【技术实现步骤摘要】
本专利技术属于输电线路维护，涉及一种输电线路无人机自适应除冰剂喷射控制方法及系统。
技术介绍
1、无人机常用来喷洒除冰剂和防覆冰剂至架空输电线路上，用于预防输电线路覆冰或者使覆冰融化，但现有的无人机喷射装置的喷洒效率不高，难以起到很好的效果。
2、目前采用的喷射方法主要是直接喷射，喷嘴只能距离架空输电线路一定距离外进行喷射，需要油泵较大的压力才能使涂料喷射至架空输电线路表面，现有喷射方式的效率基本在60%以下，大量涂料在空中被浪费。专利公开号cn113911356a公开了基于无人机的电力设施涂料喷射装置及控制方法，喷嘴的喷射角度可以调节，可覆盖较大的范围。但该装置采用喷嘴直接喷射的方式进行喷射涂料，难以准确的喷涂至架空输电线路上，并且受大风的影响较大，造成大量的涂料浪费。专利公开号cn118232264a公开了一种架空线防覆冰和融冰的装置，可以实现对架空输电线路多个角度的喷射，但只能保持一定距离喷射，3个喷嘴的效率不够高，并且依旧会受到大风的影响。在针对恶劣环境时，现有的喷射技术难以将涂料有效喷射至架空输电线路表面，尤其是大风会造成涂料的大量浪费，迫切需要提高喷射的效率。且现有技术缺乏自适应调整喷射参数以提高喷射效率的方法。
技术实现思路
1、针对现有的无人机除冰喷射技术的不足，本专利技术提供了一种输电线路无人机自适应除冰剂喷射控制方法及系统，用于提高无人机除冰剂喷射的效率和抗干扰能力。
2、本专利技术通过下述技术方案来实现。一种输电线路无人机自适应除冰剂喷
3、s1：开展输电线路喷射除冰剂试验，视觉摄像头拍摄输电线路喷射后的图像，测量实际喷射至输电线路上除冰剂的质量，选用高斯滤波算法对图像进行处理生成模拟图像，对拍摄的图像和生成的模拟图像进行标记，并划分验证集和训练集；
4、s2：迁移卷积神经网络模型，设置输出量为喷射至输电线路上除冰剂的质量；采用imagenet数据集对卷积神经网络模型进行预训练，然后分批次将训练集导入到预训练后的卷积神经网络模型中进行训练，通过adam、sgdm算法最小化交叉熵损失函数对卷积神经网络模型进行优化，训练得到除冰剂质量计算模型；
5、s3：无人机起飞至输电线路的正上方，视觉摄像头拍摄前端的环境，通过前端边缘检测算法识别输电线路，随后无人机靠近输电线路，控制无人机移动，使无人机搭载u形喷头卡住输电线路；
6、s4：控制器控制高压油泵，使喷射除冰剂通过u形喷头喷射至输电线路上，除冰剂质量计算模型实时输出喷射至输电线路上的除冰剂质量，通过自适应算法改变飞行的位置以调整u形喷头的位置，达到最佳喷射位置后，随后保持u形喷头与输电线路的相对位置不动，无人机沿着输电线路往前飞行喷射除冰剂，直至完成一档输电线路的除冰。
7、进一步优选，步骤s4中，通过自适应算法改变飞行的位置以调整u形喷头的位置，具体过程为：
8、步骤a1：每个激光雷达测量喷嘴至输电线路的距离，设置初始滤波器系数向量q(0)=[wu-w(t)]/ln (t)；w(t)为t时刻喷射至输电线路上的除冰剂质量；wu为最佳除冰剂质量； ln为u形喷头的移动距离，ln=(l1，l2，l3，....，ln)；l1，l2，l3，....，ln分别为第1、2、3、…、n个喷嘴的移动距离，ln (t) 为t时刻u形喷头的移动距离；
9、步骤a2: 除冰剂质量计算模型输出w(t)；
10、步骤a3:计算t时刻的误差信号e(t)=wu-w(t)；
11、步骤a4:令q(t+1)=q( t)+ u*e(t)* ln (t)， u为学习率，q( t)为第t次迭代的滤波器系数向量，q(t+1)为第t+1次迭代的滤波器系数向量；
12、步骤a5:令ln(t+1)=ln (t)+ s*e(t)，ln (t)>0， s为修正率，ln (t+1) 为t+1时刻u形喷头的移动距离；
13、步骤a6：重复步骤a1-步骤a5，直到达到预设的收敛条件或者达到最大迭代次数为止。
14、进一步优选，步骤s1中，所述的选用高斯滤波算法对图像进行处理生成模拟图像，具体包括：旋转、翻转、模糊、光线变换、随机裁剪中的一种或多种。
15、进一步优选，步骤s3中所述前端边缘检测算法为canny边缘检测算法。
16、进一步优选，为了提高算法的收敛速度，本专利技术提出了自适应调整学习率 u，s大小，具体的方法为：根据误差信号大小的变化进行调整：
17、 u=k1*e(t)；
18、 s=k2*e(t)；
19、其中，k1为学习率调整系数；k2为修正率调整系数，当误差信号的值越大时学习率的调整越大，能够加快w(t)朝着期望值；当误差信号的值较小时学习率逐渐减小，避免使w(t)出现振荡，偏离期望值。
20、进一步优选，所述卷积神经网络模型为使用shufflenet网络建立的轻量级神经网络模型。
21、本专利技术还提供了一种输电线路无人机自适应除冰剂喷射控制系统，包括无人机和搭载在无人机上的高压油泵、容器、绝缘传输软管、u形喷头、激光雷达、视觉摄像头、喷嘴、控制器；容器装载除冰剂，所述高压油泵将容器中的除冰剂通过绝缘传输软管输送至u形喷头，u形喷头上安装若干个喷嘴；所述激光雷达安装于u形喷头上，用于测量的各个位置的喷嘴距离输电线路的距离；视觉摄像头用于拍摄喷嘴与输电线路的相对位置以及输电线路上的覆冰，进行图像识别；控制器接收视觉摄像头和激光雷达传输的数据并进行处理，控制器控制无人机的飞行位置以调节u形喷头的角度。
22、具体地，所述绝缘传输软管的材质为硅胶。
23、具体地，所述u形喷头的材质为硬质的环氧树脂，其绝缘性能佳，u形喷头可以卡住输电线路，u形喷头上设有一定数量环绕输电线路的喷嘴，每个喷嘴均能进行喷射，从而实现对输电线路的全角度喷射。
24、本专利技术通过构建除冰剂质量计算模型以计算除冰剂质量，并在使u形喷头卡住输电线路后，通过自适应算法改变飞行的位置以调整u形喷头的位置。通过滤波器系数向量和u形喷头的移动距离这两个值的迭代更新，能够使自适应算法的收敛速度更快，使w(t)更加速度的接近期望值。初始滤波器系数向量按照期望值与ln的方向取值，选取更佳的初始值，减少迭代的时间，同时有利于提高算法的收敛性。
本文档来自技高网...【技术保护点】
1.一种输电线路无人机自适应除冰剂喷射控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种输电线路无人机自适应除冰剂喷射控制方法，其特征在于，步骤S4中，通过自适应算法改变飞行的位置以调整U形喷头的位置，具体过程为：
3.根据权利要求1所述的一种输电线路无人机自适应除冰剂喷射控制方法，其特征在于，步骤S1中，所述的选用高斯滤波算法对图像进行处理生成模拟图像，具体包括：旋转、翻转、模糊、光线变换和随机裁剪中的一种或多种。
4.根据权利要求1所述的一种输电线路无人机自适应除冰剂喷射控制方法，其特征在于，步骤S3中所述前端边缘检测算法为Canny边缘检测算法。
5.根据权利要求2所述的一种输电线路无人机自适应除冰剂喷射控制方法，其特征在于，
6.根据权利要求1所述的一种输电线路无人机自适应除冰剂喷射控制方法，其特征在于，所述卷积神经网络模型为使用ShuffleNet网络建立的轻量级神经网络模型。
7.一种输电线路无人机自适应除冰剂喷射控制系统，其特征在于，包括无人机和搭载在无人机上的高压油泵、容器、绝
8.根据权利要求7所述的一种输电线路无人机自适应除冰剂喷射控制系统，其特征在于，所述绝缘传输软管的材质为硅胶。
9.根据权利要求7所述的一种输电线路无人机自适应除冰剂喷射控制系统，其特征在于，所述U形喷头的材质为环氧树脂， U形喷头上设有若干环绕输电线路的喷嘴。
...【技术特征摘要】
1.一种输电线路无人机自适应除冰剂喷射控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种输电线路无人机自适应除冰剂喷射控制方法，其特征在于，步骤s4中，通过自适应算法改变飞行的位置以调整u形喷头的位置，具体过程为：
3.根据权利要求1所述的一种输电线路无人机自适应除冰剂喷射控制方法，其特征在于，步骤s1中，所述的选用高斯滤波算法对图像进行处理生成模拟图像，具体包括：旋转、翻转、模糊、光线变换和随机裁剪中的一种或多种。
4.根据权利要求1所述的一种输电线路无人机自适应除冰剂喷射控制方法，其特征在于，步骤s3中所述前端边缘检测算法为canny边缘检测算法。
5.根据权利要求2所述的一种输电线路无人机自适应除冰剂喷射控制方法，其特征在于，
6.根据权利要求1所述的一种输电线路无人机自适应除冰剂喷射控制方法，其特征在于，所述卷积神经网络模型为使用shufflenet网络建立的轻量级神经网络模型。
<...【专利技术属性】
技术研发人员：吴诗优，付师璕，郭志锋，李明，张征，谭和财，曾春，汪洁，邱日强，尚文辉，王颖，付理祥，秦子恺，
申请(专利权)人：国网江西省电力有限公司南昌供电分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。