CN104299168A - 一种架空输电杆塔巡检飞行机器人的视点优选方法 - Google Patents

Abstract

本发明公开了属于架空输电线路巡检的技术领域的一种架空输电杆塔巡检飞行机器人的视点优选方法。该方法的步骤为：1)建立巡检对象的三维重建模型，建立安全区域；2)对步骤1)得到的安全区域进行离散化，获得广义视点；3)确定巡检对象，从广义视点中提取出有效视点；4)对飞行机器人的巡检任务进行分解，减小任务状态空间，并运用机器学习方法，在任务状态空间中寻找最优的巡视策略。本方法引入了视点规划理论，结合机器学习方法，能够在最短的时间内访问到最有可能包括架空输电杆塔故障信息的视点位置，节省了飞行时间，保证采集到的图像的质量，对于输电线路故障检测及日常维护都具有重要意义。

Description

一种架空输电杆塔巡检飞行机器人的视点优选方法

技术领域

本发明属于架空输电线路巡检的技术领域，特别涉及一种架空输电杆塔巡检飞行机器人的视点优选方法。

背景技术

架空输电线路是传输电能的最主要方式，对架空输电线路进行巡视、及时排除可能出现的故障，对于保障电力***正常运行意义重大。

架空输电线路主要由架空输电杆塔及输电导线构成。其中架空输电杆塔作为整个输电线路中装置最为集中的部分，长期暴露在野外，因受到持续的机械张力、材料老化的影响而容易产生断股、磨损、腐蚀等损伤，如不及时修复更换，将会导致严重的事故。因此对于架空输电杆塔的巡检是日常电力线路巡检中最重要的部分，对其图像数据采集的效果决定了整个巡检任务的完成质量。

飞行机器人由于其垂直起降、定点悬停、低空低速飞行的飞行特性成为架空输电线路巡检的有效手段。但是使用飞行机器人进行巡检时会遇到一些问题，这些问题主要体现在以下几个方面：

1)距离架空输电杆塔太远则无法保证所采集的图像数据的质量，而过度靠近则容易引起安全问题。

2)现有的飞行机器人是以电池供电作为主要的能量来源，但电池电量是有限的，所以对其飞行时间有较大的限制。

3)缺乏对架空输电杆塔结构的先验知识，飞行机器人无法迅速集中在故障频率高发区域进行巡检，往往需要一段漫游式巡检过程。这导致了采集到的图像数据冗余度较大，可用于后期故障诊断的有效图像在整个图像数据中所占比重较小。

4)由于飞行机器人的体积小、重量轻，在巡检过程中容易受到风以及一些环境干扰的影响，进而影响整个巡检行为。

因此，针对以上问题，需要提出了一种全新的架空输电杆塔巡检视点优选方法。

发明内容

针对上述现有技术存在的问题，本发明提出一种架空输电杆塔巡检飞行机器人的视点优选方法，其特征在于，该视点优选方法具体步骤为：

1)建立巡检对象的三维重建模型，获得安全飞行区域；

2)对步骤1)得到的安全飞行区域进行离散化，获得广义视点；

3)确定巡检对象，从广义视点中提取出有效视点；

4)对飞行机器人的巡检任务进行分解，减小任务状态空间，并运用机器学习方法，在任务状态空间中寻找最优的视点优选策略。

所述步骤2)中的对安全飞行区域进行离散化是以三维重建模型的局部面片法线与安全飞行区域的交点为依据构建多个子区域网格。

所述步骤3)中巡检对象为：架空输电杆塔的上侧部分：金具、绝缘子和导线；架空输电杆塔的中间部分：塔体本身；架空输电杆塔的下侧部分：导地线和接地装置。

所述步骤4)中最优的巡视策略的应用公式为：

$Q(s,a)=R(s,a)+\mathrm{\γ}\×\underset{\tilde{a}}{\max }\left\{Q(\tilde{s},\tilde{a})\right\}$

其中，s为飞行机器人的当前状态位置，a表示当前要选择和执行的动作，分别表示飞行机器人的下一个状态位置和动作，R为增强函数，Q为策略评估函数，γ表示学习参数，且0≤γ<1，表示之前所有状态-动作组合的累计最优评估值。

发明的有益效果：本发明方法引入了视点规划理论，结合机器学习方法，能够在最短的时间内访问到最有可能包括架空输电杆塔故障信息的视点位置，最大程度上节省了飞行时间，同时保证采集到的图像数据的质量，对于输电线路故障检测及日常维护都具有重要意义。

附图说明

图1为本发明提出的视点优选方法流程图；

图2为安全区域模型示意图；其中，(a)是椭球形安全区域模型示意图，(b)是空心圆柱型安全区域模型示意图；

图3为广义视点示意图；

图4为需要巡视的电塔结构示意图；

图5为从位置S到位置G存在的巡视区域图；

图6为寻优策略中飞行机器人的起始位置和行为图；

图7为飞行机器人在每个巡视位置上获得的反馈信息量示意图；

图8为最优的巡视轨迹示意图。

具体实施方式

下面结合附图和实施例对本发明方法作进一步的解释说明。

本发明将视点规划理论与架空输电杆塔的飞行机器人巡检相结合，提出了一种架空输电杆塔巡检飞行机器人的视点优选方法。视点规划理论可以概括为：根据给定的环境信息以及视觉***将要完成的任务信息(如：目标检测、故障识别等)，快速、高效地按照一定的标准计算出最佳的视点参数(包括摄像机的位姿、光学参数等)，以便自动、可靠地操作视觉传感器***(一切可以进行图像数据采集的传感器，包括可见光范围的照相机、摄像机、红外摄像仪、紫外摄像仪等)获取架空输电杆塔图像信息，从而以最少的观测视点(指视觉传感器的视点，包含摄像机的位置和朝向)获得所需对象的纹理信息。将视点规划理论与飞行机器人对架空输电杆塔的巡检相结合，能够减少巡检时间，提高巡检的效率；同时确定最佳的视点参数，可以提高图像数据的采集质量，进而提高巡检质量。

如图1所示为本发明提出的视点优选方法流程图，其具体步骤为：

1)建立巡检对象的三维重建模型，建立安全区域；

在实际情况中，是对架空输电杆塔进行三维重建。首先，依照地图及全球定位***(Global Positioning System，GPS)对待检测架空输电杆塔进行确切位置定位；然后，通过输电线路设计者所提供的工程图纸获取架空输电杆塔基本的结构数据，在此基础上借助视觉或激光测试获取更为详细的架空输电杆塔结构特征，完成三维重建过程。

此步骤中需要结合架空输电线路巡检的相关技术导则来进行安全区域建模。架空输电线路巡检的相关技术导则规定：在巡检过程中，飞行机器人与架空输电杆塔需保持一定的安全距离。所以，以架空输电杆塔的三维重建模型为基准，参照架空输电线路巡检的相关技术导则这一规定，建立了一个安全区域(即飞行距离保持区域)，飞行机器人在这个安全区域内巡检既可以顺利捕捉图像又不会触碰输电线元件。在巡检过程中需通过实时获取飞行机器人与架空输电杆塔的相对位置来判断其是否处于安全区域内，以及时调整飞行机器人的位置，保障飞行巡检的安全性和可靠性。由于可选择的三维重建模型表示方式不同，所以生成的安全区域模型也不同，其包括椭球形安全区域模型和空心圆柱型安全区域模型，如图2(a)和2(b)所示。

2)对步骤1)得到的安全区域进行离散化，转化为有限空间位置状态的集合，以获得广义视点，如图3所示。

经过安全区域建模，获得了分布在架空输电杆塔周围的一个飞机位置状态的连续空间。在此连续空间上进行状态规划，则需要对其进行离散，转化为有限空间位置状态的集合，即产生广义视点。

对安全区域进行离散化是以三维重建模型局部面片法线与安全区域的交点为依据来构建多个子区域网格，这个交点为安全区域网格的中心点。

如果观测目标三维重建模型的结构复杂程度高，对应安全区域的曲面离散化的网格密度就大；如果巡检对象三维重建模型的结构简单，对应安全区域的曲面离散化的网格密度就低。

3)确定巡检对象，结合视点规划理论，从广义视点中提取出有效视点。

根据巡视项目的要求位置，巡检对象按照从上到下顺序大致地分为上、中、下三个部分。其中：上侧部分：主要的巡检对象是金具、绝缘设备、防雷防鸟设备和导线连接等情况；中间部分：主要的巡检对象为塔体本身及附属设备；下侧部分：主要的巡检对象是导地线、接地装置及电塔周边环境等。

确定巡检对象主要是对巡视目标离散化，分块，这样才能逐个进行巡视。巡视要求里也是细化到每个设备的。这种离散化是依据巡视项目的要求和输电设备的分布来设计的。实际上分成几个部分要看被巡检对象的结构和任务要求。在对每部分进行巡视时就可以规划最优的视点，从而提高巡视的质量。

因为观察视线中障碍的遮挡、角度的不同以及距离的影响，需要从广义视点中提取出对观测目标取得较好的观测效果的一些视点，即有效视点。

4)对飞行机器人的巡检任务进行分解，减小任务状态空间，并运用机器学习方法，在任务状态空间中寻找最优的巡视策略。

针对架空输电杆塔巡检这一多目标优化问题，想要使得路径寻优算法在有限的时间内快速收敛，需要将巡检任务分解成多个子任务，在此基础上对机器学习过程进行优化。分解是按照巡视对象的潜在(历史、环境、外力等影响)故障情况来分解。如果潜在故障程度高，那么相应的任务分解要精细，如果潜在故障低，分解就可以粗略一些。此分解得到的是三维重建模型上的重点区域，这些区域将被投影至安全区域上构成网格。

考虑到巡检过程中容易受到随机干扰以及环境阵风扰动等因素的影响，致使飞行机器人偏离预期位置，因此，在巡检过程中，根据飞行机器人的传感器感知的环境扰动信息，使用机器学习算法寻优时，结合环境扰动信息，在任务状态空间中寻找最优的视点优选策略。

最优的巡视策略的应用公式为：

$Q(s,a)=R(s,a)+\mathrm{\&gamma;}\&times;\underset{\tilde{a}}{\max }\left\{Q(\tilde{s},\tilde{a})\right\}$

其中，s为飞行机器人的当前状态位置，a表示当前要选择和执行的动作，分别表示飞行机器人的下一个状态位置和动作，R为增强函数，Q为策略评估函数，γ表示学习参数，且0≤γ<1，表示之前所有状态-动作组合的累计最优评估值。

这个公式得到的是飞行机器人的行为策略评估值，即所在状态位置s时，采用动作a后的行为得分。在不断计算之后，将得到一个最优的评估函数。飞行机器人每到一个位置就能够得到接下来的一个最优动作。

为了求解最优的Q，需要将巡检中存在的经验(如重点观测位置、避让区域、最佳视角等信息)融入至R的构建中。然后，通过巡检前在三维重建模型上的多次模拟实验，得到最优的Q值。

实施例

如图4所示为需要巡视的电塔结构示意图，，图5为从位置S到位置G存在的巡视区域图。其中，S是飞行机器人的起始位置，G是目的位置。飞行机器人要从S到G，需要经过圆圈所定义的巡视区域。飞行机器人停留巡视之处都是备选的有效视点。在此过程中，涉及GPS的干扰，阵风的扰动以及在圆圈内调整观测位置等问题。所以需要根据环境气候、电塔结构、电磁场强度、电池能耗等先验信息作为约束条件，利用上面的公式来计算最优的巡视策略。具体巡视如图6所示，其中S为状态，m为行为，移动的网格数就是运动的距离。如图7所示，在网格中定义的数字是通过先验信息计算得到的在每个位置所能得到的反馈信息量R。同时在网格之间跳跃时的代价为公式中第二项。经过迭代求解，得到一系列的Q(s,a)，最终确定一套最优策略。

通过计算，可得到图8所示的最优巡视轨迹，其上的每个点都是最优视点。这就是一条在概率意义上最优的运动轨迹，确保了巡检过程中的飞行时间少、巡检质量高、获取信息多、飞行机器人遇到的危险少。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种架空输电杆塔巡检飞行机器人的视点优选方法，其特征在于，该视点优选方法具体步骤为：

1)建立巡检对象的三维重建模型，获得安全飞行区域；

2)对步骤1)得到的安全飞行区域进行离散化，获得广义视点；

3)确定巡检对象，从广义视点中提取出有效视点；

4)对飞行机器人的巡检任务进行分解，减小任务状态空间，并运用机器学习方法，在任务状态空间中寻找最优的巡视策略。

2.根据权利要求1所述的方法，其特征在于，所述步骤2)中的对安全飞行区域进行离散化是以三维重建模型的局部面片法线与安全飞行区域的交点为依据构建多个子区域网格。

3.根据权利要求2所述的方法，其特征在于，所述步骤3)中巡检对象为：架空输电杆塔的上侧部分：金具、绝缘子和导线；架空输电杆塔的中间部分：塔体本身；架空输电杆塔的下侧部分：导地线和接地装置。

4.根据权利要求3所述的方法，其特征在于，所述步骤4)中最优的巡视策略的应用公式为：

$Q(s,a)=R(s,a)+\mathrm{\&gamma;}\&times;\underset{\tilde{a}}{\max }\left\{Q(\tilde{s},\tilde{a})\right\}$

其中，s为飞行机器人的当前状态位置，a表示当前要选择和执行的动作，分别表示飞行机器人的下一个状态位置和动作，R为增强函数，Q为策略评估函数，γ表示学习参数，且0≤γ<1，表示之前所有状态-动作组合的累计最优评估值。