CN117270569A - 一种基于动态路径规划的山火识别巡检方法 - Google Patents
一种基于动态路径规划的山火识别巡检方法 Download PDFInfo
- Publication number
- CN117270569A CN117270569A CN202311385978.XA CN202311385978A CN117270569A CN 117270569 A CN117270569 A CN 117270569A CN 202311385978 A CN202311385978 A CN 202311385978A CN 117270569 A CN117270569 A CN 117270569A
- Authority
- CN
- China
- Prior art keywords
- inspection
- fire
- aerial vehicle
- unmanned aerial
- information
- 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 166
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000007613 environmental effect Effects 0.000 claims abstract description 22
- 238000004891 communication Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000012876 topography Methods 0.000 claims abstract description 5
- 230000000875 corresponding effect Effects 0.000 claims description 73
- 230000002159 abnormal effect Effects 0.000 claims description 57
- 238000001514 detection method Methods 0.000 claims description 36
- 238000001931 thermography Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 15
- 238000007726 management method Methods 0.000 claims description 14
- 238000009792 diffusion process Methods 0.000 claims description 10
- 230000005856 abnormality Effects 0.000 claims description 9
- 230000002596 correlated effect Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 4
- 238000011065 in-situ storage Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Alarm Systems (AREA)
Abstract
本发明涉及基于动态路径规划的山火识别巡检方法，首先通过环境检测器实时监控环境信息，无人机在巡检的过程中可以通过短距通讯的方式回调监测信息，这样一来就可以保证实地的环境数据能够被获取，一方面可以实时对巡检区域进行监控，避免因信号覆盖的原因导致区域的巡检工作存在不能实时覆盖的问题，另一方面环境信息可以对下一次的巡检规划进行分析，对有风险的位置进行及时的提高巡检次数以及动态调整巡检频率。另一方面，无人机的控制通过智能识通讯算法作为控制依据，避免因为遥控信号的风险导致无人机失去控制导致难以完成巡检工作，而且无人机通过实地的环境检测器作为路标，可以完成复杂地形的巡检工作。
Description
技术领域
本发明涉及电网巡检技术领域，更具体地说，涉及一种基于动态路径规划的山火识别巡检方法。
背景技术
目前，随着各个地区对用电需求的日益提高，电网的安全性也成了目前需要关注的重点，而由于新能源发电技术的优化和升级，较多的电厂由于环境要求较高，所以建设较为偏远，这样也带来了电网设施需要敷设几百公里甚至几千公里，但是电网设施如果出现老化或者异常等问题，就会影响整个用电网络，而由于较为偏远且需要高空作业，人工巡检明显较为不便，所以目前开始普及通过无人机进行巡检工作，而山火识别和巡检属于危险等级较高的巡检科目，且大部分地区信号覆盖都存在一定的问题，所以无人机山火识别存在一定难度。
发明内容
有鉴于此，本发明目的是提供一种基于动态路径规划的山火识别巡检方法。
为了解决上述技术问题，本发明的技术方案是：一种基于动态路径规划的山火识别巡检方法，包括
步骤S1、将初始指令配置于巡检无人机；
步骤S2、根据初始指令控制巡检无人机移动值巡检位置，每一巡检位置对应有一环境监测器；
步骤S3、巡检无人机从环境监测器中获取飞行指令以及实地检测信息，并根据飞行指令的指示向下一巡检位置飞行；
步骤S4、重复步骤S3直至巡检无人机达到停机平台；
步骤S5、巡检无人机上传实地检测信息至停机平台的控制器中；
步骤S6、控制器将实地检测信息上传至管理后台；
步骤S7、管理后台通过预设的异常分析策略处理实地检测信息以生成每个巡检位置的火情风险等级；
步骤S8、通过火情风险等级的分布生成新的初始指令，并返回步骤S1。
进一步地，每一环境监测器配置有预先配置动态路由表，所述动态路由表存储有若干飞行指令，每一飞行指令以上一巡检位置的动态编码为索引，所述动态编码具有时间变化因子以使动态编码发生变化；
所述步骤S2中和所述步骤S3中均包括从环境检测器获取动态编码；
所述步骤S3中还包括将上一巡检位置获得的动态编码发送至环境监测器，以获取对应的飞行指令。
进一步地，所述步骤S8中还包括通过预设的路径网络规划策略生成飞行路径规划网络，所述飞行路径规划网络包括若干飞行规划路径的结合；
所述步骤S1中包括根据飞行规划路径生成路径更新信息，并配置于对应的巡检无人机；
所述步骤S3中还包括巡检无人机将路径更新信息发送至对应环境监测器，所述环境监测器接收到路径更新信息时更新对应的动态路由表；
所述路径网络规划策略包括
步骤A1、获取历史火情样本信息；
步骤A2、比对每一历史火情样本信息与该巡检区域预先构建的山体虚拟模型的火情相关度，有其中，R为火情相关度，ri为第i个火情相关项的相关值，αi为第i个火情相关项预设的相关权重，k1为火情相关项的总项数；
步骤A3、计算该巡检区域的火情风险值，有其中，W为火情风险值，Rj为第j个历史火情样本信息对应的火情相关度，uj第j个历史火情样本信息中的火情扩散值，所述火情扩散值反映历史火情中火情的扩散速度，yj为第j个历史火情样本信息中的火点隐蔽值，所述火点隐蔽值反映历史火情中火点的隐蔽程度，k2为历史火情样本信息的总数；
步骤A4、根据火情风险值从后台预先构建的巡检任务数据库中调取对应的巡检任务，所述巡检任务包括若干组巡检任务参数以及与巡检任务参数对应的巡检触发条件；
步骤A5、通过火情风险等级的分布判断是否满足巡检触发条件以调取对应的巡检任务参数；
步骤A6、将巡检任务参数带入所述山体虚拟模型中以生成对应的飞行路径规划网络。
进一步地，还包括预先构建有巡检区域的环境信息仿真模型，所述环境信息仿真模型用于实时根据环境信息生成每一巡检位置的检测仿真信息；所述环境信息仿真模型的静态因子包括植被覆盖因子、地势因子以及地理位置因子；所述环境信息包括气候数据、日照数据以及时间数据；所述实地检测信息包括湿度数据和温度数据；
所述异常分析策略包括差异分析子策略，所述差异分析子策略用于计算实地检测信息和检测仿真信息的环境异常差值，有P1＝β1∫fT1(t)-fT2(t)dt+β2∫fRH1(t)-fRH2(t)dt，其中，P1为所述环境异常差值，fT1(t)为实地检测信息中的温度变化波形，fT2(t)为检测仿真信息中的温度变化波形，fRH1(t)为实地检测信息中的湿度变化波形，fRH2(t)为实地检测信息中的湿度变化波形，β1为预设的温度差异权重，β2为预设的湿度差异权重，所述火情风险等级和所述环境异常差值正相关。
进一步地，所述巡检无人机上配置有热成像仪，所述控制器预先配置有的图像识别算法，所述巡检无人机在飞行过程中通过热成像仪拍摄热成像图像，
所述步骤S5中还包括巡检无人机上传热热成像图像至停机平台的控制器中；
所述步骤S6中还包括所述控制器通过图像识别算法以识别热成像图像中的火情异常点并标记对应的异常位置以生成热成像异常信息，控制器热成像异常信息上传值管理后台；
所述异常分析子策略包括根据异常调取子策略，所述异常调取子策略包括根据热成像异常信息中的火情异常点的异常类型从预先构建的类型信息表中调取对应的识别异常值，并根据异常位置计算每一巡检位置对应的类型异常值，有P2为巡检位置的类型异常值，pi为第i个火情异常点的识别异常值，di为第i个火情异常点与巡检位置的距离值，l1为火情异常点的总数。
进一步地，步骤S4中还包括，所述巡检无人机配置有安全飞行值，若巡检无人机的飞行距离达到安全飞行值时，没有能够与对应位置的环境监测器建立通讯，则控制该巡检无人机执行预设的快速返航策略，所述快速返航策略包括
步骤B1、根据巡检无人机的飞行路径控制无人机返回上一巡检位置；
步骤B2、向对应的环境监测器发送返航指令，所述环境监测器预先配置有返航路由信息，所述环境监测器接收到返航指令时输出对应的返航路由信息至巡检无人机；
步骤B3、巡检无人机根据返航路由信息飞行至下一巡检位置；
步骤B4、重复步骤B2直至巡检无人机到达停机平台；
步骤B5、巡检无人机向停机平台发送其获得的最后一个飞行指令；
步骤B6、控制器根据接收到的飞行指令生成对应巡检位置的失联异常信息并上传至所述管理后台；
所述火情风险等级和所述失联异常信息正相关。
进一步地，所述停机平台还包括捕获信号发射器，所述捕获信号发射器实时发送捕获信号；
所述步骤B3中还包括当巡检无人机接收到任意一个捕获信号时，通过捕获信号直接飞行至对应的停机平台，并进入步骤B5。
进一步地，所述异常分析策略包括趋势差异子策略，所述趋势差异子策略包括
步骤C1、通过热成像图像计算巡检位置的图像采样温度值；
步骤C2、计算巡检采样温度值和相同时刻环境监测器的温度数据的偏差以生成采样置信值；
步骤C3、计算巡检采样位置的差异趋势值，有P3＝gq[β1f’T1(t)+β2f’RH1(t)]，其中,P3为差异趋势值，gq为采样置信值；
所述火情风险等级和所述差异趋势值正相关。
进一步地，所述步骤S8中包括预先配置有巡检指令表，所述巡检指令表存储有若干不同的初始指令，每一初始指令对应每一巡检位置对应有等级触发条件，当一初始指令对应的巡检触发条件被满足时，对应的初始指令的选取权重增加一个累计单位，根据选取权重随机选择一初始指令作为新的初始指令，并将选中的初始指令减去一个累计单位。
本发明技术效果主要体现在以下方面：首先通过环境检测器实时监控环境信息，无人机在巡检的过程中可以通过短距通讯的方式回调监测信息，这样一来就可以保证实地的环境数据能够被获取，一方面可以实时对巡检区域进行监控，避免因信号覆盖的原因导致区域的巡检工作存在不能实时覆盖的问题，另一方面环境信息可以对下一次的巡检规划进行分析，对有风险的位置进行及时的提高巡检次数以及动态调整巡检频率。另一方面，无人机的控制通过智能识通讯算法作为控制依据，避免因为遥控信号的风险导致无人机失去控制导致难以完成巡检工作，而且无人机通过实地的环境检测器作为路标，可以完成复杂地形的巡检工作。
附图说明
图1：本发明一种基于动态路径规划的山火识别巡检方法的流程图。
具体实施方式
以下结合附图，对本发明的具体实施方式作进一步详述，以使本发明技术方案更易于理解和掌握。
一种基于动态路径规划的山火识别巡检方法，包括
步骤S1、将初始指令配置于巡检无人机；这一步骤的目的是无人机可以根据初始指令进行飞行，初始指令不仅包括无人机的位置，其只记录飞行的绝对位置，具体的飞行路径进行约束，例如避障，绕行等动作可以由无人机基于图像信息自行完成，通过人工智能技术对无人机的图像信息进行训练反馈，从而达到该绝对位置，需要说明的是，无人机寻找位置允许有一定偏差，只要保证短距离传输能够完成即可。
步骤S2、根据初始指令控制巡检无人机移动值巡检位置，每一巡检位置对应有一环境监测器；这个环境监测器是预先配置的，包括太阳能发电板、温度监测模块、湿度监测模块以及短距离通讯模块，这样就可以实时检测温度、湿度，并在无人机到来时发送至对应的无人机中，太阳能发电板为该设备提供电能，随着发电技术的普及，环境监测器可以增加图像采集功能，但是目前而言优选能耗较低的监测模块进行工作，以保证环境监测器的使用寿命。
步骤S3、巡检无人机从环境监测器中获取飞行指令以及实地检测信息，并根据飞行指令的指示向下一巡检位置飞行；巡检无人机到达目标的巡检位置后，通过短距离通讯的方式建立通讯，然后无人机发送对应的请求，环境监测器接收到请求后，把过程中采集的实际检测信息发送到巡检无人机中，以减小其存储空间的占用，同时巡检无人机可以带回最近的检测数据，而另一方面每一环境监测器配置有预先配置动态路由表，所述动态路由表存储有若干飞行指令，每一飞行指令以上一巡检位置的动态编码为索引，所述动态编码具有时间变化因子以使动态编码发生变化；通过动态路由表以及飞行指令，就可以决定下一个飞行的绝对位置，这样每次飞行都会对无人机的位置进行校正，提高飞行准确性，保证无人机不会因为长途飞行而出现位置偏差较大导致无法顺利完成巡检。其中，所述步骤S2中和所述步骤S3中均包括从环境检测器获取动态编码；动态编码是一个校验信息，为了提高数据安全性以及无处罚，所以编辑了随时间调整的动态编码。所述步骤S3中还包括将上一巡检位置获得的动态编码发送至环境监测器，以获取对应的飞行指令。
步骤S4、重复步骤S3直至巡检无人机达到停机平台；一直重复步骤S3就可以控制无人机到达停机平台。步骤S4中还包括，所述巡检无人机配置有安全飞行值，若巡检无人机的飞行距离达到安全飞行值时，没有能够与对应位置的环境监测器建立通讯，则控制该巡检无人机执行预设的快速返航策略，由于巡检无人机如果出现无法找到对应的目标物的情况下，那么一般为两种情况，第一是无人机长时间飞行导致位置偏差太大，说明该地地形较为复杂，或者地形变动较大，或者有人为对无人机进行干扰等情况，第二是设备的反馈出现问题，例如检测器失电的情况或者被破坏，这时候就需要让无人机进行快速返航，具体所述快速返航策略包括
步骤B1、根据巡检无人机的飞行路径控制无人机返回上一巡检位置；
步骤B2、向对应的环境监测器发送返航指令，所述环境监测器预先配置有返航路由信息，所述环境监测器接收到返航指令时输出对应的返航路由信息至巡检无人机；返航路由信息提供的路线和巡检路线不同，以最快速和安全返航为目的进行指向。
步骤B3、巡检无人机根据返航路由信息飞行至下一巡检位置；作为优选的所述停机平台还包括捕获信号发射器，所述捕获信号发射器实时发送捕获信号；
所述步骤B3中还包括当巡检无人机接收到任意一个捕获信号时，通过捕获信号直接飞行至对应的停机平台，并进入步骤B5。通过捕获无人机引导飞行的方式快速让无人机返航。
步骤B4、重复步骤B2直至巡检无人机到达停机平台；
步骤B5、巡检无人机向停机平台发送其获得的最后一个飞行指令；
步骤B6、控制器根据接收到的飞行指令生成对应巡检位置的失联异常信息并上传至所述管理后台；
所述火情风险等级和所述失联异常信息正相关。快速返航后，通过失联异常信息增加对应巡检位置的火情风险等级，以提高巡检要求和权重。
步骤S5、巡检无人机上传实地检测信息至停机平台的控制器中；
步骤S6、控制器将实地检测信息上传至管理后台；无人机可以通过上传数据的方式将数据上传进行统一分析，统一分析的优势在于，由于不同无人机可能会对统一位置进行多次巡检，所以获得的一个巡检位置可能在不同的无人机处，所以这样可以汇集数据，从而更好的进行分析。而控制器可以预先通过有线通讯将数据传输至管理后台，依托于管理后台服务器和数据库进行分析，可以更加准确可靠。
步骤S7、管理后台通过预设的异常分析策略处理实地检测信息以生成每个巡检位置的火情风险等级；
异常分析处理策略包括差异分析子策略，所述差异分析子策略用于计算实地检测信息和检测仿真信息的环境异常差值，有
P1＝β1∫fT1(t)-fT2(t)dt+β2∫fRH1(t)-fRH2(t)dt，其中，P1为所述环境异常差值，fT1(t)为实地检测信息中的温度变化波形，fT2(t)为检测仿真信息中的温度变化波形，fRH1(t)为实地检测信息中的湿度变化波形，fRH2(t)为实地检测信息中的湿度变化波形，β1为预设的温度差异权重，β2为预设的湿度差异权重，所述火情风险等级和所述环境异常差值正相关。具体是预先构建有巡检区域的环境信息仿真模型，所述环境信息仿真模型用于实时根据环境信息生成每一巡检位置的检测仿真信息；所述环境信息仿真模型的静态因子包括植被覆盖因子、地势因子以及地理位置因子；所述环境信息包括气候数据、日照数据以及时间数据；所述实地检测信息包括湿度数据和温度数据；首选根据仿真模型构建一个基于各个巡检位置的理论湿度理论温度的输出，而通过对静态数据的输入，例如植被覆盖因子反映植被覆盖情况、地势因子反映地势情况、地理因子反映地址位置情况、通过大数据模型对各个点的理论气候和理论温度进行分析，而通过输入不同的气候、日照、时间、就可以得到对应的温度和湿度，从而对实际情况进行仿真，仿真结果为环境差异值的计算提供依据，而通过积分的方式计算差值，对应的定积分范围则是对应的实地检测信息反映的对应时间段。由于理论如果和实际偏差值较大，则说明实际值可能存在异常，例如火点或者因为某原因特别干燥。这样对应这个点的火情异常值也会增加。
所述异常分析子策略包括根据异常调取子策略，所述异常调取子策略包括根据热成像异常信息中的火情异常点的异常类型从预先构建的类型信息表中调取对应的识别异常值，并根据异常位置计算每一巡检位置对应的类型异常值，有P2为巡检位置的类型异常值，pi为第i个火情异常点的识别异常值，di为第i个火情异常点与巡检位置的距离值，l1为火情异常点的总数。具体通过以下内容实现：所述巡检无人机上配置有热成像仪，所述控制器预先配置有的图像识别算法，所述巡检无人机在飞行过程中通过热成像仪拍摄热成像图像，
所述步骤S5中还包括巡检无人机上传热热成像图像至停机平台的控制器中；
所述步骤S6中还包括所述控制器通过图像识别算法以识别热成像图像中的火情异常点并标记对应的异常位置以生成热成像异常信息，控制器热成像异常信息上传值管理后台；图像识别算法具体可以包括人像识别、火点识别等识别算法，为现有技术披露的内容，再此不做赘述，而根据不同的情况赋予不同的识别异常值，然后根据识别异常值计算对应的每个巡检位置的类型异常值，距离越近，类型异常值越高，同时对应的火情风险等级也就越高。
所述异常分析策略包括趋势差异子策略，所述趋势差异子策略包括
步骤C1、通过热成像图像计算巡检位置的图像采样温度值；
步骤C2、计算巡检采样温度值和相同时刻环境监测器的温度数据的偏差以生成采样置信值；
步骤C3、计算巡检采样位置的差异趋势值，有P3＝gq[β1f’T1(t)+β2f’RH1(t)]，其中,P3为差异趋势值，gq为采样置信值；
所述火情风险等级和所述差异趋势值正相关。通过差异趋势值进行差异趋势的分析，从而计算差异趋势值，例如一个地方温度上升较快，且该位置的温度采集可信度较高，则说明该地方需要加强巡检工作。
火情风险等级可以是以上几个值的加权和。
步骤S8、通过火情风险等级的分布生成新的初始指令，并返回步骤S1。
所述步骤S8中还包括通过预设的路径网络规划策略生成飞行路径规划网络，所述飞行路径规划网络包括若干飞行规划路径的结合；这一步骤的目的是为了重新配置巡检位置的指向关系。例如季节的更替或者游客增多的时间亦或是有自然天气侵袭，都需要对整个巡检的路径规划进行统筹调整，而调整方式是通过更新对应的动态路由表。具体调整方式通过人工智能对风险等级进行判断，实际根据外部数据生成风险等级，然后根据风险等级生成巡检的频率、次数、范围要求，根据这个要求就可以重新生成飞行规划网络，以根据不同的需求配置对应的飞行规划路径。
所述步骤S1中包括根据飞行规划路径生成路径更新信息，并配置于对应的巡检无人机；
所述步骤S3中还包括巡检无人机将路径更新信息发送至对应环境监测器，所述环境监测器接收到路径更新信息时更新对应的动态路由表；
所述路径网络规划策略包括
步骤A1、获取历史火情样本信息；
步骤A2、比对每一历史火情样本信息与该巡检区域预先构建的山体虚拟模型的火情相关度，有其中，R为火情相关度，ri为第i个火情相关项的相关值，αi为第i个火情相关项预设的相关权重，k1为火情相关项的总项数；
步骤A3、计算该巡检区域的火情风险值，有其中，W为火情风险值，Rj为第j个历史火情样本信息对应的火情相关度，uj第j个历史火情样本信息中的火情扩散值，所述火情扩散值反映历史火情中火情的扩散速度，yj为第j个历史火情样本信息中的火点隐蔽值，所述火点隐蔽值反映历史火情中火点的隐蔽程度，k2为历史火情样本信息的总数；通过对历史情况的分析，就可以得到每个巡检区域的巡检策略的列表。通过分析历史数据，建立识别模型进行学习，从而得到对应的火点隐蔽值和火情扩散值，从而对火情进行预先判断，从而执行对应的任务。
步骤A4、根据火情风险值从后台预先构建的巡检任务数据库中调取对应的巡检任务，所述巡检任务包括若干组巡检任务参数以及与巡检任务参数对应的巡检触发条件；每个巡检任务的任务参数对应的是巡检的频次、巡检的路径集中度，对不同风险的巡检的要求。
步骤A5、通过火情风险等级的分布判断是否满足巡检触发条件以调取对应的巡检任务参数；通过巡检任务参数的配置，可以提高巡检的要求，保证巡检可靠性。
步骤A6、将巡检任务参数带入所述山体虚拟模型中以生成对应的飞行路径规划网络。由于各个巡检位置已知，所以带入就可以获得对应的飞行路径规划网络。
作为优选的，所述步骤S8中包括预先配置有巡检指令表，所述巡检指令表存储有若干不同的初始指令，每一初始指令对应每一巡检位置对应有等级触发条件，当一初始指令对应的巡检触发条件被满足时，对应的初始指令的选取权重增加一个累计单位，根据选取权重随机选择一初始指令作为新的初始指令，并将选中的初始指令减去一个累计单位。通过这样设置，每次的初始指令的选择时就会对应到可靠的巡检路径。只要累计对该巡检位置进行巡检的次数超过累计单位，则任务就结束了，通过巡检等级提高对应的初始指令的被选取的概率，以动态地实时调整巡检策略，以提高巡检的可靠性。
当然，以上只是本发明的典型实例，除此之外，本发明还可以有其它多种具体实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求保护的范围之内。
Claims (9)
1.一种基于动态路径规划的山火识别巡检方法，其特征在于：包括
步骤S1、将初始指令配置于巡检无人机；
步骤S2、根据初始指令控制巡检无人机移动值巡检位置，每一巡检位置对应有一环境监测器；
步骤S3、巡检无人机从环境监测器中获取飞行指令以及实地检测信息，并根据飞行指令的指示向下一巡检位置飞行；
步骤S4、重复步骤S3直至巡检无人机达到停机平台；
步骤S5、巡检无人机上传实地检测信息至停机平台的控制器中；
步骤S6、控制器将实地检测信息上传至管理后台；
步骤S7、管理后台通过预设的异常分析策略处理实地检测信息以生成每个巡检位置的火情风险等级；
步骤S8、通过火情风险等级的分布生成新的初始指令，并返回步骤S1。
2.如权利要求1所述的一种基于动态路径规划的山火识别巡检方法，其特征在于：每一环境监测器配置有预先配置动态路由表，所述动态路由表存储有若干飞行指令，每一飞行指令以上一巡检位置的动态编码为索引，所述动态编码具有时间变化因子以使动态编码发生变化；
所述步骤S2中和所述步骤S3中均包括从环境检测器获取动态编码；
所述步骤S3中还包括将上一巡检位置获得的动态编码发送至环境监测器，以获取对应的飞行指令。
3.如权利要求2所述的一种基于动态路径规划的山火识别巡检方法，其特征在于：所述步骤S8中还包括通过预设的路径网络规划策略生成飞行路径规划网络，所述飞行路径规划网络包括若干飞行规划路径的结合；
所述步骤S1中包括根据飞行规划路径生成路径更新信息，并配置于对应的巡检无人机；
所述步骤S3中还包括巡检无人机将路径更新信息发送至对应环境监测器，所述环境监测器接收到路径更新信息时更新对应的动态路由表；
所述路径网络规划策略包括
步骤A1、获取历史火情样本信息；
步骤A2、比对每一历史火情样本信息与该巡检区域预先构建的山体虚拟模型的火情相关度，有其中，R为火情相关度，ri为第i个火情相关项的相关值，αi为第i个火情相关项预设的相关权重，k1为火情相关项的总项数；
步骤A3、计算该巡检区域的火情风险值，有其中，W为火情风险值，Rj为第j个历史火情样本信息对应的火情相关度，uj第j个历史火情样本信息中的火情扩散值，所述火情扩散值反映历史火情中火情的扩散速度，yj为第j个历史火情样本信息中的火点隐蔽值，所述火点隐蔽值反映历史火情中火点的隐蔽程度，k2为历史火情样本信息的总数；
步骤A4、根据火情风险值从后台预先构建的巡检任务数据库中调取对应的巡检任务，所述巡检任务包括若干组巡检任务参数以及与巡检任务参数对应的巡检触发条件；
步骤A5、通过火情风险等级的分布判断是否满足巡检触发条件以调取对应的巡检任务参数；
步骤A6、将巡检任务参数带入所述山体虚拟模型中以生成对应的飞行路径规划网络。
4.如权利要求1所述的一种基于动态路径规划的山火识别巡检方法，其特征在于：还包括预先构建有巡检区域的环境信息仿真模型，所述环境信息仿真模型用于实时根据环境信息生成每一巡检位置的检测仿真信息；所述环境信息仿真模型的静态因子包括植被覆盖因子、地势因子以及地理位置因子；所述环境信息包括气候数据、日照数据以及时间数据；所述实地检测信息包括湿度数据和温度数据；
所述异常分析策略包括差异分析子策略，所述差异分析子策略用于计算实地检测信息和检测仿真信息的环境异常差值，有P1＝β1∫fT1(t)-fT2(t)dt+β2∫fRH1(t)-fRH2(t)dt，其中，P1为所述环境异常差值，fT1(t)为实地检测信息中的温度变化波形，fT2(t)为检测仿真信息中的温度变化波形，fRH1(t)为实地检测信息中的湿度变化波形，fRH2(t)为实地检测信息中的湿度变化波形，β1为预设的温度差异权重，β2为预设的湿度差异权重，所述火情风险等级和所述环境异常差值正相关。
5.如权利要求1所述的一种基于动态路径规划的山火识别巡检方法，其特征在于：所述巡检无人机上配置有热成像仪，所述控制器预先配置有的图像识别算法，所述巡检无人机在飞行过程中通过热成像仪拍摄热成像图像，
所述步骤S5中还包括巡检无人机上传热热成像图像至停机平台的控制器中；
所述步骤S6中还包括所述控制器通过图像识别算法以识别热成像图像中的火情异常点并标记对应的异常位置以生成热成像异常信息，控制器热成像异常信息上传值管理后台；
所述异常分析子策略包括根据异常调取子策略，所述异常调取子策略包括根据热成像异常信息中的火情异常点的异常类型从预先构建的类型信息表中调取对应的识别异常值，并根据异常位置计算每一巡检位置对应的类型异常值，有P2为巡检位置的类型异常值，pi为第i个火情异常点的识别异常值，di为第i个火情异常点与巡检位置的距离值，l1为火情异常点的总数。
6.如权利要求1所述的一种基于动态路径规划的山火识别巡检方法，其特征在于：步骤S4中还包括，所述巡检无人机配置有安全飞行值，若巡检无人机的飞行距离达到安全飞行值时，没有能够与对应位置的环境监测器建立通讯，则控制该巡检无人机执行预设的快速返航策略，所述快速返航策略包括
步骤B1、根据巡检无人机的飞行路径控制无人机返回上一巡检位置；
步骤B2、向对应的环境监测器发送返航指令，所述环境监测器预先配置有返航路由信息，所述环境监测器接收到返航指令时输出对应的返航路由信息至巡检无人机；
步骤B3、巡检无人机根据返航路由信息飞行至下一巡检位置；
步骤B4、重复步骤B2直至巡检无人机到达停机平台；
步骤B5、巡检无人机向停机平台发送其获得的最后一个飞行指令；
步骤B6、控制器根据接收到的飞行指令生成对应巡检位置的失联异常信息并上传至所述管理后台；
所述火情风险等级和所述失联异常信息正相关。
7.如权利要求6所述的一种基于动态路径规划的山火识别巡检方法，其特征在于：所述停机平台还包括捕获信号发射器，所述捕获信号发射器实时发送捕获信号；
所述步骤B3中还包括当巡检无人机接收到任意一个捕获信号时，通过捕获信号直接飞行至对应的停机平台，并进入步骤B5。
8.如权利要求4所述的一种基于动态路径规划的山火识别巡检方法，其特征在于：所述异常分析策略包括趋势差异子策略，所述趋势差异子策略包括
步骤C1、通过热成像图像计算巡检位置的图像采样温度值；
步骤C2、计算巡检采样温度值和相同时刻环境监测器的温度数据的偏差以生成采样置信值；
步骤C3、计算巡检采样位置的差异趋势值，有P3＝gq[β1f’T1(t)+β2f’RH1(t)]，其中,P3为差异趋势值，gq为采样置信值；
所述火情风险等级和所述差异趋势值正相关。
9.如权利要求1所述的一种基于动态路径规划的山火识别巡检方法，其特征在于：所述步骤S8中包括预先配置有巡检指令表，所述巡检指令表存储有若干不同的初始指令，每一初始指令对应每一巡检位置对应有等级触发条件，当一初始指令对应的巡检触发条件被满足时，对应的初始指令的选取权重增加一个累计单位，根据选取权重随机选择一初始指令作为新的初始指令，并将选中的初始指令减去一个累计单位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311385978.XA CN117270569A (zh) | 2023-10-24 | 2023-10-24 | 一种基于动态路径规划的山火识别巡检方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311385978.XA CN117270569A (zh) | 2023-10-24 | 2023-10-24 | 一种基于动态路径规划的山火识别巡检方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117270569A true CN117270569A (zh) | 2023-12-22 |
Family
ID=89215966
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311385978.XA Pending CN117270569A (zh) | 2023-10-24 | 2023-10-24 | 一种基于动态路径规划的山火识别巡检方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117270569A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117806355A (zh) * | 2024-02-23 | 2024-04-02 | 广州全成多维信息技术有限公司 | 一种电力巡线无人机控制方法及系统 |
| CN117824661A (zh) * | 2024-02-29 | 2024-04-05 | 中亿(深圳)信息科技有限公司 | 基于大数据的安防移动侦测方法及系统 |
-
2023
- 2023-10-24 CN CN202311385978.XA patent/CN117270569A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117806355A (zh) * | 2024-02-23 | 2024-04-02 | 广州全成多维信息技术有限公司 | 一种电力巡线无人机控制方法及系统 |
| CN117824661A (zh) * | 2024-02-29 | 2024-04-05 | 中亿(深圳)信息科技有限公司 | 基于大数据的安防移动侦测方法及系统 |
| CN117824661B (zh) * | 2024-02-29 | 2024-06-11 | 中亿(深圳)信息科技有限公司 | 基于大数据的安防移动侦测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117270569A (zh) | 一种基于动态路径规划的山火识别巡检方法 | |
| KR102159692B1 (ko) | 빅데이터 분석을 통한 태양광 발전량 예측 장치 및 방법 | |
| CN109146093A (zh) | 一种基于学习的电力设备现场勘查方法 | |
| CN114898232B (zh) | 基于光伏组串数据分析的光伏电站无人机巡检方法及系统 | |
| CN109785289A (zh) | 一种输电线路缺陷检测方法、系统及电子设备 | |
| CN111026150A (zh) | 一种利用无人机进行输电线路地质灾害预警系统及方法 | |
| US20190361466A1 (en) | Real-time system and method for asset management using unmanned aerial systems and edge computing | |
| CN113049142A (zh) | 温度传感器的告警方法、装置、设备及存储介质 | |
| CN115133874A (zh) | 一种无人机联动巡查光伏电站故障检测的方法及系统 | |
| CN109902948A (zh) | 一种基于大数据的输电线路监测系统及方法 | |
| CN112960132B (zh) | 分布式共享机巢及其电力线路无人机巡检方法 | |
| CN107622308A (zh) | 一种基于dbn网络的发电设备参数预警方法 | |
| CN112381356A (zh) | 一种工程项目竣工验收方法、系统、服务器及存储介质 | |
| CN110825112B (zh) | 基于多无人机的油田动态侵入目标追踪系统与方法 | |
| US20230260097A1 (en) | Power station inspection system and power station inspection method | |
| CN115664006B (zh) | 一种增量配电网智能管控一体化平台 | |
| CN112016739A (zh) | 故障检测方法、装置、电子设备及存储介质 | |
| Panahi et al. | Cooperative Unmanned Aerial Vehicles for Monitoring and Maintenance of Heat and Electricity Incorporated Networks: A Learning‐based Approach | |
| EP3940951A1 (en) | Single axis solar tracker management method and solar plant implementing said method | |
| CN114021906A (zh) | 无人值守的风力发电运维管理方法及系统 | |
| CN117784120B (zh) | 一种无人机飞行状态监测方法及系统 | |
| CN116485160B (zh) | 一种输电线路巡检处理系统和方法 | |
| Dong et al. | Coordinated Planning Research on Distributed Command and Control System based on UAV | |
| CN117332360B (zh) | 基于5g技术的温室大棚设备故障监测方法及系统 | |
| CN116931519B (zh) | 多源异类传感器的协同规划调度方法 |
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 |