基于RTK定位技术的输电线路无人机自主巡检方法

为了提高无人机在输电线路巡检作业中的定位精度,保障无人机按照预设巡检线路进行自主巡检,提出基于RTK定位技术的输电线路无人机自主巡检方法。采用基于RTK定位技术获取输电线路无人机的动态位置,基于无人机动力学模型识别无人机姿态信息,结合串级模糊PID控制器控制无人机的作业姿态按照巡检路线巡检,实现输电线路无人机自主巡检。实验结果表明,所提方法能高精度定位无人机位置,定位误差控制在1 cm之内,并且俯仰角都可在1 s内抵达理想值,可有效控制无人机准确按照预设巡检线路完成自主巡检,避障效果较好。     

输电线路无人机自动巡检系统不间断作业实时监控方法

针对输电线路无人机自动巡检信息冗杂,数据噪声较大,海量数据传输难以完整传输的问题,提出了一种输电线路无人机自动巡检系统不间断作业实时监控方法,保障输电线路不间断作业。构建输电线路不间断作业监控架构,利用无人机自动巡检系统的无人机飞行器实时采集输电线路图像信息,经无线传输模块传输至地面站存储;输电线路不间断作业监控模块调用采集到的数据,采用非局部均值滤波算法去噪处理输电线路图像,将去噪后图像输入至卷积神经网络,优化检测异常输电线路图像,并利用粗定位算法定位异常点,便于巡检人员实时修复输电线路,实时监控输电线路不间断作业。实验结果表明,所提方法能够清晰、直观地检测到输电线路异常点,实时监控输电线路不间断作业;拥有较为优秀的去噪效果,为后期高效、实时检测输电线路异常点提供保障;信息传输性能突出,保证海量数据传输具有极高的完整性。     

基于遗传算法的输电线路无人机巡检路径规划

针对无人机有效、安全巡检输电线路的路径问题,提出了一种基于遗传算法的输电线路无人机巡检路径规划方法,采用极坐标编码方式对无人机巡检路径构造染色体;结合实际情况中的无人机巡检各种约束问题,设计了适合于无人机巡检路径规划的遗传算子;实验结果证明算法能综合考虑各种因素,提高了全局寻优能力,是解决实际输电线路无人机巡检路径规划问题的较好办法.     

全电压等级无人机高空巡检自主导航线路切换技术研究

针对无人机巡检电压等级较高的输电线路时,可能会因杆塔整体结构过于复杂导致导航线路混乱无法有效完成巡检工作的问题,研究全电压等级无人机高空巡检自主导航线路切换技术。将无人机导航线路规划问题转换为蚁群确定最优或次优路径问题,利用信息素挥发因子动态自适应调整规则,改善蚁群算法易出现局部最优以及较慢收敛的情况,完成导航线路规划。基于规划结果,采用自抗扰控制算法,设计包含微分器、扰动估计补偿等设备的自抗扰控制器,通过控制器调整航向角方向,实现导航线路切换控制。实验结果表明,所研究技术能够通过不同航向角度切换,完成输电线路高空巡检目的,且航线规划效率满足无人机高空巡检自主导航线路切换的实时性要求。     

基于PID算法的输电线路无人机巡检路径智能自动规划技术

为降低定位误差，规避复杂环境造成的巡检风险，研究基于PID算法的输电线路无人机巡检路径智能自动规划技术。采用RTK定位技术，采集了输电线路无人机巡检标志点位置信息，利用路径生成方法，模拟无人机从起始点到目标点的最优几何路径，创建无人机高度和姿态直接受PID参数控制的动力学模型，运用基于PID算法的路径规划跟踪控制器，控制无人机按照最优路径飞行到目标点，实现了输电线路无人机巡检路径智能自动规划。实验结果表明：待巡检标志点定位误差始终低于0.25×10^-4;该技术规划的输电线路无人机巡检路径较短，能有效规避复杂环境造成的巡检风险。     

基于无人机载多载荷的输电线路巡检方法研究检测

无人机进行电力线路巡检的作业模式在南方电网已经开展了一些示范验证并获得一定的推广应用,目前的巡检方式多为无人机或有人机挂载激光雷达进行巡检。为提高线路巡检效率、提高隐患目标识别准确度,本文提出激光雷达和可见光相机一体化应用的方法来提高巡检自动化程度、提高巡检精细度、提高作业效率及可靠性。首先针对一次飞行同步采集巡检区域的激光点云数据和可见光影像数据,在对采集的数据分别进行相应的预处理;然后将点云数据和影像数据融合处理分析,实现输电线路隐患目标自动识别和精准定位。采用旋翼无人机实际巡检获取的输电线路激光点云数据和影像数据对该过程进行了验证,试验结果表明,基于无人机载多载荷的输电线路巡检具有较高的自动化程度和准确性,缺陷识别检测的水平距离误差为0.1467米,缺陷识别的垂直距离误差为 0.1025米,缺陷识别的净空距离误差为0.1575米,识别检测效果良好,对输电线路巡检具有重要的意义。     

输电线路多旋翼无人机自动驾驶智能巡检系统

针对日益繁重的输电线路巡视工作以及输电专业无人机巡视方面难度大、风险高、自动化程度低等问题,本文提出了一种输电线路多旋翼无人机自动驾驶智能巡检系统及方法,结合人工智能图像识别技术实现了机巡数据的智能处理,建立了输电线路自动智能巡检作业的新模式.本文重点介绍了巡检系统的结构、功能及关键技术,通过佛山地区输电线路巡视的应用实践,该系统大大提高了电网巡检效率,证明了其有效性和合理性.     

无人机巡检架空输电线路自主避障导航算法研究

随着无人机技术的发展,无人机被广泛应用于高压输电线路进行巡检,但受到环境因素的影响作业人员对无人机的控制难度较大,甚至导致无人机撞向输电导线或者铁塔引发电力事故。因此,提高无人机的自主巡航能力是无人机巡检高压输电线的重要技术,基于此,本文提出一种基于模糊神经网络多传感器数据融合方法,实现无人机对架空输电线路的自主避障导航。该方法首先将需要巡检的输电线路的坐标信息输入无人机飞控系统,实现通过铁塔坐标对无人机进行全局导航,而在局部则采用虚拟势场法实现对无人机自主避障。对于多传感器数据分析,本文将模糊神经网络结合模糊聚类的方法进行改进提出一种多传感器数据融合算法,实现对无人机周围环境的准确采集,从而实现对无人机巡线的自主避障导航。最后构建仿真实验平台,对无人机寻线自主避障导航进行模拟实验,从而验证了该算法的可行性。     

基于多旋翼无人机的架空输电线路状态检测系统设计

摘要：由于架空输电线路长期暴露于空气环境中,容易受到气象条件的影响发生故障,并且离地较高,导致其工作状态难以被精准检测,因此提出将多旋翼无人机应用于架空输电线路状态检测中。通过智能终端模块向无人机飞行模块下达线路检测指令,无人机飞行模块执行检测指令;在检测航行时,基于RTK载波相位差分方法,精准定位无人机位置和检测航线,并通过道格拉斯-普克算法,去除冗余航迹点;通过搭载的各类数据采集装置,采集线路状态数据后,传送至线路状态检测分析模块。分析模块利用小波变换算法,确定故障位置,完成架空输电线路状态检测。测试结果显示：该方法能够对无人机的航线实行精准控制,保证最佳的检测效果,定位误差结果均在2.5cm以内,最小误差结果为0.46cm;并可有效删除冗余航迹点,按照无人机的检测结果,生成架空输电线路的检测报告,呈现架空输电线路各个部位的运行状态,完成故障诊断。     

基于动态超分辨率的输电线路部件检测方法

在无人机输电线路巡检过程中,由于部分输电线路部件较小,而且无人机搭载的相机像素有一定限制,同时必须与输电线路保持一定的安全距离,导致拍摄的图像的分辨率较低、目标较小.针对这一问题,提出了一种基于动态超分辨率的输电线路部件检测方法,将超分网络引入到输电线路巡检过程中.实验结果表明,该方法对输电线路低分辨率输入图像和小目标...     

基于智能图像识别的无人机电力线路安全巡检方法

为了解决无人机电力线路巡检过程中安全性指标偏低问题,降低了无人机电力线路巡检效率,因此提出基于智能图像识别设计新的无人机电力线路安全巡检方法。采集无人机电力线路安全巡检图像并加以滤波处理,基于智能图像识别技术设计无人机线路巡检识别算法,采用最优全局概率搜索遗传算法规划无人机电力线路安全巡检路径,实现了无人机电力线路安全巡检。结果表明,设计的无人机电力线路安全巡检方法的巡检安全性指标较高,证明设计的无人机电力线路安全巡检方法的巡检效果较好,具有可靠性,具有一定的应用价值。     

基于深度学习的多旋翼无人机单目视觉目标定位追踪方法

针对无人机对目标的识别定位与跟踪,本文提出了一种基于深度学习的多旋翼无人机单目视觉目标识别跟踪方法,解决了传统的基于双目摄像机成本过高以及在复杂环境下识别准确率较低的问题。该方法基于深度学习卷积神经网络的目标检测算法,使用该算法对目标进行模型训练,将训练好的模型加载到搭载ROS的机载电脑。机载电脑外接单目摄像机,单目摄像头检测目标后,自动检测出目标在图像中的位置,通过采用一种基于坐标求差的优化算法进行目标位置准确获取,然后将目标位置信息转化为控制无人机飞行的期望速度和高度发送给飞控板,飞控板接收到机载电脑发送的跟踪指令,实现对目标物体的跟踪。试验结果验证了该方法可以很好的进行目标识别并实现目标追踪     

自动驾驶在拥堵路段的道路几何信息估计

道路几何信息是自动驾驶系统中重要的信息来源,也是后续路径规划的关键参考信息之一。 该研究针对城市内车道线遮挡及多路径效应导致的全球定位系统失效等问题,提出了一种基于前车信 息的道路几何估计方法。通过对当前车辆、前车以及道路之间关系的建模,获得了系统的运动模型和 观测模型。采用无损卡尔曼滤波框架对观测到的前车相对位置、相对速度、相对角度和本车角速度进 行滤波处理,估计出当前车道的曲率参数。在仿真软件 Car learning to Act(Carla)上的实验结果表明, 相比地图匹配方法,在无法获取车道线目标及精确定位信息的情况下,该方法道路几何精度得到了显 著提升。     

城市交通网络中救援车辆路径优化研究

道路中断、可靠性差等路径选择问题从根本上影响了救援工作的效率,针对这一现状,设计了基于MATLAB的应急救援车辆最优路径模型。依托城市交通路网的数据,通过层次分析法确定影响应急救援的因素,利用MATLAB蚁群算法结合ArcGIS平台构建城市路网要素,定位应急设施及求解应急救援车辆路径优化结果。通过实例分析改变要素信息时,救援路径结果与效率的差别,客观评估城市应急救援能力,为城市交通救援车辆的路径优化提供可行性助力。     

基于边缘特征的无砟轨道扣件定位方法

轨道扣件的精确定位是实现扣件缺陷检测的前提,而常规的基于机器视觉的轨道扣件定位检测方法存在适应性差,且易受光照强度及遮挡的干扰。为了实现轨道扣件的快速精确定位,提出一种基于边缘特征的轨道扣件定位方法。通过在参考图像中选取标准扣件区域以生成匹配模板,利用Canny边缘滤波算子获得边缘点的位置坐标及梯度方向;在此基础上构建搜索模型并采用图像金字塔匹配搜索策略,获得匹配分值的潜在匹配点;并利用匹配阈值设定法,逐层逐次跟踪潜在匹配点,直至图像金字塔最底层,以提高定位速度;基于最小二乘法调整位姿参数,使其达到亚像素级精度。实验表明,该方法具有鲁棒性强、定位速度快且不受光照变化及遮挡的影响,定位精度达到1/15像素,定位成功率大于95%,满足无砟轨道扣件定位需求。     

室内环境下UWB与LiDAR融合定位算法研究

当前全球导航卫星系统与激光雷达的数据融合被广泛应用于无人驾驶车辆的定位系统中,但在室内环境下由于卫星信号的丢失导致定位精度低甚至无法定位。为此提出一种基于超宽带（Ultra-Wideband,UWB）与激光雷达（Light Detection and Ranging,LiDAR）的融合定位算法。该算法以粒子滤波为基础,对两个传感器的定位数据进行互补融合解算。利用UWB实时定位数据通过提供起始粒子范围的方式来提高LiDAR的定位速率。通过求解LiDAR定位信息与粒子之间的几何距离来更新粒子的权重,从而弥补UWB的非视距误差。搭建一个室内测试场景,并将融合定位算法在智能小车平台上进行验证。实验结果表明,该方法优于UWB或LiDAR单一传感器的定位方案,而且在UWB视距受阻或LiDAR匹配失效的情况下,车辆仍能够获得良好的定位精度和定位实时性。     

基于采煤机工作面端头量测的改进因子图高精度自主定位方法

采煤机的高精度定位是煤炭开采自动化和智能化的重要研究方向,其中惯性导航系统和里程计是长壁综合机械化采煤机定位主要传感器之一.通过两者的信息融合,能够有效抑制惯性导航系统的发散并且具有较好的自主导航能力,但是仍然无法满足井下长时间的高精度导航要求.鉴于此,分析目前常用辅助传感器在采煤机开采过程中存在的问题,提出基于UWB采煤机工作面端头量测的改进因子图优化方法.利用UWB在工作面端头的位置量测信息,推导并构建惯导/里程计/UWB的约束方程和图优化模型.同时通过惯性信息的预积分,减少待优化的节点数量,降低算法的计算量.在此基础上,加入里程计标度因数误差和安装误差的因子节点进行联合估计和优化.最后通过仿真和实际跑车测试表明,相较于传统卡尔曼滤波的采煤机定位方式,所提出方法能够有效提高采煤机的定位精度.     

电磁阀协同动作特性曲线特征点提取研究

在电磁阀协同动作特性测试中,协同动作特性曲线特征点的准确提取直接关系到测试精度,乃至测试的成败.提出了一种基于最短距离法的特征点提取方法.该方法首先对特性曲线进行滤波处理,然后由该特征点附近的两个点构成一条直线,通过取这两个点之间的所有点到该直线距离的最大值,从而得出该特征点的准确位置.试验结果表明,该方法定位精度高,采用该法后电磁阀协同动作时间测量精度可达0.5 ms,满足测试标准要求.