【技术实现步骤摘要】
本申请涉及无人机机巢选址，尤其涉及无人机机巢仿生规划方法、装置及存储介质。
技术介绍
1、配网架空线路设备点多面广，巡检环境复杂且变化快，作为电网中的毛细血管，承载着山区复杂地形、农村、工业大负荷。日益增长的配电架空线路设备给公司配网安全稳定运行带来巨大的压力，亟待“设备代人”相关技术在配网设备智能巡视应用上加快推进。
2、目前配网架空线路设备点多面广，巡检环境复杂且变化快，配电架空线路无人机巡检由于配电线路建设标准不一、路径环境复杂等原因，仍然采用“人机协同”的巡检模式。现有配电机巢选址部署受制于通信模式、无人机匹配选择等因素，还未达到网格化自主管理的要求，对无人机网格化巡检多机协同策略提出了更高的挑战，需进一步深化对机巢布点原则、多机协同模式的研究。
3、为进一步提升无人机自主飞行精细化巡检能力，根据目前无人机自主巡检应用中对单线路多航线、多平台适用、移动机巢飞行器异地起降等需求的分析，开展配电网多传感器融合技术的配电网无人机自主巡检技术研究，建立满足配电线路无人机网格化巡检的机巢布点与调度策略技术是当前亟待解决的问题。
4、中国专利《一种巡检无人机机巢分布及信息交互方法》，公开号：cn 111679690 a，公开日：2020年09月18日，具体公开了首先分析了无人机的各项数据及其相关技术；然后将无人机的数据代入环境建模中，之后建立了无人机机动性能约束模型和威胁约束模型，其中前者包括最大航程、最大爬升角、最小转弯半径及飞行速度；后者主要包括地形威胁、天气威胁和人为威胁等模型；此外考虑到无
5、中国专利《一种机巢智能选址的无人机网格化巡检方法及系统》，公开号：cn115542935a，公开日：2022年12月30日，具体公开了结合无人机的巡航能力和杆塔之间的总复杂度进行无人机机巢的选址。该方案中对杆塔从小到大进行编号，依据无人机机巢的巡检能力依次对比第一基杆塔与后续编号杆塔的巡检总复杂度，在存在多条线路时，需要先按照单条线路分别规划选址再进行最小编号杆塔总复杂度的计算并进行交叉选点，计算复杂，计算难度高。
技术实现思路
1、本申请针对现有技术中对无人机机巢选址存在易出现机巢覆盖区域重叠、机巢数量大于实际需求、机巢选址计算复杂的问题，提供无人机机巢仿生规划方法、装置及存储介质，确保机巢数量满足实际需求且实现机巢最大化覆盖，计算简单，准确率高。
2、为实现上述技术目的，本申请提供的一种技术方案是，无人机机巢仿生规划方法，包括如下步骤：以无人机飞行最短时间构建优化目标函数；获取无人机参数、巡检点参数以及无人机机巢参数，构建约束条件；获取巡检点空间坐标数据，利用粗聚类算法构建粗聚类距离目标函数；根据粗聚类距离目标函数、优化目标函数以及约束条件，利用遗传算法求解聚类结果，以聚类结果作为无人机机巢选址点，输出无人机机巢仿生规划策略。
3、进一步的，以无人机飞行最短时间构建优化目标函数包括：根据无人机从巡检点到达无人机机巢的时间、无人机的巡检时间构建优化目标函数：
4、其中，t为无人机飞行时间，tij为无人机从巡检点i到达无人机机巢j的时间，td为无人机的巡检时间，dij为从巡检点i到达无人机机巢j的距离，si为无人机从巡检点i到达无人机机巢j的飞行速度，dd为无人机的巡检距离，sd为无人机巡检时的飞行速度。
5、进一步的，构建约束条件包括：构建第一约束条件、第二约束条件、第三约束条件、第四约束条件、第五约束条件以及第六约束条件。
6、进一步的，构建第一约束条件包括：获取无人机机巢覆盖半径，建立第一约束条件：dij为无人机从巡检点i到无人机机巢的距离；vc为无人机机巢覆盖半径；i为末端巡检点i的集合，i＝{i|i＝1，2，3...n}，n为正整数。
7、进一步的，构建第二约束条件包括：获取巡检点位置，建立第二约束条件：第二约束条件为：yij表示巡检点i是否被分配到无人机机巢的覆盖范围内，yij＝1表示巡检点i被分配到无人机机巢j的覆盖范围内；yj为0-1变量，表示无人机机巢是否在j点选址，其中yj＝1为无人机机巢在j点选址，否则不在；nt为无人机机巢个数。
8、进一步的，构建第三约束条件包括：获取无人机最大飞行半径、无人机巡检数量以及无人机巡检距离，建立第三约束条件：dd/nd≤vd；dd为无人机巡检距离；nd为无人机巡检数量；vd为无人机最大飞行半径。
9、进一步的，根据粗聚类距离目标函数、优化目标函数以及约束条件，利用遗传算法求解聚类结果，以聚类结果作为无人机机巢选址点，输出无人机机巢仿生规划策略包括：利用精聚类算法构建精聚类距离目标函数以及精聚类概率函数；根据粗聚类距离目标函数、优化目标函数、精聚类距离目标函数、精聚类概率函数以及约束条件构建混合整数规划模型；利用遗传算法对混合整数规划模型进行求解，得到聚类结果，以聚类结果作为无人机机巢选址点，输出无人机机巢仿生规划策略。
10、进一步的，混合整数规划模型为：
11、
12、
13、
14、
15、dc为在粗聚类算法中，任一样本点与聚类中心点之间的距离；gx1为样本点的经度坐标，gy1为样本点的纬度坐标，gz1为样本点的海拔；gcx为在粗聚类算法中聚类中心点的经度坐标，gcy为样本点的纬度坐标，gcz为样本点的海拔；dk为在精聚类算法中，任一样本点与已有聚类中心之间的最短距离；gkx为在粗聚类算法中聚类中心点的经度坐标，gky为样本点的纬度坐标，gkz为样本点的海拔；p(x)为在精聚类算法中，每个样本点被选为下一个聚类中心的概率，x为样本点。
16、进一步的，约束条件还包括精距离约束条件：dk≤dt；dt为在粗聚类算法中样本点与聚类中心之间的距离阈值。
17、进一步的，结合遗传算法对混合整数规划模型进行求解包括如下步骤：s1：设置遗传参数：根据粗聚类算法获得聚类数kc，种群规模m，最大迭代次数t，交叉概率pc，变异概率pm；s2：种群初始化：根据初始参数进行编码，重复m次，产生初始种群；s3：计算群体中各个体的适应度；s4：通过选择、交叉、变异、k-means++操作，产生新一代群体；s5：重复s3和s4，直至达到最大迭代次数t；s6：计算新一代群体的适应度，以最大适应度的最佳个体为中心进行k-means++聚类；s7：输出聚类结果，作为无人机机巢选址点，输出无人机机巢仿生规划策略。
1本文档来自技高网...
【技术保护点】
1.无人机机巢仿生规划方法，其特征在于：包括如下步骤：
2.如权利要求1所述的无人机机巢仿生规划方法，其特征在于：
3.如权利要求1所述的无人机机巢仿生规划方法，其特征在于：
4.如权利要求3所述的无人机机巢仿生规划方法，其特征在于：
5.如权利要求3所述的无人机机巢仿生规划方法，其特征在于：
6.如权利要求3所述的无人机机巢仿生规划方法，其特征在于：
7.如权利要求1所述的无人机机巢仿生规划方法，其特征在于：
8.如权利要求7所述的无人机机巢仿生规划方法，其特征在于：
9.如权利要求7所述的无人机机巢仿生规划方法，其特征在于：
10.如权利要求7所述的无人机机巢仿生规划方法，其特征在于：
【技术特征摘要】
1.无人机机巢仿生规划方法，其特征在于：包括如下步骤：
2.如权利要求1所述的无人机机巢仿生规划方法，其特征在于：
3.如权利要求1所述的无人机机巢仿生规划方法，其特征在于：
4.如权利要求3所述的无人机机巢仿生规划方法，其特征在于：
5.如权利要求3所述的无人机机巢仿生规划方法，其特征在于：
<...【专利技术属性】
技术研发人员：陈蕾，安康，莫文昊，谈元鹏，徐重酉，孙益辉，
申请(专利权)人：国网浙江省电力有限公司，
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。