无人机巡检系统中高频效的混合波束赋形方法

随着智能电网的发展,无人机巡检输电线路应用越来越广泛.为了有效实施输电线路故障定位和类型判断,要求无人机回传视频图像的分辨率越高越好.在带宽有限的条件下,需要尽可能提高无人机回传通信链路的频谱效率,以满足高分辨率视频图像对传输速率的需求.提出基于Mesh网络的视频图像回传通信方法.通过在杆塔上部署无线接入节点并构建Me...     

基于无人机图像的输电线断股与异物缺陷检测方法

为提高无人机(UAV)巡检输电线路的效率,提出一种基于线结构感知的输电线断股与异物缺陷的检测方法。由于无人机巡检的图像受背景纹理及光线影响较大,采用能检测线宽度的水平与垂直方向的梯度算子提取巡检图像上的线对象,进而研究感知定律中的共线性、近似性、连续性的计算,将断续线段连接成长的线段,通过长线段的平行性计算,识别出输电线路结构中显著的平行导线组。为识别导线上安装的防振锤与间隔棒连接部件,提出一种基于局部轮廓特征的形状部件识别方法。在识别出这些连接部件的基础上,对导线进行分段分析,计算分段导线的宽度变化、灰度相似度来检测导线上的断股与异物缺陷。通过对无人机巡检采集的输电线路图像的测试,验证了这种方法在复杂的背景条件下能有效地检测导线上断股与附着异物缺陷。     

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。     

基于超像素和深度神经网络的高压输电线路环境检测

高压输电线路通道环境对高压线路的安全性影响重大,以往都是采用人工对高压输电线路通道环境进行巡检,人工检测作业危险,效率低,难度大.因此,本文提出基于超像素和深度神经网络的航拍高压输电线路环境检测的方法.首先,采用无人机对高压输电线路通道环境航拍,将视频图像进行拼接,得到通道环境的整体图像,然后使用超像素分割算法实现图像的预分割, SURF描述子具有速度快、特性鲁棒性好,因此本文采用SURF描述子提取超像素特征向量,最后采用DNN模型对提取的超像素特征进行训练,对待检测的超像素块进行分类,从而达到检测的目的.通过本算法的应用,电力部门提高了无人机巡视特高压输电通道环境的巡检效率且验证了本算法的有效性.     

Android平台下的无人机输电线路施工车辆巡检

无人机巡检成为输电线路巡检的重要方式.然而,目前的无人机巡检,由于受到前端设备性能的影响,大多基于后期的图像处理,无法达到实时检测的要求.针对无人机巡检中输电线路施工车辆的安全隐患,提出了一个基于Android平台,使用神经网络实时检测施工车辆的方法.通过收集无人机获取的输电线路施工车辆的数据,使用数据增广的方法,并将构建的SSD-MobileNet算法模型集成到Android平台,实现施工车辆的实时目标检测.     

图像处理技术在无人机电力线路巡检中的应用

目前,巡检高压输电线路过程中,其中一项常见方式是利用无人机进行线路巡线。研究和处理无人机航拍收集的通道图像,能够及时发现线路器件是否存在问题。利用图像处理技术,能够有效解决人工处理效率低下、误差率高等问题,在无人机电力线路巡检领域具有广阔的发展前景。基于此,针对当前国内和国外无人机电力线路巡检中图像处理技术的应用情况,探讨无人机电力线路巡检中影响图像处理技术的因素,研究图像处理技术在无人机电力线路巡检中的应用。     

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。     

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.     

输电线路无人机自主巡检方法研究与应用

为了解决输电线路无人机巡检作业易受恶劣天气影响、远距离遥控不及时、通信稳定性差等问题,提出了一种输电线路无人机自主巡检方法.首先,利用卡尔曼滤波算滤除原始线路中的轨迹噪点,采用垂距法对轨迹冗余点进行过滤,优化巡检航线;其次,提出基于巡检对象差异特性的动态优化定位方法提升无人机巡检质量.以某220 kV输电线路杆塔进行测试,测试结果表明,提出的方法解决了航线采集以及定位优化问题,贯穿航线学习到自主巡检的流程之中,兼顾了无人机自主巡检效率以及巡检精确度.     

基于无人机巡检的输电线路规避系统设计

针对无人机进行输电线路巡检时存在与线路发生碰撞的风险,影响无人机巡线系统及输电线路运行安全。基于毫米波雷达传感器,采用LTCC多层技术,设计了输电线路规避系统,通过采用恒虚警算法和多目标检测算法,设计了规避算法。试验结果表明,输电线路规避系统对输电导线和地线的测试范围在50m左右,误差小于1m,规避效果良好,对保障无人机巡检系统和输电线路运行安全具有重要的意义。     

无人机倾斜摄影技术在电力巡线树障检测中的实践应用研究

为解决目前贵州电网电力巡线工作中人工巡检存在精度低、效率慢、智能化水平低等问题,本文结合无人机倾斜摄影技术的工作原理,对输电线路杆塔、通道及周边环境进行无人机航飞、建模,形成电力线通道三维点云,利用自动匹配的导线精确计算出树障距离和位置。即将无人机倾斜摄影技术用于电力线巡检,可在恢复输电线路通道三维点云的基础上实现树障的定量化检测,探索出一种无人机智能电力巡线新方法。本文将从无人机航空摄影方法、地表三维点云重建方法、导线三维重建方法和树线距离量测方法四个方面,重点分析无人机倾斜摄影技术在电力巡线树障巡检作业中的工作原理和流程,并结合一线巡检班组的实验数据,阐述其在实践中的具体应用。     

输电线路巡检无人机导航的语义交互方法

针对高空巡检环境的复杂性和不确定性,提出了一种输电线路巡检无人机导航的语义交互方法.基于本体方法构建人机交互的语义拓扑体系,形成具有感知运动数据处理的导航框架;其次,以语义拓扑关系为基础,结合谓词逻辑形式的背景知识,提出结构化路径导航方法,实现人机在统一的概念层次上路径导航的语义交互;最后研发了巡检导航的语义交互原型系统,通过实验证明:作为语义交互实例,本文所提方法可以为无人机电力巡线提供位置导航控制,实体名词提取满足实际期望估计且精度控制较高,为基于数据驱动的输电线路巡检提供了基础支持.     

基于无人机智能视觉的输电线路全息全景重建

针对当前重建方法不能精确展现输电线路实际情况的问题,提出基于无人机智能视觉的输电线路全息全景重建方法。通过分析输电线路全息全景重建原理,采用无人机智能视觉技术对输电线路进行拍照,对输电线路全息全景图像进行采集和特征提取等预处理,跟踪图像特征,引入立体匹配算法,实现输电线路全息全景的重构。实验结果表明,所提方法输电线路重建精度高,视觉效果与实际相符,更具实用性及可行性。     

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.     

基于Faster R-CNN的输电线路缺陷识别模型研究

随着多旋翼无人机引入输电线路巡检作业后,对巡线人员通过图像判断线路上设备是否有缺陷提出了新的挑战。为了帮助巡线人员做出准确决策,提高发现缺陷的能力,基于深度卷积神经网络,搭建了适用于无人机图像识别的输电线路缺陷识别网络模型。首先详细描述了输电线路缺陷识别图像数据库的建立过程,然后通过分析对比三个预训练前端网络的性能及多个参数对网络模型识别准确率的影响,得到基于Faster R-CNN的输电线路缺陷最优识别网络模型。经过测试集验证,提出的缺陷识别网络模型的识别准确率达到了90%以上,单张图片耗时达到了毫秒级,在识别准确率和耗时上均明显优于其他识别网络模型,为实际巡线工作中的输电线路缺陷判别提供智能有效的决策依据,是机器学习在智能电网中应用的有益探索。     

基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法

对传统多旋翼无人机姿态估计算法难以兼顾高精度、强实时性以及抗干扰能力差的问题,首先基于一种计算量较小的衍生无迹卡尔曼滤波算法,在量测更新中,将加速度数据和磁力计数据分为两个阶段进行姿态四元数校正处理,然后从旋转四元数的本质出发,推测出四元数各元素分别包含着不同的姿态角信息,最后将校正四元数分别乘上为降低校正过程中的相互干扰所设计的系数,提出一种基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法.通过使用PIXHAWK飞控数据,与传统姿态估计算法进行仿真实验对比,实验表明,本文提出算法与传统使用扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)的姿态估计算法相比,在实时性、解算精度和抗干扰能力方面有较大提升.