CN117032311A - 一种输电线路无人机巡检任务自动规划方法、装置、设备及介质 - Google Patents
一种输电线路无人机巡检任务自动规划方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117032311A CN117032311A CN202311118344.8A CN202311118344A CN117032311A CN 117032311 A CN117032311 A CN 117032311A CN 202311118344 A CN202311118344 A CN 202311118344A CN 117032311 A CN117032311 A CN 117032311A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- inspection
- path
- inspection 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
- 238000007689 inspection Methods 0.000 title claims abstract description 161
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000005540 biological transmission Effects 0.000 title claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 37
- 230000006870 function Effects 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 7
- 238000005265 energy consumption Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000001556 precipitation Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 230000005405 multipole Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种输电线路无人机巡检任务自动规划方法、装置、设备及介质，所述方法包括：根据预获取的无人机巡检任务信息，确定无人机起降位置、杆塔坐标位置和自助充电位置，划分巡视覆盖区域，在区域内设置路径点；在不考虑无人机出现突发性故障情况下，将无人机电量和无人机途径区域的气象数据作为限制条件，建立无人机巡检任务规划模型。该输电线路无人机巡检任务自动规划方法、装置、设备及介质，通过构建模型和算法求解，基于任务数据、气象数据等信息生成距离短、安全系数高的巡视路线，并根据无人机机型转换为无人机所适配的标准航线文件，下发至无人机执行，满足单任务多杆塔的巡检需求，提升输电线路无人机自主巡检效率和安全水平。
Description
技术领域
本发明涉及一种输电线路无人机巡检任务自动规划方法、装置、设备及介质，属于输电线无人巡检技术领域。
背景技术
在电力系统中，输电运维专业的主要任务之一便是对输电线路设备巡检检查、维护管理，及时发现设备存在的问题。随着多旋翼无人机技术的发展应用，使用无人机进行输电线路巡检带来的高效性和便利性，使其成为当下输电线路巡检的主流方式。
随着输电线路巡视需求不断增大，单次任务巡视单基杆塔的方式已无法满足要求，需要升级为单次任务巡视多基杆塔，但单次任务巡视多基杆塔主要存在以下两个问题，一是多旋翼无人机的续航水平无法支撑无人机长时间飞行，解决该问题可在无人机执行任务途中增加充电点，无人机执行任务电量不足时前往充电点充电，满电后继续执行任务；二是在无人机巡检任务由单基巡视改为多基巡视，多基杆塔的巡视距离跨度大、时间长，还要考虑地形、天气、续航等因素，导致巡视路线的规划难度加大，另一方面人工规划方式不仅耗费时间，而且规划时无法考虑巡视过程中天气实时变化情况和无人机实时续航水平，规划出的巡视线路不符合实际巡视要求；
可见，为解决解决了单任务巡视多基杆塔路线规划困难的问题，亟需一种输电线路无人机巡检任务自动规划方法、装置、设备及介质。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种输电线路无人机巡检任务自动规划方法、装置、设备及介质，通过构建数学模型和算法求解，实现基于任务数据、气象数据生成耗时短、安全系数高的巡视路线，并根据无人机机型转换为无人机所适配的标准航线文件，自动下发至无人机执行，解决了单任务巡视多基杆塔路线规划困难的问题。
为达到上述目的，本发明是采用下述技术方案实现的：
第一方面，本发明提供了一种输电线路无人机巡检任务自动规划方法，包括：
根据预获取的无人机巡检任务信息，确定无人机起降位置、杆塔坐标位置和自助充电位置，划分巡视覆盖区域，在所述巡视覆盖区域内设置路径点；
在不考虑无人机出现突发性故障情况下，将无人机电量和无人机途经区域的气象数据作为限制条件，建立无人机巡检任务规划模型；
以巡视线路耗时最短、安全系数最高为目标，应用分支界定算法和贪心算法求解所述无人机巡检任务规划模型，获得无人机巡检任务规划问题的最优解，得到相应的巡视线路位置数据；
依据无人机机型将所述最优解对应的巡视线路位置数据转换为无人机所适配的标准航线文件，下发至无人机执行。
进一步的，所述无人机巡检任务信息通过与上级系统交互获取。
进一步的，所述路径点包括起飞点、降落点、巡视点和充电点，所述气象数据包括风力等级和降水量。
进一步的，所述无人机巡检任务规划模型的构建方法，包括：
设无人机巡检路线策略变量为Sij，设路径点i与路径点j之间的直线距离为Pij，由此定义的巡检路线规划目标函数如下：
其中，当Sij＝0，表示无人机不会从路径点i飞到路径点j；Sij＝1，表示无人机从路径点i飞到路径点j；V表示路径点的集合；
无人机巡检路线策略Sij变量需满足条件：
将无人机电量作为巡检路线规划模型的限制条件，将无人机飞行距离作为衡量无人机电量消耗的指标，设R为无人机的最大续航水平，设变量Eij为无人机能量消耗，设充电区域集合为B；无人机的剩余续航距离不超过最大续航R的非负数，无人机能量损耗公式表示如下：
0<Eij<R,i∈V,j∈VUB,i≠j
式中，Ski表示无人机从路径点k飞到路径点i的策略变量，Eki表示无人机从路径点k飞至路径点i的能量损耗；
无人机电量充满离开机巢时，无人机能量损耗表示如下：
Eij＝Sij·(R-Pij)(i∈B,j∈V)；
将风力等级和降水量作为限制条件，计算任务开始时能抵达的所有点，每隔一段时间根据气象预测信息判断这些巡视路径点是否存在风险，取其中安全点作为新的起点，从新的起点出发再次找到所有可达点，依此遍历下去得到所有可能的路径集合，从集合中筛选耗时最短的最优路径，构建的无人机巡检路径规划模型函数如下：
进一步的，所述无人机巡检任务规划问题的最优解的计算方法，包括：
步骤一、获取当前无人机电量和无人机途径区域气象数据作为无人机巡检路径规划模型的约束条件，在已知起飞点、降落点及巡视点坐标数据的前提下，生成若干组具有不同路径点数量的路径集合Y，设Y为Q的解空间，Q作为搜索树的根节点，应用深度优先搜索策略算法，不断划分解空间Y的子解空间作为搜索树的分枝节点，其中，记待解决的无人机巡检任务规划问题为Q；记Q当前的最优可行解为OptimalSol，用于记录不断更新的最优解，初值取Q中的任一可行解；记LB为当前可行解对应的目标下限值；
步骤二、根据设置的无人机巡检路径规划模型的约束条件，使用贪心算法遍历路径集合Y，将每个分枝节点数据输入无人机巡检路径规划模型MinZ计算出每个分枝节点对应的可行解，将得到的多个可行解取并集后取得分枝节点的最优解集合，同时结合线性松弛方法得到可行解目标函数值下界，将可变化飞行巡检路线策略变量的取值范围由(0，1)扩大至[0，1]，扩大分枝节点中可变化飞行巡检路线策略变量的取值范围，从而实现对各个分枝节点的定界；
步骤三、设最优可行解函数值OptimalSol为0，对每一分枝节点进行洞悉条件测试，若此节点的下限值大于等于最优可行解OptimalSol对应的函数值，则此节点可洞悉而不再被考虑，反之则更新最优可行解OptimalSol；
步骤四、判断是否存在仍未被洞悉的分枝节点，若存在则迭代进行步骤一、二、三的操作，直至没有仍未被洞悉的分枝节点后得出最优解。
进一步的，在步骤四迭代的过程中对所有定界后的分枝节点进行比较，选择下界值最小的分枝节点执行步骤一、二、三，若无人机生成的所有巡检路线对应的分枝节点不存在子分枝节点或子分枝节点都已被剪枝，则停止迭代，得出OptimalSol作为问题Q的最优解。
进一步的，查找最优飞行路线的可行解使用的贪心算法包括基于无人机实时位置的贪心算法或基于全局最短路径点距离的贪心算法，其中，
基于全局最短路径点距离的贪心算法包括：搜索当前解空间中包含的路径点之间的边，选择欧氏距离最小的边，作为无人机遍历路径中的元素，更新当前解空间，当解空间为空集时，停止搜索；
基于无人机实时位置的贪心算法包括：依据实时获取的无人机位置的坐标信息，搜寻距无人机最近且未遍历的路径点，若存在则无人机飞往该路径点，飞到该路径点后更新无人机位置的坐标信息，继续搜寻下一路径点，直至没有路径点可搜寻，生成无人机飞行巡视路线并结束搜寻。
第二方面，本发明提供了一种输电线路无人机巡检任务自动规划装置，包括：
巡视覆盖区域划分模块：用于根据预获取的无人机巡检任务信息，确定无人机起降位置、杆塔坐标位置和自助充电位置，划分巡视覆盖区域，在所述巡视覆盖区域内设置路径点；
无人机巡检任务规划模型构建模块：用于在不考虑无人机出现突发性故障情况下，将无人机电量和无人机途经区域的气象数据作为限制条件，建立无人机巡检任务规划模型；
最优解确定模块：用于以巡视线路耗时最短、安全系数最高为目标，应用分支界定算法和贪心算法求解所述无人机巡检任务规划模型，获得无人机巡检任务规划问题的最优解，得到相应的巡视线路位置数据；
任务下发模块：用于依据无人机机型将所述最优解对应的巡视线路位置数据转换为无人机所适配的标准航线文件，下发至无人机执行。
第三方面，本发明提供了一种计算机设备，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据第一方面所述方法的步骤。
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现第一方面所述方法的步骤。
与现有技术相比，本发明所达到的有益效果：
本发明提供的输电线路无人机巡检任务自动规划方法、装置、设备及介质，通过构建数学模型和算法求解，实现基于任务数据、气象数据等信息生成距离短、安全系数高的巡视路线，并根据无人机机型转换为无人机所适配的标准航线文件，自动下发至无人机执行，满足单任务多杆塔的巡检需求，提升输电线路无人机自主巡检效率和安全水平，解决了单任务巡视多基杆塔路线规划困难的问题。
附图说明
图1是实施例一提供的输电线路无人机巡检任务自动规划方法的流程示意图。
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符"/"，一般表示前后关联对象是一种“或”的关系。
实施例一：
图1是本发明实施例一中的一种输电线路无人机巡检任务自动规划方法的流程图。本实施例提供的输电线路无人机巡检任务自动规划方法可应用于终端，可以由输电线路无人机巡检任务自动规划装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在终端中，例如：任一具备通信功能的智能手机，平板电脑或计算机设备。参见图1，本实施例的方法具体包括如下步骤：
步骤A：根据预获取的无人机巡检任务信息，确定无人机起降位置、杆塔坐标位置和自助充电位置，划分巡视覆盖区域，在所述巡视覆盖区域内设置路径点；
步骤B：在不考虑无人机出现突发性故障情况下，将无人机电量和无人机途经区域的气象数据作为限制条件，建立无人机巡检任务规划模型；
步骤C：以巡视线路耗时最短、安全系数最高为目标，应用分支界定算法和贪心算法求解所述无人机巡检任务规划模型，获得无人机巡检任务规划问题的最优解，得到相应的巡视线路位置数据；
步骤D：依据无人机机型将所述最优解对应的巡视线路位置数据转换为无人机所适配的标准航线文件，下发至无人机执行。
本实施案例设定在一定区域的空间内分布着若干巡视杆塔、自主充点电和固定起飞降落点，模拟上级自动下发测试任务至系统，系统根据下发任务进行位置、气象等数据进行收集和分析处理。考虑没有实际环境进行实施，故使用软件建模的方式来模拟实际任务的执行，本实施例利用Python3.8进行建模，对气象、地形、无人机状态等实际情景进行模拟，在某区域内随机建立5个杆塔设备，在半径为500米的范围内随机分布，各个杆塔之间距离为0～100米之内，2个自主充电仓分布在杆塔覆盖范围半径30米内。
步骤Aa：所述无人机巡检任务信息通过与上级系统交互获取。
步骤Ab：所述路径点包括起飞点、降落点、巡视点和充电点，所述气象数据包括风力等级和降水量。
步骤Ba：所述无人机巡检任务规划模型的构建方法，包括：
设无人机巡检路线策略变量为Sij，设路径点i与路径点j之间的直线距离为Pij，由此定义的巡检路线规划目标函数如下：
其中，当Sij＝0，表示无人机不会从路径点i飞到路径点j；Sij＝1，表示无人机从路径点i飞到路径点j；V表示路径点的集合；
除此之外，为了让无人机巡检路线策略变量构成一条完整的且可行的巡视路线，具体条件如下：
无人机受限于续航水平不能进行长时间的飞行，将无人机电量作为巡检路线规划模型的限制条件，无人机电量不足时前往最近充电点充满电后继续执行任务。将无人机飞行距离作为衡量无人机电量消耗的指标，设R为无人机的最大续航水平，设变量Eij为无人机能量消耗，设充电区域集合为B；无人机的剩余续航距离不超过最大续航R的非负数，无人机能量损耗公式表示如下：
0<Eij<R,i∈V,j∈VUB,i≠j
式中，Ski表示无人机从路径点k飞到路径点i的策略变量，Eki表示无人机从路径点k飞至路径点i的能量损耗；
无人机电量充满离开机巢时，无人机能量损耗表示如下：
Eij＝Sij·(R-Pij)(i∈B,j∈V)；
糟糕的天气情况不仅影响无人机巡视任务的执行，无人机还存在炸机的风险，巡视线路规划时应考虑巡视区域的气象情况，将巡视区域气象数据(风力等级和降水量)作为模型构建限制条件，避开天气情况糟糕的区域进行巡视或遇到糟糕天气时自动返航。巡视路线规划考虑天气情况的难点在于同一区域不同时间的气象情况是不断动态变化的，在前一时刻得出的最优巡视路径点到了下一时刻可能就成为无人机坠毁的危险点，根据天气预测情况得出最优巡视路线，计算任务开始时能抵达的所有点，每隔一段时间根据气象预测信息判断这些巡视路径点是否存在风险，取其中安全点作为新的起点，从新的起点出发再次找到所有可达点，依此遍历下去得到所有可能的路径集合，从集合中筛选耗时最短的最优路径，基于上述限制条件最终构建的无人机巡检路径规划模型函数如下：
步骤Ca：在构建的无人机任务规划模型上，应用分支界定算法和贪心算法求解该模型，得到最优的无人机巡检路线，包括：
步骤一：分枝
获取当前无人机电量和无人机途径区域气象数据作为无人机巡检路径规划模型的约束条件，在已知起飞点、降落点及巡视点坐标数据的前提下，生成若干组具有不同路径点数量的路径集合Y，设Y为Q的解空间，Q作为搜索树的根节点，应用深度优先搜索策略算法，不断划分解空间Y的子解空间作为搜索树的分枝节点，其中，无人机巡检路径规划模型的约束条件包括无人机续航水平和巡视区域气象情况；记待解决的无人机巡检任务规划问题为Q；记Q当前的最优可行解为OptimalSol，用于记录不断更新的最优解，初值取Q中的任一可行解；记LB为当前可行解对应的目标下限值；
步骤二：定界
获取无人机当前电量和巡视区域气象数据，设置无人机巡检路径规划模型的约束条件(无人机续航水平、巡视区域气象情况)，根据设置的无人机巡检路径规划模型的约束条件，使用贪心算法遍历路径集合Y，将每个分枝节点数据(单条路径的坐标信息)输入无人机巡检路径规划模型MinZ计算出每个分枝节点对应的可行解，将得到的多个可行解取并集后取得分枝节点的最优解集合，同时结合线性松弛方法得到可行解目标函数值下界，将可变化飞行巡检路线策略变量的取值范围由(0，1)扩大至[0，1]，扩大分枝节点中可变化飞行巡检路线策略变量的取值范围，从而实现对各个分枝节点的定界；
步骤三：剪枝
设最优可行解函数值OptimalSol为0，对每一分枝节点进行洞悉条件测试，若此节点的下限值大于等于最优可行解OptimalSol对应的函数值，则此节点可洞悉而不再被考虑，反之则更新最优可行解OptimalSol；
步骤四、判断是否存在仍未被洞悉的分枝节点，若存在则迭代执行步骤一、二、三的操作，直至没有仍未被洞悉的分枝节点后得出最优解。
步骤Cb：在步骤四迭代的过程中对所有定界后的分枝节点进行比较，选择下界值最小的分枝节点执行步骤一、二、三(分枝、定界、剪枝)，在解决该无人机巡检路线问题中，若无人机生成的所有巡检路线对应的分枝节点不存在子分枝节点或子分枝节点都已被剪枝，则停止迭代，得出OptimalSol作为问题Q的最优解。
步骤Cc：查找最优飞行路线的可行解使用的贪心算法包括基于无人机实时位置的贪心算法或基于全局最短路径点距离的贪心算法，其中，
基于全局最短路径点距离的贪心算法包括：搜索当前解空间中包含的路径点之间的边，选择欧氏距离最小的边，作为无人机遍历路径中的元素，更新当前解空间，当解空间为空集时，停止搜索；
基于无人机实时位置的贪心算法包括：依据实时获取的无人机位置的坐标信息，搜寻距无人机最近且未遍历的路径点，若存在则无人机飞往该路径点，飞到该路径点后更新无人机位置的坐标信息，继续搜寻下一路径点，直至没有路径点可搜寻，生成无人机飞行巡视路线并结束搜寻。
本实施例中初始随机生成的路径不确定最优解，通过分枝、定界和剪枝步骤进行迭代，在迭代过程中，决策空间不断精细化，最优解的值不断更新，最终得到由多个路径点坐标组成的单个最优解。
综上所述，本实施例提供的输电线路无人机巡检任务自动规划方法，通过构建数学模型和算法求解，实现基于任务数据、气象数据等信息生成距离短、安全系数高的巡视路线，并根据无人机机型转换为无人机所适配的标准航线文件，自动下发至无人机执行，满足单任务多杆塔的巡检需求，提升输电线路无人机自主巡检效率和安全水平，解决了单任务巡视多基杆塔路线规划困难的问题。
实施例二：
一种输电线路无人机巡检任务自动规划装置，包括：
巡视覆盖区域划分模块：用于根据预获取的无人机巡检任务信息，确定无人机起降位置、杆塔坐标位置和自助充电位置，划分巡视覆盖区域，在所述巡视覆盖区域内设置路径点；
无人机巡检任务规划模型构建模块：用于在不考虑无人机出现突发性故障情况下，将无人机电量和无人机途经区域的气象数据作为限制条件，建立无人机巡检任务规划模型；
最优解确定模块：用于以巡视线路耗时最短、安全系数最高为目标，应用分支界定算法和贪心算法求解所述无人机巡检任务规划模型，获得无人机巡检任务规划问题的最优解，得到相应的巡视线路位置数据；
任务下发模块：用于依据无人机机型将所述最优解对应的巡视线路位置数据转换为无人机所适配的标准航线文件，下发至无人机执行。
本发明实施例所提供的输电线路无人机巡检任务自动规划装置可执行本发明任意实施例所提供的输电线路无人机巡检任务自动规划方法，具备执行方法相应的功能模块和有益效果。
实施例三：
本发明实施例还提供了一种计算机设备，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行下述方法的步骤：
根据预获取的无人机巡检任务信息，确定无人机起降位置、杆塔坐标位置和自助充电位置，划分巡视覆盖区域，在所述巡视覆盖区域内设置路径点；
在不考虑无人机出现突发性故障情况下，将无人机电量和无人机途经区域的气象数据作为限制条件，建立无人机巡检任务规划模型；
以巡视线路耗时最短、安全系数最高为目标，应用分支界定算法和贪心算法求解所述无人机巡检任务规划模型，获得无人机巡检任务规划问题的最优解，得到相应的巡视线路位置数据；
依据无人机机型将所述最优解对应的巡视线路位置数据转换为无人机所适配的标准航线文件，下发至无人机执行。
对于本实施例中各步骤的详细内容可参见实施例一，在此不作赘述。鉴于本实施例与实施例一采用相同的技术构思，因此也具备诸如实施例一所述的技术效果。
实施例四：
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现下述方法的步骤：
根据预获取的无人机巡检任务信息，确定无人机起降位置、杆塔坐标位置和自助充电位置，划分巡视覆盖区域，在所述巡视覆盖区域内设置路径点；
在不考虑无人机出现突发性故障情况下，将无人机电量和无人机途经区域的气象数据作为限制条件，建立无人机巡检任务规划模型；
以巡视线路耗时最短、安全系数最高为目标，应用分支界定算法和贪心算法求解所述无人机巡检任务规划模型，获得无人机巡检任务规划问题的最优解，得到相应的巡视线路位置数据；
依据无人机机型将所述最优解对应的巡视线路位置数据转换为无人机所适配的标准航线文件，下发至无人机执行。
对于本实施例中各步骤的详细内容可参见实施例一，在此不作赘述。鉴于本实施例与实施例一采用相同的技术构思，因此也具备诸如实施例一所述的技术效果。
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优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种输电线路无人机巡检任务自动规划方法，其特征是，包括：
根据预获取的无人机巡检任务信息，确定无人机起降位置、杆塔坐标位置和自助充电位置，划分巡视覆盖区域，在所述巡视覆盖区域内设置路径点；
在不考虑无人机出现突发性故障情况下，将无人机电量和无人机途经区域的气象数据作为限制条件，建立无人机巡检任务规划模型；
以巡视线路耗时最短、安全系数最高为目标，应用分支界定算法和贪心算法求解所述无人机巡检任务规划模型，获得无人机巡检任务规划问题的最优解，得到相应的巡视线路位置数据；
依据无人机机型将所述最优解对应的巡视线路位置数据转换为无人机所适配的标准航线文件，下发至无人机执行。
2.根据权利要求1所述的输电线路无人机巡检任务自动规划方法，其特征是，所述无人机巡检任务信息通过与上级系统交互获取。
3.根据权利要求1所述的输电线路无人机巡检任务自动规划方法，其特征是，所述路径点包括起飞点、降落点、巡视点和充电点，所述气象数据包括风力等级和降水量。
4.根据权利要求1所述的输电线路无人机巡检任务自动规划方法，其特征是，所述无人机巡检任务规划模型的构建方法，包括：
设无人机巡检路线策略变量为Sij，设路径点i与路径点j之间的直线距离为Pij，由此定义的巡检路线规划目标函数如下：
其中，当Sij＝0，表示无人机不会从路径点i飞到路径点j；Sij＝1，表示无人机从路径点i飞到路径点j；V表示路径点的集合；
无人机巡检路线策略Sij变量需满足条件：
将无人机电量作为巡检路线规划模型的限制条件，将无人机飞行距离作为衡量无人机电量消耗的指标，设R为无人机的最大续航水平，设变量Eij为无人机能量消耗，设充电区域集合为B；无人机的剩余续航距离不超过最大续航R的非负数，无人机能量损耗公式表示如下：
0<Eij<R,i∈V,j∈V∪B,i≠j
式中，Ski表示无人机从路径点k飞到路径点i的策略变量，Eki表示无人机从路径点k飞至路径点i的能量损耗；
无人机电量充满离开机巢时，无人机能量损耗表示如下：
Eij＝Sij·(R-Pij)(i∈B,j∈V)；
将风力等级和降水量作为限制条件，计算任务开始时能抵达的所有点，每隔一段时间根据气象预测信息判断这些巡视路径点是否存在风险，取其中安全点作为新的起点，从新的起点出发再次找到所有可达点，依此遍历下去得到所有可能的路径集合，从集合中筛选耗时最短的最优路径，构建的无人机巡检路径规划模型函数如下：
5.根据权利要求1所述的输电线路无人机巡检任务自动规划方法，其特征是，所述无人机巡检任务规划问题的最优解的计算方法，包括：
步骤一、获取当前无人机电量和无人机途径区域气象数据作为无人机巡检路径规划模型的约束条件，在已知起飞点、降落点及巡视点坐标数据的前提下，生成若干组具有不同路径点数量的路径集合Y，设Y为Q的解空间，Q作为搜索树的根节点，应用深度优先搜索策略算法，不断划分解空间Y的子解空间作为搜索树的分枝节点，其中，记待解决的无人机巡检任务规划问题为Q；记Q当前的最优可行解为OptimalSol，用于记录不断更新的最优解，初值取Q中的任一可行解；记LB为当前可行解对应的目标下限值；
步骤二、根据设置的无人机巡检路径规划模型的约束条件，使用贪心算法遍历路径集合Y，将每个分枝节点数据输入无人机巡检路径规划模型MinZ计算出每个分枝节点对应的可行解，将得到的多个可行解取并集后取得分枝节点的最优解集合，同时结合线性松弛方法得到可行解目标函数值下界，将可变化飞行巡检路线策略变量的取值范围由(0，1)扩大至[0，1]，扩大分枝节点中可变化飞行巡检路线策略变量的取值范围，从而实现对各个分枝节点的定界；
步骤三、设最优可行解函数值OptimalSol为0，对每一分枝节点进行洞悉条件测试，若此节点的下限值大于等于最优可行解OptimalSol对应的函数值，则此节点可洞悉而不再被考虑，反之则更新最优可行解OptimalSol；
步骤四、判断是否存在仍未被洞悉的分枝节点，若存在则迭代进行步骤一、二、三的操作，直至没有仍未被洞悉的分枝节点后得出最优解。
6.根据权利要求5所述的输电线路无人机巡检任务自动规划方法，其特征是，在步骤四迭代的过程中对所有定界后的分枝节点进行比较，选择下界值最小的分枝节点执行步骤一、二、三，无人机生成的所有巡检路线对应的分枝节点不存在子分枝节点或子分枝节点都已被剪枝，则停止迭代，得出OptimalSol作为问题Q的最优解。
7.根据权利要求5所述的输电线路无人机巡检任务自动规划方法，其特征是，查找最优飞行路线的可行解使用的贪心算法包括基于无人机实时位置的贪心算法或基于全局最短路径点距离的贪心算法，其中，
基于全局最短路径点距离的贪心算法包括：搜索当前解空间中包含的路径点之间的边，选择欧氏距离最小的边，作为无人机遍历路径中的元素，更新当前解空间，当解空间为空集时，停止搜索；
基于无人机实时位置的贪心算法包括：依据实时获取的无人机位置的坐标信息，搜寻距无人机最近且未遍历的路径点，若存在则无人机飞往该路径点，飞到该路径点后更新无人机位置的坐标信息，继续搜寻下一路径点，直至没有路径点可搜寻，生成无人机飞行巡视路线并结束搜寻。
8.一种输电线路无人机巡检任务自动规划装置，其特征在于，包括：
巡视覆盖区域划分模块：用于根据预获取的无人机巡检任务信息，确定无人机起降位置、杆塔坐标位置和自助充电位置，划分巡视覆盖区域，在所述巡视覆盖区域内设置路径点；
无人机巡检任务规划模型构建模块：用于在不考虑无人机出现突发性故障情况下，将无人机电量和无人机途经区域的气象数据作为限制条件，建立无人机巡检任务规划模型；
最优解确定模块：用于以巡视线路耗时最短、安全系数最高为目标，应用分支界定算法和贪心算法求解所述无人机巡检任务规划模型，获得无人机巡检任务规划问题的最优解，得到相应的巡视线路位置数据；
任务下发模块：用于依据无人机机型将所述最优解对应的巡视线路位置数据转换为无人机所适配的标准航线文件，下发至无人机执行。
9.一种计算机设备，其特征在于，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1～7任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311118344.8A CN117032311A (zh) | 2023-08-31 | 2023-08-31 | 一种输电线路无人机巡检任务自动规划方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311118344.8A CN117032311A (zh) | 2023-08-31 | 2023-08-31 | 一种输电线路无人机巡检任务自动规划方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117032311A true CN117032311A (zh) | 2023-11-10 |
Family
ID=88633725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311118344.8A Pending CN117032311A (zh) | 2023-08-31 | 2023-08-31 | 一种输电线路无人机巡检任务自动规划方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117032311A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117239938A (zh) * | 2023-11-13 | 2023-12-15 | 国网浙江省电力有限公司杭州供电公司 | 一种配电站的巡检控制方法、装置、系统、设备及介质 |
| CN117973661A (zh) * | 2024-03-29 | 2024-05-03 | 国网江苏省电力有限公司苏州供电分公司 | 一种用于线路巡视任务分配的最优路径规划方法及系统 |
-
2023
- 2023-08-31 CN CN202311118344.8A patent/CN117032311A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117239938A (zh) * | 2023-11-13 | 2023-12-15 | 国网浙江省电力有限公司杭州供电公司 | 一种配电站的巡检控制方法、装置、系统、设备及介质 |
| CN117239938B (zh) * | 2023-11-13 | 2024-02-23 | 国网浙江省电力有限公司杭州供电公司 | 一种配电站的巡检控制方法、装置、系统、设备及介质 |
| CN117973661A (zh) * | 2024-03-29 | 2024-05-03 | 国网江苏省电力有限公司苏州供电分公司 | 一种用于线路巡视任务分配的最优路径规划方法及系统 |
| CN117973661B (zh) * | 2024-03-29 | 2024-06-07 | 国网江苏省电力有限公司苏州供电分公司 | 一种用于线路巡视任务分配的最优路径规划方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110428111B (zh) | Uav/ugv协同长时多任务作业轨迹规划方法 | |
| CN117032311A (zh) | 一种输电线路无人机巡检任务自动规划方法、装置、设备及介质 | |
| CN109583665B (zh) | 一种无线传感器网络中的无人机充电任务调度方法 | |
| CN112925350B (zh) | 一种多无人机分布式协同目标搜索方法 | |
| CN105185163B (zh) | 飞行路径选择方法和装置、飞行器和空中交通管理系统 | |
| WO2021237545A1 (zh) | 杆塔巡检方法、无人机、控制装置、系统及存储介质 | |
| 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 | |
| CN115185303B (zh) | 用于国家公园及自然保护地的无人机巡护路径规划方法 | |
| CN111121782A (zh) | 车载无人机电力巡检的双层路径规划方法与装置 | |
| CN111047086B (zh) | 车辆路径规划与无人机任务分配联合优化方法和装置 | |
| CN114545974B (zh) | 一种基于智能机场的有能力约束无人机弧路径规划方法 | |
| CN115840468B (zh) | 一种应用于复杂电磁环境下的配电网无人机自主巡线方法 | |
| CN114355985B (zh) | 无人机集群的路径规划方法、装置、控制器及存储介质 | |
| CN116954233A (zh) | 一种巡检任务与航线自动匹配方法 | |
| CN113485433A (zh) | 输电线路的巡检方法与装置 | |
| CN115145311A (zh) | 一种巡检路径规划方法、装置、设备和存储介质 | |
| CN112506216B (zh) | 一种无人机的飞行路径规划方法及装置 | |
| CN114020005A (zh) | 多无人机协同巡检配网线路的航迹规划方法和系统 | |
| CN116518982B (zh) | 一种低空林业监测遥感无人机路径多目标规划方法 | |
| Zheng et al. | The collaborative power inspection task allocation method of “unmanned aerial vehicle and operating vehicle” | |
| CN115130791B (zh) | 面向车载智能机场的无人机与车辆协同调度方法及装置 | |
| CN115542953B (zh) | 一种基于无人机的巡检方法、装置、设备以及介质 | |
| CN116578120A (zh) | 无人机调度方法、装置、无人机系统和算机设备 | |
| CN115877870A (zh) | 一种基于机会数据采集的无人机在线路径规划方法 | |
| CN110662272A (zh) | 一种基于蜂群无人机的最少数量领航者选取方法 |
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 |