负责的目标杆塔集合，获取各个聚类类别中目标杆塔数量，根据各个聚类类别中目标杆塔数量对个体Xi的元素进行划分，得到的即为各个无人机的初始巡检路径顺序。
S42、以目标为适应度函数，计算各个个体的适应度值，以适应度值最小为最优适应度，保存对应的最优个体位置。
S43、更新时间控制参数：
Figure BDA0003765495890000081
S44、当C(t)>C0时，跟随洋流趋势进行个体位置更新。取C0＝0.5，跟随洋流趋势进行个体位置更新的公式为：
Xi(t+1)＝Xi(t)+rand(0,1)*(Xb-v*rand(0,1)*u)
u为所有水母的平均位置，v为分配系数，可取v＝3。
S45、当C(t)≤C0时，进行群体内部移动。步骤S45具体包括如下分步骤：
S451、引入社交网络搜索算法中的对话算子进行A类运动位置更新，进行A类运动位置更新的公式为：
Figure BDA0003765495890000091
其中Xi(t)、Xi(t+1)分别为个体i在第t、t+1次迭代时的位置，Xj(t)为一个随机个体j在第t次迭代时的位置；p为[0,1]之间的随机数，γ为运动系数，Xi(t)、Xj(t)为两个随机位置，fi(t)、fj(t)为Xi(t)、Xj(t)对应的适应度。
S452、引入社交网络搜索算法中的争论算子和创新算子进行B类运动位置更新，进行B类运动位置更新的公式为：
Figure BDA0003765495890000092
其中r为[0,1]之间的随机数，M为适应度值大于f0的各个个体的位置平均值，AF为许可因子，AF∈{1,2}，f0为设定的适应度阈值。
S46、重新计算适应度值并更新最优个体位置。
S47、判断是否满足最大迭代次数，若满足，则输出全局最优解，否则，返回步骤S42重新迭代计算。
该全局最优解即为各个无人机对应的最优巡检路线。
人工水母搜索算法通过模拟水母的搜寻行为进行智能寻优，水母要么跟随洋流，要么在群体内部移动。其中群体内部移动分为围绕自身的运动和跟随其他更优秀的个体的运动，通过时间控制机制控制这些运动之间切换。然而标准的人工水母搜索算法的群体内部运动要么围绕自身进行随机移动，要么随机选取一个个体跟随移动或者往相反方向移动，这种移动方式搜寻速度较慢，若随机选取的跟随对象不佳，则易陷入局部最优解，影响求解速度和质量。
本发明通过将人工水母搜索算法与社交网络搜索算法结合，得到改进的人工水母搜索算法来解决这一问题。将人工水母搜索算法的群体内部移动阶段分为A类运动和B类运动，其中A类运动是指个体在围绕自身运动时，引入社交网络搜索算法的对话机制，通过对话获取群体内部的更优位置信息，然后种群中的个体以概率p通过对话算子进行位置更新，以概率1-p围绕个体自身进行位置更新，使得群体慢慢向较优位置移动，避免原地打转。
在A类运动位置更新的基础上，引入社交网络搜索算法中的争论算子和创新算子进行B类运动位置更新。先计算各个个体的适应度并与设定的适应度阈值比较，当个体的适应度大于设定的适应度阈值时，说明当前个体处于较优位置，通过争论算子在当前较优位置附近搜索，从而快速逼近最优位置，淘汰劣质解，否则通过创新算子进行随机游走，产生新颖的观点，从而扩大搜索范围，避免陷入局部最优解。本发明提出的改进的人工水母搜索算法可兼顾搜索速度和寻优质量，快速求解出最优巡检路线。
与上述方法实施例相对应，本发明还提出一种输电线路巡检路径规划系统，所述系统包括：
数据获取模块：用于获取巡检区域的线路和杆塔数据，确定无人机起点位置及可用无人机数据；
优化目标模块：用于以无人机的续航时间为约束、以总体巡检路径最短和巡检时间最少为目标建立路径规划的目标函数；
路径规划模块：用于在人工水母搜索算法的群体内部移动阶段引入社交网络搜索算法中的对话算子、争论算子和创新算子，得到改进的人工水母搜索算法；通过改进的人工水母搜索算法优化所述目标函数，得到各个无人机的最优巡检路径。
以上系统实施例和方法实施例是一一对应的，系统实施例简述之处请参阅方法实施例即可。
本发明还公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现本发明前述的方法。
本发明还公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现本发明实施例所述方法的全部或部分步骤。所述存储介质包括：U盘、移动硬盘、只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以分布到多个网络单元上。本领域普通技术人员在不付出创造性的劳动的情况下，可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种输电线路巡检路径规划方法，其特征在于，所述方法包括：
获取巡检区域的输电线路和杆塔数据，确定无人机起点位置及可用无人机数据；
以无人机的续航时间为约束、以总体巡检路径最短和巡检时间最少为目标建立路径规划的目标函数；
在人工水母搜索算法的群体内部移动阶段引入社交网络搜索算法中的对话算子、争论算子和创新算子，得到改进的人工水母搜索算法；
通过改进的人工水母搜索算法优化所述目标函数，得到各个无人机的最优巡检路径。
2.根据权利要求1所述的输电线路巡检路径规划方法，其特征在于，所述获取巡检区域的线路和杆塔数据，确定起点位置及可用无人机数据具体包括：
设巡检区域的杆塔总数为N，n＝1,2,...,N，可用无人机总数为K，k＝1,2,...,K，无人机k对应的最大续航时间为Tk；无人机k在目标杆塔n处所需的停留时间tk_n，目标杆塔n与目标杆塔m之间的距离为Dnm，无人机k从目标杆塔n到目标杆塔m所需时间tk_nm。
3.根据权利要求1所述的输电线路巡检路径规划方法，其特征在于，所述以总体巡检路径最短和巡检时间最少为目标建立路径规划的目标函数具体包括：
Figure FDA0003765495880000011
其中，α、β为权重系数，α+β＝1，Pk_nm∈{0,1}，Pk_nm＝1表示第k个无人机在目标杆塔n处完成数据采集后再前往目标杆塔m处采集数据，Pk_nm＝0表示第k个无人机在目标杆塔n处完成数据采集后不再前往目标杆塔m处采集数据；
所述目标函数的约束条件满足：
所有可用无人机的起点位置只有一个，且巡检结束后返回起点；
每个目标杆塔有且仅由一个无人机来采集数据；
每个无人机的巡检路线上，巡检时间小于对应无人机的续航时间。
4.根据权利要求1所述的输电线路巡检路径规划方法，其特征在于，所述在人工水母搜索算法的群体内部移动阶段引入社交网络搜索算法中的对话算子、争论算子和创新算子，得到改进的人工水母搜索算法具体包括：
在人工水母搜索算法的群体内部移动阶段，以一定的概率p引入社交网络搜索算法中的对话算子，随机选择一个交谈对象进行虚拟对话，根据对话结果和概率p进行A类运动位置更新；
所述A类运动位置更新中，种群中的个体以概率p通过对话算子进行位置更新，以概率1-p围绕个体自身进行位置更新；
在A类运动位置更新的基础上，计算各个个体的适应度并与设定的适应度阈值比较，根据比较结果，引入社交网络搜索算法中的争论算子和创新算子进行B类运动位置更新；
所述B类运动位置更新中，当个体的适应度大于设定的适应度阈值时，通过争论算子在当前最优位置附近搜索，否则通过创新算子进行随机游走。
5.根据权利要求4所述的输电线路巡检路径规划方法，其特征在于，所述通过改进的人工水母搜索算法优化所述目标函数，得到各个无人机的最优巡检路径具体包括：
对目标区域的杆塔位置进行顺序编号，以目标杆塔的编号范围[1,N]为边界对人工水母搜索算法的种群进行随机初始化；
设种群规模为M，种群中的个体表示为Xi＝[xi1,xi2,…,xiN]，N为目标杆塔总数，每个个体表示了每个无人机的数据采集路径顺序组合；t为迭代次数，最大迭代次数记为T；
以目标为适应度函数，计算各个个体的适应度值，保存最优个体位置；
更新时间控制参数；
根据时间控制参数，跟随洋流趋势进行个体位置更新；
根据时间控制参数，进行群体内部移动，通过引入社交网络搜索算法中的对话算子进行A类运动位置更新，通过引入社交网络搜索算法中的争论算子和创新算子进行B类运动位置更新；
重新计算适应度值并更新最优个体位置；
判断是否满足最大迭代次数，若满足，则输出最优位置和全局最优解，否则，重新迭代计算直到达到最大迭代次数。
6.根据权利要求5所述的输电线路巡检路径规划方法，其特征在于，进行A类运动位置更新的公式为：
Figure FDA0003765495880000031
其中Xi(t)、Xi(t+1)分别为个体i在第t、t+1次迭代时的位置，Xj(t)为一个随机个体i在第t次迭代时的位置；p为[0,1]之间的随机数，γ为运动系数，Xi(t)、Xj(t)为两个随机位置，fi(t)、fj(t)为Xi(t)、Xj(t)对应的适应度。
7.根据权利要求6所述的输电线路巡检路径规划方法，其特征在于，进行B类运动位置更新的公式为：
Figure FDA0003765495880000032
其中r为[0,1]之间的随机数，M为适应度值大于f0的各个个体的位置平均值，AF为许可因子，AF∈{1,2}，f0为设定的适应度阈值。
8.一种输电线路巡检路径规划系统，其特征在于，所述系统包括：
数据获取模块：用于获取巡检区域的线路和杆塔数据，确定无人机起点位置及可用无人机数据；
优化目标模块：用于以无人机的续航时间为约束、以总体巡检路径最短和巡检时间最少为目标建立路径规划的目标函数；
路径规划模块：用于在人工水母搜索算法的群体内部移动阶段引入社交网络搜索算法中的对话算子、争论算子和创新算子，得到改进的人工水母搜索算法；通过改进的人工水母搜索算法优化所述目标函数，得到各个无人机的最优巡检路径。
9.一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器、通信接口和总线；
其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如权利要求1～7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，所述计算机指令使计算机实现如权利要求1～7任一项所述的方法。
CN202210885343.5A 2022-07-26 2022-07-26 一种输电线路巡检路径规划方法及系统 Pending CN115167442A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210885343.5A CN115167442A (zh) 2022-07-26 2022-07-26 一种输电线路巡检路径规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210885343.5A CN115167442A (zh) 2022-07-26 2022-07-26 一种输电线路巡检路径规划方法及系统

Publications (1)

Publication Number Publication Date
CN115167442A true CN115167442A (zh) 2022-10-11

Family

ID=83496516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210885343.5A Pending CN115167442A (zh) 2022-07-26 2022-07-26 一种输电线路巡检路径规划方法及系统

Country Status (1)

Country Link
CN (1) CN115167442A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115542944A (zh) * 2022-10-24 2022-12-30 广东电网有限责任公司云浮供电局 一种基于配电网环境的多无人机路径规划方法及相关装置
CN115686070A (zh) * 2022-11-18 2023-02-03 国网江苏省电力有限公司苏州供电分公司 配电/输电线路无人机自主巡线路径规划方法
CN116069045A (zh) * 2023-04-06 2023-05-05 武汉大学 一种基于移动机器人的辐射环境探测方法和系统
CN116207797A (zh) * 2023-04-26 2023-06-02 武汉理工大学 一种配电网多串并联设备协调优化控制方法
CN116225074A (zh) * 2023-05-10 2023-06-06 广东电网有限责任公司佛山供电局 一种输电线路无人机巢巡检航线规划方法及系统
CN117370838A (zh) * 2023-10-17 2024-01-09 国网电力空间技术有限公司 一种无人直升机电力巡检数据处理方法
CN117647706A (zh) * 2024-01-30 2024-03-05 山东昊能电力建设有限公司 一种基于大数据的智慧电网运行故障诊断系统及方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115542944A (zh) * 2022-10-24 2022-12-30 广东电网有限责任公司云浮供电局 一种基于配电网环境的多无人机路径规划方法及相关装置
CN115686070A (zh) * 2022-11-18 2023-02-03 国网江苏省电力有限公司苏州供电分公司 配电/输电线路无人机自主巡线路径规划方法
CN115686070B (zh) * 2022-11-18 2024-01-23 国网江苏省电力有限公司苏州供电分公司 配电/输电线路无人机自主巡线路径规划方法
CN116069045A (zh) * 2023-04-06 2023-05-05 武汉大学 一种基于移动机器人的辐射环境探测方法和系统
CN116207797A (zh) * 2023-04-26 2023-06-02 武汉理工大学 一种配电网多串并联设备协调优化控制方法
CN116225074A (zh) * 2023-05-10 2023-06-06 广东电网有限责任公司佛山供电局 一种输电线路无人机巢巡检航线规划方法及系统
CN117370838A (zh) * 2023-10-17 2024-01-09 国网电力空间技术有限公司 一种无人直升机电力巡检数据处理方法
CN117370838B (zh) * 2023-10-17 2024-04-05 国网电力空间技术有限公司 一种无人直升机电力巡检数据处理方法
CN117647706A (zh) * 2024-01-30 2024-03-05 山东昊能电力建设有限公司 一种基于大数据的智慧电网运行故障诊断系统及方法
CN117647706B (zh) * 2024-01-30 2024-04-05 山东昊能电力建设有限公司 一种基于大数据的智慧电网运行故障诊断系统及方法

Similar Documents

Publication Publication Date Title
CN115167442A (zh) 一种输电线路巡检路径规划方法及系统
CN114241282B (zh) 一种基于知识蒸馏的边缘设备场景识别方法及装置
CN107729808B (zh) 一种用于输电线路无人机巡检的图像智能采集系统及方法
CN110874578B (zh) 一种基于强化学习的无人机视角车辆识别追踪方法
CN110200598A (zh) 一种大型养殖场体征异常禽类检测系统及检测方法
CN111914813A (zh) 基于图像分类的输电线路巡检图像命名方法及系统
CN109858437B (zh) 基于生成查询网络的行李体积自动分类方法
CN113420643B (zh) 基于深度可分离空洞卷积的轻量级水下目标检测方法
CN110738309A (zh) Ddnn的训练方法和基于ddnn的多视角目标识别方法和系统
CN111507488B (zh) 一种基于vr的车辆维修保养辅助系统
CN112148028A (zh) 基于无人机拍摄图像的环境监测方法和系统
CN111831010A (zh) 一种基于数字空间切片的无人机避障飞行方法
CN114118254A (zh) 一种基于多任务融合的三维目标检测系统及其方法
CN114967680B (zh) 基于蚁群算法和卷积神经网络的移动机器人路径规划方法
CN115909110A (zh) 一种基于Siamese网络的轻量级红外无人机目标跟踪方法
CN114419444A (zh) 一种基于深度学习网络的轻量化的高分辨率鸟群识别方法
Koo et al. A jellyfish distribution management system using an unmanned aerial vehicle and unmanned surface vehicles
CN114037895A (zh) 一种无人机杆塔巡检图像识别方法
CN117011728A (zh) 基于改进YOLOv7的无人机航拍目标检测方法
CN112069997A (zh) 一种基于DenseHR-Net的无人机自主着陆目标提取方法及装置
CN115297303B (zh) 适用于电网输变电设备的图像数据采集处理方法及装置
CN114326821B (zh) 基于深度强化学习的无人机自主避障系统及方法
CN115542944A (zh) 一种基于配电网环境的多无人机路径规划方法及相关装置
CN116184431A (zh) 无人机自主导航定位地图构建方法、装置及系统
CN115482282A (zh) 自动驾驶场景下具有多目标追踪能力的动态slam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