5G信号约束下多无人机协同电力巡检路径规划技术

在多无人机协同电力巡检任务中，现有的路径规划方法普遍忽略了信号质量的影响，致使其难以在大范围的电力巡检任务中得到有效应用。因此，针对由于通信受限所引起的检测效果下降问题，提出了5G信号约束下的多无人机协同电力巡检路径规划方法。首先，基于5G信号传输特性，建立了面向电力巡检大尺度空间的传播损耗模型；继而，基于遗传算法架构，提出了综合5G信号质量、飞行里程、巡检目标共同约束的多无人机路径规划方法；最后，对基于5G信号的多无人机协同电力巡检路径规划方法进行了仿真验证。结果表明，相较于传统方法，约束后信号质量较差路径的飞行长度减少了452%，并且无人机会在距离相差较小的情况下优先巡检信号较强的杆塔，进而提升巡检任务的检测效果，从而可以保证在大范围环境下的使用。     

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.     

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。     

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。     

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。     

考虑杆塔风险概率的输电线路巡检路径优化方法

针对实际输电线路的结构,同时考虑巡检距离和杆塔风险等级为目标函数,提出一种差分纵横交叉算法(DECSO),用于解决输电线路巡检路径优化问题。该算法通过对巡检路径进行寻优,同时兼顾杆塔风险概率,形成一条最优路径,使得在巡检距离最短的同时,保证了输电线路可以安全稳定运行。基于DECSO算法,采用Matlab仿真软件对一个具有20个杆塔的输电线路网络进行了仿真研究。将仿真结果和其他算法的结果进行比较,结果表明了算法在解决输电线路巡检路径的可行性和优越性。     

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。     

小型无人机在电力线路巡检中的技术应用

在电力线路巡检中采用无人机巡检技术,可准确直观反映出线路的实际运行情况,增强线路的巡视效率,降低运行人员的劳动强度,提高工作效率。为此,就小型无人机在电力线路巡检中的应用进行分析,阐述了电力线路巡检模式现状,对比了小型固定翼无人机巡检方案与小型多旋翼无人机巡检方案,探讨了小型无人机巡检系统的关键技术。     

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     

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...     

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。     

面向电力智能巡检的多机器人系统协同路径规划算法

针对在复杂电力智能巡检任务与环境下,多机器人路径规划算法计算量大、实时性差的问题,提出了面向电力智能巡检的多机器人系统协同路径规划算法。首先结合实际情况,提出了2种不同群体规模下的多机器人系统交通规则法;接着,在所提交通规则法的基础上融入单机器人路径规划算法,提出了多机器人系统协同路径规划算法,且通过加权改进提升其运行效率;最后,通过仿真实验表明了所提2种交通规则以及协同路径规划算法在多机器人系统上应用的可行性和有效性。     

风电场线路无人机巡检关键技术研究综述*

近年来,风电场作为新能源发展的前沿领域得到了大力发展。然而风电场多处于偏远位置,线路较长,对巡检工作的效率、智能化水平有着较高的要求。无人机作为一种新兴技术,广泛应用于电力巡检领域,但仍存在智能化不足的问题。为此聚焦风电场线路无人机巡检领域,分析无人机自主避障、路径规划等关键技术的研究现状,探讨其在风电场线路巡检的技术应用方案和发展前景。     

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。     

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。     

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。     

无人机电力巡检航线智能规划及自主巡检研究

为缓解无人机电力巡检航线规划效果差、巡航效率低的问题,以及规避非可靠路径的威胁,提出无人机电力巡检航线智能规划及自主巡检研究方法。计算目前航线存在威胁的概率及在每条路线上需要付出的代价,获取可飞行的无人机电力巡检航线;应用启发式算法,不断遍历计算出2节点的优先级,优化可飞行航线的静态、动态路线的规划效果,并根据巡检报告及电力巡检要求,采集输电线的最大安全距离及输电线中带有隐患的个数,实现无人机巡检航线智能规划及自主巡检。实验结果表明,应用获得的最优巡检路线进行巡检后,其航线规划效果好、巡航效率高,可以完全按照电力巡检要求进行智能避障,自主巡检效果得到了保证。     

电力巡检机器人路径规划方法综述

随着电力系统规模和复杂性的不断增加,传统的人工巡检方式已很难满足当下电力巡检要求。巡检机器人因具有安全性、可靠性和智能性已被逐步应用到电力巡检中。机器人在运行过程中通过提前预测、自主决策或智能导航的方式完成全局遍历与避障。电力巡检的核心任务是规划出一条安全且最优的运行轨迹。系统地分析和梳理了巡检机器人巡检过程中的各类方法;阐述了在变电站和输电线路等不同场景中算法的应用;综述了各类路径规划算法的研究现状和改进方法。在此基础上,对未来电力巡检机器人路径规划的研究和发展方向做出了展望。     

基于深度学习和无人机图像的架空线路缺陷巡检综述

架空输电线路巡检是电网运维工作的一项重要内容,运维人员利用无人机进行线路巡视检测已成为电力巡检工作中的重要手段。本研究首先概述了无人机巡检任务中人机协同作业系统以及无人机智能自主作业系统的架构;其次,分析了当前架空输电线路缺陷巡检领域数据集状况以及数据扩增技术;然后,综述了基于深度学习的无人机图像缺陷检测典型方法以及评价指标,并对比总结了各种方法的优缺点;随后,讨论了无人机图像视觉检测方法中图像采集规范、数据集形式、缺陷检测算法专业化应用等对架空线路缺陷检测效果,指出了图像检测指标和类别定义在电力巡检专业化领域中的不足;最后,探讨了基于深度学习的无人机图像缺陷巡检任务的未来发展方向。     

无人机在电力巡检中的安全风险评估

正无人机巡检在电力行业中得到越来越广泛的使用。通过无人机,电力技术人员可以清楚判断重要部件是否受到损坏,保证输电线路的安全,除正常巡检和特殊巡检,还可将无人机应用在电网灾后故障巡检。当灾害导致道路受阻、人员无法巡检时,无人机可以发挥替代作用,开展输电线路巡查,准确定位杆塔、线路故障,且视角更广,能避免"盲点"。然而,无人机电力巡检的广泛运用必然也存在着作业过程中的风险隐患及突发事件的发生。