基于无人机和视觉定位的空基GNSS干扰信号检测方法

针对当前机场周边GNSS干扰影响飞机正常飞行的事件频发,而地面GNSS干扰检测方法和基于有人飞机的GNSS干扰检测方法难以快速精确地检测干扰信号和定位干扰源的问题,提出基于无人机和视觉定位的GNSS干扰信号检测方法。首先讨论结合无人机三角测向定位和无迹卡尔曼滤波来定位干扰源,然后在获得干扰源位置的基础上,给出一种融合无人机拍摄的实时图像与地理信息系统(GIS)数据以实现对干扰源外形识别的方案,并提出了基于公共网络的无人机与地面数据处理中心间的低空通信系统构架。     

蛙跳式充电的无人机自主巡线技术与系统(一):基于GPS/RTK的无人机自主定位

为解决无人机巡线过程中的续航难题,设计实现基于蛙跳式充电的无人机自主巡线系统.作为第一部分,本文基于GPS/RTK的无人机自主定位展开研究.首先,针对南方电网公司提出的无人机无人操控自主巡线目标,搭建了蛙跳式充电平台,以提高无人机的续航能力;然后,为保证无人机能按预设航迹进行自主导航,并准确降落到地面平台进行充电,对无人机GPS/RTK组合导航模块中自主巡线关键技术进行了研究;最后,分别对巡线技术中姿态解算、加速度补偿及延时补偿这3个主要环节进行实验仿真.实验结果表明:姿态解算算法可以准确地估计无人机在飞行中的飞行姿态,并能适时快捷地补偿运动加速度;延时补偿算法能有效地解决定位传感器延时的问题;在气压计输出高度数据不健康时,系统能识别数据的健康状况,并自动融合GPS输出的高度数据.因此本文提出的方法和研究结论对无人机的自主巡线有着重要的工程指导意义.     

江苏省磷资源安全评价与演化趋势

通过系统的资料整理与严密的数据分析,在阐述省内磷资源概况与化肥施用需求的基础上,依据熵值法修正的层次分析法建立了农用矿产资源的安全评价体系。修正的安全系数和最终计算结果更加符合实际,显示了该方法的科学性、优越性。评价结果表明:江苏省磷资源安全演化整体呈下降趋势,结合省内情况可分为4个阶段。资源禀赋是影响农用矿产安全的主要因素,其次是化肥施用量、勘查资金投入等因素,据此强调开拓市场、科学施肥、保护环境。模型的建立及结果对资源产业持续健康发展和区域经济社会发展具有参考意义。     

无人机多角度倾斜摄影三维重建服务系统研究

如何将海量全景三维数据快速分析决策和业务化,是三维重建服务系统面临的重要课题.无人机多角度倾斜摄影测量技术可以高效快速建立三维场景模型,满足智慧城乡立体空间全方位、高精度、可视化表达需求,而基于WebGIS的三维可视化技术为这一需求提供了高效平台.以农村不动产实体为例,紧密围绕无人机多角度倾斜摄影实景三维模型,采用B/S和Cesium框架,研究三维不动产重建Web服务系统.基于Smart 3D和Visual Studio Code平台,利用Html5+CSS+Javasript,同时采用WebGL渲染技术,为三维不动产模型的浏览、二三维多源数据融合与联动、不动产模型量测与标注、实体分户空间属性查询、场景三维通视和日照模拟分析等问题提供了解决办法.该系统综合展现了无人机倾斜摄影三维智慧化服务能力,提出了不动产三维场景日照模拟,为自然资源与规划部门业务化管理提供了有力的技术支撑.     

某型伸缩机翼无人机的性能分析

由于众多机翼变形方式中,伸缩机翼能提供一种较为简单的一维变形方式,使得在机翼的气动特性发生较大变化时,无人机能获得不同飞行状态下较优的飞行性能.为评估机翼伸缩带来的性能收益,使用雅典娜涡格法程序(AVL)作为气动分析工具,对安装有伸缩翼的某型无人机进行气动分析与性能计算,并研究伸缩机翼变形机构带来的额外增重对性能的影响.分析结果表明:在相同攻角范围下,伸缩机翼的最大升阻比提高36.57％,最大升力系数提高34.85％;伸缩翼无人机的阻力、航时与航程、起飞与着陆距离等性能收益,受变形机构带来的机翼额外增重影响,并且增重量越大,伸缩翼无人机的性能收益越少.     

基于局部上下文信息的电力线提取算法

从无人机采集的具有复杂背景的可见光航拍图像中准确提取电力线是极具挑战的任务,因而提出了一种新的基于局部上下文信息的检测算子(detector based on local context information, DLCI)。首先,基于电力线在航拍图像中局部特殊的语义特征设计具有空间对称结构的DLCI算子,并分别定义特征同质性能量函数H_1和特征异质性能量函数H_2,利用H_1和H_2实现对电力线像素点的初步筛选。然后,定义电力线空间局部一致性响应函数H_3实现对电力线像素的提取。最后,采用基于包络线分段拟合(envelope-based piecewise fitting, EPF)算法实现对电力线的拟合。实验结果表明,所提算法在多种航拍场景下均能实现对电力线的准确提取,不仅兼顾建模简单和相对高精度的优点,而且具备一定程度的算法稳定性,具有较高的工程应用价值。     

基于定点化自适应选择卷积神经网络的电力缺陷识别方法

无人机(unmanned aerial vehicle,UAV)电力巡检时的图像数据量急剧增加,为使深度卷积神经网络(deep convolutional neural network,DCN-N)在低功耗的前提下仍能准确识别出电力缺陷,将重点改进传统DCNN算法,以减少机载前端平台中DCNN模型的计算成本,有效提高电力缺陷识别的运行速度,进而延长巡检无人机的续航里程.首先将卷积网络中的浮点运算进行定点化近似,然后通过快速机器学习算法对DCNN模型的输入图像进行自适应选择,最后通过实验对所提方法进行了验证.实验结果证明,DCNN模型经8比特定点优化和自适应选择选择策略后的准确率达88.2％,推理时间缩短了65.9％,能耗减少了71.9％,查准率提高了9.8％.所设计的定点化DCNN模型自适应选择策略不仅能节约电力巡检系统的功耗,而且能提高电力缺陷识别的精度.     

基于四旋翼无人机的输电线路巡检实时自主跟踪系统设计

本文基于四旋翼无人机的输电线路巡检提出一种硬件和软件的实时自主跟踪系统的设计.为了提高无人机的检测效率,需要对实时数据处理传输线进行检测和跟踪.本文提出无人机的硬件结构设计,软件设计结构,以及卡尔曼滤波器在激光雷达上面的数据处理.并进行了飞行实验验证了系统的可行性.     

5G无人机全自主巡检系统在500 kV特大跨越上的应用

随着电力系统的不断发展,大数据、人工智能、通信网络技术、云计算等技术成为了建设智慧电网的强大后盾,同时无人机作为先进的巡检工具高效地解决了目前日益增长的输电线路运维需求.5G网络的不断普及带来的低时延、大带宽、海量连接的效果大幅提升了数据的传输效率.基于此,描述了5G技术与无人机全自主巡检系统在500 kV特大跨越输电线路上的优势与发展前景,立足实现智能巡检,提升巡检作业效率与准确性,以促进电力行业发展.