【技术实现步骤摘要】
本专利技术属于无人机巡检，具体涉及一种基于机载ai的无人机三维路径规划方法及系统。
技术介绍
1、近年来，我国国民经济的持续快速发展对我国电力工业提出了越来越高的要求。我国国土辽阔，地形复杂，丘陵及山区较多，气象条件多变，为了实现安全、可靠的供电，迫切需求自动化、现代化的巡检技术手段。通过多年的技术研发和实践应用，无人机巡检以其低成本、低风险和高效率的技术优点，为高强度的电力巡检工作提供了合理的替代方案，随着无人机巡检里程与采集输电线路信息量的增加，如何有效的、准确的进行输电线路信息采集成为了智能巡检亟需解决的问题。现阶段无人机电力自主巡检采用的人工示教或三维点云航迹规划，上述两种主流方式存在较高人工参与度，航线多机型复用性不足等突出问题，受限于现阶段机载定位精度、大焦距、多悬停、智能巡检线路规划精准度低，导致自主巡检效率普遍不高。因而亟需一种基于机载ai的无人机三维路径规划方法及系统以解决上述问题。
技术实现思路
1、为解决上述现有技术的中的不足，本专利技术的目的在于克服现有不足，提供一种基于机载ai的无人机三维路径规划方法，包括如下：
2、设置分配任务的无人机的起始出发点、及本次任务的终结点；
3、构建无人机的三维路径规划模型；
4、采集无人机的航行区域数据图；
5、设置无人机路径规划线路为最优任务线路，生成最优路线规划方案；
6、所述无人机的路径规划调节方法包括如下：
7、步骤1，设置无人机的飞行有效范围
8、步骤2，分别构建平衡函数和行为抑制函数，所述平衡函数用于计算描述点在预测位置处第一影响因子和第二影响因子，所述行为抑制函数用于监控所述第一影响因子和第二影响因子在任一检测域的平衡度；
9、步骤3，基于步骤2对所述用于描述无人机预测位置的描述点的平衡度监控，进行无人机预测位置的定位；构建预测生成函数，基于预测生成函数计算无人机的锚点位置，取数值靠前三位作为最优锚点位置；分别设置预测系数m1,m2,m3，将所述设置预测系数按照数值靠前三位依次相乘累加，获取无人机的实际目标锚点位置。
10、作为上述方案的进一步优化，所述描述点定位描述无人机预测位置的方法具体包括如下：
11、以无人机正向前进位置邻接的检测域为锚点特征域，以无人机其他邻接的检测域为非锚点特征域，锚点特征域和非锚点特征域内描述点的平均数值为对应检测域的域核；
12、统计域核n1,n2,……，计算任意用于描述无人机预测位置的描述点与域核n1,n2,……的连接位置，获取最小连接位置，将所述描述点与最小连接位置对应的特征域合并形成新的特征域，更新新的特征域的域核；
13、循环上一步，在单位周期t次内使得最新锚点特征域或非锚点特征域的域核为恒定值，记录对应的域核位置。
14、作为上述方案的进一步优化，所述平衡函数的第一影响因子y1和第二影响因子y2计算包括如下：
15、
16、
17、其中，ρ1、ρ2为常数，t为域核更新到最终位置的回合数，t为域核已经更新的回合数；
18、所述行为抑制函数y′构建包括如下：
19、
20、其中，q1、q2为常数。
21、作为上述方案的进一步优化，所述无人机的实际目标锚点位置获取实现方法如下：
22、设数值靠前三位分别为n1,n2,n3，则：
23、n＝n1·m1+n2·m2+n3·m3 (4)
24、m1+m2+m3＝λ,m1,m2,m3∈[0,1] (5)
25、
26、其中，n′为实际目标锚点位置，m1,m2,m3为选择概率值，λ为运动选择概率值和。
27、作为上述方案的进一步优化，若m1+m2+m3＝λ>1，删除n1,n2,n3，令：
28、
29、其中，ε为抑制调节因子。
30、作为上述方案的进一步优化，所述预测生成函数f(x)构建方法包括如下：
31、设无人机的预测生成干扰因子航行路程s、机航空间位置l，干扰因子的系数分别为δ1、δ2，机航空间极大位置l1、机航空间极小位置l2；
32、f(x)＝f1(x)+f2(x) (8)
33、＝δ1·s+δ2·f2(x)。
34、作为上述方案的进一步优化，所述机航空间位置构建如下：
35、
36、作为上述方案的进一步优化，若在单位周期t次内使得最新锚点特征域或非锚点特征域的域核不为恒定值，则矫正无人机位置，具体包括如下：
37、设无人机位置为(x,y),待矫正误差距离为δl，则：
38、
39、其中，x′，y′分别为无人机矫正后位置坐标；l为无人机误差调节常数，dl为记录无人机的行进距离。
40、本专利技术还提供了一种基于机载ai的无人机三维路径规划系统，包括：
41、一个或多个处理器；
42、存储器，用于存储一个或多个程序，
43、当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上所述的一种基于机载ai的无人机三维路径规划方法。
44、本专利技术采用上述的技术方案，与现有技术相比，具有如下有益效果：
45、1.本专利技术的锚点特征域具体表示以当前无人机行进方向为正向邻接的检测域范围；非锚点特征域具体表示以当前无人机邻接的检测域，且不包括锚点特征域；基于设置的锚点特征域和非锚点特征域，使本专利技术快速获取参照域，以使得后续的首批域核能够全部以无人机作为第一参照点，提升本专利技术的处理效率。
46、2.为了有效规避单一检测点特征集中导致锚点预测精度不高的隐患，本技术方案针对性设计一抑制调节因子，通过控制行为抑制函数对第一影响因子和第二影响因子在任一检测域的监控力度，具体表现为降低平衡度的监控。基于该项设置，在无人机的实际目标锚点位置确认过程中，大幅度降低单一的检测点特征集中的可能性，从而整体提升锚点预测精度。
47、3.本专利技术还针对在单位周期t次内无法完成匹配或趋向稳定的域核情况，即，表明无人机与航行区域数据图存在较大差异，具体表现为检测域不符合预测条件，此时，本技术方案针对性设计有矫正无人机措施，具体为设置无人机误差调节常数，根据无人机的行进距离，构建在水平方向发生矫正长度的位移数学式，从而重新进行无人机的最优线路规划。
本文档来自技高网...【技术保护点】
1.一种基于机载AI的无人机三维路径规划方法，其特征在于，包括如下：
2.根据权利要求1所述的一种基于机载AI的无人机三维路径规划方法，其特征在于，所述描述点定位描述无人机预测位置的方法具体包括如下：
3.根据权利要求2所述的一种基于机载AI的无人机三维路径规划方法，其特征在于，所述平衡函数的第一影响因子y1和第二影响因子y2计算包括如下：
4.根据权利要求3所述的一种基于机载AI的无人机三维路径规划方法，其特征在于，所述无人机的实际目标锚点位置获取实现方法如下：
5.根据权利要求4所述的一种基于机载AI的无人机三维路径规划方法，其特征在于，若m1+m2+m3＝λ＞1，删除N1，N2，N3，令：
6.根据权利要求1所述的一种基于机载AI的无人机三维路径规划方法，其特征在于，所述预测生成函数f(x)构建方法包括如下：
7.根据权利要求6所述的一种基于机载AI的无人机三维路径规划方法，其特征在于，所述机航空间位置构建如下：
8.根据权利要求2所述的一种基于机载AI的无人机三维路径规划方法，其特征在于，
9.本专利技术还提供了一种基于机载AI的无人机三维路径规划系统，包括：
...【技术特征摘要】
1.一种基于机载ai的无人机三维路径规划方法，其特征在于，包括如下：
2.根据权利要求1所述的一种基于机载ai的无人机三维路径规划方法，其特征在于，所述描述点定位描述无人机预测位置的方法具体包括如下：
3.根据权利要求2所述的一种基于机载ai的无人机三维路径规划方法，其特征在于，所述平衡函数的第一影响因子y1和第二影响因子y2计算包括如下：
4.根据权利要求3所述的一种基于机载ai的无人机三维路径规划方法，其特征在于，所述无人机的实际目标锚点位置获取实现方法如下：
5.根据权利要求4所述的一种基于机载ai的无人机三维路径规划方法，其特...
【专利技术属性】
技术研发人员：赵昌新，孙飞，吴立刚，丁祖善，陆梦龙，赵守强，王一丁，张潇，刘俊，曹闯，霍福广，黄延庆，高圣达，陈想，吴迪，孙悦欣，刘书翰，李玫，程昊铭，
申请(专利权)人：国网江苏省电力有限公司徐州供电分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。