CN113946161A - 一种基于多机巢多无人机调度的飞行路径规划方法 - Google Patents
一种基于多机巢多无人机调度的飞行路径规划方法 Download PDFInfo
- Publication number
- CN113946161A CN113946161A CN202111204524.9A CN202111204524A CN113946161A CN 113946161 A CN113946161 A CN 113946161A CN 202111204524 A CN202111204524 A CN 202111204524A CN 113946161 A CN113946161 A CN 113946161A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- nest
- inspection
- flight path
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000007689 inspection Methods 0.000 claims abstract description 48
- 238000009826 distribution Methods 0.000 claims description 44
- 238000005457 optimization Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及无人机智能巡检控制技术领域,尤其涉及一种基于多机巢多无人机调度的飞行路径规划方法,以所有无人机飞行的总路程之和最小为目标函数进行寻优,先从局部最优再到全局最优,得到最优解,如此提高了巡检效率,节约了能源。其中,先对检索范围划分检索子区,将全局最优问题转换为局部最优问题,并且控制平台对每个检索子区并行计算最优解,提高了求解效率。其次,本发明实时获取无人机与机巢的距离,并以最小距离作为重复飞行路段,进一步加快了计算无人机飞行最短路径的速度,快速得到局部最短路径。
Description
技术领域
本发明涉及无人机智能巡检控制技术领域,尤其涉及一种基于多机巢多无人机调度的飞行路径规划方法。
背景技术
无论是民用领域,还是军用领域。无人机/机器人的小型集群化,都是一个趋势。目前应用比较多的物流机器人,也是很多机器人协同配合完成任务。
配电网作为电网重要的组成部分,是大型输电网和用户对接的重要环节,***的安全、可靠运行直接影响到整个电网***的正常运行及用户的日常生产生活。对配电网线路进行定期巡视检查,随时了解和掌握配电线路的运行情况以及线路周围环境和线路保护区的变化情况,是确保供电安全的基础。
配电网是指从输电网或地区发电厂接受电能,通过配电设施就地分配或按电压逐级分配给各类用户的电力网,是由架空线路、电缆、杆塔、配电变压器、隔离开关、无功补偿器及一些附属设施等组成的,在电力网中起重要分配电能作用的网络。如何基于无线充电技术实现配电网无人机的自动巡检,是电网公司面临一项技术挑战,其研究成果将大幅提高无人机自主作业能力,全面提升配电网巡检效率,降低基层班组人员巡检工作量。而规划无人机的有效路径是提高巡检效率,节约能源的有效途径,目前针对无人机飞行路径是趋于避障的规划路径方法,避障算法可分为全局路径规划与局部路径规划,然而还未有一种多机巢的无人机飞行路径规划方法。
发明内容
针对现有技术中的缺陷,本发明提供了一种基于多机巢多无人机调度的飞行路径规划方法,具体技术方案如下:
一种基于多机巢多无人机调度的飞行路径规划方法,包括以下步骤:
S1:确定巡检范围,巡检范围内有若干个已知坐标的杆塔和已知每段配电线路的长度;所述杆塔包括支路杆塔和干路杆塔;所述支路杆塔为连接仅有一条配电线路段的杆塔;所述干路杆塔为连接有至少两条配电线路段的杆塔;巡检范围内设置有若干个机巢,所述机巢用于对无人机进行无线充电;
S2:若干个充满电的无人机分别出发对巡检范围内的配电线路段进行巡检;
S3:控制平台对无人机的飞行路径进行初步规划;
S4:控制平台对每个无人机的路径规划后,得到每个无人机的巡检路径,以所有无人机飞行的总路程之和最小为目标函数对步骤S3中规划的飞行路径进行进一步优化;
S5:控制平台优化得到每个无人机的路径后,以优化结果控制对应每个无人机的飞行。
优选地,所述机巢设置在干路杆塔上。
优选地,所述步骤S3中具体为:
S31:控制平台根据无人机数量划分与无人机数量相等的巡检子区,每个巡检子区包括支路杆塔、干路杆塔;每个无人机巡检一个巡检子区;
S32:每个无人机遍历检索子区中所有配电线路后飞回起点,并得到每个无人机飞过的总路程。
优选地,所述步骤S31中无人机选择从其中一个支路杆塔开始巡检,该支路杆塔连接的配电线路段与无人机飞至该支路杆塔的距离之和小于无人机充满电时能够飞行的最大路程。
优选地,巡检子区的划分方式为:巡检子区内的配电线路段相交或者为不中断的配电线路。
优选地,所述步骤S32中包括:实时获取无人机的剩余电量、坐标并预测对应剩余电量能够飞行的路程,并且实时计算无人机的坐标离所有机巢的最近距离,当对应剩余电量能够飞行的路程大于距离机巢的最近距离,并且对应剩余电量能够飞行的路程与距离机巢的最近距离之差达到设定阈值时,无人机飞去距离最近的机巢进行充电后原路返回,并从离开去机巢充电前的坐标继续巡检,直至巡检完对应的巡检子区。
优选地,无人机采用Dijkstra算法得到巡检对应的巡检子区走过的最短路径,并且走过的轨迹覆盖巡检子区的所有配电线路段。
优选地,采用遗传算法更新划分的检索子区,直至找到最优的巡检子区划分方式,使得所有无人机走过的路程之和最小。
优选地,若无人机飞去对应距离最近的机巢的路径为正在巡检的配电线路段中未巡检的剩余部分,则在无人机充电后无需返回离开去机巢充电前的坐标处,并且无人机以充电的机巢所在位置作为起始点继续巡检对应的巡检子区。
本发明的有益效果为: 本发明提供了一种基于多机巢多无人机调度的飞行路径规划方法,以所有无人机飞行的总路程之和最小为目标函数进行寻优,先从局部最优再到全局最优,得到最优解,如此提高了巡检效率,节约了能源。其中,先对检索范围划分检索子区,将全局最优问题转换为局部最优问题,并且控制平台对每个检索子区并行计算最优解,提高了求解效率。其次,本发明实时获取无人机与机巢的距离,并以最小距离作为重复飞行路段,并且若无人机飞去对应距离最近的机巢的路径为正在巡检的配电线路段中未巡检的剩余部分,则在无人机充电后无需返回离开去机巢充电前的坐标处,并且无人机以充电的机巢所在位置作为起始点继续巡检对应的巡检子区,进一步加快了计算无人机飞行最短路径的速度,快速得到局部最短路径。
本发明采用Dijkstra(迪杰斯特拉)算法求解巡检子区的最短路径,Dijkstra算法是典型的单源最短路径算法,用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。Dijkstra算法是很有代表性的最短路径算法,可以快速收敛,提高了运算速度。
本发明采用遗传算法更新划分的检索子区,遗传算法具有很好的收敛性,可以快速获得全局最优解。
巡检子区内的配电线路段相交或者为不中断的配电线路,如此可以降低巡检配电线路段时的重复率,加快得到最优路线规划和最短路径,提高了本发明的计算效率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为巡检范围示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
一种基于多机巢多无人机调度的飞行路径规划方法,包括以下步骤:
S1:确定巡检范围,巡检范围内有若干个已知坐标的杆塔和已知每段配电线路的长度;杆塔包括支路杆塔和干路杆塔;支路杆塔为连接仅有一条配电线路段的杆塔;干路杆塔为连接有至少两条配电线路段的杆塔;巡检范围内设置有若干个机巢,机巢用于对无人机进行无线充电。其中机巢设置在干路杆塔上。如图1所示,两个相邻杆塔的坐标已知,则其之间的配电线路段的长度采用以下公式计算,则巡检范围变为一张带距离的无向图。
S2:若干个充满电的无人机分别出发对巡检范围内的配电线路段进行巡检;
S3:控制平台对无人机的飞行路径进行初步规划;具体为:
S31:控制平台根据无人机数量划分与无人机数量相等的巡检子区,每个巡检子区包括支路杆塔、干路杆塔;每个无人机巡检一个巡检子区;无人机选择从其中一个支路杆塔作为起始点开始巡检,该支路杆塔连接的配电线路段与无人机飞至该支路杆塔的距离之和小于无人机充满电时能够飞行的最大路程。巡检子区的划分方式为:巡检子区内的配电线路段相交或者为不中断的配电线路。
S32:每个无人机遍历检索子区中所有配电线路后飞回起点,并得到每个无人机飞过的总路程。具体包括:控制平台实时获取无人机的剩余电量、坐标并预测对应剩余电量能够飞行的路程,并且实时计算无人机的坐标离所有机巢的最近距离,当对应剩余电量能够飞行的路程大于距离机巢的最近距离,并且对应剩余电量能够飞行的路程与无人机距离机巢的最近距离之差达到设定阈值时,无人机飞去距离最近的机巢进行充电后原路返回,并从离开去机巢充电前的坐标继续巡检,直至巡检完对应的巡检子区。若无人机飞去对应距离最近的机巢的路径为正在巡检的配电线路段中未巡检的剩余部分,则在无人机充电后无需返回离开去机巢充电前的坐标处,并且无人机以充电的机巢所在位置作为起始点继续巡检对应的巡检子区。
本发明中各个无人机和机巢之间相互组网并可进行信息交互,在无人机飞去机巢进行充电前无人机与机巢进行信息交互,确定其具有空余停机位,无人机返回选定的机巢进行充电;若是没有空位,则通过控制平台获取正在该机巢充电的无人机距离充满电的剩余时间,若是等待超过设定等待时长的阈值,则选择剩余机巢中与无人机距离最近的且有空余停机位的机巢进行充电,如此循环,直至找到最合适的机巢进行充电。
其中,对应剩余电量能够飞行的路程的计算方法为:建立电池剩余电量百分比随时间变化的数学模型,根据数学模型计算无人机当前电量与报警电量的时间差,根据无人机的飞行速度与时间差相乘得到无人机对应剩余电量能够飞行的路程。
无人机距离机巢的距离采用两点距离公式进行计算,即根据无人机的坐标和机巢的坐标进行计算。
无人机采用Dijkstra算法或蚁群算法得到巡检对应的巡检子区走过的最短路径,并且走过的轨迹覆盖巡检子区的所有配电线路段。
无人机采用Dijkstra算法得到巡检对应的巡检子区走过的最短路径,具体原理为:Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法,用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。Dijkstra算法是很有代表性的最短路径算法,设G=(V,E)是一个带权有向图,把图中顶点集合V分成两组,第一组为已求出最短路径的顶点集合(用S表示,初始时S中只有一个源点,以后每求得一条最短路径 , 就将加入到集合S中,直到全部顶点都加入到S中,算法就结束了),第二组为其余未确定最短路径的顶点集合(用U表示),按最短路径长度的递增次序依次把第二组的顶点加入S中。在加入的过程中,总保持从源点v到S中各顶点的最短路径长度不大于从源点v到U中任何顶点的最短路径长度。此外,每个顶点对应一个距离,S中的顶点的距离就是从v到此顶点的最短路径长度,U中的顶点的距离,是从v到此顶点只包括S中的顶点为中间顶点的当前最短路径长度。
(1) 初始时,S只包含起点s;U包含除s外的其他顶点,且U中顶点的距离为"起点s到该顶点的距离"[例如,U中顶点v的距离为(s,v)的长度,然后s和v不相邻,则v的距离为∞]。
(2) 从U中选出"距离最短的顶点k",并将顶点k加入到S中;同时,从U中移除顶点k。
(3) 更新U中各个顶点到起点s的距离。之所以更新U中顶点的距离,是由于上一步中确定了k是求出最短路径的顶点,从而可以利用k来更新其它顶点的距离;例如,(s,v)的距离可能大于(s,k)+(k,v)的距离。
(4) 重复步骤(2)和(3),直到遍历完所有顶点。
当上述路径覆盖对应巡检子区的所有配电线路段时,并且得到巡检完整个巡检子区的最短路径时,所得到的方案则为巡检子区的局部最优方案,改方案包括巡检路路径、路径长度、充电的机巢坐标参数。
S4:控制平台对每个无人机的路径规划后,得到每个无人机的巡检路径,以所有无人机飞行的总路程之和最小为目标函数对步骤S3中规划的飞行路径进行进一步优化;具体地,采用遗传算法更新划分的检索子区,直至找到最优的巡检子区划分方式,使得所有无人机走过的路程之和最小。
S5:控制平台优化得到每个无人机的路径后,以优化结果控制对应每个无人机的飞行。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的实施例中,应该理解到,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元可结合为一个单元,一个单元可拆分为多个单元,或一些特征可以忽略等。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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:其依然可以对前述各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各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (9)
1.一种基于多机巢多无人机调度的飞行路径规划方法,其特征在于:包括以下步骤:
S1:确定巡检范围,巡检范围内有若干个已知坐标的杆塔和已知每段配电线路的长度;所述杆塔包括支路杆塔和干路杆塔;所述支路杆塔为连接仅有一条配电线路段的杆塔;所述干路杆塔为连接有至少两条配电线路段的杆塔;巡检范围内设置有若干个机巢,所述机巢用于对无人机进行无线充电;
S2:若干个充满电的无人机分别出发对巡检范围内的配电线路段进行巡检;
S3:控制平台对无人机的飞行路径进行初步规划;
S4:控制平台对每个无人机的路径规划后,得到每个无人机的巡检路径,以所有无人机飞行的总路程之和最小为目标函数对步骤S3中规划的飞行路径进行进一步优化;
S5:控制平台优化得到每个无人机的路径后,以优化结果控制对应每个无人机的飞行。
2.根据权利要求1所述的一种基于多机巢多无人机调度的飞行路径规划方法,其特征在于:所述机巢设置在干路杆塔上。
3.根据权利要求2所述的一种基于多机巢多无人机调度的飞行路径规划方法,其特征在于:所述步骤S3中具体为:
S31:控制平台根据无人机数量划分与无人机数量相等的巡检子区,每个巡检子区包括支路杆塔、干路杆塔;每个无人机巡检一个巡检子区;
S32:每个无人机遍历检索子区中所有配电线路后飞回起点,并得到每个无人机飞过的总路程。
4.根据权利要求3所述的一种基于多机巢多无人机调度的飞行路径规划方法,其特征在于:所述步骤S31中无人机选择从其中一个支路杆塔开始巡检,该支路杆塔连接的配电线路段与无人机飞至该支路杆塔的距离之和小于无人机充满电时能够飞行的最大路程。
5.根据权利要求3所述的一种基于多机巢多无人机调度的飞行路径规划方法,其特征在于:巡检子区的划分方式为:巡检子区内的配电线路段相交或者为不中断的配电线路。
6.根据权利要求3所述的一种基于多机巢多无人机调度的飞行路径规划方法,其特征在于:所述步骤S32中包括:
实时获取无人机的剩余电量、坐标并预测对应剩余电量能够飞行的路程,并且实时计算无人机的坐标离所有机巢的最近距离,当对应剩余电量能够飞行的路程大于距离机巢的最近距离,并且对应剩余电量能够飞行的路程与距离机巢的最近距离之差达到设定阈值时,无人机飞去距离最近的机巢进行充电后原路返回,并从离开去机巢充电前的坐标继续巡检,直至巡检完对应的巡检子区。
7.根据权利要求3所述的一种基于多机巢多无人机调度的飞行路径规划方法,其特征在于:无人机采用Dijkstra算法得到巡检对应的巡检子区走过的最短路径,并且走过的轨迹覆盖巡检子区的所有配电线路段。
8.根据权利要求3所述的一种基于多机巢多无人机调度的飞行路径规划方法,其特征在于:采用遗传算法更新划分的检索子区,直至找到最优的巡检子区划分方式,使得所有无人机走过的路程之和最小。
9.根据权利要求6所述的一种基于多机巢多无人机调度的飞行路径规划方法,其特征在于:若无人机飞去对应距离最近的机巢的路径为正在巡检的配电线路段中未巡检的剩余部分,则在无人机充电后无需返回离开去机巢充电前的坐标处,并且无人机以充电的机巢所在位置作为起始点继续巡检对应的巡检子区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111204524.9A CN113946161B (zh) | 2021-10-15 | 2021-10-15 | 一种基于多机巢多无人机调度的飞行路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111204524.9A CN113946161B (zh) | 2021-10-15 | 2021-10-15 | 一种基于多机巢多无人机调度的飞行路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113946161A true CN113946161A (zh) | 2022-01-18 |
CN113946161B CN113946161B (zh) | 2024-07-19 |
Family
ID=79330706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111204524.9A Active CN113946161B (zh) | 2021-10-15 | 2021-10-15 | 一种基于多机巢多无人机调度的飞行路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113946161B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114756054A (zh) * | 2022-04-08 | 2022-07-15 | 国网浙江省电力有限公司湖州供电公司 | 一种基于5g的特高压密集输电通道多机协同巡检方法 |
CN114967753A (zh) * | 2022-06-30 | 2022-08-30 | 广东电网有限责任公司 | 输电线路巡检***部署方法、装置、存储介质和设备 |
CN115133874A (zh) * | 2022-06-28 | 2022-09-30 | 西安万飞控制科技有限公司 | 一种无人机联动巡查光伏电站故障检测的方法及*** |
CN115913341A (zh) * | 2023-01-09 | 2023-04-04 | 广东电网有限责任公司佛山供电局 | 巡检方法、***、机库和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207218351U (zh) * | 2017-08-18 | 2018-04-10 | 华南理工大学 | 一种电力巡检无人机的全天候无线充电平台 |
CN110011223A (zh) * | 2019-05-07 | 2019-07-12 | 江苏方天电力技术有限公司 | 适于区域输电线路的多无人机协作巡检方法和*** |
CN112013324A (zh) * | 2020-09-25 | 2020-12-01 | 东来智慧交通科技(深圳)有限公司 | 用于无人机充电的智能杆 |
CN112297937A (zh) * | 2020-11-17 | 2021-02-02 | 南京大学 | 一种多无人机及多充电基站充电调度调度方法和装置 |
CN112731960A (zh) * | 2020-12-02 | 2021-04-30 | 国网辽宁省电力有限公司阜新供电公司 | 一种无人机远程输电线路智能巡检***和方法 |
CN112882494A (zh) * | 2021-03-30 | 2021-06-01 | 槃汩工业技术(岳阳)有限公司 | 基于分布式机库的无人机回收方法及*** |
CN113110580A (zh) * | 2021-04-19 | 2021-07-13 | 山东领亿智能技术有限公司 | 一种输电线路多机协同巡检***与方法 |
CN113110601A (zh) * | 2021-04-01 | 2021-07-13 | 国网江西省电力有限公司电力科学研究院 | 一种无人机电力线路巡检路径优化方法及装置 |
CN113313852A (zh) * | 2021-05-26 | 2021-08-27 | 徐州新电高科电气有限公司 | 无人机巡检*** |
-
2021
- 2021-10-15 CN CN202111204524.9A patent/CN113946161B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207218351U (zh) * | 2017-08-18 | 2018-04-10 | 华南理工大学 | 一种电力巡检无人机的全天候无线充电平台 |
CN110011223A (zh) * | 2019-05-07 | 2019-07-12 | 江苏方天电力技术有限公司 | 适于区域输电线路的多无人机协作巡检方法和*** |
CN112013324A (zh) * | 2020-09-25 | 2020-12-01 | 东来智慧交通科技(深圳)有限公司 | 用于无人机充电的智能杆 |
CN112297937A (zh) * | 2020-11-17 | 2021-02-02 | 南京大学 | 一种多无人机及多充电基站充电调度调度方法和装置 |
CN112731960A (zh) * | 2020-12-02 | 2021-04-30 | 国网辽宁省电力有限公司阜新供电公司 | 一种无人机远程输电线路智能巡检***和方法 |
CN112882494A (zh) * | 2021-03-30 | 2021-06-01 | 槃汩工业技术(岳阳)有限公司 | 基于分布式机库的无人机回收方法及*** |
CN113110601A (zh) * | 2021-04-01 | 2021-07-13 | 国网江西省电力有限公司电力科学研究院 | 一种无人机电力线路巡检路径优化方法及装置 |
CN113110580A (zh) * | 2021-04-19 | 2021-07-13 | 山东领亿智能技术有限公司 | 一种输电线路多机协同巡检***与方法 |
CN113313852A (zh) * | 2021-05-26 | 2021-08-27 | 徐州新电高科电气有限公司 | 无人机巡检*** |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114756054A (zh) * | 2022-04-08 | 2022-07-15 | 国网浙江省电力有限公司湖州供电公司 | 一种基于5g的特高压密集输电通道多机协同巡检方法 |
CN115133874A (zh) * | 2022-06-28 | 2022-09-30 | 西安万飞控制科技有限公司 | 一种无人机联动巡查光伏电站故障检测的方法及*** |
CN114967753A (zh) * | 2022-06-30 | 2022-08-30 | 广东电网有限责任公司 | 输电线路巡检***部署方法、装置、存储介质和设备 |
CN115913341A (zh) * | 2023-01-09 | 2023-04-04 | 广东电网有限责任公司佛山供电局 | 巡检方法、***、机库和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113946161B (zh) | 2024-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113946161A (zh) | 一种基于多机巢多无人机调度的飞行路径规划方法 | |
CN110428111B (zh) | Uav/ugv协同长时多任务作业轨迹规划方法 | |
CN111047086B (zh) | 车辆路径规划与无人机任务分配联合优化方法和装置 | |
Liu et al. | Application of unmanned aerial vehicle hangar in transmission tower inspection considering the risk probabilities of steel towers | |
CN107025806B (zh) | 一种单阶段临时航迹鲁棒优化方法 | |
Fu et al. | Real-time UAV routing strategy for monitoring and inspection for postdisaster restoration of distribution networks | |
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 | |
CN115840468A (zh) | 一种应用于复杂电磁环境下的配电网无人机自主巡线方法 | |
CN113110601A (zh) | 一种无人机电力线路巡检路径优化方法及装置 | |
CN114779830A (zh) | 一种基于动态阈值的巡检无人机电量监测管理方法及*** | |
CN113989952A (zh) | 基于分布式电源网点的电力设备巡视*** | |
CN114911255A (zh) | 一种面向通信中继保障的异构多无人机协同航迹规划方法 | |
Nagarajan et al. | A routing algorithm for inspecting grid transmission system using suspended robot: Enhancing cost-effective and energy efficient infrastructure maintenance | |
Zhang et al. | Optimal model for patrols of UAVs in power grid under time constraints | |
CN115935610A (zh) | 一种架空线路无人机巡检策略优化方法和*** | |
CN112527010A (zh) | 基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法 | |
Kliushnikov et al. | UAV fleet based accident monitoring systems with automatic battery replacement systems: Algorithms for justifying composition and use planning | |
Saatloo et al. | Hierarchical user-driven trajectory planning and charging scheduling of autonomous electric vehicles | |
Xiang-Yin et al. | Differential evolution-based receding horizon control design for multi-UAVs formation reconfiguration | |
CN115574826B (zh) | 基于强化学习的国家公园无人机巡护路径优化方法 | |
CN113359864B (zh) | 一种无人机巡线航迹规划方法及其*** | |
Tang et al. | A heuristic path planning algorithm for inspection robots | |
CN116301057A (zh) | 一种无人机巡检***及方法 | |
CN113657636B (zh) | 一种电网运行方式图的自动规划生成算法 | |
Arokhlo et al. | Route guidance system using multi-agent reinforcement learning |
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 |