面向电网巡检的多旋翼无人机航测系统关键技术研究及应用
发布时间：2020-08-09 06:06
【摘要】：针对无人机电力巡检所面临的定位精度低、近距离巡检操控难度大、自动化程度低、人为操控事故风险高等问题,本文提出了利用多旋翼无人机RTK差分定位技术、复杂塔型飞行规则机器学习算法等无人机航测系统技术,研发面向电网巡检的无人机智能操作系统及控制终端,提升电网线路日常管理和应急指挥的规范性、便利性和经济性,为电网管理部门提供一种低成本、易操作、高效率、机动灵活的新型巡检模式。
【图文】：
2多旋翼无人机航测系统关键技术研究2．1多旋翼无人机ＲTK差分定位技术研究传统的多旋翼无人机采用卫星导航系统定位，当对输电线路进行近距离巡视时，易受电磁干扰而产生碰撞事故，给无人机电网巡视作业带来了安全隐患。多旋翼无人机ＲTK(realtimekinematic)载波相位差分技术，是实时处理基站和机载接收机载波相位观测量的差分方法，它将基站采集的载波相位发送给机载接收机，进行求差解算坐标，实时获取厘米级定位精度的结果(如图1所示)。图1多旋翼无人机ＲTK差分定位原理多旋翼无人机结合ＲTK差分定位技术、长焦高分辨率可见光相机和红外相机，实现强电磁干扰情况下的电力巡视高精度定位和高清图像获龋通过无人机智能操控终端，自动化完成杆塔本体精细化巡视和通道巡视(如图2所示)，从而实现无人机电网巡视的智能化作业，有效提升电网巡检效率，减少人为操作事故，增强电网稳定性。图2杆塔本体精细化巡视与通道巡视方法2．2多旋翼无人机复杂塔型飞行规则机器学习算法目前，110kV以上电压等级的输电线路已存在上百种不同的塔型，线路走廊通道的地理环境差异也比较大。因此，利用无人机进行电网巡视时，需要根据架空线路的不同工况和塔型的差异，采用不同的巡视规则和作业方法。为了保证巡视作业能够适应和兼容这些差异，本文针对典型塔型和地理环境研究无人机电网巡视理论模型与巡视策略，提出了多旋翼无人机复杂塔型飞行规则机器学习算法，确保了无人机自动化巡视作业的安全和效率。复杂塔型飞行规则的机器学习和断点续飞算法主要涉及自动分类和回归技术研究。2．2．1机器学习自动分类算法机器学习分类算法，是根据样本的特征或属性，将其划分到已有的类别中，即根据其他属性的值或数据中潜在联系的模式(相关性、趋势?
扰而产生碰撞事故，给无人机电网巡视作业带来了安全隐患。多旋翼无人机ＲTK(realtimekinematic)载波相位差分技术，是实时处理基站和机载接收机载波相位观测量的差分方法，它将基站采集的载波相位发送给机载接收机，进行求差解算坐标，实时获取厘米级定位精度的结果(如图1所示)。图1多旋翼无人机ＲTK差分定位原理多旋翼无人机结合ＲTK差分定位技术、长焦高分辨率可见光相机和红外相机，实现强电磁干扰情况下的电力巡视高精度定位和高清图像获龋通过无人机智能操控终端，自动化完成杆塔本体精细化巡视和通道巡视(如图2所示)，从而实现无人机电网巡视的智能化作业，有效提升电网巡检效率，减少人为操作事故，增强电网稳定性。图2杆塔本体精细化巡视与通道巡视方法2．2多旋翼无人机复杂塔型飞行规则机器学习算法目前，110kV以上电压等级的输电线路已存在上百种不同的塔型，线路走廊通道的地理环境差异也比较大。因此，利用无人机进行电网巡视时，需要根据架空线路的不同工况和塔型的差异，采用不同的巡视规则和作业方法。为了保证巡视作业能够适应和兼容这些差异，本文针对典型塔型和地理环境研究无人机电网巡视理论模型与巡视策略，提出了多旋翼无人机复杂塔型飞行规则机器学习算法，确保了无人机自动化巡视作业的安全和效率。复杂塔型飞行规则的机器学习和断点续飞算法主要涉及自动分类和回归技术研究。2．2．1机器学习自动分类算法机器学习分类算法，是根据样本的特征或属性，将其划分到已有的类别中，即根据其他属性的值或数据中潜在联系的模式(相关性、趋势、聚类和异常)，预测特定属性的值，从而进行分类。常用的分类算法有逻辑回归、支持向量机、随机森林、朴素贝叶斯(NLP中常用)、深度神经网络(视频、图片、语音?
Yt=a+b1x1+b2x2+…+bnxn(2)式中，Xt为无人机航飞位置的t类自变量;Yt为无人机返航位置的因变量;a、b1、b2、…、bn为线性回归方程式的参数。2．3无人机智能操作系统及控制终端研制无人机智能操作系统是基于大疆SDK，针对电力巡检作业特点深度定制的无人机操作系统。为了能够大范围地查看电网周围环境，智能操作系统可以自动规划航线，全自动地完成输变电线路的精细化巡视和通道巡视作业，获取走廊通道范围内的正射影像、空中360°全景和倾斜摄影三维建模影像数据(如图3所示)。通过对无人机的智能操控，可以清楚、准确地发现杆塔本体和通道环境的缺陷和隐患，使无人机电网巡检作业更加安全可靠。图3无人机智能操作系统功能杆塔精细化巡检模块分为学习模式和巡检模式。学习模式可以按照不同塔型记录和存储无人机的飞行轨迹和拍摄位置。所记录的飞行信息将作为飞行依据在自动化巡检模式中使用，实现无人机的自动精细化巡检，极大地降低了对巡视作业人员的无人机操控素质的要求，提升了杆塔巡检的效率，保证了电网巡视作业的安全(如图4所示)。图4精细化巡检主界面在通道巡检模块中，无人机智能操作系统可以自动控制无人机快速获取施工黑点、滑坡、山火及树障等影像数据。无人机可以沿着通道进行视频拍摄和定时拍照(如图5所示)，清晰地记录输电线路走廊通道范围内的环境情况，为巡视人员进行通道隐患排查提供数据支撑。图5通道巡检主界面控制终端基于Android系统进行定制开发，32GB以上存储，6．8寸以上屏幕，高清分辨率，4G模式双卡双待，满足IP67以上的防护等级要求，能够通过内置嵌入的智能操作系统控制无人机实现自动化电力巡视。3试验介绍3．1试验区域2017年1月，
【图文】：
2多旋翼无人机航测系统关键技术研究2．1多旋翼无人机ＲTK差分定位技术研究传统的多旋翼无人机采用卫星导航系统定位，当对输电线路进行近距离巡视时，易受电磁干扰而产生碰撞事故，给无人机电网巡视作业带来了安全隐患。多旋翼无人机ＲTK(realtimekinematic)载波相位差分技术，是实时处理基站和机载接收机载波相位观测量的差分方法，它将基站采集的载波相位发送给机载接收机，进行求差解算坐标，实时获取厘米级定位精度的结果(如图1所示)。图1多旋翼无人机ＲTK差分定位原理多旋翼无人机结合ＲTK差分定位技术、长焦高分辨率可见光相机和红外相机，实现强电磁干扰情况下的电力巡视高精度定位和高清图像获龋通过无人机智能操控终端，自动化完成杆塔本体精细化巡视和通道巡视(如图2所示)，从而实现无人机电网巡视的智能化作业，有效提升电网巡检效率，减少人为操作事故，增强电网稳定性。图2杆塔本体精细化巡视与通道巡视方法2．2多旋翼无人机复杂塔型飞行规则机器学习算法目前，110kV以上电压等级的输电线路已存在上百种不同的塔型，线路走廊通道的地理环境差异也比较大。因此，利用无人机进行电网巡视时，需要根据架空线路的不同工况和塔型的差异，采用不同的巡视规则和作业方法。为了保证巡视作业能够适应和兼容这些差异，本文针对典型塔型和地理环境研究无人机电网巡视理论模型与巡视策略，提出了多旋翼无人机复杂塔型飞行规则机器学习算法，确保了无人机自动化巡视作业的安全和效率。复杂塔型飞行规则的机器学习和断点续飞算法主要涉及自动分类和回归技术研究。2．2．1机器学习自动分类算法机器学习分类算法，是根据样本的特征或属性，将其划分到已有的类别中，即根据其他属性的值或数据中潜在联系的模式(相关性、趋势?
扰而产生碰撞事故，给无人机电网巡视作业带来了安全隐患。多旋翼无人机ＲTK(realtimekinematic)载波相位差分技术，是实时处理基站和机载接收机载波相位观测量的差分方法，它将基站采集的载波相位发送给机载接收机，进行求差解算坐标，实时获取厘米级定位精度的结果(如图1所示)。图1多旋翼无人机ＲTK差分定位原理多旋翼无人机结合ＲTK差分定位技术、长焦高分辨率可见光相机和红外相机，实现强电磁干扰情况下的电力巡视高精度定位和高清图像获龋通过无人机智能操控终端，自动化完成杆塔本体精细化巡视和通道巡视(如图2所示)，从而实现无人机电网巡视的智能化作业，有效提升电网巡检效率，减少人为操作事故，增强电网稳定性。图2杆塔本体精细化巡视与通道巡视方法2．2多旋翼无人机复杂塔型飞行规则机器学习算法目前，110kV以上电压等级的输电线路已存在上百种不同的塔型，线路走廊通道的地理环境差异也比较大。因此，利用无人机进行电网巡视时，需要根据架空线路的不同工况和塔型的差异，采用不同的巡视规则和作业方法。为了保证巡视作业能够适应和兼容这些差异，本文针对典型塔型和地理环境研究无人机电网巡视理论模型与巡视策略，提出了多旋翼无人机复杂塔型飞行规则机器学习算法，确保了无人机自动化巡视作业的安全和效率。复杂塔型飞行规则的机器学习和断点续飞算法主要涉及自动分类和回归技术研究。2．2．1机器学习自动分类算法机器学习分类算法，是根据样本的特征或属性，将其划分到已有的类别中，即根据其他属性的值或数据中潜在联系的模式(相关性、趋势、聚类和异常)，预测特定属性的值，从而进行分类。常用的分类算法有逻辑回归、支持向量机、随机森林、朴素贝叶斯(NLP中常用)、深度神经网络(视频、图片、语音?
Yt=a+b1x1+b2x2+…+bnxn(2)式中，Xt为无人机航飞位置的t类自变量;Yt为无人机返航位置的因变量;a、b1、b2、…、bn为线性回归方程式的参数。2．3无人机智能操作系统及控制终端研制无人机智能操作系统是基于大疆SDK，针对电力巡检作业特点深度定制的无人机操作系统。为了能够大范围地查看电网周围环境，智能操作系统可以自动规划航线，全自动地完成输变电线路的精细化巡视和通道巡视作业，获取走廊通道范围内的正射影像、空中360°全景和倾斜摄影三维建模影像数据(如图3所示)。通过对无人机的智能操控，可以清楚、准确地发现杆塔本体和通道环境的缺陷和隐患，使无人机电网巡检作业更加安全可靠。图3无人机智能操作系统功能杆塔精细化巡检模块分为学习模式和巡检模式。学习模式可以按照不同塔型记录和存储无人机的飞行轨迹和拍摄位置。所记录的飞行信息将作为飞行依据在自动化巡检模式中使用，实现无人机的自动精细化巡检，极大地降低了对巡视作业人员的无人机操控素质的要求，提升了杆塔巡检的效率，保证了电网巡视作业的安全(如图4所示)。图4精细化巡检主界面在通道巡检模块中，无人机智能操作系统可以自动控制无人机快速获取施工黑点、滑坡、山火及树障等影像数据。无人机可以沿着通道进行视频拍摄和定时拍照(如图5所示)，清晰地记录输电线路走廊通道范围内的环境情况，为巡视人员进行通道隐患排查提供数据支撑。图5通道巡检主界面控制终端基于Android系统进行定制开发，32GB以上存储，6．8寸以上屏幕，高清分辨率，4G模式双卡双待，满足IP67以上的防护等级要求，能够通过内置嵌入的智能操作系统控制无人机实现自动化电力巡视。3试验介绍3．1试验区域2017年1月，
【相似文献】
相关期刊论文 前10条
1 李德仁;李明;;无人机遥感系统的研究进展与应用前景[J];武汉大学学报(信息科学版);2014年05期
2 王军锋;徐成华;;无人机机载合成孔径雷达冰情凌汛监测应用研究[J];测绘与空间地理信息;2014年08期
3 史华林;;无人机航测系统在公路带状地形测量中的应用[J];测绘通报;2014年06期
4 郭忠磊;翟京生;张靓;辛宪会;闸旋;;无人机航测系统的海岛礁测绘应用研究[J];海洋测绘;2014年04期
5 王妍;朱岩隆;高伟;付兴举;;无人机载双拼相机低空航测系统技术研究[J];测绘与空间地理信息;2014年08期
6 聂U
本文编号：2786721
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/2786721.html
