一种无人机巡检任务自动规划方法、装置、系统及存储介质

技术领域

本发明涉及一种无人机巡检任务自动规划方法、装置、系统及存储介质，属于路径规划技术领域。

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。

随着输电线路巡检需求不断增大，单次任务巡检单基杆塔的方式已无法满足要求，需要升级为单次任务巡检多基杆塔，但单次任务巡检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检改为多基巡检时，多基杆塔的巡检距离跨度大、时间长，还要考虑地形、天气、续航等因素，导致巡检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检过程中天气实时变化情况和无人机实时续航水平，规划出的巡检路线不符合实际巡检要求。

发明内容

本发明的目的在于提供一种无人机巡检任务自动规划方法、装置、系统及存储介质，能够解决单任务巡检多基杆塔路线规划困难问题，生成距离短、安全系数高的巡检路线，提升输电线路无人机自主巡检效率和安全水平。

为达到上述目的，本发明提供如下技术方案：

第一方面，本发明提供一种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，并在预划分的巡检区域内设置起飞点、降落点、巡视点和充电点；

基于所述无人机起降位置、杆塔坐标位置和自助充电位置，以及所述起飞点、降落点、巡视点和充电点，将无人机电量和无人机巡检区域气象数据作为限制条件，构建无人机巡检任务规划模型；

利用预获取的路径规划算法求解所述无人机巡检任务规划模型，获取无人机巡检任务的最优规划。

结合第一方面，进一步的，还包括根据无人机的机型将所述最优规划转换为无人机所适配的标准航线文件，并下发至无人机执行。

结合第一方面，进一步的，将无人机巡检区域气象数据作为限制条件包括：

获取巡检任务开始时无人机能抵达的所有路径点，间隔预设时间对各路径点进行判断，基于气象数据，选取安全的路径点作为新的起点，从新的起点出发并再次获取无人机能抵达的所有路径点，依此遍历所有路径点，获取路径集合并从中选取耗时最短的路径。

结合第一方面，进一步的，所述无人机巡检任务规划模型的目标函数为：

min(∑

其中，S

结合第一方面，进一步的，利用预获取的路径规划算法求解所述无人机巡检任务规划模型，获取无人机巡检任务的最优规划包括：

分枝：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可行解，初值取Q中的任一可行解，为当前可行解对应的目标函数的下界，记为L

定界：利用贪心算法查找每个分枝节点的可行解，并将查找到的多个可行解取并集，获取分枝节点的最优解集合，利用线性松弛法获取可行解的目标函数的下界，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]，实现对各分枝节点的定界；

解枝：对各分枝节点进行洞悉条件测试，若分枝节点的下界大于或等于最优可行解OptimalSol对应的目标函数的下界，则该分枝节点可洞悉而不再被考虑，否则，更新最优可行解OptimalSol为该分枝节点的下界；

迭代进行定界和解枝，直至所有分枝节点均被洞悉为止，获取最优可行解OptimalSol作为最优规划；

其中，迭代包括对所有定界后的分枝节点进行比较，选取下界最小的分枝节点进行分枝、定界和解枝，直至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均已被剪枝为止，获取最优可行解OptimalSol作为最优规划。

结合第一方面，进一步的，所述贪心算法包括基于无人机实时位置的贪心算法和基于全局最短路径点距离的贪心算法；

所述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，选取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；

所述基于无人机实时位置的贪心算法包括：根据实时获取的无人机位置的坐标信息，搜索距无人机最近且未遍历的路径点，若存在距无人机最近且未遍历的路径点，则无人机飞往该路径点，并更新无人机位置的坐标信息，继续搜索下一距无人机最近且未遍历的路径点，直至没有路径点可搜索为止，生成无人机巡检路线并停止搜索。

第二方面，本发明提供一种无人机巡检任务自动规划装置，包括：

信息模块：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，并在预划分的巡检区域内设置起飞点、降落点、巡视点和充电点；

规划模块：用于基于所述无人机起降位置、杆塔坐标位置和自助充电位置，以及所述起飞点、降落点、巡视点和充电点，将无人机电量和无人机巡检区域气象数据作为限制条件，构建无人机巡检任务规划模型；

计算模块：用于利用预获取的路径规划算法求解所述无人机巡检任务规划模型，获取无人机巡检任务的最优规划。

结合第二方面，进一步的，还包括：

存储模块：用于存储无人机巡检任务信息、杆塔信息、无人机巡检区域气象数据和无人机参数信息；

通讯模块：用于与上级系统交互获取无人机巡检任务信息，以及下发航线文件至无人机。

第三方面，本发明提供一种无人机巡检任务自动规划系统，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任一项所述方法的步骤。

第四方面，本发明提供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第一方面任一项所述方法的步骤。

与现有技术相比，本发明的有益效果是：

本发明提供的无人机巡检任务自动规划方法，基于无人机起降位置、杆塔坐标位置和自助充电位置，以及起飞点、降落点、巡视点和充电点，将无人机电量和无人机巡检区域气象数据作为限制条件，构建无人机巡检任务规划模型并进行求解，获取无人机巡检任务的最优规划，能够解决单任务巡检多基杆塔路线规划困难问题，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、安全系数高的巡检路线，并根据无人机机型将最优规划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。

附图说明

图1是本发明实施例提供的无人机巡检任务自动规划方法流程图。

具体实施方式

下面结合具体实施方式对本申请的技术方案作进一步详细地说明。

下面详细描述本申请的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。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。

实施例1：

图1是本实施例提供的一种无人机巡检任务自动规划方法流程图，本流程图仅仅示出了本实施例方法的逻辑顺序，在互不冲突的前提下，可以以不同于图1所示的顺序完成所示出或描述的步骤。

本实施例提供的无人机巡检任务自动规划方法可应用于终端，可以由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：

步骤一：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，并在预划分的巡检区域内设置起飞点、降落点、巡视点和充电点；

本实施例中，通过与上级系统交互获取无人机巡检任务信息，并根据获取到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；划分巡检区域，并在划分好的巡检区域内设置起飞点、降落点、巡视点和充电点；对无人机巡检任务信息、杆塔信息、无人机巡检区域气象数据和无人机参数信息进行存储。

步骤二：基于无人机起降位置、杆塔坐标位置和自助充电位置，以及起飞点、降落点、巡视点和充电点，将无人机电量和无人机巡检区域气象数据作为限制条件，构建无人机巡检任务规划模型；

设S

min∑

此外，为使无人机巡检路线策略变量构成一条完整可行的巡检路线，无人机巡检路线策略变量满足：

无人机受限于续航水平不能进行长时间的飞行，将无人机电量作为无人机巡检任务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损耗的指标，设R为无人机最大续航水平，设E

0＜E

其中，S

无人机充满电量离开机巢时的电量损耗为：

E

其中，B为充电区域集合。

糟糕天气情况会影响无人机执行巡检任务，有可能存在无人机炸机的风险，巡检路线规划时应考虑巡检区域的气象情况，将巡检区域气象数据(风力等级、降水量)作为无人机巡检任务规划模型的限制条件，提前避开天气情况糟糕的区域进行巡检或遇到糟糕天气时自动返航。巡检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检路径点到了下一时刻可能就成为无人机坠毁的危险点。将无人机巡检区域气象数据作为限制条件包括：获取巡检任务开始时无人机能抵达的所有路径点，间隔预设时间对各路径点进行判断，基于气象数据，选取安全的路径点作为新的起点，从新的起点出发并再次获取无人机能抵达的所有路径点，依此遍历所有路径点，获取路径集合并从中选取耗时最短的路径。

基于无人机电量和无人机巡检区域气象数据的限制条件，构建的无人机巡检任务规划模型的目标函数为：

min(∑

其中，S

步骤三：利用预获取的路径规划算法求解无人机巡检任务规划模型，获取无人机巡检任务的最优规划；

本实施例中，利用分枝定界算法和贪心算法求解无人机巡检任务规划模型，获取无人机巡检任务的最优规划，即耗时最短、安全系数最高的巡检路线的位置数据。

分枝定界算法(Branch and bound)是一种搜索与迭代算法，其基本思想是选择不同的分枝变量和子问题进行分枝，其过程总体上有分枝、定界和解枝三个步骤，把全部可行解空间反复分割为越来越小的子集，这一过程称为分枝，对每个子集内的解集计算一个目标函数的下界，这一过程称为定界，对每个分枝节点进行洞悉测试，凡是分枝节点的界限值超出已知最优可行解集目标值的那些子集不再进一步分枝，解的许多子集可以不予考虑，不断缩小搜索范围，这一过程称为解枝，迭代进行分枝、定界和解枝直至找出最优解为止。

利用预获取的路径规划算法求解无人机巡检任务规划模型，获取无人机巡检任务的最优规划包括如下步骤：

分枝：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可行解，初值取Q中的任一可行解，为当前可行解对应的目标函数的下界，记为L

定界：利用贪心算法查找每个分枝节点的可行解，并将查找到的多个可行解取并集，获取分枝节点的最优解集合，利用线性松弛法获取可行解的目标函数的下界，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]，实现对各分枝节点的定界；

解枝：对各分枝节点进行洞悉条件测试，若分枝节点的下界大于或等于最优可行解OptimalSol对应的目标函数的下界，则该分枝节点可洞悉而不再被考虑，否则，更新最优可行解OptimalSol为该分枝节点的下界；

迭代进行定界和解枝，直至所有分枝节点均被洞悉为止，获取最优可行解OptimalSol作为最优规划。

其中，迭代包括对所有定界后的分枝节点进行比较，选取下界最小的分枝节点进行分枝、定界和解枝，直至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均已被剪枝为止，获取最优可行解OptimalSol作为最优规划。

本实施例中，贪心算法包括基于无人机实时位置的贪心算法和基于全局最短路径点距离的贪心算法。

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，选取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：根据实时获取的无人机位置的坐标信息，搜索距无人机最近且未遍历的路径点，若存在距无人机最近且未遍历的路径点，则无人机飞往该路径点，并更新无人机位置的坐标信息，继续搜索下一距无人机最近且未遍历的路径点，直至没有路径点可搜索为止，生成无人机巡检路线并停止搜索。

步骤四：根据无人机的机型将最优规划转换为无人机所适配的标准航线文件，并下发至无人机执行。

本实施例中，根据无人机的机型将最优规划转换为无人机所适配的标准航线文件，并下发至无人机执行。

本实施例提供的无人机巡检任务自动规划方法，基于无人机起降位置、杆塔坐标位置和自助充电位置，以及起飞点、降落点、巡视点和充电点，将无人机电量和无人机巡检区域气象数据作为限制条件，构建无人机巡检任务规划模型并进行求解，获取无人机巡检任务的最优规划，能够解决单任务巡检多基杆塔路线规划困难问题，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、安全系数高的巡检路线，并根据无人机机型将最优规划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。

实施例2：

本实施例提供一种无人机巡检任务自动规划装置，包括：

信息模块：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，并在预划分的巡检区域内设置起飞点、降落点、巡视点和充电点；

规划模块：用于基于无人机起降位置、杆塔坐标位置和自助充电位置，以及起飞点、降落点、巡视点和充电点，将无人机电量和无人机巡检区域气象数据作为限制条件，构建无人机巡检任务规划模型；

计算模块：用于利用预获取的路径规划算法求解无人机巡检任务规划模型，获取无人机巡检任务的最优规划。

本实施例提供的无人机巡检任务自动规划装置还包括：

存储模块：用于存储无人机巡检任务信息、杆塔信息、无人机巡检区域气象数据和无人机参数信息；

通讯模块：用于与上级系统交互获取无人机巡检任务信息，以及下发航线文件至无人机。

本申请实施例所提供的无人机巡检任务自动规划装置可执行本申请任意实施例所提供的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3：

本实施例提供一种系统，包括处理器及存储介质；

存储介质用于存储指令；

处理器用于根据指令进行操作以执行实施例1中方法的步骤。

实施例4：

本实施例提供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实施例1中方法的步骤。

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。

以上仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本申请的保护范围。