CN110231833B - 一种基于多无人机的油田巡检定点数据采集***及方法 - Google Patents
一种基于多无人机的油田巡检定点数据采集***及方法 Download PDFInfo
- Publication number
- CN110231833B CN110231833B CN201910515978.4A CN201910515978A CN110231833B CN 110231833 B CN110231833 B CN 110231833B CN 201910515978 A CN201910515978 A CN 201910515978A CN 110231833 B CN110231833 B CN 110231833B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- data
- path
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004891 communication Methods 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 17
- 238000013500 data storage Methods 0.000 claims description 12
- 241000283153 Cetacea Species 0.000 claims description 9
- 230000004888 barrier function Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 241000255588 Tephritidae Species 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 239000003208 petroleum Substances 0.000 abstract description 7
- 239000003921 oil Substances 0.000 description 30
- 238000010586 diagram Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 239000003129 oil well Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 241000255581 Drosophila <fruit fly, genus> Species 0.000 description 2
- 239000010779 crude oil Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241000191291 Abies alba Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/024—Guidance services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种基于多无人机的油田巡检定点数据采集***及方法,涉及油田生产技术领域。本发明包括设定无人机个数m和每个无人机需要巡检井区中的任务点以及任务区域,每个无人机进行巡检路径的规划得到最优路径;所有无人机根据其最优路径对已分配的任务点进行定点采集;获取数据并判断该数据是否为有效数据,若无效重新获取数据,若有效每个无人机对任务点进行数据采集后,将任务点进行标记将该标记信息分享给其他协同作业的无人机,判断每个无人机是否遍历完其负责的所有任务点,若是则直至所有无人机完成对其分配的所有任务点的数据采集,若否则无人机到达下一任务点获取数据。本方法可以提高油田巡检的效率以及石油生产的安全和管理。
Description
技术领域
本发明涉及油田生产技术领域,尤其涉及一种基于多无人机的油田巡检定点数据采集***及方法。
背景技术
石油产业是一个风险高并且收益高的行业,因此石油的安全生产是石油工业生产和发展的基础和前提。由于石油采集设备大多存在于野外,并且相对应的安全设施不全,传统的人工巡检需要花费大量的时间对油田中的情况进行检查,不仅耗时而且耗力;而半自动化巡检方式也需要定期对安装的设备进行检查,浪费时间的同时也需要庞大的费用。而且近年来不法盗取石油的现象屡禁不止,严重的还破坏采集或存储的设备,对石油工业的安全生产造成了极大的影响。同时,如果油井的出油温度过低时,可能会导致油井结蜡,从而影响石油的开采,水箱和油罐的液位也需要时常监控,因此对这些数据进行采集是十分必要的,同时,原油开采出来后需要进行妥善的管理及运输,而输油管路的压力值对输送的距离和周围的环境都有着相应的要求,因此对原油压力的测量也是必须的,所以及时得到石油工业中的重要数据是十分必要的。因此传统的人工巡检和半自动巡检方式存在着很多的问题和缺陷。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足,提供一种基于多无人机的油田巡检定点数据采集***及方法,本方法可以提高油田巡检的效率以及石油生产的安全和管理。
为解决上述技术问题,本发明所采取的技术方案是:
一方面,本发明提供一种基于多无人机的油田巡检定点数据采集***,包括多个无人机端、多个被测设备端和地面端;
所述每个无人机端都包括红外线避障传感器、控制模块、无线通讯模块;所述红外避障传感器设置于无人机上,其输出端与控制模块相连接;所述控制模块包括无人机GPS、路径规划模块、摄像头;所述无人机GPS的输出端与路径规划模块的输入端和无线通讯模块的输入端相连接;所述路径规划模块用于根据任务点以及任务区域和接收到的无人机GPS信息进行路径规划;所述摄像头设置于无人机上,其输出端与无线通讯模块相连接;所述无线通讯模块包括无线数据接收模块和无线数据发送模块,所述无线数据接收模块用于接收被测设备端、无人机GPS、摄像头输出的数据,并将接收到的数据传输至无线数据发送模块;所述无线数据发送模块用于将接收到的所有数据传输至地面端,将接收到的位置数据传输至其他无人机端;
所述每个被测设备端都包括数据采集模块、设备端GPS、设备端无线数据发送模块、驱动模块;所述数据采集模块用于采集被测设备上传感器的数据,并将该数据输出至设备端无线数据发送模块;所述设备端GPS与设备端无线数据发送模块相连接;所述设备端无线数据发送模块用于将接收到的数据和位置信息传输至无人机端的无线数据接收模块;所述驱动模块用于驱动被测设备端的所有装置,其输出端分别与数据采集模块、设备端GPS、设备端无线数据发送模块的输入端相连接;
所述地面端包括数据存储模块;所述数据存储模块用于接收无人机发送的数据,并将数据进行整理以及存储。
另一方面,本发明提供一种基于多无人机的油田巡检定点数据采集方法,通过所述的一种基于多无人机的油田巡检定点数据采集***实现,包括如下步骤:
步骤1:用户设定无人机个数m,并将每个无人机需要巡检井区中的任务点以及任务区域分别输入到每个无人机的控制模块;所述任务点为无人机根据自身携带的无人机GPS对被采集设备上的设备端GPS进行位置定位,并将距离定位点w米距离的一个点设为任务点,其中w<2.5;被采集设备上的GPS安装至靠近传感器一侧;
步骤2:无人机的控制模块根据步骤1中输入的数据进行巡检路径的规划;规划方法如下:
步骤2.1:建立无人机路径规划的适应度函数C;
C=ω1Lc+ω2Hc
其中C为总的适应度函数;Lc为无人机的最大飞行距离;Hc为所有无人机的在路径上的飞行高度差之和;ω1、ω2为比例系数,l=1或2;zi,j为无人机i在路径上的Z轴坐标值;
m为无人机数量;n为路径上点的总数量;
其中,di,jk为第i架无人机上点j到点k的欧氏距离;D为所有任务点的集合;Ai为无人机i的任务序列;Xi,jk的意义如公式为:
步骤2.2:通过改进的鲸鱼优化算法对无人机i的所有初始路径进行优化,将总体适应度函数最小的路径作为该无人机的最优路径,求出所有无人机的最优路径集合
步骤2.2.1:根据油田现场的情况将无人机i的参数集进行初始化,参数集包括种群数量N,空间维度Dim,迭代次数Tmax;
步骤2.2.2:根据红外线避障传感器输出的路障信息,在确保躲避障碍的前提下,随机生成各任务间的初始路径点,形成h条初始路径,通过步骤2.1中的适应度函数C对所有初始路径点进行适应度值计算,将适应度最低的路径输出为最优路径X′;
步骤2.2.3:利用鲸鱼算法对所有的初始路径点进行迭代优化,并根据适应度函数C对优化后的所有路径点进行适应度计算,输出适应度最低的路径X″,比较X″和X′的适应度值,将其中适应度值低的输出为全局最优路径Xbest;方法如下:
H=|(2·rand())·Xbest-X(t)|
X(t+1)=Xbest-(2·p·rand()-p)·H
其中,t为当前迭代的次数;Xbest为全局最优路径;X(t)为当前路径;p为线性递减的系数;rand()为0到1的随机数;Tmax为最大迭代次数;
其中b为常系数;e代表指数函数;q为(0,1)间的随机数;
X(t+1)=X(t)-(2·p·rand()-p)·|(2·rand())·Xbest-X(t)|
其中,代表迭代次数t时无人机i在路径点α上的X轴坐标值,Yi α(t)代表迭代次数t时无人机i在路径点α上的Y轴坐标值,代表迭代次数t时无人机i在路径点α上的Z轴坐标值,代表迭代次数t+1时无人机i在路径点α上优化后的X轴坐标值,代表在迭代次数t+1时无人机i在路径点α上优化后的Y轴坐标值,代表在迭代次数t+1时无人机i在路径点α上优化后的Z轴坐标值;
步骤2.2.5:判断当前迭代次数是否大于设定的最大迭代次数,若是,迭代终止并输出最优路径;否则,返回步骤2.2.3;
步骤3:所有无人机根据其最优路径对已分配的任务点进行定点遍历采集;无人机通过自身的无人机GPS和被测设备上的设备端GPS对其所负责的最优路径中的所有任务点进行具***置的定位,根据红外避障模块检测沿途的障碍物并通过飞行高度或方向的变化躲避障碍物,同时打开摄像头,对巡检过程进行录像,并通过无人机上的无线通讯模块将录像数据实时传输至数据存储模块;
步骤4:获取数据;数据采集模块会将采集到的传感器数据输出至无线数据发送模块,当无人机到达任务点时,无人机上的无线数据接收模块会与被测设备上的无线数据发送模块建立连接,同时无线数据发送模块会将数据发送至无人机的无线数据接收模块中;
步骤5:无人机接收数据后判断该数据是否为有效的数据,需要在接收数据时通过奇偶校验位来判断获取的数据,当奇偶校验位为1时数据有效,则将该数据通过无人机搭载的无线数据发送模块传送到数据存储模块,完成该任务点数据的采集和存储,当奇偶校验位为0时数据无效,则忽略此次接收的数据,继续接收数据直到接收到有效的数据;
步骤6:无人机对任务点进行数据采集后,采集数据的无人机通过自身的GPS以及无线通讯模块将被采集过的任务点进行标记并将该标记信息分享给其他协同作业的无人机,其他无人机会通过各自的GPS以及无线通讯模块标记这个任务点,并在一定的时间内不会再次访问该任务点;当有任务点需要多次采集时,在控制模块中进行设置,使无人机在采集该任务点的数据后不会标记也不会将信息共享给其他无人机;
步骤7:当无人机完成当前任务点后,无人机会根据下一个任务点的位置来不断调整自己的飞行轨迹;根据红外避障模块检测沿途的障碍物并通过飞行高度或方向的变化躲避障碍物到达下一任务点后,执行步骤4-步骤6,直至所有无人机完成对其分配的所有任务点的数据采集;
在无人机工作过程中,用户可以通过无人机上搭载的摄像头对井区状况实时监控,在多机协同作业时,当其中有无人机发生故障,用户将手动安排其他无人机代替损坏的无人机完成采集任务。
采用上述技术方案所产生的有益效果在于:本发明提供的一种基于多无人机的油田巡检定点数据采集***及方法,无人机本身具有灵活性高、成本低和安全性能高等优点。本发明采用多架无人机同时协同作业,提高了无人机采集数据的效率,也同时提高了采集数据的准确性。并且在多无人机作业的同时,工作人员可以通过无人机上的摄像头对周围环境以及设备运转情况有大概的了解,可以防止意外情况以及石油盗取情况的发生,大大增加了油田生产的安全性,而且解决了现有无人机巡检***存在着效率低以及信息不准确等缺点。
附图说明
图1为本发明实施例提供的多无人机的油田巡检定点数据采集的***结构图;
图2为本发明实施例提供的多无人机的油田巡检定点数据采集的方法流程图;
图3为本发明实施例提供的油田无人机巡视区域和无人机巡检路线示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本实施例的方法如下所述。
一方面,本发明提供一种基于多无人机的油田巡检定点数据采集***,如图1所示,包括多个无人机端、多个被测设备端、地面端;
所述每个无人机端都包括红外线避障传感器、控制模块、无线通讯模块;所述红外避障传感器设置于无人机上,其输出端与控制模块相连接;所述控制模块包括无人机GPS、路径规划模块、摄像头;所述无人机GPS用于无人机之间和对被测设备端的定位,无人机GPS的输出端与路径规划模块的输入端和无线通讯模块的输入端相连接;所述路径规划模块用于根据任务点以及任务区域和接收到的无人机GPS信息进行路径规划;所述摄像头设置于无人机上,用于实时监控无人机的分飞行状况以及周围环境,其输出端与无线通讯模块相连接;所述无线通讯模块包括无线数据接收模块和无线数据发送模块,所述无线数据接收模块用于接收被测设备端、无人机GPS、摄像头输出的数据,并将接收到的数据传输至无线数据发送模块;所述无线数据发送模块用于将接收到的所有数据传输至地面端,将接收到的位置数据传输至其他无人机端;每个无人机之间通过无线通讯模块进行数据共享;
所述每个被测设备端都包括数据采集模块、设备端GPS、设备端无线数据发送模块、驱动模块;所述数据采集模块用于采集被测设备上传感器的数据,并将该数据输出至设备端无线数据发送模块;所述设备端GPS用于定位被采集的设备位置,并将该位置信息传输至设备端无线数据发送模块;所述设备端无线数据发送模块用于将接收到的数据和位置信息传输至无人机端的无线数据接收模块;所述驱动模块用于驱动被测设备端的所有装置,其输出端分别与采集模块、设备端GPS、设备端无线数据发送模块的输入端相连接;
所述地面端包括数据存储模块;所述数据存储模块用于接收无人机发送的数据,并将数据进行整理以及存储。
本实施方式采用无人机四旋翼无人机,无线通讯模块为ZigBee模块,GPS采用sirf3;设备端的传感器包括采用采集模块压力表(用于采集油压、套压和回压),采用示功图采集仪(用于采集冲程和冲次),采用电力参数计量仪(用于采集电动机电流);
另一方面,本发明提供一种基于多无人机的油田巡检定点数据采集方法,通过所述的一种基于多无人机的油田巡检定点数据采集***实现,如图2所示,包括如下步骤:
步骤1:用户设定无人机个数m,并将每个无人机需要巡检井区中的任务点以及任务区域分别输入到每个无人机的控制模块;所述任务点为无人机根据自身携带的GPS对被采集设备上的GPS进行位置定位,并将距离定位点w米距离的一个点设为任务点,其中w<2.5;被采集设备上的GPS安装至靠近传感器一侧;
本实施例中m=3,分别为UAV1、UAV2、UAV3;油田巡检区域包括抽油井、油罐、水箱等区域;
步骤2:无人机的控制模块根据步骤1中输入的数据进行巡检路径的规划;本发明采用的改进鲸鱼算法中由于加入了果蝇优化算法使改进的鲸鱼算法具有了更好的局部搜索能力,使其更容易跳出局部最优解,并寻找全局最优解;同时改进后的算法具有更好的搜索结果(全局最优解更精确),计算速度也很快;由于果蝇算法中参数很少,可以减少参数对解和算法机制的影响。规划方法如下:
步骤2.1:建立无人机路径规划的适应度函数C;
C=ω1Lc+ω2Hc
其中C为总的适应度函数;Lc为所有无人机的路径总长度,即无人机的最大飞行距离;
Hc为所有无人机的在路径上的飞行高度差之和;ω1、ω2为比例系数,l=1或2,代表比例系数的标号;zi,j为无人机i在路径上的Z轴坐标值;m为无人机数量;n为路径上点的总数量,两个任务点之间会有很多路径点,是用于路径规划以及躲避障碍的;
其中,di,jk为第i架无人机上点j到点k的欧氏距离;D为所有任务点的集合;Ai为无人机i的任务序列;Xi,jk的意义如公式为:
步骤2.2:通过改进的鲸鱼优化算法对无人机i的所有初始路径进行优化,将总体适应度函数最小的路径作为该无人机的最优路径,求出所有无人机的最优路径集合
步骤2.2.1:根据油田现场的情况将无人机i的参数集进行初始化,参数集包括种群数量N,空间维度Dim,迭代次数Tmax;
本实施例中设定种群数量40,空间维度3,迭代次数100;
步骤2.2.2:根据红外线避障传感器输出的路障信息,在确保躲避障碍的前提下,随机生成各任务间的初始路径点,形成h条初始路径,通过步骤2.1中的适应度函数C对所有初始路径点进行适应度值计算,将适应度最低的路径输出为最优路径X′;
步骤2.2.3:利用鲸鱼算法对所有的初始路径点(初始路径点指的是任务与任务间的路径点)进行迭代优化,并根据适应度函数C对优化后的所有路径点进行适应度计算,输出适应度最低的路径X″,比较X″和X′的适应度值,将其中适应度值低的输出为最优路径Xbest;方法如下:
H=|(2·rand())·Xbest-X(t)|
X(t+1)=Xbest-(2·p·rand()-p)·H
其中H为赋值字母;t为当前迭代的次数;Xbest为全局最优路径;X(t)为当前路径;p为线性递减的系数;rand()为0到1的随机数;Tmax为最大迭代次数。
其中b为常系数;e代表指数函数,q为(0,1)间的随机数;
X(t+1)=X(t)-(2·p·rand()-p)·|(2·rand())·Xbest-X(t)|
步骤2.2.4:在鲸鱼优化算法优化的基础上,使用果蝇优化算法对步骤2.2.3输出的最优路径Xbest进行局部优化;根据如下公式对路径坐标进行局部优化,得出无人机i的最优路径
其中,代表迭代次数t时无人机i在路径点α上的X轴坐标值,Yi α(t)代表迭代次数t时无人机i在路径点α上的Y轴坐标值,代表迭代次数t时无人机i在路径点α上的Z轴坐标值,代表迭代次数t+1时无人机i在路径点α上优化后的X轴坐标值,代表在迭代次数t+1时无人机i在路径点α上优化后的Y轴坐标值,代表在迭代次数t+1时无人机i在路径点α上优化后的Z轴坐标值;
步骤2.2.5:判断当前迭代次数是否大于设定的最大迭代次数,若是,迭代终止并输出最优路径;否则,返回步骤2.2.3;
步骤3:所有无人机根据其最优路径对已分配的任务点进行定点遍历采集;无人机通过自身的GPS和被测设备上的GPS对其所负责的最优路径中的所有任务点进行具***置的定位,根据红外避障模块检测沿途的障碍物并通过飞行高度或方向的变化躲避障碍物,同时打开摄像头,对巡检过程进行录像,并通过无人机上的无线通讯模块将录像数据实时传输至数据存储模块;
步骤4:获取数据;数据采集模块会将采集到的传感器数据(如:通过压力传感器采集采油树的压力、通过温度传感器采集油的温度、通过液位传感器采集水箱和油罐的液位等)输出至无线数据发送模块,当无人机到达任务点时,无人机上的无线数据接收模块会与被测设备上的无线数据发送模块建立连接,同时无线数据发送模块会将数据发送至无人机的无线数据接收模块中;
传感器采集数据时需要采样时间,但这个过程被采集设备上的无线数据发送设备是不断的往外发送数据并且发送时间远远小于采样时间;
步骤5:无人机接收数据后判断该数据是否为有效的数据,需要在接收数据时通过奇偶校验位来判断获取的数据,当奇偶校验位为1时数据有效,则将该数据通过无人机搭载的无线数据发送模块传送到数据存储模块,完成该任务点数据的采集和存储,当奇偶校验位为0时数据无效,则忽略这次接收的数据,继续接收直到接收到有效的数据;
步骤6:每个无人机对任务点进行数据采集后,采集数据的无人机通过自身的GPS以及无线通讯模块将被采集过的任务点进行标记并将该标记信息分享给其他协同作业的无人机,其他无人机会通过各自的GPS以及无线通讯模块标记这个任务点,并在一定的时间内不会再次访问该任务点;当有任务点需要多次采集时,需要在控制模块中进行设置(这里可以通过对任务点的访问次数记性设置),使无人机在采集该任务点的数据后不会标记也不会将信息共享给其他无人机;
步骤7:当无人机完成当前任务点后,由于被采集设备的地理位置和高度不同,无人机会根据下一个任务点的位置来不断调整自己的飞行轨迹(如高度,飞行方向,速度等);根据红外避障模块检测沿途的障碍物并通过飞行高度或方向的变化躲避障碍物,使无人机在三维空间中的飞行轨迹达到最优;到达下一任务点后,执行步骤4-步骤6,直至所有无人机完成对其分配的所有任务点的数据采集;
在无人机工作过程中,用户可以通过无人机上搭载的摄像头对井区状况实时监控,防止意外的发生。在多机协同作业时,当其中有无人机发生故障,用户将手动安排其他无人机代替损坏的无人机完成采集任务,避免事故的发生。
通过油田巡检区域和本方法相结合,如图3所示,得到所需数据;如表1所示;
表1油田巡检区域内油井数据表
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (2)
1.一种基于多无人机的油田巡检定点数据采集方法,通过一种多无人机的油田巡检定点数据采集***实现;
所述多无人机的油田巡检定点数据采集***,包括多个无人机端、多个被测设备端和地面端;
每个无人机端都包括红外线避障传感器、控制模块、无线通讯模块;所述红外避障传感器设置于无人机上,其输出端与控制模块相连接;所述控制模块包括无人机GPS、路径规划模块、摄像头;所述无人机GPS的输出端与路径规划模块的输入端和无线通讯模块的输入端相连接;所述路径规划模块用于根据任务点以及任务区域和接收到的无人机GPS信息进行路径规划;所述摄像头设置于无人机上,其输出端与无线通讯模块相连接;所述无线通讯模块包括无线数据接收模块和无线数据发送模块,所述无线数据接收模块用于接收被测设备端、无人机GPS、摄像头输出的数据,并将接收到的数据传输至无线数据发送模块;所述无线数据发送模块用于将接收到的所有数据传输至地面端,将接收到的位置数据传输至其他无人机端;
每个被测设备端都包括数据采集模块、设备端GPS、设备端无线数据发送模块、驱动模块;所述数据采集模块用于采集被测设备上传感器的数据,并将该数据输出至设备端无线数据发送模块;所述设备端GPS与设备端无线数据发送模块相连接;所述设备端无线数据发送模块用于将接收到的数据和位置信息传输至无人机端的无线数据接收模块;所述驱动模块用于驱动被测设备端的所有装置,其输出端分别与数据采集模块、设备端GPS、设备端无线数据发送模块的输入端相连接;
地面端包括数据存储模块;所述数据存储模块用于接收无人机发送的数据,并将数据进行整理以及存储;其特征在于:油田巡检定点数据采集方法包括如下步骤:
步骤1:用户设定无人机个数m,并将每个无人机需要巡检井区中的任务点以及任务区域分别输入到每个无人机的控制模块;所述任务点为无人机根据自身携带的无人机GPS对被采集设备上的设备端GPS进行位置定位,并将距离定位点w米距离的一个点设为任务点,其中w<2.5;被采集设备上的GPS安装至靠近传感器一侧;
步骤2:无人机的控制模块根据步骤1中输入的数据进行巡检路径的规划;规划方法如下:
步骤2.1:建立无人机路径规划的适应度函数C;
C=ω1Lc+ω2Hc
其中C为总的适应度函数;Lc为无人机的最大飞行距离;Hc为所有无人机的在路径上的飞行高度差之和;ω1、ω2为比例系数,l=1或2;zi,j为无人机i在路径上的Z轴坐标值;m为无人机数量;n为路径上点的总数量;
其中,di,jk为第i架无人机上点j到点k的欧氏距离;D为所有任务点的集合;Ai为无人机i的任务序列;Xi,jk的意义如公式为:
步骤2.2.1:根据油田现场的情况将无人机i的参数集进行初始化,参数集包括种群数量N,空间维度Dim,迭代次数Tmax;
步骤2.2.2:根据红外线避障传感器输出的路障信息,在确保躲避障碍的前提下,随机生成各任务间的初始路径点,形成h条初始路径,通过步骤2.1中的适应度函数C对所有初始路径点进行适应度值计算,将适应度最低的路径输出为最优路径X′;
步骤2.2.3:利用鲸鱼算法对所有的初始路径点进行迭代优化,并根据适应度函数C对优化后的所有路径点进行适应度计算,输出适应度最低的路径X″,比较X″和X′的适应度值,将其中适应度值低的输出为全局最优路径Xbest;方法如下:
H=|(2·rand())·Xbest-X(t)|
X(t+1)=Xbest-(2·p·rand()-p)·H
其中,t为当前迭代的次数;Xbest为全局最优路径;X(t)为当前路径;p为线性递减的系数;rand()为0到1的随机数;Tmax为最大迭代次数;
其中b为常系数;e代表指数函数;q为(0,1)间的随机数;
X(t+1)=X(t)-(2·p·rand()-p)·|(2·rand())·Xbest-X(t)|
其中,代表迭代次数t时无人机i在路径点α上的X轴坐标值,Yi α(t)代表迭代次数t时无人机i在路径点α上的Y轴坐标值,代表迭代次数t时无人机i在路径点α上的Z轴坐标值,代表迭代次数t+1时无人机i在路径点α上优化后的X轴坐标值,Yi α′(t+1)代表在迭代次数t+1时无人机i在路径点α上优化后的Y轴坐标值,代表在迭代次数t+1时无人机i在路径点α上优化后的Z轴坐标值;
步骤2.2.5:判断当前迭代次数是否大于设定的最大迭代次数,若是,迭代终止并输出最优路径;否则,返回步骤2.2.3;
步骤3:所有无人机根据其最优路径对已分配的任务点进行定点遍历采集;无人机通过自身的无人机GPS和被测设备上的设备端GPS对其所负责的最优路径中的所有任务点进行具***置的定位,根据红外避障模块检测沿途的障碍物并通过飞行高度或方向的变化躲避障碍物,同时打开摄像头,对巡检过程进行录像,并通过无人机上的无线通讯模块将录像数据实时传输至数据存储模块;
步骤4:获取数据;数据采集模块会将采集到的传感器数据输出至无线数据发送模块,当无人机到达任务点时,无人机上的无线数据接收模块会与被测设备上的无线数据发送模块建立连接,同时无线数据发送模块会将数据发送至无人机的无线数据接收模块中;
步骤5:无人机接收数据后判断该数据是否为有效的数据,需要在接收数据时通过奇偶校验位来判断获取的数据,当奇偶校验位为1时数据有效,则将该数据通过无人机搭载的无线数据发送模块传送到数据存储模块,完成该任务点数据的采集和存储,当奇偶校验位为0时数据无效,则忽略此次接收的数据,继续接收数据直到接收到有效的数据;
步骤6:无人机对任务点进行数据采集后,采集数据的无人机通过自身的GPS以及无线通讯模块将被采集过的任务点进行标记并将该标记信息分享给其他协同作业的无人机,其他无人机会通过各自的GPS以及无线通讯模块标记这个任务点,并在一定的时间内不会再次访问该任务点;当有任务点需要多次采集时,在控制模块中进行设置,使无人机在采集该任务点的数据后不会标记也不会将信息共享给其他无人机;
步骤7:当无人机完成当前任务点后,无人机会根据下一个任务点的位置来不断调整自己的飞行轨迹;根据红外避障模块检测沿途的障碍物并通过飞行高度或方向的变化躲避障碍物到达下一任务点后,执行步骤4-步骤6,直至所有无人机完成对其分配的所有任务点的数据采集。
2.根据权利要求1所述的一种基于多无人机的油田巡检定点数据采集方法,其特征在于:在无人机工作过程中,用户可以通过无人机上搭载的摄像头对井区状况实时监控,在多机协同作业时,当其中有无人机发生故障,用户将手动安排其他无人机代替损坏的无人机完成采集任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910515978.4A CN110231833B (zh) | 2019-06-14 | 2019-06-14 | 一种基于多无人机的油田巡检定点数据采集***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910515978.4A CN110231833B (zh) | 2019-06-14 | 2019-06-14 | 一种基于多无人机的油田巡检定点数据采集***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110231833A CN110231833A (zh) | 2019-09-13 |
CN110231833B true CN110231833B (zh) | 2022-01-28 |
Family
ID=67859347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910515978.4A Expired - Fee Related CN110231833B (zh) | 2019-06-14 | 2019-06-14 | 一种基于多无人机的油田巡检定点数据采集***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110231833B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111752652A (zh) * | 2019-12-17 | 2020-10-09 | 广州极飞科技有限公司 | 监控数据显示方法和相关装置 |
CN110989678A (zh) * | 2019-12-23 | 2020-04-10 | 航天科技控股集团股份有限公司 | 一种基于多无人机的油田巡检定点数据采集***及方法 |
CN110986958B (zh) * | 2019-12-24 | 2021-11-26 | 北京工业大学 | 基于多种群协作果蝇优化的多无人机协同路径规划方法 |
CN111818534B (zh) * | 2020-06-05 | 2021-09-14 | 温州大学 | 一种分层异构无线传感器网络三维优化部署方法 |
CN111765924A (zh) * | 2020-07-13 | 2020-10-13 | 江苏中科智能制造研究院有限公司 | 一种基于多无人机的大气环境监测方法与*** |
CN111988524A (zh) * | 2020-08-21 | 2020-11-24 | 广东电网有限责任公司清远供电局 | 一种无人机与摄像头协同避障方法、服务器及存储介质 |
CN112394745A (zh) * | 2020-11-18 | 2021-02-23 | 广州工程技术职业学院 | 用于数据采集的无人机及其控制方法 |
CN113408501A (zh) * | 2021-08-19 | 2021-09-17 | 北京宝隆泓瑞科技有限公司 | 一种基于计算机视觉的油田园区检测方法及*** |
CN113741527B (zh) * | 2021-09-13 | 2024-01-19 | 德仕能源科技集团股份有限公司 | 一种基于多无人机的油井巡检方法、设备及介质 |
CN113848900B (zh) * | 2021-09-22 | 2024-04-12 | 中国国家铁路集团有限公司 | 高铁巡检机器人巡检的方法、装置、电子设备及存储介质 |
CN114137997A (zh) * | 2021-11-30 | 2022-03-04 | 复亚智能科技(太仓)有限公司 | 一种电力巡检方法、装置、设备及存储介质 |
CN114216510B (zh) * | 2021-12-15 | 2024-02-23 | 陕西地建土地工程技术研究院有限责任公司 | 一种智能环境监测装置 |
CN115373426B (zh) * | 2022-10-26 | 2023-02-17 | 四川腾盾科技有限公司 | 一种固定翼集群无人机区域覆盖在线路径协同规划方法 |
CN116301045B (zh) * | 2023-03-21 | 2024-04-12 | 大连海事大学 | 一种面向时空约束网络的无人机数据采集任务分配方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123139A (zh) * | 2014-07-31 | 2014-10-29 | 武汉星光***工程有限公司 | 一种管控油田平台的方法和*** |
CN104895556A (zh) * | 2015-05-15 | 2015-09-09 | 渤海大学 | 油井动液面远程监测方法及*** |
CN208156514U (zh) * | 2018-05-31 | 2018-11-27 | 山东龙翼航空科技有限公司 | 油田智能巡检无人机控制*** |
CN109214449A (zh) * | 2018-08-28 | 2019-01-15 | 华北电力大学 | 一种电网投资需求预测方法 |
CN109765893A (zh) * | 2019-01-17 | 2019-05-17 | 重庆邮电大学 | 基于鲸鱼优化算法的移动机器人路径规划方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7747364B2 (en) * | 2006-12-06 | 2010-06-29 | Honeywell International Inc. | Methods, apparatus and systems for enhanced synthetic vision and multi-sensor data fusion to improve operational capabilities of unmanned aerial vehicles |
US20160144959A1 (en) * | 2014-11-21 | 2016-05-26 | Oil & Gas IT, LLC | Systems, Methods and Devices for Collecting Data at Remote Oil and Natural Gas Sites |
-
2019
- 2019-06-14 CN CN201910515978.4A patent/CN110231833B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123139A (zh) * | 2014-07-31 | 2014-10-29 | 武汉星光***工程有限公司 | 一种管控油田平台的方法和*** |
CN104895556A (zh) * | 2015-05-15 | 2015-09-09 | 渤海大学 | 油井动液面远程监测方法及*** |
CN208156514U (zh) * | 2018-05-31 | 2018-11-27 | 山东龙翼航空科技有限公司 | 油田智能巡检无人机控制*** |
CN109214449A (zh) * | 2018-08-28 | 2019-01-15 | 华北电力大学 | 一种电网投资需求预测方法 |
CN109765893A (zh) * | 2019-01-17 | 2019-05-17 | 重庆邮电大学 | 基于鲸鱼优化算法的移动机器人路径规划方法 |
Non-Patent Citations (13)
Title |
---|
A multi-objective optimal mobile robot path planning based on whale optimization algorithm;Thi-Kien Dao 等;《2016 IEEE 13th International Conference on Signal Processing (ICSP)》;20170316;第337-342页 * |
A whale optimization algorithm with inertia weight;Hongping Hu 等;《WSEAS Transactions on Computers》;20161231;第15卷;第319-326页 * |
Autonomous tracking and navigation controller for an unmanned aerial vehicle based on visual data for inspection of oil and gas pipelines;Amit Shukla 等;《 2016 16th International Conference on Control, Automation and Systems (ICCAS)》;20170126;第194-200页 * |
Improved Whale Optimization Algorithm and Its Application to UCAV Path Planning Problem;Jeng-Shyang Pan 等;《Advances in Intelligent Systems and Computing》;20190512;第37-47页 * |
oft sensor for dynamic fluid level of beam pump unit based on multiple LS-SVM models;Kun Li 等;《2014 International Conference on Mechatronics and Control (ICMC)》;20150903;第2340-2345页 * |
Prediction for dynamic fluid level of oil well based on GPR with AFSA optimized combined kernel function;Li Xiang-yu 等;《Journal of Northeastern University. Natural Science》;20170131;第38卷(第01期);第11-15页 * |
基于无线数传电台的油气井现场工况巡检***;王海军 等;《江汉石油学院学报》;20040923;第26卷(第z2期);第337-338页 * |
基于自动谱聚类与多极端学习机模型的油井油液含水率软测量;李琨 等;《化工学报》;20160731;第67卷(第07期);第2925-2933页 * |
多无人机***的协同目标分配和航迹规划方法研究;赵明;《中国博士学位论文全文数据库工程科技Ⅱ辑》;20170215;第C031-57页 * |
无人机路径规划方法研究及在油田巡井中的应用;李鹏娜;《中国硕士学位论文全文数据库工程科技Ⅱ辑》;20180215;第C028-1页 * |
混合随机量子鲸鱼优化算法求解TSP问题;闫旭 等;《微电子学与计算机》;20180831;第35卷(第08期);第1-5、10页 * |
鱼群算法优化组合核函数GPR的油井动液面预测;李翔宇 等;《东北大学学报(自然科学版)》;20170309;第38卷(第01期);第11-15页 * |
鲸鱼优化算法及其应用研究;凌颖;《中国优秀硕士学位论文全文数据库信息科技辑》;20190115;第I140-492页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110231833A (zh) | 2019-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110231833B (zh) | 一种基于多无人机的油田巡检定点数据采集***及方法 | |
KR102338270B1 (ko) | 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체 | |
CN102788578B (zh) | 一种基于局部重力场逼近的匹配导航方法 | |
CN107167139A (zh) | 一种变电站巡检机器人视觉定位导航方法及*** | |
CN110673628B (zh) | 一种复合翼无人机油气管线巡检方法 | |
CN113971463A (zh) | 一种供热管线风险分布分析方法与巡检路径规划*** | |
CN109816780B (zh) | 一种双目序列影像的输电线路三维点云生成方法及装置 | |
CN105045274A (zh) | 一种用于无人机巡检航迹规划的智能杆塔连通图构建方法 | |
CN106568441A (zh) | 一种基于北斗的电力巡检设备 | |
CN111158358B (zh) | 一种基于三维模型对变电/换流站自优巡检的方法及*** | |
CN114756034B (zh) | 一种机器人实时避障路径规划方法及装置 | |
CN112650218A (zh) | 一种基于碰撞检测的变电站巡检航线规划方法及装置 | |
CN103984355A (zh) | 一种巡检飞行机器人与架空电力线路距离预测和保持方法 | |
CN109341665B (zh) | 一种淤地坝淤积状况调查***和方法 | |
CN110910440A (zh) | 一种基于电力影像数据的输电线路长度确定方法和*** | |
CN115185303B (zh) | 用于国家公园及自然保护地的无人机巡护路径规划方法 | |
CN111862200B (zh) | 一种煤棚内无人机定位方法 | |
CN111609848A (zh) | 一种用于多机器人协作建图的智能优化方法及*** | |
CN116736891A (zh) | 一种多机协同巡检电网线路的自主航迹规划***和方法 | |
CN116862208B (zh) | 一种煤矿机器人集群管理*** | |
US12007075B2 (en) | Methods and internet of things (IoT) systems for managing smart gas safety hazard items based on geographic information systems | |
JP7295106B2 (ja) | 軌道ネットワーク内でのナビゲートのためのシステムおよび方法 | |
CN113570264A (zh) | 一种近海陆源污染物排放管理*** | |
CN113361390A (zh) | 基于深度卷积神经网络的道路积水检测*** | |
CN118012977B (zh) | 一种基于ai与gis融合的二三维多模态数据处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220128 |