基于无人机的大坝自动化巡检路径规划方法技术

本发明专利技术公开了基于无人机的大坝自动化巡检路径规划方法

【技术实现步骤摘要】
基于无人机的大坝自动化巡检路径规划方法、装置及设备


[0001]本专利技术涉及大坝巡检路径规划
，具体为基于无人机的大坝自动化巡检路径规划方法
、
装置及设备
。

技术介绍

[0002]大坝的结构具有总体相似性和局部细节不同性，但在无人机大坝巡检过程中，无人机和大坝往往被看做两个孤立的个体，且工作时两者关系难以定义
。
传统的无人机巡检方法是通过人工现场操控无人机，根据大坝的造型自己设定行驶路线，因此检测时间较为不可控，且覆盖的范围很难在数学中量化表现，主观上很依赖操纵者的个人判断自动化程度低，且对大坝这类耗电量较大的检测项目，无法对流程进行进度把控，为此，我们提出基于无人机的大坝自动化巡检路径规划方法
、
装置及设备
。

技术实现思路

[0003]本专利技术的目的在于提供一种基于无人机的大坝自动化巡检路径规划方法
、
装置及设备，能够对无人机巡检路线进行合理详细的规划，将复杂的检测问题转化为只需依照固定路线行驶的简单操作
。
[0004]为实现上述目的，本专利技术提供如下技术方案：基于无人机的大坝自动化巡检路径规划方法，包括：
[0005]根据巡检实际需求将无人机的大坝自动化巡检设定为两种工况，该工况包括定点病害自动巡检和全局巡检；
[0006]接收大坝的造型数据，根据造型数据搭建大坝本体通用的数学模型，然后以无人机飞行能耗限制为边界条件，根据不同的工况确定采用的前置条件算法；/>[0007]定点病害自动巡检工况下，采用
TSP
算法结合通用的遗传算法计算得到无人机最优路径；
[0008]全局巡检工况下，采用扫掠线算法计算得到无人机最优路径
。
[0009]进一步的，所述大坝本体通用的数学模型，其表达式为：
[0010][0011]式中，方程中
x
为大坝的横向长度参数，
y
为大坝纵向长度，方程中
p
为大坝的弯曲角度，
k
为大坝边缘的斜率，
b
为大坝顶部与底部的差值，其中以该模型的横向投影为全局面积
。
[0012]进一步的，所述定点病害自动巡检工况下，最优路径的计算步骤具体如下：
[0013]1)
确定无人机在大坝上的起飞点及病害点，将起飞点
、
病害点的飞行路径作为变量，以每个病害点的检测时间及无人机最短飞行时间作为边界条件；
[0014]2)
大坝起飞点为从左到右平均间隔的
10
个点，以该点为起点依次连接病害点，并
返回到起点原位置；
[0015]3)
根据
TSP
算法，确定不同病害点间依次的移动顺序为优化内容；
[0016]4)
对检测病害点进行随机排序，随机生成组合的二进制种群，并通过种群交叉
、
遗传变异迭代计算其分值；
[0017]5)
初始解群的优劣决定了遗传算法收敛的速度，且初始生成的解具有很强的随机性，在计算各解的适应值后，从中筛选适应值高的优秀解作为实际的初始解，以提高初始解群的质量；
[0018]6)
选择算子
‑
轮盘赌法，每个个体进入下一代的概率等于它的适应度值与整个种群中个体适应度值和的比例，其具体步骤如下：首先计算每个选择项的适应度值，适应度值越高，该选择项被选中的概率越大；其次计算每个选择项的选择概率，选择概率等于该选择项的适应度值除以所有选择项的适应度值之和；再将所有选择项的选择概率按照大小排序，并计算它们的累积概率；最终生成一个0到1之间的随机数，然后根据累积概率确定所选项；
[0019]7)
通过
100
次迭代计算后输出无人机定点病害自动巡检的最优路径，其最优为解群中适应值最高的解
。
[0020]进一步的，所述病害点的检测时间为0‑
2min、2
‑
3min、3
‑
5min
；无人机最短飞行时间
30min。
[0021]进一步的，所述全局巡检工况下，最优路径的计算步骤具体如下：
[0022]1)
使用扫掠线算法作为大坝全局巡检的基础，其中扫掠线需要输入多边形障碍，其中大坝多边形为大坝数学模型中的
T
型投影，即将三维大坝的结构正投影到
YZ
截面，形成一个
T
型，作为计算的前置条件；
[0023]2)
扫掠线的主要变参数为其扫掠角度，扫掠角度的范围为0‑
180
°
；
[0024]3)
当
T
型角度和扫描线角度已知时，其每一个角度对应的线型和距离是固定且唯一的，此刻计算全覆盖下路线所需要的全部长度，即可选出最优的扫掠角度，找到无人机全局巡检所需的总路径最短
。
[0025]进一步的，所述在全局巡检工况下，根据无人机能耗限制确定无人机在扫掠线上的返回点，具体方法如下：
[0026]1)
考虑到无人机最长的续航距离为
Lmax
，无人机从大坝上起点到初始扫略点的距离为
L1
，扫掠线上行驶的距离为
Ls
，由此可得：
[0027]L1+L
s
＝
L
max
；
[0028]2)
根据
Ls
的距离可以在当前扫掠线上确定无人机最远行驶点
P1
；
[0029]3)
由于实际中还需要考虑无人机从该点返回到起点的距离
Lr
，因此
P1
并非无人机飞行的最远点，此时使得
P1
退回到扫掠线拐角处
P2
，并对
P2
点进行路径判断，具体判断表达式如下所示，其中
o
为起始点：
[0030][0031]4)
若结果
<Lmax
，则说明
P2
点满足无人机返回的要求，此时确定
P1
和
P2
的中点
P3....Pn
来进行迭代计算，直到
Pn
代入情况下
>Lmax
，则取
Pn
‑1为无人机在扫掠线上的返回点；
[0032]5)
若结果
>Lmax
，则说明
P2
点无法满足无人机返回的要求，且
P2
到
P1
距离上的点均无法满足要求，因此继续退回上一个拐点
P4
进行迭代寻找，假如
Pn
点代入
&l本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于无人机的大坝自动化巡检路径规划方法，其特征在于，包括；根据巡检实际需求将无人机的大坝自动化巡检设定为两种工况，该工况包括定点病害自动巡检和全局巡检；接收大坝的造型数据，根据造型数据搭建大坝本体通用的数学模型，然后以无人机飞行能耗限制为边界条件，根据不同的工况确定采用的前置条件算法；定点病害自动巡检工况下，采用
TSP
算法结合通用的遗传算法计算得到无人机最优路径；全局巡检工况下，采用扫掠线算法计算得到无人机最优路径
。2.
根据权利要求1所述的基于无人机的大坝自动化巡检路径规划方法，其特征在于：所述大坝本体通用的数学模型，其表达式为：式中方程中
x
为大坝的横向长度参数，
y
为大坝纵向长度，方程中
p
为大坝的弯曲角度，
k
为大坝边缘的斜率，
b
为大坝顶部与底部的差值，其中以该模型的横向投影为全局面积
。3.
根据权利要求1所述的基于无人机的大坝自动化巡检路径规划方法，其特征在于，定点病害自动巡检工况下，最优路径的计算步骤具体如下：
1)
确定无人机在大坝上的起飞点及病害点，将起飞点
、
病害点的飞行路径作为变量，以每个病害点的检测时间及无人机最短飞行时间作为边界条件；
2)
大坝起飞点为从左到右平均间隔的
10
个点，以该点为起点依次连接病害点，并返回到起点原位置；
3)
根据
TSP
算法，确定不同病害点间依次的移动顺序为优化内容；
4)
对检测病害点进行随机排序，随机生成组合的二进制种群，并通过种群交叉
、
遗传变异迭代计算其分值；
5)
初始解群的优劣决定了遗传算法收敛的速度，且初始生成的解具有很强的随机性，在计算各解的适应值后，从中筛选适应值高的优秀解作为实际的初始解，以提高初始解群的质量；
6)
选择算子
‑
轮盘赌法，每个个体进入下一代的概率等于它的适应度值与整个种群中个体适应度值和的比例，其具体步骤如下：首先计算每个选择项的适应度值，适应度值越高，该选择项被选中的概率越大；其次计算每个选择项的选择概率，选择概率等于该选择项的适应度值除以所有选择项的适应度值之和；再将所有选择项的选择概率按照大小排序，并计算它们的累积概率；最终生成一个0到1之间的随机数，然后根据累积概率确定所选项；
7)
通过
100
次迭代计算后输出无人机定点病害自动巡检的最优路径，其最优为解群中适应值最高的解
。4.
根据权利要求3所述的基于无人机的大坝自动化巡检路径规划方法，其特征在于：所述病害点的检测时间为0‑
2min、2
‑
3min、3
‑
5min
；无人机最短飞行时间
30min。5.
根据权利要求1所述的基于无人机的大坝自动化巡检路径规划方法，其特征在于，全局巡检工况下，最优路径的计算步骤具体如下：
1)
使用扫掠线算法作为大坝全局巡检的基础，其中扫掠线需要输入多边形障碍，其中大坝多边形为大坝数学模型中的
T
型投影，即将三维大坝的结构正投影到
YZ
截面，形成一个
T
型，作为计算的前置条件；
2)
扫掠线的主要变参数为其扫掠角度，扫掠角度的范围为0‑
180
°
；
3)
当
T
型角度和扫描线角度已知时，其每一个角度对应的线型和距离是固定且唯一的，...

【专利技术属性】
技术研发人员：吴刚，侯士通，蒋剑彪，吴明阳，李征，孙伟豪，
申请(专利权)人：北京九通衢检测技术股份有限公司，
类型：发明
国别省市：