一种无人机输电线路巡检路径规划方法

技术领域

本发明属于线路巡检技术领域，具体涉及一种无人机输电线路巡检路径规划方法。

背景技术

无人机在线路巡检过程中需要考虑无人机自身物理约束例如遥控链路距离等、飞行区域中威胁和障碍物分布、杆塔精细巡检不同的任务电量消耗等诸多约束条件，最终需要为无人机在给定的飞行区域中规划出一条既能快速完成巡检任务，又能连接飞行起点和目标终点的满足所有约束条件的最优或次优可飞行路径；在复杂和极限工作环境下，为了保证无人机能顺利完成任务并安全返航，对无人机巡检路径进行规划十分必要；因此，提供一种合理优化飞行路径、最大化利用电池电量、降低风险、有效提高巡检效率的一种无人机输电线路巡检路径规划方法是非常有必要的。

发明内容

本发明的目的是为了克服现有技术的不足，而提供一种合理优化飞行路径、最大化利用电池电量、降低风险、有效提高巡检效率的一种无人机输电线路巡检路径规划方法。

本发明的目的是这样实现的：一种无人机输电线路巡检路径规划方法，所述方法包括以下步骤：

步骤1：初始化输电线路杆塔巡检任务集合和无人机起降点；

步骤2：利用GIS系统计算、获取两输电线路杆塔之间的飞行路径长度；

步骤3：初始化输电线路杆塔巡检任务执行表；

步骤4：根据整体规划任务复杂程度新建一定数量蚂蚁的蚁群；

步骤5：根据路径选择概率，输电线路杆塔巡检任务集合中挑选一个未遍历的输电线路杆塔任务点，作为蚂蚁的候选路径节点对象；

步骤6：判断无人机到候选巡检对象的耗电量是否大于无人机剩余电量；若大于无人机剩余电量，则舍弃该输电线路杆塔任务点，执行步骤5重新选择候选巡检对象；若不大于无人机剩余电量，则将候选巡检对象作为无人机的下一个巡检对象；

步骤7：将步骤6确定的巡检对象加入输电线路杆塔巡检任务执行表，并计算无人机剩余电量；

步骤8：判断输电线路杆塔巡检任务集合中是否存在未遍历的输电线路杆塔任务点；若存在未遍历的输电线路杆塔任务点，则执行步骤9，否则执行步骤10；

步骤9：判断无人机剩余电量是否小于最小电量限制，若小于最小电量限制，则新增一台无人机，执行步骤4，否则执行步骤5；

步骤10：计算目标值函数，得到迭代解；

步骤11：比较、更新全局最优解，更新蚁群信息素；

步骤12：判断是否达到最大迭代次数，若达到最大迭代次数，则执行步骤13，否则执行步骤3；

步骤13：输出全局最优解，得到最优的无人机巡检路径集合，结束。

所述步骤2中的利用GIS系统计算、获取两输电线路杆塔之间的飞行路径长度具体为：基于GIS系统标注杆塔坐标点，从GIS系统中得到两输电线路杆塔距离数据。

所述步骤4中的根据整体规划任务复杂程度新建一定数量蚂蚁的蚁群具体为：新建的蚁群数量为输电线路杆塔数量的1.5倍。

所述步骤5中的根据路径选择概率，输电线路杆塔巡检任务集合中挑选一个未遍历的输电线路杆塔任务点，作为蚂蚁的候选路径节点对象具体为：路径选择概率为：

所述步骤6中的判断无人机到候选巡检对象的耗电量是否大于无人机剩余电量具体为：基于GIS系统标注无人机起飞点和杆塔坐标点，在无人机系统中规划对输电杆塔的自主精细化巡检航迹，得到巡检各杆塔的耗电量。

所述步骤8中的判断输电线路杆塔巡检任务集合中是否存在未遍历的输电线路杆塔任务点具体为：

所述步骤10中的计算目标值函数，得到迭代解具体为：定义V＝{v

所述步骤10中的无人机巡检路径规划模型目标函数的约束条件为：①

所述步骤11中的比较、更新全局最优解，更新蚁群信息素具体为：通过对每个路径所存在的当前最优解的情况，来引导蚁群向具有更多解的路径进行探索，同时利用最大最小原理来保证算法的全局收敛性；由于多目标问题不存在某一个最优解，而是存在着一组最优解集，所以多目标优化问题是力求找出一组解，并使这个解集最大限度地逼近真实的Pareto前沿；优化算法中的每只蚂蚁依一定的概率在当前路径或跳转到其它路径进行搜索，当每只蚂蚁搜索到各自局部最优解时一次循环结束，并将搜索到的解保存到当前循环最优解集中，并由后台程序对得到的解进行处理；

所述更新蚁群信息素的更新原则具体包括以下步骤：

步骤11.1：为所有路径设置信息素浓度τ的最大最小值，即限制在一定的范围[τ

步骤11.2：迭代每完成一次就对最优解生成的路径信息进行更新，以完全保留历史最优解的信息；

步骤11.3：最大最小蚁群算法在迭代初期，为使蚁群能够开辟更多路径，设定一个初始值较小的信息素挥发速率ρ，为确保在初期蚁群能开辟更多路径，需设置一个初始值较大的信息素浓度τ，因此设置为τ

蚂蚁释放信息素和各个杆塔间连接路径上的信息素挥发是同时进行的，当蚁群完成一次搜索时，每条路径上的信息素浓度就要更新一次，信息素更新公式如下：

所述步骤12中的判断是否达到最大迭代次数具体为：每迭代一次，迭代次数xh＝xh+1，当迭代次数xh等于最大迭代次数时，判为迭代结束。

本发明的有益效果：本发明为一种无人机输电线路巡检路径规划方法，在使用中，本发明通过建立输电线路无人机巡检路径规划模型，利用改进的最大最小蚁群算法求解，合理优化无人机飞行路径，得到最优的无人机自主巡检路径集合，最大化利用无人机电池电量，减少消耗的无人机任务储备电池数量以完成更多的杆塔任务，降低了无人机丢失和坠毁的风险，既能有效提高巡检效率，又确保了无人机安全返航；本发明能够有效减少无人机起降次数和现场操作人员工作量及时间，提高了线路运维的工作速度；本发明具有合理优化飞行路径、最大化利用电池电量、降低风险、有效提高巡检效率的优点。

附图说明

图1为本发明的流程图。

具体实施方式

下面结合附图对本发明做进一步的说明。

实施例1

如图1所示，一种无人机输电线路巡检路径规划方法，所述方法包括以下步骤：

步骤1：初始化输电线路杆塔巡检任务集合和无人机起降点；

步骤2：利用GIS系统计算、获取两输电线路杆塔之间的飞行路径长度；

步骤3：初始化输电线路杆塔巡检任务执行表；

步骤4：根据整体规划任务复杂程度新建一定数量蚂蚁的蚁群；

步骤5：根据路径选择概率，输电线路杆塔巡检任务集合中挑选一个未遍历的输电线路杆塔任务点，作为蚂蚁的候选路径节点对象；

步骤6：判断无人机到候选巡检对象的耗电量是否大于无人机剩余电量；若大于无人机剩余电量，则舍弃该输电线路杆塔任务点，执行步骤5重新选择候选巡检对象；若不大于无人机剩余电量，则将候选巡检对象作为无人机的下一个巡检对象；

步骤7：将步骤6确定的巡检对象加入输电线路杆塔巡检任务执行表，并计算无人机剩余电量；

步骤8：判断输电线路杆塔巡检任务集合中是否存在未遍历的输电线路杆塔任务点；若存在未遍历的输电线路杆塔任务点，则执行步骤9，否则执行步骤10；

步骤9：判断无人机剩余电量是否小于最小电量限制，若小于最小电量限制，则新增一台无人机，执行步骤4，否则执行步骤5；

步骤10：计算目标值函数，得到迭代解；

步骤11：比较、更新全局最优解，更新蚁群信息素；

步骤12：判断是否达到最大迭代次数，若达到最大迭代次数，则执行步骤13，否则执行步骤3；

步骤13：输出全局最优解，得到最优的无人机巡检路径集合，结束。

本发明为一种无人机输电线路巡检路径规划方法，在使用中，本发明通过建立输电线路无人机巡检路径规划模型，利用改进的最大最小蚁群算法求解，合理优化无人机飞行路径，得到最优的无人机自主巡检路径集合，最大化利用无人机电池电量，减少消耗的无人机任务储备电池数量以完成更多的杆塔任务，降低了无人机丢失和坠毁的风险，既能有效提高巡检效率，又确保了无人机安全返航；本发明能够有效减少无人机起降次数和现场操作人员工作量及时间，提高了线路运维的工作速度；本发明具有合理优化飞行路径、最大化利用电池电量、降低风险、有效提高巡检效率的优点。

实施例2

如图1所示，一种无人机输电线路巡检路径规划方法，所述方法包括以下步骤：

步骤1：初始化输电线路杆塔巡检任务集合和无人机起降点；

步骤2：利用GIS系统计算、获取两输电线路杆塔之间的飞行路径长度；

步骤3：初始化输电线路杆塔巡检任务执行表；

步骤4：根据整体规划任务复杂程度新建一定数量蚂蚁的蚁群；

步骤5：根据路径选择概率，输电线路杆塔巡检任务集合中挑选一个未遍历的输电线路杆塔任务点，作为蚂蚁的候选路径节点对象；

步骤6：判断无人机到候选巡检对象的耗电量是否大于无人机剩余电量；若大于无人机剩余电量，则舍弃该输电线路杆塔任务点，执行步骤5重新选择候选巡检对象；若不大于无人机剩余电量，则将候选巡检对象作为无人机的下一个巡检对象；

步骤7：将步骤6确定的巡检对象加入输电线路杆塔巡检任务执行表，并计算无人机剩余电量；

步骤8：判断输电线路杆塔巡检任务集合中是否存在未遍历的输电线路杆塔任务点；若存在未遍历的输电线路杆塔任务点，则执行步骤9，否则执行步骤10；

步骤9：判断无人机剩余电量是否小于最小电量限制，若小于最小电量限制，则新增一台无人机，执行步骤4，否则执行步骤5；

步骤10：计算目标值函数，得到迭代解；

步骤11：比较、更新全局最优解，更新蚁群信息素；

步骤12：判断是否达到最大迭代次数，若达到最大迭代次数，则执行步骤13，否则执行步骤3；

步骤13：输出全局最优解，得到最优的无人机巡检路径集合，结束。

所述步骤2中的利用GIS系统计算、获取两输电线路杆塔之间的飞行路径长度具体为：基于GIS系统标注杆塔坐标点，从GIS系统中得到两输电线路杆塔距离数据。

所述步骤4中的根据整体规划任务复杂程度新建一定数量蚂蚁的蚁群具体为：新建的蚁群数量为输电线路杆塔数量的1.5倍。

所述步骤5中的根据路径选择概率，输电线路杆塔巡检任务集合中挑选一个未遍历的输电线路杆塔任务点，作为蚂蚁的候选路径节点对象具体为：路径选择概率为：

所述步骤6中的判断无人机到候选巡检对象的耗电量是否大于无人机剩余电量具体为：基于GIS系统标注无人机起飞点和杆塔坐标点，在无人机系统中规划对输电杆塔的自主精细化巡检航迹，得到巡检各杆塔的耗电量。

所述步骤8中的判断输电线路杆塔巡检任务集合中是否存在未遍历的输电线路杆塔任务点具体为：

所述步骤10中的计算目标值函数，得到迭代解具体为：定义V＝{v

所述步骤10中的无人机巡检路径规划模型目标函数的约束条件为：①

所述步骤11中的比较、更新全局最优解，更新蚁群信息素具体为：通过对每个路径所存在的当前最优解的情况，来引导蚁群向具有更多解的路径进行探索，同时利用最大最小原理来保证算法的全局收敛性；由于多目标问题不存在某一个最优解，而是存在着一组最优解集，所以多目标优化问题是力求找出一组解，并使这个解集最大限度地逼近真实的Pareto前沿；优化算法中的每只蚂蚁依一定的概率在当前路径或跳转到其它路径进行搜索，当每只蚂蚁搜索到各自局部最优解时一次循环结束，并将搜索到的解保存到当前循环最优解集中，并由后台程序对得到的解进行处理；

所述更新蚁群信息素的更新原则具体包括以下步骤：

步骤11.1：为所有路径设置信息素浓度τ的最大最小值，即限制在一定的范围[τ

步骤11.2：迭代每完成一次就对最优解生成的路径信息进行更新，以完全保留历史最优解的信息；

步骤11.3：最大最小蚁群算法在迭代初期，为使蚁群能够开辟更多路径，设定一个初始值较小的信息素挥发速率ρ，为确保在初期蚁群能开辟更多路径，需设置一个初始值较大的信息素浓度τ，因此设置为τ

蚂蚁释放信息素和各个杆塔间连接路径上的信息素挥发是同时进行的，当蚁群完成一次搜索时，每条路径上的信息素浓度就要更新一次，信息素更新公式如下：

所述步骤12中的判断是否达到最大迭代次数具体为：每迭代一次，迭代次数xh＝xh+1，当迭代次数xh等于最大迭代次数时，判为迭代结束。

在本实施例中，实施例中相比每架次执行单基杆塔和两基杆塔的巡检任务，优化后的自主巡检路径执行效率提升58.74％和18.60％，飞行路径上节省了392.07秒和67.93秒。

本发明为一种无人机输电线路巡检路径规划方法，在使用中，本发明通过建立输电线路无人机巡检路径规划模型，利用改进的最大最小蚁群算法求解，合理优化无人机飞行路径，得到最优的无人机自主巡检路径集合，最大化利用无人机电池电量，减少消耗的无人机任务储备电池数量以完成更多的杆塔任务，降低了无人机丢失和坠毁的风险，既能有效提高巡检效率，又确保了无人机安全返航；本发明能够有效减少无人机起降次数和现场操作人员工作量及时间，提高了线路运维的工作速度；本发明具有合理优化飞行路径、最大化利用电池电量、降低风险、有效提高巡检效率的优点。