1.本发明属于无人机路径规划技术领域，特别涉及一种基于固定拓展节点控制的城市电力巡检路径规划方法。
背景技术：
2.近年来，取得快速发展和众多突破的无人机技术在电力巡检领域的应用越来越广泛，无人机电力巡检技术正逐渐取代传统高危低效的人工电力巡检作业。考虑到如今大部分无人机电力巡检路径规划算法都是以全局路径点作为规划目标，数据计算量大且系统运维成本高，而城市电力巡检路线周边环境和被巡检设施较为稳定，因此精简高效的算法更适用于城市电力巡检路径规划。
3.基于此，开发亟需一种基于固定拓展节点控制的无人机城市电力巡检路径规划方法，以解决上述技术问题。
技术实现要素：
4.针对上述技术问题，本发明提供了一种基于固定拓展节点控制的城市电力巡检路径规划方法，所述城市电力巡检路径规划方法包括：
5.s1：建立区域三维地图，确定该区域内待巡检电力设施的的巡检主路径点及其拓展节点，建立基于拓展节点的无人机作业节点遍历方法；
6.s2：根据无人机飞行运动特征，确立无人机飞行约束和路径规划目标函数；
7.s3：通过改进粒子群算法规划基于控制节点的巡检路线。
8.进一步地，步骤s1具体包括：
9.s1.1：获取巡检任务区域设施特征和数据，建立待巡检电力设施三维简易模型；
10.s1.2：基于三维简易模型几何特征，建立考虑无人机安全作业距离的主路径点及其拓展节点；
11.s1.3：建立基于拓展节点的无人机局部作业路线规划方法，生成拓展节点遍历序列。
12.进一步地，通过如下公式建立主路径点：
[0013][0014]
其中，x
c，u
表示第u个待巡检电力设施的主路径点横坐标，x
u，max
表示待巡检电力设施三维简易模型最大横坐标，x
u，min
表示待巡检电力设施三维简易模型最小横坐标，r
safe
为
考虑无人机运动特点特征的安全距离，y
c，u
表示第u个待巡检电力设施的主路径点纵坐标，y
u，max
表示待巡检电力设施三维简易模型模型的最大纵坐标(纵坐标，即x轴坐标)，y
c，min
表示其最小纵坐标；z
c，u
表示第u个待巡检电力设施的主路径点高度坐标(高度坐标，即z轴坐标)，z
u，max
表示待巡检电力设施三维简易模型模型的最大高度坐标。
[0015]
进一步地，通过如下公式建立拓展节点：
[0016][0017]
其中，p
t，u，j，i
为拓展节点空间位置，x
u，j，i
为待巡检电力设施简化后的第u个设施模型第j层序列第i个边缘点横坐标，y
u，j，i
、z
u，j，i
分别为第u个设施模型第j层序列第i个边缘点纵坐标和高度，x
t，u，j
为加入安全距离后的对应序列拓展节点横坐标，y
t，u，j，i
、z
t，u，j，i
分别为加入安全距离后的对应序列拓展节点纵坐标和高度，r
safe
为考虑无人机飞行运动特征的安全距离，
±
表示拓展节点总是选择处于远离长方体的方向。
[0018]
进一步地，生成拓展节点遍历序列通过如下公式表示：
[0019][0020]
其中，s
t，u，j
表示待巡检电力设施u的第j层拓展节点遍历序列，p
u，j，i
表述待巡检电力设施u的第j层第i个拓展节点，s
u，n
表示包含n层拓展节点遍历序列的巡检路径集合，，p
t，u，n，m
表示待巡检电力设施u的巡检路径中最后一个拓展节点，p
u 1，c
表示第u 1个待巡检电力设施的主路径点。
[0021]
进一步地，步骤s2具体包括：
[0022]
s2.1：分析无人机运动状态和巡检飞行控制要求；
[0023]
s2.2：建立基于无人机运动状态和巡检飞行控制要求的无人机巡检约束，包括飞行高度限制、安全作业距离限制和速度惯性保持的无人机飞行约束条件；
[0024]
s2.3：建立考虑飞行能耗和时效性因素的路径规划目标函数。
[0025]
进一步地，步骤s3具体包括：
[0026]
s3.1：确定任务区域和备选路径节点；
[0027]
s3.2：通过随机组合路径点的方式完成种群初始化；
[0028]
s3.3：建立包含自变化惯性权重和学习因子的改进粒子群算法，通过多次迭代更新，规划最优飞行路线。
[0029]
进一步地，惯性权重和学习因子更新迭代通过如下公式表示：
[0030][0031]
其中，k
max
为最大迭代次数，k为当前迭代次数，ω为惯性权值，ω
ini
为初始惯性权值，ω
end
为迭代至最大进化代数时的惯性权值，c1为自学习因子，c2为社会学习因子，c
ini
为初始学习因子。
[0032]
进一步地，其中飞行高度限制具体如下：
[0033]zt，u，min
≤hu≤z
u，c，max
[0034]
其含义为：无人机飞行高度hu保持在最低拓展节点高度z
t，u，min
和最高主控节点高度z
u，c，max
之间。
[0035]
其安全作业距离限制具体如下：
[0036]dbet
＞r
safe
[0037]
其含义为：无人机距离设施距离d
bet
大于安全距离。
[0038]
其速度惯性保持限制具体为：
[0039][0040]
其含义为：无人机速度矢量与位移矢量乘积大于零，本实发明默认无人机起飞后匀速飞行。
[0041]
本发明提供了一种基于固定拓展节点控制的城市电力巡检路径规划方法，通过固定主控节点和拓展节点对无人机路径进行规划，简化路径规划过程，降低无人机设备需求和操作人员技术门槛要求，减少电力公司设施巡检运维成本。
[0042]
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。
附图说明
[0043]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一个简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0044]
图1为本发明实施例提供的城市电力巡检路径规划方法流程图；
[0045]
图2为本发明实施例提供的城市电力巡检路径规划方法的三维场景中待巡检电力设施简易建模示意图；
[0046]
图3为本发明实施例提供的城市电力巡检路径规划方法的三维场景中拓展节点的
建立示意图；
[0047]
图4为本发明实施例提供的城市电力巡检路径规划方法的基于拓展节点的路径规划示意图；
[0048]
图5为本发明实施例提供的城市电力巡检路径规划方法的改进粒子群算法流程图。
具体实施方式
[0049]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0050]
如图1所示的，本发明提供一种基于固定拓展节点控制的城市电力巡检路径规划方法，其特征在于，所述方法包括：
[0051]
s1：建立区域三维地图，确定该区域内各待巡检电力设施的巡检主路径点及其拓展节点(主路径点是无人机巡检的路径点中的一类，每个待巡检电力设施都有一个主路径点和其余拓展节点，无人机飞行到某一待巡检电力设施的主路径点后，再沿拓展节点展开巡检工作)，建立基于拓展节点的无人机作业节点遍历方法；
[0052]
s2：根据无人机飞行运动特征(运动特征表示为：快速精准到达空中指定位置，另外本文中无人机指的旋翼无人机)，确立无人机飞行约束和路径规划目标函数；
[0053]
s3：通过改进粒子群算法规划基于控制节点的巡检路线(路径)，无人机可根据规划的路径进行巡检作业。
[0054]
下面对上述的步骤s1、步骤s2以及步骤s3进行一个详细地描述。
[0055]
步骤s1
[0056]
s1.1：获取巡检任务区域设施特征和数据，建立巡检任务区域的待巡检电力设施三维简易模型，具体的：
[0057]
通过googleearth软件或实地测绘获取任务区域设施特征和数据，从而建立区域三维地图，三维地图由三维简易模型结合地面环境组成；
[0058]
通过googleearth或实地测绘获取待巡检电力设施外形特征和参数，输入到编译环境中，从而建立巡检任务区域的三维模型，该三维模型，是三维简易模型的集合；
[0059]
s1.2：基于三维简易模型(即图2-图4中的巡检对象简化三维模型)几何特征，建立考虑无人机安全作业距离的主路径点及其拓展节点，具体的：
[0060]
其中，建立主路径点，包括：将三维地图中的设施特征简化为不同大小的长方体，基于各简化待巡检电力设施的顶部中心，建立考虑无人机安全作业距离的主路径点，结合图2，通过如下公式建立主路径点：
[0061][0062]
其中，x
c，u
表示第u个待巡检电力设施的主路径点横坐标，x
u，max
表示待巡检电力设施三维简易模型最大横坐标，x
u，min
表示待巡检电力设施三维简易模型最小横坐标(横坐标，即x轴坐标)，r
safe
为考虑无人机运动特点特征的安全距离；y
c，u
表示第u个待巡检电力设施的主路径点纵坐标，y
u，max
表示待巡检电力设施三维简易模型模型的最大纵坐标(纵坐标，即x轴坐标)，y
u，min
表示其最小纵坐标；z
c，u
表示第u个待巡检电力设施的主路径点高度坐标(高度坐标，即z轴坐标)，z
u，max
表示待巡检电力设施三维简易模型模型的最大高度坐标。通过该方法可得到位于待巡检电力设施模型xy平面投影中心法线沿模型顶部距离为r
safe
的主路径点。
[0063]
其中，建立拓展节点，结合图3，通过如下公式表示：
[0064][0065]
其中，p
t，u，j，i
为拓展节点空间位置，x
u，j，i
为待巡检电力设施简化后的第u个设施模型第j层序列第i个边缘点横坐标，同理，y
u，j，i
、z
u，j，i
分别第u个设施模型第j层序列第i个边缘点纵坐标和高度；x
t，u，j，i
为加入安全距离后的对应序列拓展节点横坐标，同理，y
t，u，j，i
、z
t，u，j，i
分别为加入安全距离后的对应序列拓展节点纵坐标和高度；
±
表示拓展节点总是选择处于远离长方体的方向。
[0066]
s1.3：建立基于拓展节点的无人机局部作业路线规划方法，生成拓展节点遍历序列，如图4，通过如下公式表示：
[0067][0068]
其中，s
t，u，j
表示待巡检电力设施u的第j层拓展节点遍历序列，p
t，u，j，i
表示待巡检电力设施u的第j层第i个拓展节点，s
t，u
表示包含n层拓展节点遍历序列的巡检路径集合，p
t，u，n，m
表示待巡检电力设施u的巡检路径中最后一个拓展节点，p
u 1，c
表示第u 1个待巡检电力设施的主路径点。
[0069]
其中，拓展节点遍历顺序需要满足以下条件：依据无人机运动特点，最后遍历拓展节点处的的无人机速度矢量与下一目标方向矢量乘积不为零，同时无人机在当前拓展节点
遍历次序的最后一点距下一主控节点距离最短。
[0070]
步骤s2
[0071]
基于上述实施例的方法内容，本发明的一些实施例中，还通过分析无人机运动特征和巡检任务特征，建立无人机飞行约束条件和路径规划目标函数，具体包括：
[0072]
s2.1：分析无人机运动状态和巡检飞行控制要求：
[0073]
基于无人机运动特征和巡检任务特点，考虑到无人机飞行过程中，速度矢量突变会导致无人机位姿剧烈变化，存在安全隐患，因此需要具有保持速度矢量平滑过渡的要求；同时提出无人机匀速飞行要求和遍历控制节点要求(即遍历主路径点和每个主路径点下拓展节点)，无人机需要保持在一定速度的前提下确保自身下一阶段运动方向不会使自身速度矢量的方向发生突变。
[0074]
s2.2：综合考虑无人机运动特点和安全作业需求，建立基于无人机运动状态和巡检飞行控制要求的无人机巡检约束，具体包括飞行高度限制、安全作业距离限制和速度惯性保持的无人机飞行约束条件。
[0075]
其中飞行高度限制具体如下：
[0076]zt，u，min
≤hu≤z
u，c，max
[0077]
其含义为：无人机飞行高度hu保持在最低拓展节点高度z
t，u，min
和最高主控节点高度z
u，c，max
之间。
[0078]
其安全作业距离限制具体如下：
[0079]dbet
＞r
safe
[0080]
其含义为：无人机距离设施距离d
bet
大于安全距离。
[0081]
其速度惯性保持限制具体为：
[0082][0083]
其含义为：无人机速度矢量与位移矢量乘积大于零，本实发明默认无人机起飞后匀速飞行。
[0084]
s2.3：建立考虑飞行能耗和时效性因素的路径规划目标函数，具体包括：
[0085]
建立基于欧式距离的巡检路径计算方法，其中分别包括遍历主路径点的路径和每个主路径点下拓展节点遍历路径，由于主路径点下的拓展节点遍历序列固定不变，因此，该部分路径(每个主路径点下拓展节点遍历路径)可视为主路径节点下的附加路径，通过如下公式表示：
[0086][0087][0088]
其中，f
l，u
为无人机从第u-1个主路径点到达第u个主路径点的路径长度，d
l，u
为第u个主路径点下遍历拓展节点路径长度，包含各层拓展节点间的欧式距离总和与无人机跨越高度和与主路径点与遍历序列第一
个拓展节点距离的总和，其中s
t，u，j
表示待巡检电力设施u的第j层拓展节点遍历序列，占(s
t，u，j
)表示序列中拓展节点间欧式距离和函数，z
u，j
表示待巡检对象u第j层拓展节点z轴高度。
[0089]
基于上述实施例内容，提出考虑无人机能耗程度和时效性的路径规划目标函数，考虑能耗程度和时效性均可由巡检路径长度体现，具体计算模型如下：
[0090]
j＝min f
l
(n
u，d
)
[0091]
其含义为：目标函数j为每次路径节点序列n
u，d
的最小长度值，f
l
(n
u，d
)为序列内顺序点n
u，d，i
间距累加函数，具体表示为：
[0092][0093]
步骤s3
[0094]
基于上述步骤，本发明一些实施例中，提供的步骤s3具体包括：
[0095]
s3.1：确定任务区域和备选路径节点：
[0096]
基于每次发布的巡检区域，确定区域内的主控节点和拓展节点作为路径规划备选节点，同时界定无人机巡检区域，通过如下公式表示：
[0097][0098]
其含义为：备选主控节点p
c，u
属于巡检区域e
task
，备选拓展节点p
t，u
属于备选主控节点p
c，u
下属，无人机最终路径n
u，end
处于巡检区域e
task
内。
[0099]
s3.2：通过随机组合路径点的方式完成种群初始化，通过如下公式表示：
[0100]nu，start
＝r
rand
(p
c，1
，p
c，2
，p
c，3
，......p
c，u
) ({p
c，i
}∈e
task
，i＝1，2，......u)
[0101][0102]
其含义为：初始路径粒子n
u，start
为任务区域内主控节点的随机组合，r
rand
({xn})为序列点随机排列函数；初始速度v
u，start
为区间的随机数，其中v
min
、v
max
分别为最小粒子速度和最大粒子速度，rand(a，b)为区间(α，b)随机取值函数。
[0103]
s3.3：建立包含自变化惯性权值和学习因子的改进粒子群算法，通过多次迭代更新，规划最优飞行路线，其中，惯性权值和学习因子迭代更新通过如下公式表示：
[0104][0105]
其中，k
max
为最大迭代次数，k为当前迭代次数，ω为惯性权值，ω
ini
为初始惯性权值，ω
end
为迭代至最大进化代数时的惯性权值，c1为自学习因子，c2为社会学习因子，c
ini
为初始学习因子。
[0106]
基于上述实施例内容，在规划最优飞行路线后，建立包含自变化惯性权值和学习因子的粒子群迭代模型(算法)，粒子群迭代模型通过如下公式表示下：
[0107]vu，k 1
＝ω
×vu，k
c1×
rand(0，1)
×
(p
best，k-n
u，k
) c2×
rand(0，1)
×
(g
best，k-n
u，k
)
[0108]nu，k 1
＝n
u，k
υ
u，k 1
[0109]
k∈[1，k
max
]，v
u，k
∈(v
min
，v
max
)
[0110]
其中，v
u，k
为粒子u第k次迭代的速度向量，n
u，k
为粒子u第k次迭代的位置，p
best，k
为截止k次迭代的个体粒子最优位置，g
best，k
为截止k次迭代的群体最优位置。
[0111]
基于上述实施例内容，通过包含自变化惯性权值和学习因子的改进粒子群算法，粒子每次迭代更新自己的个体最优位置和群体最优位置，通过如下公式表示：
[0112][0113]
其含义为：若第k次迭代后新的粒子位置的目标函数值j(n
u，k
)低于自身历史最优值j(p
best
)，则更新个体历史最优位置；若第k次迭代后的某个粒子新的个体最优位置目标函数值j(p
best，k
)低于群体历史最优值j(g
best
)，则更新群体历史最优位置；除这两种情况外，其余情况均不更新最优位置。
[0114]
基于上述实施例内容，结合图5所示，通过改进粒子群算法规划巡检路线的步骤可做如下描述：开始阶段将主路径点随机排列达成初始化种群(即初始化粒子群及参数)目的，在迭代过程中，通过计算目标函数来更新粒子的个体最优值p
best
及群体最优值g
best
，每次迭代结束时判断是否满足结束条件，即最小路径长度要求或达到最大迭代次数，如不满足，则更新粒子位置矢量和速度矢量继续迭代，直至满足结束条件，输出最短巡检路径。其中，自变化惯性权值和学习因子可以使粒子群算法在迭代前期保持粒子自身速度的同时，快速找到个体最优解，在迭代后期减低粒子自身运动的惯性的同时，增强对群体最优的学习来提高局部搜索能力。
[0115]
本发明实施例提供的基于固定拓展节点控制的无人机城市电力巡检路径规划方法，通过建立基于电力待巡检电力设施待巡检电力设施外形特征的拓展节点，可以有效降
低算法数据处理成本和运维成本，即减少无人机路径规划计算成本，加快路径规划速度，减少无人机电力巡检运行成本。
[0116]
以上所述仅是本发明的较佳实施例而已，并非对本发明做任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案的范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。