【技术实现步骤摘要】
本专利技术涉及无人机巡检领域，具体是一种基于改进模拟退火算法的多无人机三维巡检方法及系统。
技术介绍
1、随着国内经济的迅速发展，输电线路里程快速的增长，电力线路出现故障的概率也显著增加，而从大范围的输电线路中定位发生故障节点及其困难。特别由于输电线路长期暴露在日晒雨淋之下，一些关键部位容易产生安全隐患，导致输电线路发生故障，这将严重威胁人们的生活和社会的稳定。因此，有必要对输电线路进行准确、及时和高效的检查。传统的巡检方法包括人工巡检和直升机巡检，一方面，由于输电线路错综复杂、覆盖范围较广、及其分散，这给巡检带来了极大的困难。另一方面，在城市或者山区巡检地形复杂、交通不便，这导致人工巡检及其不便，并且效率较低，而采用直升机巡检成本较高，并不利于大范围巡检。这迫切需要我们找到一种新的巡检方法来应对现有巡检方式的局限性，为此，无人机巡检应运而生。作为一种现代航空设备，无人机在生活中的许多领域都发挥了重要的作用，其不仅机动性高、时效性强、高概率视距信道、高定位精度等优点，而且价格越来越低廉，极大地匹配当下巡检任务的需求。值得一提的是，无人机已经在电力巡检方面有了广泛的应用，在巡检方面，目前的巡检趋势由“无人机巡检为主，人工巡检为辅”逐渐转向完全无人机巡检的趋势。
2、尽管无人机有如此多的优点，但无人机机载电池的限定容量导致其续航能力有限，不能执行长时间、大规模的巡检任务。为此，如何最大限度的利用有限的能量进行更优的巡检是当前提升无人机巡检性能的关键之一。
3、基于此，本专利技术针对多无人机大范围三维巡检场景，
技术实现思路
1、本专利技术提供一种基于改进模拟退火算法的多无人机三维巡检方法及系统，通过无人机采集点云数据获取所需要巡检的目标点三维坐标后，通过聚类方法优化出各个无人机的巡检任务区域，然后采用改进的模拟退火算法优化出各个无人机的巡检三维轨迹，从而最小化总的巡检时间。
2、一种基于改进模拟退火算法的多无人机三维巡检方法，包括如下步骤：
3、步骤101、派遣无人机收集需要巡检区域的点云数据；
4、步骤102、将获取的点云数据进行处理，获取无人机巡检点的三维坐标数据；
5、步骤103、无人机巡检点三维坐标数据获取以后，根据巡检数据点的密集程度和巡检无人机的数量，采用k-means++算法获得各个无人机的巡检任务区域，其中假设一个机巢只能存放一架无人机，k-means++算法将总数为m的巡检点分为k组，假设第k组的分组中心位置为uk，其包含巡检点总数为mk，第k组的第m个巡检点的位置坐标表示为αk,m，用户分组的目的为最小化
6、步骤104、各个无人机的巡检任务被分配好之后，根据各个无人机的巡检点的三维坐标，采用改进的模拟退火算法优化出所有无人机的巡检轨迹，所述改进的模拟退火算法将2-optimization方法与传统模拟退火算法结合，通过交换路径上的两个非连续边来生成新的轨迹，提升所获得的无人机轨迹解的质量。
7、进一步的，步骤103中用户的分组中心的选取与所分组的总的距离成正比，具体步骤如下：
8、1)选择初始质心
9、a.随机选择一个巡检点作为第一个质心u1＝mrandom；
10、b.对于每个剩下的巡检点m，计算它们到当前已选质心中最近质心的距离其中||·||表示欧氏距离；
11、c.根据计算的距离，概率性地选择下一个质心，其中质心选择公式如下：
12、
13、即距离越远的点，被选择为质心的概率越大；
14、d.重复步骤b和c直到选择出k个质心{u1,u2,...,uk}；
15、2)分配巡检点到最近的质心
16、a.对于每个巡检点m，计算其与所有质心uk的欧几里得距离：
17、d(αk,m,uk)＝||αk,m-uk||2
18、b.将每个巡检点m分配给最近的质心对应的集群uk，形成k个初始集群；
19、3)更新质心
20、a.对每个集群，计算该集群内所有巡检点的平均坐标，并将该平均值作为新的质心；
21、b.更新质心的位置；
22、4)迭代步骤2)和步骤3)，直到质心不再发生变化。
23、进一步的，步骤104中采用改进的模拟退火算法优化出所有无人机的巡检轨迹，以最小化所有无人机的巡检时间之和，具体包括：
24、1)设定解空间为qk＝{β,1,2,...,mk,β}，其中β为机巢的位置；
25、2)以无人机k巡检所有巡检点的最短路径距离为因变量建立对应的目标函数其中dk,i表示无人机巡检的轨迹距离；
26、3)假设第一次迭代的解为随机交换两个点u,v的坐标并进行2-opt产生新的轨迹为：
27、
28、4)计算目标函数的差异值δe，其表示为：
29、δe＝f(qk,new)-f(qk,current)
30、若δe＜0则说明当新解的轨迹要优于当前解的轨迹，新解为更优的路径；如果δe≥0则以概率e(-δe/t)设置新解为局部最优轨迹，其解的选择用概率p*表示：
31、
32、5)利用降火系数ρ进行降温，当初始温度tinitial小于等于终止温度tfinal时，输出当前局部最优轨迹；
33、6)根据无人机电池电量约束，判断当前轨迹所需能量是否满足无人机单次飞行能量约束，若满足则输出无人机巡检轨迹；否则基于k-means++算法对无人机解进行二分类，然后对每个分类采用模拟退火算法优化其轨迹；
34、7)最后检查是否有相关簇在满足无人机单次飞行约束的条件下可以合并，若有则将其合并为同一簇。
35、进一步的，还包括：
36、步骤105、输出步骤103优化出的各无人机的任务分配区域和步骤104优化出的无人机的巡检轨迹，各个无人机按照优化出的巡检轨迹执行巡检任务。
37、一种基于改进模拟退火算法的多无人机三维巡检系统，包括：
38、点云数据收集模块，用于收集需要巡检区域的点云数据；
39、三维坐标数据获取模块，用于获取的点云数据进行处理，获取无人机巡检点的三维坐标数据；
40、无人机任务分配模块，用于根据巡检数据点的密集程度和巡检无人机的数量，采用k-means++算法获得各个无人机的巡检任务区域，其中假设一个机巢只能存放一架无人机，k-means++算法将总数为m的巡检点分为k组，假设第k组的分组中心位置为uk，其包含巡检点总数为mk，第k组的第m个巡检点的位置坐标表示为αk,m，用户分组的目的为最小化
41、无人机轨迹优化模块，用于根据各个无人机的巡检点的三维坐标，采用改进的模拟退火算法优化出所有无人机的本文档来自技高网...
【技术保护点】
1.一种基于改进模拟退火算法的多无人机三维巡检方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于改进模拟退火算法的多无人机三维巡检方法，其特征在于：步骤103中用户的分组中心的选取与所分组的总的距离成正比，具体步骤如下：
3.如权利要求1所述的基于改进模拟退火算法的多无人机三维巡检方法，其特征在于：步骤104中采用改进的模拟退火算法优化出所有无人机的巡检轨迹，以最小化所有无人机的巡检时间之和，具体包括：
4.如权利要求1所述的基于改进模拟退火算法的多无人机三维巡检方法，其特征在于：还包括：
5.一种基于改进模拟退火算法的多无人机三维巡检系统，其特征在于，包括：
6.如权利要求5所述的基于改进模拟退火算法的多无人机三维巡检系统，其特征在于：所述无人机任务分配模块在进行用户的分组中心的选取时，具体步骤如下：
7.如权利要求5所述的基于改进模拟退火算法的多无人机三维巡检系统，其特征在于：所述无人机轨迹优化模块采用改进的模拟退火算法优化出所有无人机的巡检轨迹，以最小化所有无人机的巡检时间之和，具体包括：p>
8.如权利要求5所述的基于改进模拟退火算法的多无人机三维巡检系统，其特征在于：还包括：
...【技术特征摘要】
1.一种基于改进模拟退火算法的多无人机三维巡检方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于改进模拟退火算法的多无人机三维巡检方法，其特征在于：步骤103中用户的分组中心的选取与所分组的总的距离成正比，具体步骤如下：
3.如权利要求1所述的基于改进模拟退火算法的多无人机三维巡检方法，其特征在于：步骤104中采用改进的模拟退火算法优化出所有无人机的巡检轨迹，以最小化所有无人机的巡检时间之和，具体包括：
4.如权利要求1所述的基于改进模拟退火算法的多无人机三维巡检方法，其特征在于：还包括：
【专利技术属性】
技术研发人员：刘鸣柳，孙金莉，文玄，陈文，刘曼佳，易忱，金晨，胡钰林，凌在汛，鲁金华，
申请(专利权)人：国网湖北省电力有限公司电力科学研究院，
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。