无人机电力巡检中自动航迹规划的运用

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

无人机电力巡检中自动航迹规划的运用
摘要:我国的电力企业是经济发展中的重要支柱型产业,每年为人们提供必需
的电能来源。

无人机电力巡检中自动航迹规划的运用进行了研究,从而深入的描
述了可视图与A-star算法的全局航迹静态规划和D-star算法动态路径规划,为之
后无人机电力线路巡检中应用自动航迹规划算法提供了借鉴。

关键词:无人机;电力巡检;自动航迹;规划
电力巡检是电网日常运维不可或缺的一部分常规工作内容,在对塔杆、线路
的巡检过程中,可以及时发现安全隐患,避免造成各种事故。

然而我国地域辽阔,地形复杂,电网建设往往横跨高山、深谷、河流、森林等复杂区域,人工架线、
巡线难度较大、危险性高,传统的人工巡检的方式受到非常大的限制。

一、无人机的基本含义及其巡检技术的原理
1.无人机的基本含义。

无人机属于一种以飞行控制技术为主、载运很多类型
的任务负荷,自动进行飞行与相关作业的无人驾驶的机器。

它的主要特点是成本
较低、效率很高、危险性较小、便于操作与控制,是我国线路巡检工作中有效的
工具。

现阶段,人们熟悉的无人机其飞行的平台大概包括三个类型:多旋翼式的
无人机、无人架驶的直升机、固定翼式的无人机。

2.无人机的智能巡检技术的理论基础。

智能化的巡检技术可以为电力系统提
供重要的巡检方案,这种技术包括一个中控核心,由后端的数字化巡检、工作场
地的作业工程车、巡检的无人机还有便携型的检测机械等技术集合而成,无人机
的各个系统之间彼此协调合作,共同进行远程、中程、近程等立体式的智能化电
力巡检工作。

无人机的巡检技术主要由一套以监测技术为控制中心与运输、固定
翼的无人机作为远程式大规模的巡检、对平台多维的并举分析、信息集合的完备
的智能化网线巡检的系统。

无人机的巡检工作中,一般应用固定翼的无人机技术,经过遥控的图像对于输电的导线、地线及绝缘子具体状况展开监测工作,关于输
电线路大规模式的巡检筛选,其巡检作业的半径有时超于100km。

若是出现了异
常状况,应用运载无人机的巡检技术可到达工作场地,应用旋翼式的无人机巡检
技术或是两栖式的无人机飞往异常位置做出周密性的巡检工作,还应用便携式的
检测机械展开人力的判断。

由于无人机具有较多的优良系统,而且电力系统的输
电线路巡检工作存在较多的难度与局限性,近几年我国有一些电力企业的管理者
尝试将无人机进行民用,并取得了初步的成效。

根据有关调查资料可以了解到:
无人机的巡检技术应用于输电线路巡检工作中,可较好地将线路的运维水平得以
提升,进而提升了输电线路可靠的电能需求的供应工作质量与效率,同时有效地
降低了相关设备运行与维护工作的强度,从而更好地缩减了企业运维的成本。

二、自动航迹规划在无人机电力巡检中的运用
1.基于可视图与A-star算法的全局航迹静态规划。

全局静态规划过程中相关
的技术人员首先:通过准确的勘测,对地图中的区域位置进行生成;其次,根据
相应的地图位置,对无人机飞行的起点和终点进行制定。

并根据相应的任务要求,对禁飞区域进行设定。

最后,无人机通过借助自身的功能,根据相关的任务要求,生成一条最短的航迹。

其中勘测计算过程中需要设置禁飞区域和相应的航迹。


应用算法的主要目的就是能够准确的找出起点和重点的最短航迹。

本次的算法主要为可视图法,在对该种算法进行建模的过程中,其可视图法建模生成的可
视图网络。

在对其建模后,能够通过将各种问题进行转化,进而通过网络图找出
问题的解决路径,即寻求最短的路径。

本文为了能够对最短路径的规划问题进行
计算,主要选用A-star算法。

在将网络图进行简化后,能够转化为二维网格讨论
搜索算法,其中图块网络图中的每一块代表一个节点,每个图块中的线段能够代
表两节点有一条边相连。

另外,计算最短路径搜算算法主要为Dijkstra算法。


算法就是通过对物体初始点算起,对图中的各个结点进行访问。

同时,在将各检
查点集中的结点进行重复的迭代遍历。

并将与此结点相临近的还没有遍历到的结
点加入待检查点集。

该点集能够通过由内向外的搜索,直至达到搜索的目的为止。

当所
有的边都有一个非负的代价值时,通过采用Dijkstra算法就能够计算出最短的路径(由初始点到目标点)。

而相对于该种算法,最佳优先搜索算法开辟了一道
新的搜索路径。

并与Dijk-stra算法相比较,具有很大的差别。

换言之,技术人员
通过启发函数能够准确计算出相应的搜索路径。

同时,最佳优先搜索算法在选择
结点时,一般都是选择离目标较近的结点。

这与Di-jkstra算法选择与初始点结点
最近的结点相悖。

但是这种算法并不能完全的保障能够在一定的时间内找到相应
的最短路径。

而值得注意的是其在应用时并不能否认它强大的搜索功能。

例如:
启发式函数能够快速的导向目标结点。

当目标位置处于南方时,最佳优先搜索算
法根据启发式函数对其进行搜索,从而快速的搜索出基于南方导向的路径。

2. D-Star算法动态路径规划。

无人机在巡检的过程中如果按照之前规划好的
航迹进行巡查,其很容易发生目标点发生较大的变动、障碍物增加等状况的发生。

特别是根据原本规划好的航迹巡查很可能受到外界的影响,大大降低了航行的安
全性,进而无法完成巡检的任务。

例如:在遭受到异物入侵时,并不能进行有效
的巡检,从而无法满足安全航行的需求。

因此,无人机需要实时的对航迹动态进
行有效的规划,根据变动的信息或者存在的障碍物等对航迹进行合理的调整。


而在保障航迹安全的基础上,对巡检作业进行有效的执行。

其中D-Star算法主要
对相应的动态数据进行的计算,从而找出动态路径规划。

其在计算时需要遵循原
则为:在处理相关的数据时应该对实时的数据进行准确的处理,从而保障处理数
据的有效性。

由此可见,这种算法凭借着巨大的优势,得到了广泛的应用和推广。

本文通过对D-Star算法进行改进后,航迹实时规划应该随着巡航环境发生的
变化而发生变化。

无人机利用A-star算法对最短的航迹进行规划,在做出相应的
规划后,开始实施巡检作业。

而如果下一目标节点并没有发生较大的变化时,并
不需要做出中心的规划和计算;当目标点或者路径上受到了影响的异物阻碍,使
得路径无法正常行驶时,D-Star算法需要从当前的节点出发,对距离目标点代价
最低的一个子节点进行重新的选择和计算,并开展对新节点的评估,然后能够将
节点所发生的更改信息传播到相邻的节点中。

该算法与A-Star的算法相反,D-
Star算法主要是从新目标节点向后搜索开始,每一个拓展的节点都有一个相反的
指针,进而能够通向目标的下一节点。

当起始节点拓展到下一个节点时,也就代
表算法完成,并且可以更加便利的找到指针所指向的目标路径。

而A-Star算法主
要是从开始到结束的路径,进而完成整个计算过程。

本文主要选用Matlab软件模拟其动态调整过程。

通过二维图像的观察,能够快速的识别出塔杆和线路的分布,并根据相关的信息和安全距离的要求,对禁飞区域进行描绘。

同时,无人机在巡
检的过程中能够通过激光雷达等工具对规划轨迹上的区域进行检测。

当发生异物
入侵时,需要进行重新的规划,以避开障碍物,从而能够在一定程度上提高巡检
的安全性。

近年来无人机控制算法的发展为多旋翼无人机的行业应用打下基础,电力巡
检中无人机的应用降低了人工巡检的成本与风险,也大大提高了巡检效率。

参考文献:
[1]涂智文.小型无人机在电力线路巡检中的应用分析[J].电气时代,2018(11):75-77.
[2]陈建.无人机巡检输电线路技术的应用分析[J].科技与创新,2018,52(4):160-161.。

相关文档
最新文档