CN211810233U

CN211810233U - 用于巡检的无人机多机协同输电线路故障识别全自动系统

Info

Publication number: CN211810233U
Application number: CN202020223271.4U
Authority: CN
Inventors: 陈嘉琛; 陈中
Original assignee: Southeast University
Current assignee: Southeast University
Priority date: 2020-02-27
Filing date: 2020-02-27
Publication date: 2020-10-30
Anticipated expiration: 2030-02-27

Abstract

本发明公开了一种用于巡检的无人机多机协同输电线路故障识别全自动系统，包括CPU模块，以及通过数据总线与所述CPU模块连接的图像识别模块、存储模块、生成路线模块、多维数组模块、上行传输模块、无线通讯单元、通讯接入模块、无线接受单元以及HMI交互界面。优点是：该系统可与现有无人机指挥车现有后台计算机完美兼容，全覆盖输电线路元器件及其可能存在的电力故障，采用多机协同的概念，无人机组不再相互间无干涉运转，全自动化程度高，主体使用人工智能图像识别算法对故障图片进行排查，进一步提高了故障识别精度，提高了无人机组电力巡检工作效率，减少了人力成本，且方便调度人员进行故障排查，从而减少电力系统故障的发生。

Description

用于巡检的无人机多机协同输电线路故障识别全自动系统

技术领域

本发明涉及输电线路巡检领域，具体而言，涉及一种用于巡检的无人机多机协同输电线路故障识别全自动系统。

背景技术

在电力系统巡检过程中，随着电网智能化的发展，无人机参与输电线路巡检成为发展热门，但目前该领域无人机仅承担拍摄功能，后续故障识别算效率及精度存在一定瓶颈，且多个无人机之间工作时无互相干涉影响，自动化程度较低。

发明内容

本发明提供了一种用于巡检的无人机多机协同输电线路故障识别全自动系统，针对上述背景技术，该系统可与现有无人机指挥车现有后台计算机完美兼容，着眼于目前无人机参与输电线路巡检智能化程度低的问题，全覆盖输电线路元器件及其可能存在的电力故障，采用多机协同的概念，无人机组不再相互间无干涉运转，全自动化程度高，主体使用人工智能图像识别算法对故障图片进行排查，进一步提高了故障识别精度，提高了无人机组电力巡检工作效率，减少了人力成本，且方便调度人员进行故障排查，从而减少电力系统故障的发生。

用于巡检的无人机多机协同输电线路故障识别全自动系统，应用于无人机指挥车上，与车载服务器兼容，其特征在于包括，CPU模块，以及通过数据总线与所述CPU模块连接的图像识别模块、存储模块、生成路线模块、多维数组模块、上行传输模块、无线通讯单元、通讯接入模块、无线接受单元以及HMI交互界面。

作为本发明的进一步改进，所述上行传输模块通过RS232接口与无线通讯单元使用硬接线直连以无线形式，或通过网口使用硬接线直接与云平台交互后与基础无人机组和多次巡航无人机组进行路线交互；所述通讯接入模块通过RS485接口与无线接收单元使用硬接线直连以无线形式，或通过网口使用硬接线直接与云平台交互后收取无人机组一次返回巡检图像。

作为本发明的进一步改进，CPU模块通过数据总线与所述存储模块连接，进行多维数组存储、错误识别阈值α及每次路线记录。

作为本发明的进一步改进，CPU模块通过数据总线与所述图像识别模块、存储模块、生成线路模块、多维数组模块及上行传输模块连接，进行如下操作：

步骤1，CPU调用多维数组模块，针对巡检区域各生成5个多维数组X_k和5个多维数组X’_k，将X_k所有元素置0，X’_k所有元素置1，存储至多维数组模块，并设定图像识别算法初始识别阈值α＝0.9，存储至存储模块；

步骤2，CPU调用生成路线模块，生成首次多机协同执行任务，主要包括两方面：一方面为生成协同执行空域，获取协同执行空域的高度信息，即协同执行空域的几何中心与地面之间的距离，和协同执行空域的经纬度信息以及该空域内输电线路的分布情况；另一方面为根据所创建的协同作业空域及其内部多维数组X_k代表的元器件数量规划无人机在所述协同作业空域的基础全覆盖航线；

步骤3，CPU调用生成路线模块结果，传输至上行传输模块，通过RS232接口与无线通信单元使用硬接线直连，以无线形式将其结果关联首次协同执行任务至基础无人机组，使用部分无人机组对协同执行空域进行全覆盖巡航，同时调用多维数组模块，对多维数组X_k进行遍历并写入初始巡航结果；

步骤4，基础无人机组通过无线网络直接向无线接收单元或云平台上传一次返还图像，CPU调用通讯接入模块，通过RS485接口与无线接收单元使用硬接线直连以无线形式，或通过网口使用硬接线直接与云平台交互后收取无人机组一次返回巡检图像，针对返还图像CPU调用图像识别模块，该模块基于改进的YOLOv3人工智能图像识别算法生成图像识别结果，CPU调用故障分析模块通过数据流读取图像识别模块运行完毕后生成的识别算法结果，同时，多维数组模块和存储模块根据该结果对多维数组X_k和X’_k进行相应处理并保存；

步骤5，CPU调用存储模块，读取识别阈值α，如果识别阈值α≤0.1，结束巡检，反之根据公式(1)对识别阈值α进行线性调整，保存后继续步骤6；

α＝α-0.1(1)

步骤6，CPU调用多维数组模块和存储模块，读取在多维数组X’_k中为1的对应元器件，并调用生成路线模块，生成新一轮巡航路线，同时调用上行传输模块，通过RS232接口与无线通讯单元使用硬接线直连以无线形式，或通过网口使用硬接线直接与云平台交互后与满足条件的多次巡航无人机组中的部分无人机。

作为本发明的进一步改进，所述故障分析模块与HMI交互界面互动，交由调度人员对故障元器件进行故障修复。

作为本发明的进一步改进，所述图像识别模块包含针对无人机组返还的图片进行图像识别的基于改进的YOLOv3人工智能图像识别算法是对基于回归的深度学习算法YOLOv3进行改进的、适应输电线路巡检实际应用现场的新型高效图像识别算法框架。该模型对基于Darknet框架的YOLOv3算法进行了改进，对YOLOv3进行了通道减少、框架瘦身的剪枝处理，并于特定卷积层后添加了SPP模块，从而进一步优化了YOLOv3的轻量化性能。

作为本发明的进一步改进，所述多维数组模块用于生成、遍历和修改巡检区域5个多维数组X_k和5个多维数组X’_k。

作为本发明的进一步改进，所述生成路线模块在确定识别阈值条件下遍历多维数组X’_k筛选出已诊断故障，对未诊断出错误的电气元器件进行任务下发至多次巡航机组中满足条件的无人机巡航。

作为本发明的进一步改进，所述满足条件指的是无人机电池电量大于80％，目前无巡航任务或巡航任务结束时间小于5分钟。

与现有技术相比，本发明的有益效果在于：采用的用于巡检的无人机多机协同输电线路故障识别全自动系统，使得无人机组之间通过车载服务器提高了协同能力，巡航任务目标更明确、精度更准确；全自动系统对无人机返回的图像利用基于改进的YOLOv3人工智能图像识别算法进行故障识别，改进了以往无人机应用于线路巡检高度依赖人力的局面，且利用算法降低了故障识别错误率，提高了图像识别精度及效率；全自动系统的主要算法引入识别阈值物理量，以控制无人机组依照不同巡航路线多次进行巡检工作，完成对故障严重级别的分层次诊断，达到严重故障早检测早发现早解决，提高巡检系统智能化，降低整体巡检维修成本。

附图说明

图1是本发明实施例的用于巡检的无人机多机协同输电线路故障识别全自动系统的结构示意图。

图2是本发明实施例的用于巡检的无人机多机协同输电线路故障识别全自动系统的硬件拓扑图。

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在本实施例中提供了一种应用于无人机控制车上车载服务器的图像采集、识别和无人机路线信息上送的用于巡检的无人机多机协同输电线路故障识别全自动系统，用来生成无人机巡检路线，关联无人机组，对输电线路进行智能巡航，并对无人机传回图像进行图像识别，根据不同错误程度发现电气元器件故障，进行故障分析，着眼于目前无人机参与输电线路巡检智能化程度低的问题，全覆盖输电线路元器件及其可能存在的电力故障，采用多机协同的概念，无人机组不再相互间无干涉运转，全自动化程度高，主体使用人工智能图像识别算法对故障图片进行排查，进一步提高了故障识别精度，提高了无人机组电力巡检工作效率，减少了人力成本，且方便调度人员进行故障排查，从而减少电力系统故障的发生。

图1是根据本发明实施例的用于巡检的无人机多机协同输电线路故障识别全自动系统的结构示意图，如图1所示，该用于巡检的无人机多机协同输电线路故障识别全自动系统包括：CPU模块，以及通过数据总线与CPU模块连接的图像识别模块、存储模块、生成路线模块、多维数组模块、上行传输模块、无线通讯单元、通讯接入模块、无线接受单元以及HMI交互界面。

在本实施例中，上行传输模块通过RS232接口与无线通讯单元使用硬接线直连以无线形式，或通过网口使用硬接线直接与云平台交互后与基础无人机组和多次巡航无人机组进行路线交互；通讯接入模块通过RS485接口与无线接收单元使用硬接线直连以无线形式，或通过网口使用硬接线直接与云平台交互后收取无人机组一次返回巡检图像。

在本实施例中，CPU模块通过数据总线与存储模块连接，进行多维数组存储、错误识别阈值α及每次路线记录。

在本实施例中，CPU模块通过数据总线与图像识别模块、存储模块、生成线路模块、多维数组模块及上行传输模块连接，进行如下操作：

步骤2，CPU调用生成路线模块，生成首次多机协同执行任务，主要包括两方面：一方面为生成协同执行空域，获取协同执行空域的高度信息，即协同执行空域的几何中心与地面之间的距离，和协同执行空域的经纬度信息以及该空域内输电线路的分布情况；另一方面为根据所创建的协同作业空域及其内部多维数组X_k代表的元器件数量规划无人机在协同作业空域的基础全覆盖航线；

α＝α-0.1 (1)

在本实施例中，故障分析模块与HMI交互界面互动，交由调度人员对故障元器件进行故障修复。

在本实施例中，图像识别模块包含针对无人机组返还的图片进行图像识别的基于改进的YOLOv3人工智能图像识别算法是对基于回归的深度学习算法YOLOv3进行改进的、适应输电线路巡检实际应用现场的新型高效图像识别算法框架。该模型对基于Darknet框架的YOLOv3算法进行了改进，对YOLOv3进行了通道减少、框架瘦身的剪枝处理，并于特定卷积层后添加了SPP模块，从而进一步优化了YOLOv3的轻量化性能。

在本实施例中，多维数组模块用于生成、遍历和修改巡检区域5个多维数组X_k和5个多维数组X’_k。

在本实施例中，生成路线模块在确定识别阈值条件下遍历多维数组X’_k筛选出已诊断故障，对未诊断出错误的电气元器件进行任务下发至多次巡航机组中满足条件的无人机巡航。

在本实施例中，满足条件指的是无人机电池电量大于80％，目前无巡航任务或巡航任务结束时间小于5分钟。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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

1.一种用于巡检的无人机多机协同输电线路故障识别全自动系统，应用于无人机指挥车上，与车载服务器兼容，其特征在于，包括CPU模块，以及通过数据总线与所述CPU模块连接的图像识别模块、存储模块、生成路线模块、多维数组模块、上行传输模块、无线通讯单元、通讯接入模块、无线接受单元以及HMI交互界面。

2.根据权利要求1所述的一种用于巡检的无人机多机协同输电线路故障识别全自动系统，其特征在于，所述上行传输模块通过RS232接口与无线通讯单元使用硬接线直连以无线形式，或通过网口使用硬接线直接与云平台交互后与基础无人机组和多次巡航无人机组进行路线交互；所述通讯接入模块通过RS485接口与无线接收单元使用硬接线直连以无线形式，或通过网口使用硬接线直接与云平台交互后收取无人机组一次返回巡检图像。

3.根据权利要求1所述的一种用于巡检的无人机多机协同输电线路故障识别全自动系统，其特征在于，所述CPU模块通过数据总线与所述存储模块连接，进行多维数组存储、错误识别阈值α及每次路线记录。

4.根据权利要求1所述的一种用于巡检的无人机多机协同输电线路故障识别全自动系统，其特征在于，所述CPU模块通过数据总线与所述图像识别模块、存储模块、生成线路模块、多维数组模块及上行传输模块连接。

5.根据权利要求1所述的一种用于巡检的无人机多机协同输电线路故障识别全自动系统，其特征在于，所述HMI交互界面与故障分析模块互动，交由调度人员对故障元器件进行故障修复。

6.根据权利要求4所述的一种用于巡检的无人机多机协同输电线路故障识别全自动系统，其特征在于，所述图像识别模块包含针对无人机组返还的图片进行图像识别的基于改进的YOLOv3人工智能图像识别算法。

7.根据权利要求4所述的一种用于巡检的无人机多机协同输电线路故障识别全自动系统，其特征在于，所述多维数组模块用于生成、遍历和修改巡检区域5个多维数组X_k和5个多维数组X’_k。

8.根据权利要求4所述的一种用于巡检的无人机多机协同输电线路故障识别全自动系统，其特征在于，所述生成路线模块在确定识别阈值条件下遍历多维数组X’_k筛选出已诊断故障，对未诊断出错误的电气元器件进行任务下发至多次巡航机组中满足条件的无人机巡航。

9.根据权利要求8所述的一种用于巡检的无人机多机协同输电线路故障识别全自动系统，其特征在于，满足条件指的是无人机电池电量大于80％，且无巡航任务或巡航任务结束时间小于5分钟。