CN115357044A - 无人机集群配网线路巡检路径规划方法、设备及介质 - Google Patents
无人机集群配网线路巡检路径规划方法、设备及介质 Download PDFInfo
- Publication number
- CN115357044A CN115357044A CN202210979046.7A CN202210979046A CN115357044A CN 115357044 A CN115357044 A CN 115357044A CN 202210979046 A CN202210979046 A CN 202210979046A CN 115357044 A CN115357044 A CN 115357044A
- Authority
- CN
- China
- Prior art keywords
- harmony
- unmanned aerial
- aerial vehicle
- distribution network
- vehicle cluster
- 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.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 87
- 238000009826 distribution Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000010845 search algorithm Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 238000013507 mapping Methods 0.000 claims abstract description 3
- 230000006870 function Effects 0.000 claims description 13
- 125000004122 cyclic group Chemical group 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 3
- 101100177269 Arabidopsis thaliana HCAR gene Proteins 0.000 claims 2
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012876 topography 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种无人机集群配网线路巡检路径规划方法、设备及介质，其巡检路径规划方法包括如下步骤：S1：建立无人机集群配网线路巡检路径规划模型；S2：基于所建立的无人机集群配网线路巡检路径规划模型，采用和声搜索算法将巡检路径的寻优过程映射到寻找最美和声中；S3：在和声搜索算法中引入参数自适应调节策略，利用所改进的和声搜索算法对无人机集群配网线路巡检路径规划模型进行优化，从而得到无人机集群巡检最优路径。本发明通过无人机集群进行协同巡检，使无人机集群在已确定的巡检任务要求下，能够在最短时间内出动最少架次无人机来完成配网线路巡检任务，有效提高巡检效率，降低巡检成本。
Description
技术领域
本发明属于电力巡检技术领域，具体涉及无人机巡检技术领域。
背景技术
随着社会的发展和工业产能的提升，当今社会对电力资源的需求越来越大，电力供应的可靠性要求也越来越高。作为电力***运维管理的基础内容——配电线路的维护与检修是重点。繁重复杂、安全性差、效率低是传统人工巡检无法避开的缺点。近年来，随着无人机技术的飞速发展，无人机已被广泛应用于军事、娱乐、农业、救援、航空航天、电力巡检等领域。无人机技术支持下的配电线路巡检克服了巡检区域跨度大、地形复杂、自然环境恶劣、配电线路设备长期暴露引发的材料老化等问题，巡检效率、精确度和成本优势更为明显。
无人机巡检飞行路径规划是目前无人机巡检的一个主要研究方向。当前对于无人机路径规划算法，大部分集中于单无人机的研究，对于多无人机路径规划研究相对比较少。无人机集群协同路径规划问题相较于单无人机路径规划问题，约束条件更多，协同性要求更高，计算更加复杂，实现更为困难。现有研究一般基于单无人机单次路径规划，由于无人机续航能力有限，导致巡检效率低。现有路径规划算法中，传统算法不适用于无人机集群飞行路径规划，遗传算法等群智能仿生优化算法易陷入局部最优。
发明内容
本发明所要解决的技术问题就是提供一种基于和声搜索算法的无人机集群配网线路巡检路径规划方法，通过无人机集群飞行路径规划提高巡检效率。
为解决上述技术问题，本发明采用如下技术方案：
基于和声搜索算法的无人机集群配网线路巡检路径规划方法，包括如下步骤：
S1：建立无人机集群配网线路巡检路径规划模型，包括确定无人机集群配网线路路径规划目标函数以及与目标函数对应的无人机集群配网线路巡检路径规划约束，目标函数为无人机群在任意仓库站点之间巡检代价最小的飞行路径，
其中，α表示某种规划方案，N表示所使用的无人机数量，T表示总飞行时间，R为一个总是大于总飞行时间的数；
无人机集群配网线路巡检路径规划约束包括无人机性能约束、客观环境威胁约束、配网线路巡检要求约束；
S2：基于所建立的无人机集群配网线路巡检路径规划模型，采用和声搜索算法将巡检路径的寻优过程映射到寻找最美和声中；
S3：在和声搜索算法中引入参数自适应调节策略，利用所改进的和声搜索算法对无人机集群配网线路巡检路径规划模型进行优化，从而得到无人机集群巡检最优路径。
优选的，所述无人机性能约束包括最长飞行时间、飞行高度；所述客观环境威胁约束包括碰撞约束、地理围栏约束；所述配网线路巡检要求约束包括巡检任务、路径完整性、路径规划方案的循环使用性；其中：
最长飞行时间：由无人机的自身性能所决定，无人机在执行线路巡检的最长飞行时间的限制；
飞行高度：设hi表示第i段航线的飞行高度，hmin表示最低飞行高度，hmax表示最大飞行高度，该约束表示为：
hmin≤h≤hmax i＝1,2,3,…,n (2)
碰撞约束：无人机集群协同飞行执行任务需要考虑集群在空间域、时间域上的协同关系；
地理围栏约束：无人机集群在执行任务时，各控制站平台无人机集群要始终在设定的航线范围内飞行，禁止飞出航线范围之外的领域，并考虑防止飞行至进入禁入地理区域；
巡检任务：配网线路巡检区域内的n座电力杆塔和m段输电线；
路径完整性：规划得到的路线应是从任意仓库站点起飞在任意仓库站点降落的完整路径；
路径规划方案的循环使用性：任务结束后，每个仓库站点原有的无人机数量不变。
优选的，所述步骤S2具体步骤如下：
S21：设定和声搜索算法的基本参数，包括和声库大小、和声记忆库、和声库学习概率、音调调整率、音调调整带宽、最大迭代次数Kmax；
S22：随机生成与HMS数量相等的可行和声变量存入和声记忆库中作为初始和声记忆库。
优选的，所述步骤S3具体步骤如下：
S31：计算自适应的和声库学习概率、音调调整率和音调调整带宽；
其中，HCMRi为第i次搜索时的和声记忆库学习概率，PCRi为第i次搜索时的音调调整率，Ki为当前迭代次数，HCMRmin为最小和声记忆库学习概率，HCMRmax为最大和声记忆库学习概率，PARmin为最小音调调整率，PARmax为最大音调调整率；
S32：根据自适应HMCR产生新的和声，产生(0,1)之间的随机数rand1，若rand1小于HMCR，则在和声库内随机生成一个和声变量，否则，在和声库外随机生成一个和声变量；
S33：当通过步骤32产生一组和声变量后，若该和声变量是从和声库中得到，则在(0,1)之间生产随机数rand2，若rand2小于PAR，根据式(5)进行音调带宽调整，得到新和声变量；
S34：对所生成的新和声变量进行扰动调节，对生成的新和声变量进行更新；
S35：将更新后的新和声变量和初始和声记忆库合并，进行非支配排序，得出各层Pareto最优前沿；
S36：根据最优解的非支配序选择出HMS数量相等的和声变量，更新和声记忆库；
S37：判断迭代终止条件，若满足则停止迭代，输出Pareto最优解集；否则返回S31。
优选的，所述扰动调节包括在所述新和声变量的部分新和声变量中随机指定的两个位置，互换两个位置的变量，得到扰动后的新解；随机删除某个新和声变量，取新和声变量库中最优和声与最差和声的均值作为代替。
另外一方面，本发明提供了一种计算机设备，包括至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行所述的基于和声搜索算法的无人机集群配网线路巡检路径规划方法。
此外，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现所述的基于和声搜索算法的无人机集群配网线路巡检路径规划方法。
相比现有技术，本发明基于和声搜索算法的无人机集群配网线路巡检路径规划方法可以通过无人机集群进行协同巡检，提高巡检效率。
基于和声搜索算法进行无人机集群配网线路巡检路径规划，无需对目标函数和约束函数进行严格的数学处理，可针对各类复杂问题并行求解和分布式处理，引入参数自适应调整策略，根据迭代次数产生合适的参数值，从而增强了算法的全局搜索能力，增加解的多样性，不易陷入局部最优。
相比于现有技术采用和声搜索算法进行单架单次无人机巡检路径规划，本发明针对多架无人机协同巡检的特点，对无人机集群飞行巡检的目标函数和路径规划约束设计进行改进，在巡检任务要求确定的情况下，除针对单架无人机的约束外，设计了碰撞约束、路径完整性和路径规划方案循环使用性的约束，使无人机集群在已确定的巡检任务要求下，能够在最短时间内出动最少架次无人机来完成配网线路巡检任务，并且该方案可周期循环性运行工作，有效提高巡检效率，降低巡检成本。
本发明采用的具体技术方案及其带来的有益效果将会在下面的具体实施方式中结合附图中予以详细的揭露。
附图说明
下面结合附图和具体实施方式对本发明作进一步描述：
图1为本发明的整体流程图。
图2为无人机集群配网线路巡检示意图。
图3为改进和声搜索算法流程图。
具体实施方式
下面结合本发明实施例的附图对本发明实施例的技术方案进行解释和说明，但下述实施例仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其他实施例，都属于本发明的保护范围。
以下结合附图和实施方式对本发明作进一步的说明。
如图1所示为本发明的整体流程图，一种基于和声搜索算法的无人机集群配网线路巡检路径规划方法，具体包括以下步骤：
S1：建立无人机集群配网线路巡检路径规划模型，包括确定无人机集群配网线路路径规划目标函数以及与目标函数对应的无人机集群配网线路巡检路径规划约束。
无人机集群巡检配网线路路径规划目标函数，找出无人机群在任意仓库站点之间巡检代价最小的飞行路径，包括所使用的无人机数量N和总飞行时间T，
其中，α表示某种规划方案，R为一个总是大于总飞行时间的数,即第二项的值总是介于0到1之间,以此保证优化目标的主次性。
无人机集群配网线路巡检路径规划约束包括：无人机性能约束、客观环境威胁约束、配网线路巡检要求约束；确定无人机集群配网线路路径规划目标函数，建立无人机集群配网线路巡检的路径规划模型；
所述无人机性能约束包括最长飞行时间、飞行高度；客观环境威胁约束包括碰撞约束、地理围栏约束；配网线路巡检要求约束包括巡检任务、路径完整性、路径规划方案的循环使用性；具体如下：
最长飞行时间：由无人机的自身性能所决定，无人机在执行线路巡检的最长飞行时间的限制；
飞行高度：为保证无人机飞行安全，需要对无人机飞行高度加以约束。设hi表示第i段航线的飞行高度，hmin表示最低飞行高度，hmax表示最大飞行高度，该约束表示为：
hmin≤h≤hmax i＝1,2,3,…,n (2)
碰撞约束：无人机集群协同飞行执行任务需要考虑集群在空间域、时域上的协同关系，对于碰撞冲突的判断需要从航行空间、时间耦合角度进行综合判断；
地理围栏约束：无人机集群在执行任务时，各控制站平台无人机集群要始终在设定的航线范围内飞行，禁止飞出航线范围之外的领域，与此同时，还应考虑防止飞行至进入禁入地理区域；
巡检任务：配网线路巡检区域内的n座电力杆塔和m段输电线；
路径完整性：规划得到的路线应是从任意仓库站点起飞在任意仓库站点降落的完整路径；
路径规划方案的循环使用性：任务结束后,每个仓库站点原有的无人机数量不变,保证路径规划方案可循环使用。
如图2所示为无人机集群配网线路巡检示意图，以输电线路中的输电线和电力杆塔为巡检对象，将每个电力杆塔视作一个独立的任务点，两杆塔之间的输电线缆视作独立的任务线段。在配网线路巡检区域设置固定无人机仓库站点，用于无人机停放、充电与存储，并允许每个无人机在任意站点起飞和降落，图中示意的无人机包括UAV1、UAV2、UAV3、UAV4。
为实现无人机集群配网线路巡检路径寻优过程，基于和声搜索算法引入参数自适应调节策略，改进的和声搜索算法流程图如图3所示。
S2：基于所建立的无人机集群配网线路巡检路径规划模型，采用和声搜索算法，将巡检路径的寻优过程映射到寻找最美和声中，模拟乐师们通过反复调整各个乐器声调组合成和声，不断更新调整以达到最美和声状态的过程，具体步骤如下：
S21：设定和声搜索算法的基本参数：和声库大小(HMS)、和声记忆库(HM)、和声库学习概率(HMCR)、音调调整率(PAR)、音调调整带宽(BW)、最大迭代次数Kmax；
S22：随机生成与HMS数量相等的可行和声变量存入和声记忆库中作为初始和声记忆库；
S3：在和声搜索算法中引入参数自适应调节策略，利用所改进的和声搜索算法对无人机集群配网线路巡检路径规划模型进行优化，从而得到无人机集群巡检最优路径，具体步骤如下：
S31：计算自适应的和声库学习概率(HMCR)、音调调整率(PAR)和音调调整带宽(BW)；
其中，HCMRi为第i次搜索时的和声记忆库学习概率，PCRi为第i次搜索时的音调调整率，Ki为当前迭代次数，HCMRmin为最小和声记忆库学习概率，HCMRmax为最大和声记忆库学习概率，PARmin为最小音调调整率，PARmax为最大音调调整率；
S32：根据自适应HMCR产生新的和声，产生(0,1)之间的随机数rand1，若rand1小于HMCR，则在和声库内随机生成一个和声变量，否则，在和声库外随机生成一个和声变量；
S33：当通过步骤32产生一组和声变量后，若该和声变量是从和声库中得到，则在(0,1)之间生产随机数rand2，若rand2小于PAR，根据式(5)进行音调带宽调整，得到新和声变量；
S34：对所生成的新和声变量进行扰动调节，对生成的新和声变量进行更新，具体操作包括：在所述新和声变量的部分新和声变量中随机指定的两个位置，互换两个位置的变量，得到扰动后的新解；随机删除某个新和声变量，取新和声变量库中最优和声与最差和声的均值作为代替；
S35：将更新后的新和声变量和初始和声记忆库合并，进行非支配排序，得出各层Pareto最优前沿；
S36：根据最优解的非支配序选择出HMS数量相等的和声变量，更新和声记忆库；
S37：判断迭代终止条件，若满足则停止迭代，输出Pareto最优解集；否则返回S31。
本发明采用计算机设备进行基于和声搜索算法的无人机集群配网线路巡检路径规划和计算，参考常用计算机设备的结构，包括至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行所述的基于和声搜索算法的无人机集群配网线路巡检路径规划方法。
计算机设备运行时，需要计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现所述的基于和声搜索算法的无人机集群配网线路巡检路径规划和计算。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，熟悉该本领域的技术人员应该明白本发明包括但不限于附图和上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。
Claims (7)
1.基于和声搜索算法的无人机集群配网线路巡检路径规划方法，其特征在于，包括如下步骤：
S1：建立无人机集群配网线路巡检路径规划模型，包括确定无人机集群配网线路路径规划目标函数以及与目标函数对应的无人机集群配网线路巡检路径规划约束，目标函数为无人机群在任意仓库站点之间巡检代价最小的飞行路径，
其中，α表示某种规划方案，N表示所使用的无人机数量，T表示总飞行时间，R为一个总是大于总飞行时间的数；
无人机集群配网线路巡检路径规划约束包括无人机性能约束、客观环境威胁约束、配网线路巡检要求约束；
S2：基于所建立的无人机集群配网线路巡检路径规划模型，采用和声搜索算法将巡检路径的寻优过程映射到寻找最美和声中；
S3：在和声搜索算法中引入参数自适应调节策略，利用所改进的和声搜索算法对无人机集群配网线路巡检路径规划模型进行优化，从而得到无人机集群巡检最优路径。
2.根据权利要求1所述的基于和声搜索算法的无人机集群配网线路巡检路径规划方法，其特征在于，所述无人机性能约束包括最长飞行时间、飞行高度；所述客观环境威胁约束包括碰撞约束、地理围栏约束；所述配网线路巡检要求约束包括巡检任务、路径完整性、路径规划方案的循环使用性；其中：
最长飞行时间：由无人机的自身性能所决定，无人机在执行线路巡检的最长飞行时间的限制；
飞行高度：设hi表示第i段航线的飞行高度，hmin表示最低飞行高度，hmax表示最大飞行高度，该约束表示为：
hmin≤h≤hmax i＝1,2,3,…,n (2)
碰撞约束：无人机集群协同飞行执行任务需要考虑集群在空间域、时间域上的协同关系；
地理围栏约束：无人机集群在执行任务时，各控制站平台无人机集群要始终在设定的航线范围内飞行，禁止飞出航线范围之外的领域，并考虑防止飞行至进入禁入地理区域；
巡检任务：配网线路巡检区域内的n座电力杆塔和m段输电线；
路径完整性：规划得到的路线应是从任意仓库站点起飞在任意仓库站点降落的完整路径；
路径规划方案的循环使用性：任务结束后，每个仓库站点原有的无人机数量不变。
3.根据权利要求1所述的基于和声搜索算法的无人机集群配网线路巡检路径规划方法，其特征在于，所述步骤S2具体步骤如下：
S21：设定和声搜索算法的基本参数，包括和声库大小、和声记忆库、和声库学习概率、音调调整率、音调调整带宽、最大迭代次数Kmax；
S22：随机生成与HMS数量相等的可行和声变量存入和声记忆库中作为初始和声记忆库。
4.根据权利要求1所述的基于和声搜索算法的无人机集群配网线路巡检路径规划方法，其特征在于，所述步骤S3具体步骤如下：
S31：计算自适应的和声库学习概率、音调调整率和音调调整带宽；
其中，HCMRi为第i次搜索时的和声记忆库学习概率，PCRi为第i次搜索时的音调调整率，Ki为当前迭代次数，HCMRmin为最小和声记忆库学习概率，HCMRmax为最大和声记忆库学习概率，PARmin为最小音调调整率，PARmax为最大音调调整率；
S32：根据自适应HMCR产生新的和声，产生(0,1)之间的随机数rand1，若rand1小于HMCR，则在和声库内随机生成一个和声变量，否则，在和声库外随机生成一个和声变量；
S33：当通过步骤32产生一组和声变量后，若该和声变量是从和声库中得到，则在(0,1)之间生产随机数rand2，若rand2小于PAR，根据式(5)进行音调带宽调整，得到新和声变量；
S34：对所生成的新和声变量进行扰动调节，对生成的新和声变量进行更新；
S35：将更新后的新和声变量和初始和声记忆库合并，进行非支配排序，得出各层Pareto最优前沿；
S36：根据最优解的非支配序选择出HMS数量相等的和声变量，更新和声记忆库；
S37：判断迭代终止条件，若满足则停止迭代，输出Pareto最优解集；否则返回S31。
5.根据权利要求4所述的基于和声搜索算法的无人机集群配网线路巡检路径规划方法，其特征在于，所述扰动调节包括在所述新和声变量的部分新和声变量中随机指定的两个位置，互换两个位置的变量，得到扰动后的新解；随机删除某个新和声变量，取新和声变量库中最优和声与最差和声的均值作为代替。
6.一种计算机设备，其特征在于，包括至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至5任一项所述的基于和声搜索算法的无人机集群配网线路巡检路径规划方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至5任一项所述的基于和声搜索算法的无人机集群配网线路巡检路径规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210979046.7A CN115357044A (zh) | 2022-08-16 | 2022-08-16 | 无人机集群配网线路巡检路径规划方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210979046.7A CN115357044A (zh) | 2022-08-16 | 2022-08-16 | 无人机集群配网线路巡检路径规划方法、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115357044A true CN115357044A (zh) | 2022-11-18 |
Family
ID=84033204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210979046.7A Pending CN115357044A (zh) | 2022-08-16 | 2022-08-16 | 无人机集群配网线路巡检路径规划方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115357044A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115796421A (zh) * | 2023-01-30 | 2023-03-14 | 北京智芯微电子科技有限公司 | 配网设备运行监控自动巡视方法、***及终端设备 |
| CN117408496A (zh) * | 2023-12-12 | 2024-01-16 | 深圳市道格恒通科技有限公司 | 巡检方法及智能无线巡检仪 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103631758A (zh) * | 2013-11-21 | 2014-03-12 | 陕西理工学院 | 一种改进和声搜索算法求解非线性规划及绝对值方程的方法 |
| CN107180277A (zh) * | 2017-05-24 | 2017-09-19 | 江西理工大学 | 应用精英反向和声搜索的无人机巡检路径规划方法 |
| CN107329473A (zh) * | 2017-07-09 | 2017-11-07 | 江西理工大学 | 基于均值和声搜索的机器人巡检路径规划方法 |
| CN111614081A (zh) * | 2020-05-22 | 2020-09-01 | 国网宁夏电力有限公司电力科学研究院 | 基于负荷预测模型的城市配电网降损优化方法 |
| CN113776532A (zh) * | 2021-07-27 | 2021-12-10 | 昆明理工大学 | 一种基于分组混合优化群搜索算法的无人机巡检线路航迹规划方法 |
-
2022
- 2022-08-16 CN CN202210979046.7A patent/CN115357044A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103631758A (zh) * | 2013-11-21 | 2014-03-12 | 陕西理工学院 | 一种改进和声搜索算法求解非线性规划及绝对值方程的方法 |
| CN107180277A (zh) * | 2017-05-24 | 2017-09-19 | 江西理工大学 | 应用精英反向和声搜索的无人机巡检路径规划方法 |
| CN107329473A (zh) * | 2017-07-09 | 2017-11-07 | 江西理工大学 | 基于均值和声搜索的机器人巡检路径规划方法 |
| CN111614081A (zh) * | 2020-05-22 | 2020-09-01 | 国网宁夏电力有限公司电力科学研究院 | 基于负荷预测模型的城市配电网降损优化方法 |
| CN113776532A (zh) * | 2021-07-27 | 2021-12-10 | 昆明理工大学 | 一种基于分组混合优化群搜索算法的无人机巡检线路航迹规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| 周杨 等: "基于和声搜索算法的公交线路规划方法研究", 现代交通技术, vol. 18, no. 3, 30 June 2021 (2021-06-30) * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115796421A (zh) * | 2023-01-30 | 2023-03-14 | 北京智芯微电子科技有限公司 | 配网设备运行监控自动巡视方法、***及终端设备 |
| CN117408496A (zh) * | 2023-12-12 | 2024-01-16 | 深圳市道格恒通科技有限公司 | 巡检方法及智能无线巡检仪 |
| CN117408496B (zh) * | 2023-12-12 | 2024-03-26 | 深圳市道格恒通科技有限公司 | 巡检方法及智能无线巡检仪 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115357044A (zh) | 无人机集群配网线路巡检路径规划方法、设备及介质 | |
| CN111786713B (zh) | 一种基于多智能体深度强化学习的无人机网络悬停位置优化方法 | |
| CN112511250B (zh) | 一种基于drl的多无人机空中基站动态部署方法及*** | |
| CN107844632A (zh) | 基于和声搜索算法的稀布线阵栅瓣抑制方法 | |
| Wei et al. | Computation offloading over multi-UAV MEC network: A distributed deep reinforcement learning approach | |
| CN110288165A (zh) | 基于快速聚类和优化分配的多目标无人监测跟踪方法 | |
| CN110347181B (zh) | 基于能耗的无人机分布式编队控制方法 | |
| CN105225003A (zh) | 一种布谷鸟搜索算法解决uav多任务侦察决策问题的方法 | |
| CN113872661B (zh) | 面向接入用户分级服务的无人机网络三维部署方法及*** | |
| CN106845623A (zh) | 一种基于人工鱼群算法的电力无线专网基站规划方法 | |
| Wang et al. | Joint UAV placement optimization, resource allocation, and computation offloading for THz band: A DRL approach | |
| CN114638155A (zh) | 一种基于智能机场的无人机任务分配与路径规划方法 | |
| CN111885493B (zh) | 一种基于改进布谷鸟搜索算法的微云部署方法 | |
| CN114442664A (zh) | 一种计及空域冲突的输电线路无人机编队协同巡检任务分配方法 | |
| CN115119174A (zh) | 灌区场景中基于能耗优化的无人机自主部署方法 | |
| Zong et al. | Deployment of high altitude platforms network: a game theoretic approach | |
| CN116709290A (zh) | 一种基于无人机边缘计算的灾害地区应急通信方法及*** | |
| CN110662272A (zh) | 一种基于蜂群无人机的最少数量领航者选取方法 | |
| CN115574826B (zh) | 基于强化学习的国家公园无人机巡护路径优化方法 | |
| CN114943168B (zh) | 一种水上浮桥组合方法及*** | |
| CN112234599B (zh) | 一种多元复杂城市电网超前动态自适应分区方法及其*** | |
| Qian et al. | Optimal Path Selection for Fault Repair Based on Grid GIS Platform and Improved Fireworks Algorithm | |
| Liu et al. | Research on cooperative search technology of heterogeneous UAVs in complex environments | |
| Qiu et al. | Joint UAV Deployment and Task Offloading in Large-Scale UAV-Assisted MEC: A Multiobjective Evolutionary Algorithm | |
| LU503012B1 (en) | A Mobile Edge Computing Offloading Optimization Method Combined with Air and Ground |
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 |