固定翼无人机在线航迹规划方法

在不确定环境下,针对固定翼无人机（UAV）航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系列时域窗口内的在线子问题,利用模糊粒子群算法实时优化求解以实现静态避障;当环境中存在动态威胁时,使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束,同时提出固定翼UAV的碰撞检测法,可提前判断障碍物是否为真正威胁源,以此减少转弯频率和幅度,降低飞行代价。仿真实验结果表明,所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力,且克服了传统人工势场容易陷入局部最优的缺点。     

面向无人机电力巡检的语义实体构建及航迹控制方法

航迹的合理控制是影响无人机（UAV）智能决策重要因素。考虑UAV巡检的局部观测性和任务环境的高空复杂性，以电力巡检领域知识为背景，提出面向UAV电力巡检的语义实体构建及航迹控制方法。首先，基于电力巡检领域的实体知识构建空间拓扑网络，并生成关于位置节点的语义航迹序列网络及其语义接口；然后，根据空间拓扑结构相似性度量的结果集，提出安全许可机制和基于强化学习的航迹控制策略，实现UAV电力巡检在统一的概念内涵和位置结构上的轨迹控制。实验结果表明：作为UAV巡检的实例，所提方法得到的最优策略能获得最大化的鲁棒性能；同时，该方法通过强化学习方法使目标网络的适应度稳定收敛且实体区域覆盖率高于95%，为UAV电力巡检任务决策提供了飞行依据。     

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。     

多无人机自适应编队协同航迹规划

针对多无人机(UAV)协同航迹规划中因编队队形约束而忽略部分较窄通道的问题,提出了一种基于自适应分布式模型预测控制的快速粒子群优化(ADMPC-FPSO)方法。该方法利用领航跟随法和虚拟结构法相结合的编队策略构造出虚拟编队引导点,以完成自适应编队协同控制任务。根据模型预测控制的思想,结合分布式控制方法,将协同航迹规划转化为滚动在线优化问题,且以最小距离等性能指标为代价函数。通过设计评价函数准则,使用变权重快速粒子群优化算法对问题进行求解。仿真结果表明,通过所提算法能够有效实现多无人机协同航迹规划,并可根据环境变化快速完成自适应编队变换,同时较传统编队策略代价更低。     

基于协同粒子群优化算法的输电网络扩展规划*

输电网络扩展规划是一个复杂的多变量多约束的非线性整数规划问题,针对传统粒子群算法易陷入局部最优、收敛慢的缺陷,本文将协同进化思想与粒子群优化算法结合,提出了一种协同粒子群优化算法,并将该算法应用于输电网络规划,建立了数学模型,该模型以达到线路的年综合费用最小为目标函数,并在此基础上设计了相应的算法。算例将其应用到一个10节点系统和一个22节点系统,计算结果证明了该算法在输电网络规划优化中应用的可行性和有效性。     

一种求解多目标0-1规划问题的自适应粒子群算法

对于带有线性约束的多目标0-1规划问题,给出了一种自适应的粒子群优化算法。该算法利用变换来控制模型的线性约束,并通过对各目标函数进行自适应加权的方式形成适应度函数。数值结果表明该算法是有效的,可以求解实际应用中的一些模型。     

基于粒子群优化算法的航迹规划与重规划

航迹规划与重规划是驾驶员智能辅助决策支持系统中的重要组成部分。通过分析描述航迹状态规划空间,提出一种基于粒子群的航迹规划算法,该方法通过使用特定的粒子群编码方式和适当的适应度函数的构造,可以在满足航迹约束的条件下,有效利用各种环境信息,进行在线实时航迹规划,并最终得到一条近似最优航迹。仿真结果表明了该方法的有效性。     

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.     

面向无人机电力巡检的语义实体构建及航迹控制方法

航迹的合理控制是影响无人机（UAV）智能决策重要因素。考虑UAV巡检的局部观测性和任务环境的高空复杂性,以电力巡检领域知识为背景,提出面向UAV电力巡检的语义实体构建及航迹控制方法。首先,基于电力巡检领域的实体知识构建空间拓扑网络,并生成关于位置节点的语义航迹序列网络及其语义接口;然后,根据空间拓扑结构相似性度量的结果集,提出安全许可机制和基于强化学习的航迹控制策略,实现UAV电力巡检在统一的概念内涵和位置结构上的轨迹控制。实验结果表明：作为UAV巡检的实例,所提方法得到的最优策略能获得最大化的鲁棒性能;同时,该方法通过强化学习方法使目标网络的适应度稳定收敛且实体区域覆盖率高于95%,为UAV电力巡检任务决策提供了飞行依据。     

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Cascade R-CNN的输电线路关键部件识别

针对无人机在输电线路关键部件巡检图像中目标多，且尺度相差较大，导致识别率低的问题，提出使用深度学习目标检测算法Cascade R-CNN进行识别。由于输电线路关键部件无公开数据集，采集输电线路关键部件图片，并将图片数据的分辨率进行统一，使用LabelImg软件进行标注，制作一个符合训练要求的数据集。基于Paddle框架进行模型搭建，使用PaddleDetection训练工具进行全流程训练调优，进行测试。实验结果表明，基于Cascade R-CNN算法的模型在进行目标尺寸相差较大的多目标检测时，在测试集上的精度(mAP)可以达到91.39%,检测效果较好。     

基于适应度值优劣粒子群算法的无人机路径规划

粒子群优化算法(PSO)是一种典型的基于群体合作的搜索算法,针对传统粒子群优化算法在求解无人机路径规划问题时存在陷入局部最优和容易早熟收敛等问题,提出基于适应度值优劣粒子群算法的路径规划方法。改进的粒子群算法将避障和路径长度作为约束条件来建立目标函数,通过将整个种群中的粒子按照适应度值划分为两个部分,并且分别设计了划分后的两个部分的惯性权重,以此来提高算法的多样性和收敛性,从而进一步提高粒子群算法的寻优能力。通过仿真实验表明：与原粒子群算法相比,根据适应度值来调整算法惯性权重能够有效提高粒子群算法的多样性和收敛性。     

粒子群算法在电力设备巡检规划中的应用

在对电力设备巡检前,合理地对巡检点进行选取,对巡检线路进行优化,可以提高巡检工作效率。本文提出一种依据设备的历史报缺状况以及巡检要求选取检测点的方法,进而利用粒子群算法,对巡检线路作出优化。从而对巡检工作进行了有效的规划。并通过实验数据,和获得最优解次数的比较,验证了算法的有效性。     

基于物联网的输电线路巡检机器人控制策略研究

完整设计一种具有自主协调运动功能的小型电力输电线路的巡检机器人,为了实现机器人自主越过塔头和绝缘子串,同步感知适应不同档距的杆塔以及多个机器人在一定长度的作业范围内能够协调运动作业。本文重点研究基于自抗扰控制技术的多机协调控制策略。同时考虑到输电线路环境的复杂性,在设计机器人本体中,引入了基于物联网框架的多传感器融合算法。最后通过算法仿真和设计制作实物样机,测试本实验装置和控制策略的有效性。     

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.     

基于智能算法的电力输电线路分布式感知关键技术

针对电力输电线路故障分布式感知精度问题,提出一种基于行波时差关系与BAS-CPSO的故障定位算法。首先引入天牛须算法对混沌粒子群算法进行改进,以提高混沌粒子群算法的寻优性能;然后根据输电线路故障的行波时差关系,利用BAS-CPSO算法对故障进行准确定位。测试结果表明,引入天牛须算法改进的混沌粒子群算法,相较于SPSO、CPSO、BASPSO等主流搜索算法具有更好的搜索性能,在测试函数中表现出较高的收敛精度与搜索速度,寻优效果更好。在对电网输电系统的仿真实验中,所提基于行波时差关系与BAS-CPSO的定位算法对所有线路的故障定位绝对误差都在100 m以内,远远小于300 m的实际输电线路故障定位精度要求;在同一仿真条件下,所提定位算法的定位误差相较于双端定位法、传统网络定位法降低了81.66%和45.92%,定位精度较高,值得进一步研究推广。     

WSN中基于PSO的多约束Steiner树优化算法

针对多目标约束的Steiner树问题(MCSTP,multi-constraint Steiner tree problem),提出一种基于双层编码机制和跳跃粒子群优化(JPSO)的启发式算法(JPSO-DE),来构建最优树结构.首先,选择总能耗、网络寿命、收敛时间和通信干扰作为优化约束目标;然后,根据提出的双层编码方案对生成树的解进行编码,同时利用跳跃粒子群优化算法来寻找帕累托最优解;最后,利用提出的混合适应度函数找出近似最优树结构.仿真实验表明,JPSO-DE方法可以产生近似最优的树结构,具有高效性和可行性.     

基于粒子群算法的Logistic回归模型参数估计

针对Logistic回归模型中的参数估计计算复杂难题,提出一种基于粒子群优化算法（PSO）的估计方法。以最大似然准则作为粒子群优化算法的适应度函数,建立了Logistic回归模型中的参数估算模型。数值仿真分析表明,粒子群优化算法可以更精确地计算出相关参数。     

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。     

基于滚动时域的无人机动态航迹规划

针对带有动力学约束的多旋翼无人机航迹规划问题,提出了一种基于滚动时域控制和快速粒子群优化(RHC-FPSO)方法。该方法引入了基于VORONOI图的代价图方法说明从航迹端点到达目标点的距离估计。根据滚动时域和人工势场法的思想,将路径规划问题转化为优化问题,以最小距离和其他性能指标为代价函数。设计评价函数准则,按照评价准则使用变权重粒子群优化算法求解。针对无人机靠近危险区飞行的问题,将斥力场引入到代价函数中,提升其安全性。仿真实验结果显示,使用文中方法可以有效地在满足约束条件下穿过障碍物区域,以及在复杂环境下可以动态计算。