CN115146882B - 一种空地协同巡检方法及*** - Google Patents
一种空地协同巡检方法及*** Download PDFInfo
- Publication number
- CN115146882B CN115146882B CN202211081716.XA CN202211081716A CN115146882B CN 115146882 B CN115146882 B CN 115146882B CN 202211081716 A CN202211081716 A CN 202211081716A CN 115146882 B CN115146882 B CN 115146882B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- unmanned aerial
- aerial vehicle
- mileage
- inspection
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Computer Graphics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种空地协同巡检方法及***,方法包括:巡检环境地图生成,若干监控区的动态增删操作,根据若干监控区进行自动化最短路径生成并根据无人机续航里程进行最短路径的划段,依据划段确定起落配合坐标生成预巡检方案,并能实现预巡检方案的自动化动态更新,实现空地协同巡检作业。本发明能实现监控区增删后的自动化监控飞行轨迹分段,同时能依据无人机有效里程进行动态合理划分,使得空地协同巡检方案得到自动规划与执行。通过实际飞行里程与耗电量数据融合,使得各分段规划路径运行更安全,同时易于实现耗能优化管理后的分段更新,满足单段巡检行程有效覆盖率需求。巡检方案与巡检续航高度关联,使得有效执行周期得到充分延长。
Description
技术领域
本发明涉及一种空地协同巡检方法及***,属于智能巡检作业的技术领域。
背景技术
生产作业安全性至关重要,目前存在较多高危行业,诸如电厂、化工厂、冶炼厂等,均存在较大地作业风险,因此定时定期巡检是生产安全的保障,而此类厂区含有大量地作业设备,存在巡检任务量重及巡检安全隐患等问题。
目前巡检普遍采用机器换人的方式,即通过定点监控或移动点监控的方式实现无人巡检监控,满足巡检效率与巡检安全性需求。其中,无人移动式巡检包括无人机巡检或者无人机与无人车相结合的巡检。
公布号CN112053461A的中国发明专利揭示了一种基于无人机的电力巡检方法,其采用无人机实现了巡检作业,无人机有效飞行作业时间较短,很难满足大范围巡检作业需求,另外,监控现场存在诸多障碍,需要进行路障清除等作业,较难推广实施。
公布号CN112013907A的中国发明专利揭示了一种电力无人机巡检路径规划方法,其存在巡检起飞点、降落点、路径点的设计,同时通过障碍物规避路线设计满足巡检飞行轨迹设定需求,但是其主要通过人工测绘障碍物的方式进行路线设定,而障碍物存在移动、生长等不确定性,因此也无法满足无人机的固定轨迹安全性,另外无人机续航能力也不足。
而美国卡内基梅隆大学和宾夕法尼亚大学合作研究了一种空地协作的地面监测***,利用无人驾驶飞行器覆盖搜索目标的大区域,此研究为解决无人机上的传感器受限于其对地面上目标的定位精度,部署了无人地面车辆以准确地定位地面目标,但是它们具有无法移动的缺点。
针对此情况,授权公告号CN216231915U所揭示的一种持续续航无人车和无人机协同巡检***,即其存在无人车对无人机进行持续充电供给,满足无人机间断式持续巡检作业需求,而无人车存在移动特征,但是其并未对无人机的具体巡检路径等进行阐述,仅提供了空地关联配合设备。
中科院沈阳自动化研究所针对空地机器人路径规划问题进行了研究,采用基于图论的路径规划方式,采用的集和分析大量数据具有数据量大和对计算能力需求高的特点。而无人机计算能力较弱,执行任务的时延过高,同时耗电量也较大。瑞士苏黎世大学发表了关于地面机器人在可移动障碍物间空中导航的空地协同***的研究结果,并提出了一种能够区分移动障碍物和固定障碍物的规划算法,使整个任务能够在没有任何人类互动的情况下执行,并尽可能地减少了机器人之间的通信问题。但该方法存在定位精度问题,并且适用范围有限。
针对此情况,公布号CN114020007A的中国发明专利揭示了无人机与无人车组队巡逻方法、***、装置,其通过云平台和调度子***实现对了无人机与无人车的运行控制,使得无人机与无人车的接驳最大限度压缩无人机的返程电量,但是,该方案中,对无人机和无人车的控制为云平台指令,即需要根据云平台进行调度指令远传通信,远传通讯调度存在延迟性,同时对无人机导航数据要求较高,在响应过程中存在较多风险,另外,其产生的大量调度指令需要较高地实时性,很难实现高效响应。同时,其巡检路线与实际巡检会存在较大差异,且巡检范围和落点位置存在差异。
在进行无人机路径规划时,传统巡检采用片区管理的方式,即进行人工的巡检片区划分与片区巡检路径规划,人工巡检片区与路径规划是依托于无人机的有效续航里程,而巡检片区为固定划片、无人机续航里程存在续航衰减,因此会出现无人机有效续航里程不足以完成一个环闭地巡检作业任务情况,此情形下,需要进行无人机维护或者存在接驳人工干涉,使得无人机里程得不到较优地利用,而巡检区域也存在动态地监控区调整,当进行动态监控区调整时,需要人工重新划分片区与重新路径规划,导致巡检方案执行困难。另外,在进行无人机续航里程监控过程中,其采用电源管理器数据为依据进行规划,而电源管理器为动态数据,很难实际反应巡检运行状态,导致人工设定路径存在行程不合理现象,影响到有效巡检周期与巡检任务稳定运行,人工干涉频繁且易出现***失控风险。
发明内容
本发明的目的是解决上述现有技术的不足,针对传统空地巡检配合存在人工干涉频繁与巡检方案僵化影响巡检执行的问题,提出一种空地协同巡检方法及***。
为了达到上述目的,本发明所采用的技术方案为:
一种空地协同巡检方法,包括:
巡检环境地图生成,在巡检环境地图中进行若干监控区的动态增删操作,所述监控区包括编辑监控点位模型、编辑线性路径模型、编辑盘旋路径模型,
所述编辑监控点位模型包括定点坐标,所述编辑线性路径模型包括起点坐标、终点坐标,所述编辑盘旋路径模型包括盘旋中点坐标、盘旋半径,所述定点坐标、所述起点坐标、所述终点坐标及所述盘旋中点坐标分别具备最近空地路径,所述编辑线性路径模型和所述编辑盘旋路径模型分别具备监控规划路径,
获取巡检环境地图与无人机续航里程,根据所述巡检环境地图内的监控区及监控区的监控规划路径进行自动化最短路径生成、并根据无人机续航里程与监控区的最近空地路径进行最短路径的划段,依据划段确定地面移动设备的起落配合坐标生成预巡检方案,
并且在所述监控区动态变化和/或所述无人机续航里程动态变化时,对所述预巡检方案进行动态更新,
根据当前预巡检方案进行空地协同巡检作业。
优选地,获取各划段巡检执行过程中无人机剩余续航里程与当前划段完成度,进行无人机剩余续航里程与当前划段完成度关联监控,当出现无人机剩余续航里程存在风险时中断监控作业迫降至最近起落配合坐标,并触发剩余监控区的预巡检方案动态更新。
优选地,记录无人机根据所述预巡检方案执行的实际飞行里程,
通过所述实际飞行里程进行最短路径的重新生成与划段,得到校准巡检方案,
所述实际飞行里程包括监控区至监控区之间的飞行里程、监控区至最近空地路径的飞行里程、监控区内监控规划路径的飞行里程。
优选地,获取无人机各飞行里程的平均电源消耗数据与各飞行里程对应的有效航程,对平均电源消耗数据与有效航程进行数据融合,根据数据融合信息对无人机的实际飞行里程进行关联校准,依据关联校准后的实际飞行里程进行校准巡检方案的更新,
所述平均电源消耗数据为无人机当前飞行里程的动力电源消耗数据、主机电源消耗数据、监控模块消耗数据的均值。
优选地,根据巡检环境地图与无人机实时位置坐标对监控模块进行智能控制管理,记录对应的监控模块电源消耗数据对平均电源消耗数据进行更新。
本发明还提出了一种空地协同巡检***,所述规划处理单元包括应急监控模块,获取各划段巡检执行过程中无人机剩余续航里程与当前划段完成度,进行无人机剩余续航里程与当前划段完成度关联监控,当出现无人机剩余续航里程存在风险时中断监控作业迫降至最近起落配合坐标,并触发剩余监控区的预巡检方案动态更新。
优选地,所述规划处理单元包括动态更新模块,所述动态更新模块记录无人机根据所述预巡检方案执行的实际飞行里程,
通过所述实际飞行里程进行最短路径的重新生成与划段,得到校准巡检方案,
所述实际飞行里程包括监控区至监控区之间的飞行里程、监控区至最近空地路径的飞行里程、监控区内监控规划路径的飞行里程。
优选地,所述规划处理单元包括数据融合更新模块,所述数据融合更新模块用于获取无人机各飞行里程的平均电源消耗数据与各飞行里程对应的有效航程,对平均电源消耗数据与有效航程进行数据融合,根据数据融合信息对无人机的实际飞行里程进行关联校准,依据关联校准后的实际飞行里程进行校准巡检方案的更新,
所述平均电源消耗数据为无人机当前飞行里程的动力电源消耗数据、主机电源消耗数据、监控模块消耗数据的均值。
优选地,所述规划处理单元包括监控模块管理更新模块,所述监控模块管理更新模块用于根据巡检环境地图与无人机实时位置坐标对监控模块进行智能控制管理,记录对应的监控模块电源消耗数据对平均电源消耗数据进行更新。
本发明的有益效果主要体现在:
1.能实现监控区增删后的自动化监控飞行轨迹分段,同时能依据无人机有效里程进行动态合理划分,使得空地协同巡检方案得到自动规划与执行。
2.根据巡检里程数据采样与最近空地路径相结合,使得监控飞行轨迹分段自动化动态更新更合理可靠。
3.通过实际飞行里程与耗电量数据融合,使得各分段规划路径运行更安全,同时易于实现耗能优化管理后的分段更新,满足单段巡检行程有效覆盖率需求。
4.巡检方案与巡检续航高度关联,使得有效执行周期得到充分延长,降低了人工干预作业量与规划成本,同时维持安全连续化高效运行。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本发明空地协同巡检应用场景的示意图。
图2是本发明一种空地协同巡检方法实施例一的流程示意图。
图3是本发明中监控区的编辑示意图。
图4是本发明实施例一中最短路径的示意图。
图5是本发明实施例一中最短路径动态更新的示意图。
图6是本发明实施例一中最短路径划段的示意图。
图7是本发明实施例三中校准巡检方案生成的示意图。
图8是本发明一种空地协同巡检***的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
如图1所示,图1是本发明实施例提供的一种空地协同巡检的应用场景示意图,该应用场景包括巡检场地、监控区、通讯基塔、控制中心、无人机、地面移动设备、地面移动设备移动区域,一般情况下,控制中心通过通讯基塔及远传模块与无人机及地面移动设备之间构建远传通信,同时无人机与地面移动设备之间也存在空地交互通信。
对本发明提供一种空地协同巡检方法进行具体描述,如图2所示,为本发明实施例一的流程示意图,如图3所示,为本发明中监控区编辑的示意图,图4为本发明实施例一中最短路径的示意图,图5是本发明实施例一中最短路径动态更新的示意图。
步骤S101:巡检环境地图生成,在巡检环境地图中进行若干监控区的动态增删操作。
对该监控区进行说明,监控区包括编辑监控点位模型、编辑线性路径模型、编辑盘旋路径模型,编辑监控点位模型包括定点坐标,编辑线性路径模型包括起点坐标、终点坐标,编辑盘旋路径模型包括盘旋中点坐标、盘旋半径,定点坐标、起点坐标、终点坐标及盘旋中点坐标分别具备最近空地路径,编辑线性路径模型和编辑盘旋路径模型分别具备监控规划路径。
即巡检环境地图中集成有编辑监控点位模型、编辑线性路径模型、编辑盘旋路径模型,这些模型为可删减及编辑模型。即能实现在巡检环境地图上的编辑增删。
在进行定点坐标监控时,仅需要增加编辑监控点位模型,在编辑监控点位模型中进行定点坐标的编辑即可。
在进行线性路径规划监控时,模型中本身存在起点坐标、终点坐标,并具备起点至终点的自动连线路径规划,仅需要对起点坐标和终点坐标进行坐标信息编辑即可。
在进行盘旋监控时,对盘旋中点进行坐标编辑并进行盘旋半径值设置即可。
步骤S102:获取巡检环境地图与无人机续航里程,根据所述巡检环境地图内的监控区及监控区的监控规划路径进行自动化最短路径生成、并根据无人机续航里程与监控区的最近空地路径进行最短路径的划段,依据划段确定地面移动设备的起落配合坐标生成预巡检方案,并且在所述监控区动态变化和/或所述无人机续航里程动态变化时,对所述预巡检方案进行动态更新。
步骤S103:根据当前预巡检方案进行空地协同巡检作业。
具体地实现过程及原理说明:
在进行巡检作业前,进行巡检环境地图的生成及监控区的动态增删操作,具体地,巡检环境地图为当前巡检区域的三维地图,一般利用建模软件与卫星地图进行关联配合,具备对应坐标系,满足监控区标记需求,即满足起点坐标、终点坐标、盘旋中点坐标、定点坐标对照编辑,同时满足半径对照值设定需求。而无人机续航里程为无人机满电状态下的有效续航里程,其一般为由无人机电源管理器进行耗能换算的虚拟计算里程。
由于监控区存在动态增删操作,因此传统监控划片很难满足监控区分布合理性需求,例如,参照图4所示,其存在监控区A、监控区B、监控区C、监控区D、监控区E、监控区F、监控区G、监控区H、监控区I、监控区J、监控区K、监控区L,传统划片时,采用针对巡检地图的均匀式划片,当均匀划片后,会出现局部区域监控区非常密集的情况,造成各划片区巡检轨迹不均匀现象,长程监控飞行得不到保障。
同时,在实际巡检过程中,监控区域内监控区又存在增减变化,如图5中,其存在监控区M、监控区N的增添,一般情况下,需要根据增减量进行相应地三维地图更新,再进行人工划片与监控轨迹的设定,地图更新、人工划片、监控轨迹等作业非常繁琐,且很难保障规划路径合理性,巡检运行时常出现无人机行程不足应急返航现象,造成巡检任务无法达成的情况发生。
本案中,能实现周期性更新智能分段,该周期性更新的第一要素为巡检环境地图的更新,第二要素为无人机续航里程的更新。更具体地,当出现巡检环境地图上监控区增删更新时,其实现自动更新,另一种为当无人机续航里程出现衰减阈值触发时,进行轨迹分段自动更新,一般情况下,无人机续航里程由无人机的电池管理器进行动态反馈,而该衰减阈值触发即为一定百分比的衰减,例如5%或者10%。
具体地,首先获取巡检环境地图与当前无人机续航里程,依托三维地图进行监控区与监控区之间的轨迹里程抓取,并且进行各监控区本身具备的监控规划路径数据抓取,进行若干监控区之间无重复最短总轨迹产生,再根据无人机续航里程进行最短总轨迹的合理划段,根据各划段的分段轨迹进行最近的起落配合坐标确认,从而得到预巡检方案,需要说明的是,在进行无人机续航里程数据代入计算时,一般会预留20%的安全里程量,从而满足任意分段轨迹的起始点或终点能安全抵达与其最近的地面移动设备上。
该最短路径一般具备最短要素,该最短要素一般包括线程、时间等,在进行预巡检方案确定时,其要素为依托三维地图的点与点之间的线程,即在无重复最短总轨迹产生时,其存在大量排列组合的总线程计算,选择总线程最短的方案即可。
参照图4所示,最短连线轨迹线路为监控区A、监控区B、监控区C、监控区D、监控区E、监控区F、监控区G、监控区H、监控区I、监控区J、监控区K、监控区L。
当巡检环境地图上出现监控区删减时,进行最短总轨迹自动更新,并根据当前无人机续航里程进行重新巡检划段。
而当增删监控区时,如图5所示,最短连线轨迹线路产生非常大的变化,其存在循序等迥然差异,能实现最短飞行行程规划与分段,图中未对监控规划路径进行展示,监控规划路径也是第一要素,在进行监控区点连时,监控规划路径的起点和终点作为两个固定点介入最短连线计算,且两个固定点的连线为固定路径。
当无人机续航里程触发设定衰减阈值时,进行当前最短总轨迹的重新巡检划段。即每个巡检划段的行程会小于无人机续航里程,在实际划段时,其存在总轨迹路径与划段的分路径,按照固定里程进行划段属于一般计算,在此不对其具体划段进行展开描述。
而当根据监控飞行轨迹分段及起落配合坐标确认后,无人机和地面移动设备根据当前监控飞行轨迹分段与起落配合坐标进行空地协同巡检作业。
具体地,按照飞行轨迹分段进行先后顺序的巡检作业,由地面移动设备进行起落配合坐标的响应,由无人机进行各分段的巡检运行。
一般情况下地面移动设备移动区域覆盖范围较广,而实施例一主要是存在无人机飞行优先级考虑,而在一些特定状态下,如图6所示,为本发明实施例一最短路径划段的示意图,比如发电厂、石化等领域,其存在大量地限制区域与空间,此时地面移动设备的可执行起落配合坐标受到严重影响,一般情况下,采用限制区域内的定点起落或者通过无人机续航来补足此起落行程,此时对路径规划带来较为苛刻地影响。
针对此情况,步骤S201:获取各监控区的最近空地路径及各监控区内的监控规划路径,根据最近空地路径、无人机续航里程、监控规划路径对最短路径进行划段。
即在进行若干监控区之间无重复最短总轨迹产生时,以全面覆盖监控区无重复为首要规划要点,在以无人机续航里程进行合理划段时,采用了最近空地路径的要素,即每个监控区具备一个至地面移动设备移动区域的最近空地路径,在进行划段时,采用监控区之间轨迹、轨迹起点末点的最近空地路径、监控区内的监控规划路径进行复合运算,从而得到具备安全起航与返航行程的合理规划。
实施例二
一般情况下,巡检方案中的监控路径是在无人机的有效续航行程中,而无人机电池存在衰减且飞行过程中存在可能的避障等急剧电能消耗,因此会存在风险,尤其是在电厂等复杂环境中,容易造成无人机坠落等事故。
针对此情况,本实施例获取各划段巡检执行过程中无人机剩余续航里程与当前划段完成度,进行无人机剩余续航里程与当前划段完成度关联监控,当出现无人机剩余续航里程存在风险时中断监控作业迫降至最近起落配合坐标,并触发剩余监控区的预巡检方案动态更新。
具体地说明,一般情况下,无人机存在剩余电量数据,而根据剩余电量数据与耗电里程可以得到无人机剩余续航里程,而划段的行程需要在无人机剩余续航里程内才能完全实现,因此,本实施例对无人机剩余续航里程和划段完成度进行了监控,当无人机剩余续航里程无法完成剩余完成度时,触发迫降。
细化地,划段存在依据无人机当前位置度的百分比进度监控与换算里程监控,因此换算里程与无人机剩余续航里程存在相对照的关联,并且存在无人机至最近起落配合坐标的监控数据,无人机剩余续航里程中存在至最近起落配合坐标的阈值控制,即在无人机剩余续航里程达到阈值前的里程量无法完成当前划段完成度时,直接迫降至安全起落配合坐标,从而消除无人机坠机风险。该阈值是根据无人机位置进行动态变化配合的。
另外,在其降落后,对未完成的监控区进行预巡检方案动态更新,从而满足剩余监控区的完全覆盖监控。
实施例三
记录无人机根据所述预巡检方案执行的实际飞行里程,通过实际飞行里程进行最短路径的重新生成与划段,得到校准巡检方案,实际飞行里程包括监控区至监控区之间的飞行里程、监控区至最近空地路径的飞行里程、监控区内监控规划路径的飞行里程。
参照图7所示,无人机在进行巡检分段运行时,其存在起落配合坐标至监控区之间的飞行行程、监控区至监控区之间的换区飞行行程、在监控区内的飞行执行任务行程,各飞行过程中,均存在可能地避障路径、调整增加行程等。
因此,预巡检方案用于进行无实际数据参照的预规划分段,在进行空地协同巡检任务进行后,再进行实际飞行里程的数据交互,根据实际飞行里程数据进行无重复最短总轨迹产生。
需要说明的是,在此实际飞行里程交互过程中,进行动态地数据融合与更新,具体地,一般情况下,每个监控区作为起末点、各监控区之间相连都属于概率事件,因此在新路径规划过程中,各监控区之间的实际里程、每个监控区作为起点或终点的实际里程及每个监控区内的实际里程都是合理划段的重要参考数据,同时巡检过程中也存在一定地动态变化,例如树木生长、作业空间拆除或新建等。
因此,存在一个用于存储实际飞行里程的采样数据库,通过多个样本进行有效数据筛选,具体地,当出现至少两次关联数据时,即表示当前采样数据有效,以最新采样数据作为动态更新依据,当出现最新采样数据较大偏差时,依据前一个采样数据作为动态更新依据,在接下来巡检过程中,当出现与该最新采样数据相关联时,再进行新采样数据更新。
细化地说明,该实际飞行里程为根据三维模拟地图获得的实际轨迹行程或者由无人机的电源管理器根据电源消耗进行飞行时间换算的飞行里程。
即该校准巡检方案中的最短路径存在两种依据要素,一种是按照三维地图的线程数据、另一种是基于无人机的时间换算数据。无论采用哪种要素,均能满足合理最短路径产生需求,不同地是,线程数据依托坐标位移换算,而时间换算数据依托于无人机的飞行计时。
实施例四
在一些无人机实际飞行里程监控中,采用无人机电调模块进行实际里程换算,或者直接通过电量消耗率进行整体行程换算,而在实际无人机飞行过中,其存在悬停、非电调模块耗电、空中姿态调整等综合损耗,因此以无人机本身电源管理器计算的实际里程与有效里程存在非常大的差异。而由三维地图抓取的线程数据又无法反馈准确的分段耗能关联性,因此最短路径产生时,其存在线程优先级和耗能优先级的选择。
本实施例中,获取无人机各飞行里程的平均电源消耗数据与各飞行里程对应的有效航程,对平均电源消耗数据与有效航程进行数据融合,根据数据融合信息对无人机的实际飞行里程进行关联校准,依据关联校准后的实际飞行里程进行校准巡检方案的更新,
平均电源消耗数据为无人机当前飞行里程的动力电源消耗数据、主机电源消耗数据、监控模块消耗数据的均值。
无人机一般通过电源管理器的耗能情况进行相应地预算飞行时间与预算飞行里程转换,其耗能情况主要为周期性更新,类似于汽车油耗率,其也存在动态变化的耗能率,还耗能率变化曲线非常大,很难实现精确的数据参照。
针对此情况,本实施例中,采集无人机每个飞行里程的平均电源消耗数据与每个飞行里程的有效续航,该有效续航包括时间属性和三维坐标轨迹,通过对其进行数据融合后,得到每个飞行里程的差异化地耗能、时间、里程关联数据,此时依托该关联数据能实现实际飞行里程的换算,从而使得校准巡检方案得到更新。
具体地,此实施例中,依托时间换算数据作为最短路径要素,其存在时间与里程关联的实际里程换算与对应时间的耗能数据计算,换算的实际里程用于最短路径生成,换算的耗能数据用于分段优化,如此与无人机巡检耗能相动态关联,摒弃传统无人机电源管理器的较大误差参考数据,满足精确化行程控制需求。
实施例五
根据巡检环境地图与无人机实时位置坐标对监控模块进行智能控制管理,记录对应的监控模块电源消耗数据对平均电源消耗数据进行更新。
具体地说明,在无人机进行点至点、线性位移、盘旋位移、朝向姿态调整、影像采集、监控热成像等运行过中,会出现较大波动的电能损耗,导致依托电能损耗换算的时间属性与里程属性存在非常大的误差。
针对此情况,根据巡检环境地图和无人机实时位置坐标能实现对无人机监控模块的智能控制管理,使得每个巡检段的电源消耗得到控制,同时在循环检测作业过程中,会产生大量地经验数据与经验控制数据,使得每个巡检段的平均电源消耗数据趋于平稳,得到对应当前巡检段的有效耗能评价,此时根据该有效耗能评价能实现校准巡检方案精确更新。
需要说明的是,无人机存在因为电池损耗及元器件老化等情况引起的耗能数据变化,因此在进行校准巡检方案更新前,会设置耗能评价触发,即当耗能率出现较大变动时,才进行方案更新,该触发可以通过一个阈值或多个结合阈值进行有效触发。
本发明还提供了一种空地协同巡检***,如图8所示,该***包括:
中央主控单元,用于巡检环境地图生成,在巡检环境地图中进行若干监控区的动态增删操作。
规划处理单元,用于获取巡检环境地图与无人机续航里程,根据所述巡检环境地图内的若干监控区进行自动化最短路径生成并根据无人机续航里程进行最短路径的划段,依据划段确定地面移动设备的起落配合坐标生成预巡检方案,
并且在所述监控区动态变化和/或所述无人机续航里程动态变化时,对所述预巡检方案进行动态更新。
执行单元,根据当前预巡检方案进行空地协同巡检作业。
该中央主控单元一般为远程监控中心,其能实现空地协同巡检实时动态展示,同时还具备一些用于巡检环境的其它定点监控、控制信息等展示。通过远程监控中心能实现巡检环境地图中的监控区的动态增删作业。
该规划处理单元可以设置在远程监控中心内,也可以设置在地面移动设备上,其具备较高地运算能力,能实现各种信息获取、处理、指令生成等,满足监控飞行轨迹分段、起落配合坐标等生成需求,同时满足各远传通讯构建需求。
执行单元即为无人机和地面移动设备,其能接收规划处理单元控制实现任务响应。
在一个具体实施例中,规划处理单元包括应急监控模块,应急监控模块用于获取各监控区的最近空地路径及各监控区内的监控规划路径,根据最近空地路径、无人机续航里程、监控规划路径对最短路径进行划段。
该应急监控模块用于监控飞行轨迹分段的计算与确认,满足对最近空地路径、无人机续航里程、监控区信息进行采集、抓取、计算,满足监控飞行轨迹分段产生需求。
在一个具体实施例中,规划处理单元包括动态更新模块,动态更新模块用于记录无人机根据所述预巡检方案执行的实际飞行里程,通过所述实际飞行里程进行最短路径的重新生成与划段,得到校准巡检方案,所述实际飞行里程包括监控区至监控区之间的飞行里程、监控区至最近空地路径的飞行里程、监控区内监控规划路径的飞行里程。
一般情况下,应急监控模块是通过三维地图信息进行必要数据的抓取从而实现预规划划分,此时无人机续航里程较为可靠,满足一定容错几率。
而在无人机实际执行任务后,其产生了实际飞行里程的经验数据,此时通过动态更新模块能实现根据经验数据的动态更新,当然,动态更新模块本身存在采样数据库,能通过多个样本进行有效数据筛选,使得动态更新的监控飞行轨迹与实际巡检匹配度得到可靠保障。
在一个具体实施例中,规划处理单元包括数据融合更新模块,数据融合更新模块用于获取无人机各飞行里程的平均电源消耗数据与各飞行里程对应的有效航程,对平均电源消耗数据与有效航程进行数据融合,根据数据融合信息对无人机的实际飞行里程进行关联校准,依据关联校准后的实际飞行里程进行校准巡检方案的更新,所述平均电源消耗数据为无人机当前飞行里程的动力电源消耗数据、主机电源消耗数据、监控模块消耗数据的均值。
该数据融合更新模块主要用于获得实际飞行里程与平均电源消耗数据信息,从而确保监控飞行轨迹分段的各个巡检段巡检可靠,起到安全保障,同时提供了可优化数据支撑。即提供了一个实际飞行里程与平均电源消耗数据的数据融合关联信息。
在一个具体实施例中,规划处理单元包括监控模块管理更新模块,监控模块管理更新模块用于根据巡检环境地图与无人机实时位置坐标对监控模块进行智能控制管理,记录对应的监控模块电源消耗数据对平均电源消耗数据进行更新。
该监控模块管理更新模块主要用于对无人机的非必要用电进行管理,使得其平均耗电里程得到延长,从而在分段动态更新时能覆盖更多地监控区。
本发明***实施例与本发明方法基于同样的发明构思。
需要说明的是,本发明中,执行单元、规划处理单元、执行单元均包括处理器、存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,指令、程序、代码集或指令集由处理器加载并执行,通过通讯交互以实现本发明的空地协同巡检方法。
通过以上描述可以发现一种空地协同巡检方法及***,能实现监控区增删后的自动化监控飞行轨迹分段,同时能依据无人机有效里程进行动态合理划分,使得空地协同巡检方案得到自动规划与执行。根据巡检里程数据采样与最近空地路径相结合,使得监控飞行轨迹分段自动化动态更新更合理可靠。通过实际飞行里程与耗电量数据融合,使得各分段规划路径运行更安全,同时易于实现耗能优化管理后的分段更新,满足单段巡检行程有效覆盖率需求。巡检方案与巡检续航高度关联,使得有效执行周期得到充分延长,降低了人工干预作业量与规划成本,同时维持安全连续化高效运行。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (4)
1.一种空地协同巡检方法,其特征在于包括:
巡检环境地图生成,在巡检环境地图中进行若干监控区的动态增删操作,所述监控区包括编辑监控点位模型、编辑线性路径模型、编辑盘旋路径模型,
所述编辑监控点位模型包括定点坐标,所述编辑线性路径模型包括起点坐标、终点坐标,所述编辑盘旋路径模型包括盘旋中点坐标、盘旋半径,所述定点坐标、所述起点坐标、所述终点坐标及所述盘旋中点坐标分别具备最近空地路径,所述编辑线性路径模型和所述编辑盘旋路径模型分别具备监控规划路径,
获取巡检环境地图与无人机续航里程,根据所述巡检环境地图内的监控区及监控区的监控规划路径进行自动化最短路径生成、并根据无人机续航里程与监控区的最近空地路径进行最短路径的划段,依据划段确定地面移动设备的起落配合坐标生成预巡检方案,
并且在所述监控区动态变化和/或所述无人机续航里程动态变化时,对所述预巡检方案进行动态更新,
根据当前预巡检方案进行空地协同巡检作业;
记录无人机根据所述预巡检方案执行的实际飞行里程,
通过所述实际飞行里程进行最短路径的重新生成与划段,得到校准巡检方案,
所述实际飞行里程包括监控区至监控区之间的飞行里程、监控区至最近空地路径的飞行里程、监控区内监控规划路径的飞行里程;
获取无人机各飞行里程的平均电源消耗数据与各飞行里程对应的有效航程,对平均电源消耗数据与有效航程进行数据融合,根据数据融合信息对无人机的实际飞行里程进行关联校准,依据关联校准后的实际飞行里程进行校准巡检方案的更新,
所述平均电源消耗数据为无人机当前飞行里程的动力电源消耗数据、主机电源消耗数据、监控模块消耗数据的均值;
根据巡检环境地图与无人机实时位置坐标对监控模块进行智能控制管理,记录对应的监控模块电源消耗数据对平均电源消耗数据进行更新,在进行校准巡检方案更新前,设置耗能评价触发,该触发通过一个阈值或若干个结合阈值进行有效触发。
2.根据权利要求1所述的一种空地协同巡检方法,其特征在于:
获取各划段巡检执行过程中无人机剩余续航里程与当前划段完成度,进行无人机剩余续航里程与当前划段完成度关联监控,当出现无人机剩余续航里程存在风险时中断监控作业迫降至最近起落配合坐标,并触发剩余监控区的预巡检方案动态更新。
3.一种空地协同巡检***,其特征在于所述***包括:
中央主控单元,用于巡检环境地图生成,在巡检环境地图中进行若干监控区的动态增删操作,所述监控区包括编辑监控点位模型、编辑线性路径模型、编辑盘旋路径模型,
所述编辑监控点位模型包括定点坐标,所述编辑线性路径模型包括起点坐标、终点坐标,所述编辑盘旋路径模型包括盘旋中点坐标、盘旋半径,所述定点坐标、所述起点坐标、所述终点坐标及所述盘旋中点坐标分别具备最近空地路径,所述编辑线性路径模型和所述编辑盘旋路径模型分别具备监控规划路径,
规划处理单元,用于获取巡检环境地图与无人机续航里程,根据所述巡检环境地图内的监控区及监控区的监控规划路径进行自动化最短路径生成、并根据无人机续航里程与监控区的最近空地路径进行最短路径的划段,依据划段确定地面移动设备的起落配合坐标生成预巡检方案,
并且在所述监控区动态变化和/或所述无人机续航里程动态变化时,对所述预巡检方案进行动态更新,
执行单元,根据当前预巡检方案进行空地协同巡检作业;
所述规划处理单元包括动态更新模块,所述动态更新模块记录无人机根据所述预巡检方案执行的实际飞行里程,
通过所述实际飞行里程进行最短路径的重新生成与划段,得到校准巡检方案,
所述实际飞行里程包括监控区至监控区之间的飞行里程、监控区至最近空地路径的飞行里程、监控区内监控规划路径的飞行里程;
所述规划处理单元包括数据融合更新模块,所述数据融合更新模块用于获取无人机各飞行里程的平均电源消耗数据与各飞行里程对应的有效航程,对平均电源消耗数据与有效航程进行数据融合,根据数据融合信息对无人机的实际飞行里程进行关联校准,依据关联校准后的实际飞行里程进行校准巡检方案的更新,
所述平均电源消耗数据为无人机当前飞行里程的动力电源消耗数据、主机电源消耗数据、监控模块消耗数据的均值;
所述规划处理单元包括监控模块管理更新模块,所述监控模块管理更新模块用于根据巡检环境地图与无人机实时位置坐标对监控模块进行智能控制管理,记录对应的监控模块电源消耗数据对平均电源消耗数据进行更新,在进行校准巡检方案更新前,设置耗能评价触发,该触发通过一个阈值或若干个结合阈值进行有效触发。
4.根据权利要求3所述的一种空地协同巡检***,其特征在于:
所述规划处理单元包括应急监控模块,用于获取各划段巡检执行过程中无人机剩余续航里程与当前划段完成度,进行无人机剩余续航里程与当前划段完成度关联监控,当出现无人机剩余续航里程存在风险时中断监控作业迫降至最近起落配合坐标,并触发剩余监控区的预巡检方案动态更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211081716.XA CN115146882B (zh) | 2022-09-06 | 2022-09-06 | 一种空地协同巡检方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211081716.XA CN115146882B (zh) | 2022-09-06 | 2022-09-06 | 一种空地协同巡检方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115146882A CN115146882A (zh) | 2022-10-04 |
CN115146882B true CN115146882B (zh) | 2022-12-02 |
Family
ID=83416282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211081716.XA Active CN115146882B (zh) | 2022-09-06 | 2022-09-06 | 一种空地协同巡检方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115146882B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934029B (zh) * | 2023-07-20 | 2024-06-04 | 南京海汇装备科技有限公司 | 一种基于人工智能的地空协作管理***及方法 |
CN117389293B (zh) * | 2023-10-31 | 2024-05-24 | 广州天海翔航空科技有限公司 | 巡检无人机飞行控制管理方法及*** |
CN117689187B (zh) * | 2024-02-04 | 2024-05-14 | 天津三号线轨道交通运营有限公司 | 一种用于轨道交通故障检测的数据监管方法及*** |
CN117994736B (zh) * | 2024-04-07 | 2024-06-14 | 青岛理工大学 | 三维可视化港口智能监测*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6134500A (en) * | 1999-06-03 | 2000-10-17 | United Air Lines, Inc. | System and method for generating optimal flight plans for airline operations control |
CN103812052B (zh) * | 2014-03-07 | 2016-06-01 | 国家电网公司 | 一种用于无人机输电线路巡检的集中监控***及监控方法 |
CN106568441B (zh) * | 2016-11-16 | 2020-01-10 | 国网山东省电力公司荣成市供电公司 | 一种利用基于北斗的电力巡检设备进行电力巡检的方法 |
CN106774389A (zh) * | 2016-12-09 | 2017-05-31 | 武汉科技大学 | 一种基于运动学习的四旋翼无人机电塔巡检方法 |
CN109840600A (zh) * | 2018-12-29 | 2019-06-04 | 天津大学 | Bim辅助的供水渠道无人机在线协同巡检*** |
CN114706419A (zh) * | 2022-03-17 | 2022-07-05 | 南京大学 | 基于bim的工程现场无人机协同巡检调度方法、*** |
-
2022
- 2022-09-06 CN CN202211081716.XA patent/CN115146882B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115146882A (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115146882B (zh) | 一种空地协同巡检方法及*** | |
CN110930770B (zh) | 一种基于管制意图和飞机性能模型的四维航迹预测方法 | |
CN109917767A (zh) | 一种分布式无人机集群自主管理***及控制方法 | |
CN110597286B (zh) | 一种利用智慧机库实现输电线路无人机自主巡检的方法 | |
CN111210184A (zh) | 一种数字孪生车间物料准时配送方法及*** | |
CN102859569A (zh) | 确定飞机的紧急情况着陆点 | |
CN115840468B (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 | |
CN104008674A (zh) | 一种基于模式匹配的终端区进场飞行时间预测方法 | |
CN113568427B (zh) | 无人机自主着陆移动平台的方法及*** | |
CN112650272B (zh) | 基于5g的煤矿井下无人机巡视信息感知方法及其感知*** | |
CN112817331A (zh) | 一种基于多机协同的林业信息智能监测*** | |
CN114706419A (zh) | 基于bim的工程现场无人机协同巡检调度方法、*** | |
CN115935610A (zh) | 一种架空线路无人机巡检策略优化方法和*** | |
CN111459190A (zh) | 面向规模化集中式光伏电站自动巡检的无人机及巡检方法 | |
CN117588265B (zh) | 一种煤矿瓦斯灾害综合治理的风险预警方法 | |
CN213262099U (zh) | 一种侧卸式纯电动无人驾驶矿用运输车 | |
CN115237157B (zh) | 一种路网约束下的空地无人集群多任务点路径规划方法 | |
CN116070811B (zh) | 基于航迹的航班绕飞判别处理方法、***和存储介质 | |
CN116578120A (zh) | 无人机调度方法、装置、无人机***和算机设备 | |
CN116794532A (zh) | 基于多模态传感器融合算法的无人机电池电量预测方法 | |
CN115314850A (zh) | 一种基于云边协同控制的智能运动*** | |
CN115469669A (zh) | 一种窄路会车方法、装置、设备及存储介质 | |
Tong et al. | An Energy-aware and Fault-tolerant Deep Reinforcement Learning based approach for Multi-agent Patrolling Problems | |
CN118134209B (zh) | 一种智慧港矿一体化管控与调度***及方法 | |
Song et al. | Research on an Unmanned VTOL Fixed Wing UAV System and Its Application |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230720 Address after: No.13-01, Shushan international enterprise Port Phase II, Liandong u Valley, 1499 Zhenxing Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee after: Zhizhan Technology Co.,Ltd. Address before: 210044 No. 219 Ning six road, Jiangbei new district, Nanjing, Jiangsu Patentee before: Nanjing University of Information Science and Technology |
|
TR01 | Transfer of patent right |