【技术实现步骤摘要】
本专利技术涉及无人机巡检，特别是涉及一种基于改进a星算法的变电站无人机自主巡检航线生成方法。
技术介绍
1、随着无人机技术的发展，无人机在多个领域得到了广泛应用。然而，在复杂的变电站环境中，无人机的路径规划和避障问题成为制约其广泛应用的关键问题之一。目前的路径规划算法如a算法已经被广泛应用于二维平面路径规划中，但在三维空间中直接应用传统a算法面临着计算效率低、路径不优化以及无法实时避障的问题。
2、在无人机的三维空间避障与路径规划中，当前的技术方案主要包括以下几类：
3、1、三维路径规划算法的初步应用。针对无人机在三维空间中的应用，已有部分研究将二维算法扩展至三维，如三维a算法。该算法通过增加一个维度，使路径规划能够在三维空间中进行。然而，传统三维a算法在复杂环境中的计算效率较低，尤其是当空间中障碍物密集或面积较大时，计算量成倍增长，容易导致路径规划时间过长，不适合实时性要求较高的任务。
4、2、基于潜在场(potential field)的避障方法。潜在场方法通过将目标点设置为吸引源，障碍物设置为排斥源，引导无人机沿着潜在场的梯度方向移动。然而，潜在场方法存在局部极小值问题，即无人机可能陷入某些无法达到目标的区域。此外，潜在场方法在处理复杂障碍物环境时，往往难以提供一条优化的路径，且容易在空间密集障碍物区域产生震荡现象。
5、3、基于rrt(快速探索随机树)的路径规划。rrt算法是一种广泛应用于机器人路径规划的算法，能够快速生成一条从起点到目标点的路径。rrt算法的优点是能够处理
6、4、实时动态避障。无人机的实时动态避障技术通常依赖于传感器(如lidar、摄像头)对环境的实时感知，并通过局部路径规划算法(如dwa)对飞行路径进行动态调整。这类技术能够有效应对突发障碍物，但在复杂环境中，局部路径规划可能陷入局部极小值，导致无人机无法继续前进或陷入重复循环。此外，动态避障通常与全局路径规划分离进行，容易出现路径不连续或多次调整的情况，影响无人机的飞行稳定性。
7、现有无人机巡检规划路径技术存在以下不足：
8、1、计算效率低下：传统的三维路径规划算法(如三维a星算法)在处理复杂三维环境时，计算量庞大，无法满足实时性的要求。
9、2、路径不平滑：像rrt这样的算法在三维空间中生成的路径往往不够平滑，存在较多的冗余节点和急剧转折，影响无人机的飞行稳定性和效率。
10、3、局部极小值问题：潜在场方法以及局部动态避障方法容易在复杂环境中陷入局部极小值，导致路径规划失败或效率低下。
11、4、缺乏全局与局部结合的路径规划：现有的实时动态避障技术往往与全局路径规划分离进行，导致路径的连续性和整体优化较差，影响无人机在复杂环境中的飞行表现。
技术实现思路
1、本专利技术的目的是提供一种基于优化a星算法的变电站无人机自主巡检航线生成方法，以解决现有技术中存在的问题。本专利技术通过改进a星算法，并结合变电站环境的特点，实现了高效、实时的路径规划及避障。
2、本专利技术的技术方案如下：
3、一种基于优化a星算法的变电站无人机自主巡检航线生成方法，其特征在于，巡检航线规划路径中节点，采用以下步骤生成：计算节点的评价函数f(n)，在扩展航线节点的每一步过程中，始终选取评价函数f(n)的函数值最小的节点作为子节点，进而再以该子节点作为父节点进行下一步航线子节点的扩展与寻优，即依次寻找评价函数f(n)值最小的子节点，形成寻优航线；
4、评价函数f(n)的表达式为：
5、f(n)＝g(n)+α[h(n)+h(p)]
6、式中：g(n)为起始节点到当前节点的实际航线代价；h(n)为当前节点到目标点的估计航线代价；h(p)为当前子节点的父节点到目标点的距离；α为权重值。
7、所述的一种基于优化a星算法的变电站无人机自主巡检航线生成方法，其特征在于，将起点作为第1个节点放入close列表中，计算周围最多8个节点的评价函数，由于飞行边界和障碍的原因，周围节点数可能小于8，并将这些节点及节点信息放入open列表中，若open列表中已存在当前节点，则比较该节点的评价函数值，将评价函数值较小的节点信息更新至open列表中；在open列表中，选取评价函数值最小的节点作为当前节点的子节点；然后将选中的子节点作为父节点，同时将其参数信息放入close列表中，使用新的父节点再进行子节点扩展并计算各子节点的评价函数值，通过比较评价函数值得到新的子节点，并不断更新close和open列表，直至搜索到目标点。
8、所述的一种基于优化a星算法的变电站无人机自主巡检航线生成方法，其特征在于，在扩展子节点时，如果当前节点的空间方向上存在障碍物时，则不扩展栅格对角线上的节点作为子节点，即不生成距离障碍物小于1个栅格单位距离的对角线航线。
9、所述的一种基于优化a星算法的变电站无人机自主巡检航线生成方法，其特征在于，g(n)为起始节点到当前节点的实际航线代价；h(n)为当前节点到目标点的估计航线代价，采用欧几里得距离作为航线代价的计算方法，其表达式为：
10、
11、
12、式中：(xi,yi)为当前点坐标；(xs,ys)为起始点坐标；(xt,yt)为目标点坐标。
13、所述的一种基于优化a星算法的变电站无人机自主巡检航线生成方法，其特征在于，以二维空间环境为例，在扩展子节点时，如果当前节点的x正、x负、y正、y负方向上存在障碍物时，则不扩展栅格对角线上的节点作为子节点，即不生成距离障碍物小于1个栅格单位距离的对角线航线。
14、所述的一种基于优化a星算法的变电站无人机自主巡检航线生成方法，其特征在于，结合a星算法与floyd算法对生成的寻优航线进行简化处理，通过使用floyd算法从起始点到目标点进行了多次迭代优化，缩短了规划出的航线长度。
15、所述的一种基于优化a星算法的变电站无人机自主巡检航线生成方法，其特征在于，考虑障碍物密度，如果当前节点附近障碍物密度较高，增加启发式代价，从而避免无人机飞入障碍物密集区，
16、h′(n)＝h(n)+w×density(n)；
17、其中，w为权重系数，density(n)表示节点n附近的障碍物密度。
18、所述的一种基于优化a星算法的变电站无人机自主巡检航线生成方法，其特征在于，所述的规划路径中包含不必要的转折点和急剧变化的方向时，进行以下处理：
19、使用b-spline对规划路径进行平滑，使得路径更加平滑和自然；
20、
21、其中，c(t)是曲线的坐标，pi是控制点，ni,p(t)是第i个控制点的b样条本文档来自技高网...
【技术保护点】
1.一种基于优化A星算法的变电站无人机自主巡检航线生成方法，其特征在于，巡检航线规划路径中节点，采用以下方法生成：计算节点的评价函数f(n)，在扩展航线节点的每一步过程中，始终选取评价函数f(n)的函数值最小的节点作为子节点，进而再以该子节点作为父节点进行下一步航线子节点的扩展与寻优，即依次寻找评价函数f(n)值最小的子节点，形成寻优航线；
2.根据权利要求1所述的一种基于优化A星算法的变电站无人机自主巡检航线生成方法，其特征在于，将起点作为第1个节点放入CLOSE列表中，计算周围最多8个节点的评价函数，由于飞行边界和障碍的原因，周围节点数可能小于8，并将这些节点及节点信息放入OPEN列表中，若OPEN列表中已存在当前节点，则比较该节点的评价函数值，将评价函数值较小的节点信息更新至OPEN列表中；在OPEN列表中，选取评价函数值最小的节点作为当前节点的子节点；然后将选中的子节点作为父节点，同时将其参数信息放入CLOSE列表中，使用新的父节点再进行子节点扩展并计算各子节点的评价函数值，通过比较评价函数值得到新的子节点，并不断更新CLOSE和OPEN列表，直至搜索到目标点
3.根据权利要求1所述的一种基于优化A星算法的变电站无人机自主巡检航线生成方法，其特征在于，在扩展子节点时，如果当前节点的空间方向上存在障碍物时，则不扩展栅格对角线上的节点作为子节点，即不生成距离障碍物小于1个栅格单位距离的对角线航线。
4.根据权利要求1所述的一种基于优化A星算法的变电站无人机自主巡检航线生成方法，其特征在于，g(n)为起始节点到当前节点的实际航线代价；h(n)为当前节点到目标点的估计航线代价，采用欧几里得距离作为航线代价的计算方法，其表达式为：
5.根据权利要求3所述的一种基于优化A星算法的变电站无人机自主巡检航线生成方法，其特征在于，以二维空间环境为例，在扩展子节点时，如果当前节点的X正、X负、Y正、Y负方向上存在障碍物时，则不扩展栅格对角线上的节点作为子节点，即不生成距离障碍物小于1个栅格单位距离的对角线航线。
6.根据权利要求1或3所述的一种基于优化A星算法的变电站无人机自主巡检航线生成方法，其特征在于，结合A星算法与Floyd算法对生成的寻优航线进行简化处理，通过使用Floyd算法从起始点到目标点进行了多次迭代优化，缩短规划出的航线长度。
7.根据权利要求1所述的一种基于优化A星算法的变电站无人机自主巡检航线生成方法，其特征在于，考虑障碍物密度，如果当前节点附近障碍物密度较高，增加启发式代价，从而避免无人机飞入障碍物密集区，
8.根据权利要求1所述的一种基于优化A星算法的变电站无人机自主巡检航线生成方法，其特征在于，所述的规划路径中包含不必要的转折点和急剧变化的方向时，进行以下处理：
...【技术特征摘要】
1.一种基于优化a星算法的变电站无人机自主巡检航线生成方法，其特征在于，巡检航线规划路径中节点，采用以下方法生成：计算节点的评价函数f(n)，在扩展航线节点的每一步过程中，始终选取评价函数f(n)的函数值最小的节点作为子节点，进而再以该子节点作为父节点进行下一步航线子节点的扩展与寻优，即依次寻找评价函数f(n)值最小的子节点，形成寻优航线；
2.根据权利要求1所述的一种基于优化a星算法的变电站无人机自主巡检航线生成方法，其特征在于，将起点作为第1个节点放入close列表中，计算周围最多8个节点的评价函数，由于飞行边界和障碍的原因，周围节点数可能小于8，并将这些节点及节点信息放入open列表中，若open列表中已存在当前节点，则比较该节点的评价函数值，将评价函数值较小的节点信息更新至open列表中；在open列表中，选取评价函数值最小的节点作为当前节点的子节点；然后将选中的子节点作为父节点，同时将其参数信息放入close列表中，使用新的父节点再进行子节点扩展并计算各子节点的评价函数值，通过比较评价函数值得到新的子节点，并不断更新close和open列表，直至搜索到目标点。
3.根据权利要求1所述的一种基于优化a星算法的变电站无人机自主巡检航线生成方法，其特征在于，在扩展子节点时，如果当前节点的空间方向上存在障碍物时，则不扩展栅格对角线上的节点作为子节点，即不生成...
【专利技术属性】
技术研发人员：陈挺，章书朋，陈晶晶，周斌，戴永东，王茂飞，鞠玲，王肖，王神玉，孔文卓，
申请(专利权)人：国网江苏省电力有限公司泰州供电分公司，
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。