基于混合算法的电力杆塔巡检实时航迹规划

传统的电力杆塔拍摄视点顺序固定,多旋翼无人机巡检距离并非最优;同时,随着维度增加,航迹规划算法空间复杂度呈指数增长,不能满足实时规划航迹的需求。针对以上问题,提出一种基于蚁群和A*混合算法（ACO-A*）的电力杆塔巡检三维航迹规划方法。该方法分为全局规划和局部规划,全局规划利用改进蚁群算法找到覆盖所有视点的较优路径,并通过算法判断路径是否经过障碍物,再运用A*算法局部规划。仿真结果表明：ACO-A*算法规划的航迹长度比《架空输电线路无人机巡检影像拍摄指导手册》规定的巡检航迹降低了16.85%;ACO-A*算法路径规划时间比A*算法降低了99.68%。因此本方法既节约了巡检能耗,又提高了航迹规划的效率。     

激光点云中输电杆塔坐标的快速提取方法

为实现利用无人机进行输电杆塔精细化巡检,需从冗杂的激光点云数据中提取输电杆塔坐标。首先,通过降采样和高程滤波对点云数据预处理;其次,根据杆塔、导线和地面点云的空间特征将每个杆塔初步分离提取;最后,基于杆塔的直立特性和对称特性进一步精提取出独立杆塔。以某市2条220 kV输电线路的激光点云数据为例,本文算法可快速完整地提取出全部输电杆塔坐标,单个杆塔建模效果较好,平均每基杆塔可在2 min内完成提取,有助于后续无人机杆塔精细化巡检的航迹规划。     

无人机线路自主巡检的动态轨迹规划方法

为提高无人机巡检航迹精度,本文提出一种基于动态航迹优化规划的无人机输电线路自主巡检方法。首先,通过单目视觉测距确定无人机巡线安全距离;然后,基于全局静态航迹中的静、动态突发威胁,建立动态航迹规划模型,通过改进双向快速扩展随机树算法对航迹实现动态优化规划;最后,设计无人机自主巡检系统流程,完成自主巡检的全路程作业。实际应用表明,该系统可以提高无人机巡检精度、效率并降低巡检成本。     

基于三维GIS的无人机巡检航迹规划研究

目前多旋翼无人机已在电力系统巡线中得到了广泛应用,结合无人机航迹规划研究现状,提出基于工频电磁场干扰研究的三维GIS无人机巡检航迹规划系统,通过建立导线对无人机工频电场和工频磁场干扰仿真模型,计算工频电磁场对无人机机身及机载设备影响,确定了安全飞行最小安全距离,并以确定的最小安全距离、线路杆塔三维模型及巡检任务相关信息实现在三维GIS上的无人机巡线路径规划、航迹跟踪和手动导航等功能,通过现场实际应用验证了航迹规划对巡检工作的重要性。     

自动航迹规划在无人机电力巡检中的应用

本文提出一种基于3D激光雷达建图、自动生成无人机巡检路径的自动巡检算法,并详细论述了无人机电力线路巡检过程中自动航迹规划算法的应用过程。     

输电线路上方无人机巡检避障策略

<正>无人机巡检技术由于其优越性已经成为各大公司巡检优先考虑的技术手段,无人机巡检能否有效开展很重要的一部分就是安全问题,为了便于输电线路和杆塔上故障分析诊断,无人机巡检时要求拍摄高清晰度的线路和杆塔照片,为此,巡检时要求无人机要尽可能的靠近输电线路或杆塔,但是和输电线路或杆塔越近,必然存在另一方面的安全隐患,如果不对速度和飞行方向加以控制,就有可能撞上输电线路或杆塔,所以研究巡检无人机的避障策略具有现实工程应用     

输电线路无人机自主巡检航迹优化研究

为提高巡检数据的可行性和精度,开展了输电线路无人机自主巡检航迹优化研究。在确定巡检航迹规划约束条件的基础上,建立巡检航迹的表达式及目标函数,生成最优巡检航迹路线,提出一种全新的航迹优化方法。按照优化方法的思路,将优化前后无人机巡检航迹应用到真实环境中进行对比,结果显示优化后的无人机巡检航迹能覆盖该区域中所有需检测的待检测点,可有效提高巡检数据精度,并进一步实现输电线路无人机智能巡检标准化作业。     

基于深度学习增强的 LSD 杆塔倾斜度检测

杆塔的倾倒会对整个电网产生严重的破坏并威胁周围居民的生命安全,电力巡检无人机利用计算机视觉对杆塔进行巡检既节省了人力资源又显著地提高了电网的巡检效率.为了国网巡检人员在杆塔倾倒前及时得到预警,对电力巡检无人机中的基于计算机视觉的杆塔倾斜检测算法进行了研究,设计了一种基于YOLOv3的深度神经网络结合LSD线段提取方法对杆塔的倾斜进行检测.利用在山西电网无人机实际巡检的杆塔图片制作杆塔的VOC2007数据集并利用YOLOv3神经网络对杆塔进行目标检测,并将检测后得到的Bounding box根据网络训练后的mIOU参数进行微调后作为LSD检测的ROI.接着,该方法在ROI中将检测的线段进行过滤和融合,根据杆塔特点进行杆塔的二次识别.最后利用得到的杆塔外边线做出该方向上的杆塔中线并计算杆塔在该方向的倾斜度.该文中实验利用山西国网电力公司提供的数据进行验证,结果表明,杆塔的倾斜检测效果在各种拍摄高度和背景干扰下都较为精确,杆塔目标的正确识别率达到97％,倾斜度检测平均误差小于0.85°.     

配网线路无人机自主巡检的路径规划

无人机技术、大数据分析技术、云端信息融合技术及运维管控技术等新型信息技术进行深入融合，能有效促进无人机在配网电力系统巡检过载中向智能化、自动化及网络化等方向发展，但这也给无人机的自主巡检技术带来了相应的挑战。为解决配网线路中杆塔结构复杂、导航线路混乱导致无人机巡检作业无法实现的问题，结合配网线路对无人机自主技术及其路径规划进行研究，提出了一种配网线路无人机智能巡检平台设计方案。接着，通过利用关键坐标点的路径规划算法，实现对配网线路无人机自主巡检的路径规划，并在无人机上搭载红外热像仪与高清摄像头，以此来提高无人机自主巡检的感知能力，从而保障无人机在自主巡检时的精确性。仿真结果证明，该路径规划算法的应用提高了无人机自主巡检精度，提升了配网线路自主巡检的效率。     

高压输电线路多无人机自主协同巡线设计与测试

针对目前巡检高压输电线路的固定翼无人机不能精细化巡查,而多旋翼无人机运动速度慢且需要人工遥控操作导致安全风险较大的问题,提出多架多旋翼无人机自主协同精细化巡线方案。探讨了利用两架部署在导线两侧的无人机通过机间通信协同巡检高压输电杆塔和导线的方法,并采用机器学习技术和多智能体一致性控制算法设计无人机自主飞行控制器。根据设计结果开发一站四机系统验证巡线方案,实验部署两机为一组,两组并行作业。结果表明该系统按预期完成高压输电线路的巡检作业,未发生误报缺陷,相比单个遥控操作的多旋翼无人机巡检方案,多机协同方案无需人工干预飞行,总巡线速度超过单机最高时速,双机协同对单个杆塔的平均巡检时间小于遥控单机巡检时间的一半。     

面向多目标联合电力巡检的车载无人机协同巡检路径规划方法

为了应对“碳达峰碳中和”新形势下日益严峻的输电线路电力巡检任务,以及针对现有对多目标联合电力巡检研究的不足和实际场景下无人机可悬停等待这一情形缺乏考虑等情况。在考虑电力杆塔和电力线路多目标联合电力巡检的基础上,提出了基于“图论”理论的车载无人机协同巡检路径规划方法。首先,考虑到电力巡检中无人机弧路由和巡检车节点路由相关特点,结合改进中国邮递员问题,设计了基于离散杆塔分割弧算法,以快速求得较优的协同巡检路径初步规划方案,并对比分析了不同场景下不同策略和自然灾害条件下对结果造成的影响。其次,考虑到初步规划方案并非全局最优解,设计了一种符合该研究的模拟退火算法,对初始规划方案进一步优化。最后通过算例验证了路径规划方法的有效性和实用性。     

基于YOLOv3的电力杆塔检测算法研究

电力杆塔是支撑和架空输电线的塔架结构,杆塔检测和无人机智能巡检电网线路相结合已逐渐成为发展趋势。为提升电力设备巡检效率,提出了一种基于YOLOv3改进的目标检测模型,用于无人机巡检输电线路中对于杆塔的实时检测。通过水平镜像、旋转变换、图像错切和颜色变换等方法完成数据扩增,扩大杆塔训练样本。利用K-means聚类算法获取最适合的先验锚框,使其更符合杆塔的形状和比例。改进损失函数,采用GIoU计算边界框回归损失,提升了目标定位的准确性。实验结果表明,相对于其他算法,改进后的YOLOv3模型准确率较高,检测速度达到了每帧65 ms, mAP(多类别平均精度)达到90.8%,可以有效检测到航拍图像的电力杆塔,对无人机巡检输电线路有一定的工程应用价值。     

大型无人直升机电力线路全自动巡检技术及应用

大型无人直升机电力线路巡检存在环境适应性差、智能化程度低、多学科交叉难度大等问题,现阶段无人直升机巡检主要依赖于人工地面操作,为了提高巡检效率和安全性,研究大型无人机全自动巡检技术具有重大意义。提出了大型无人机全自动巡检概念,分析了无人机全自动巡检的必要性,论述了实现复杂环境下大型无人机超低空、超视距安全巡检涉及的关键技术,包括实时差分定位、无人机中继通信、自主避障、高精度位姿测量、吊舱自动追踪、飞行计划和航迹规划、任务规划和任务控制等,并将大型无人直升机全自动巡检技术首次应用于我国电网输电线路巡检,巡检结果验证了大型无人机全自动巡检技术的有效性和先进性。大型无人机全自动巡检建立了一种高效、智能、全新的电力巡检模式,该项技术的发展进步对提高我国电网输电线路智能化巡检水平具有显著促进作用。     

基于YOLO的无人机电力线路杆塔巡检图像实时检测

无人机巡检已成为电力线路灾后巡检的重要方式。然而,目前的无人机巡检仍主要通过人工方式评估线路灾损,不仅费时费力,而且准确率低。提出了一种基于深度学习算法（YOLO）的实时目标检测模型,用于灾后根据无人机巡检视频实时检测电力杆塔的状态。通过对倒断类杆塔图像进行数据增广,解决了杆塔类别不平衡问题。通过使用K-means算法对杆塔数据集的目标框进行重新聚类,改进了YOLO算法参数。测试结果表明,该模型能有效检测多种环境下多种尺度的杆塔目标。改进后的模型在测试集上的召回率和交并比（IoU）较改进前有所提高,且平均均值精度（mAP）达到94.09%,检测速度达到20帧/s。此外,也对更快的简化版YOLO模型进行了测试,检测速度能达到30帧/s。     

配电网架空线路无人机自主巡检技术分析

为提高雄安新区配电网架空线路运行可靠性,研究了无人机自主巡检技术,开发了配电网架空线路无人机智能巡检平台.针对水区、工地、农田等巡视人员难以到达的区域开展无人机自主巡检,采用基于关键坐标点的路径规划算法对配电网线路进行规划,保证无人机自主巡检的精确性.通过搭载高清摄像头、红外热像仪等提升无人机巡检感知能力,可及时发现异...     

基于ACO的无人机巡线路径规划研究

无人机巡线的推广和应用使得带电维护和检修成为可能,从而提高了电力工人的维护和检修速度.由此,合理地、精细化地规划无人机巡线路径已成为亟待解决的问题.该文以无人机巡线路径作为研究对象,首先,针对无人机巡检路径的规划特点,建立无人机巡线作业环境模型;然后,建立能耗最低、可巡线时间最长的目标函数,并利用蚁群算法对其进行求解,...     

无人机激光扫描作业杆塔位置提取算法

基于激光点云的输电线路杆塔自动定位是电网无人机、直升机智能巡检技术应用的基础,但目前从激光点云中定位杆塔主要依赖于人工处理,工作效率低。针对如何从激光点云中自动定位杆塔这一问题,根据输电杆塔在激光点云中具有高密度、大坡度、大高差特征,提出了一种基于二维格网多维特征分析的输电杆塔自动定位方法。首先对无人机获取的激光点云进行滤波去噪处理,再对激光点云进行规则化,在此基础上计算点云的特征图像;然后结合架空线路走廊区域分析,根据密度、高差和坡度特征迭代定位出输电杆塔,最终实现了从无人机激光点云中自动定位输电杆塔位置。采用广东电网公司大型无人直升机实际巡检获取的输电线路激光点云数据对自动定位算法进行了验证,实验结果表明提出的算法具有较高的自动化程度和处理效率,对提高无人机、直升机机巡作业智能化水平具有促进作用。     

基于机翼变形的新型电力巡线固定翼无人机的研制

针对目前输电线路巡检无人机不能兼具高速、低阻力、大航程全线快速普查,以及在故障疑似地段进行低速、低空精细巡查功能的问题,研制了一种可实现机翼变形的新型油动电力巡线固定翼无人机及输电线路巡检系统,以提高巡线效率。新型无人机以固定翼无人机为载体,携带影像采集设备进行航拍巡视,搜索、定位、采集线路缺陷和隐患的影像数据;根据线路杆塔的GPS坐标信息,预设航迹点进行全自主飞行巡检,并可实时显示机载影像;以实时传回的机载影像为操作指导,在线路的重点巡检地段进行无人机机翼变形,实现低速、低空精细巡查,飞行航时长达3 h,可用于开展地面起伏相对较小的山区、平原地区的日常巡线和大面积电力线路灾情的监控工作。     

输电线路移动式不间断自主智能巡检技术研究

为解决传统巡检作业模式中的难度大、标准杂、效率低、盲点多等集中突出的问题,提出了一种基于多机协同作业的不间断自主杆塔巡检方法,建立了A、B车交替不间断巡检的作业方式,使得无人机可以不间断地对电力杆塔进行巡检.所建立标准的作业线路模型,可根据不同杆塔类型的巡检目标自动生成不同的安全线路,对无人机实现自动巡检的线路规划提供科学依据.构建了输电线路移动式不间断自动精益化智能巡检系统,应用计算机视觉技术,在高精度RTK定位的基础上辅助定位,更加精准地完成自动巡检与降落,通过建立任务、线路为导向的操作方式,直观展现了作业成果,提高了管理决策质量及作业效率.     

输电线路无人机巡检路径规划应用研究

以固定翼无人机为研究对象,运用遗传算法(GA)对巡检路径进行规划研究,并基于此构建巡检线路系统,在某段户外输电线路进行应用研究.结果表明,采用GA算法优化的无人机巡检线路可以满足巡检优化要求,大幅度提高巡检效率。