CN116578111A - 一种燃气管线巡检数据采集的无人机飞行控制方法及*** - Google Patents
一种燃气管线巡检数据采集的无人机飞行控制方法及*** Download PDFInfo
- Publication number
- CN116578111A CN116578111A CN202310327534.4A CN202310327534A CN116578111A CN 116578111 A CN116578111 A CN 116578111A CN 202310327534 A CN202310327534 A CN 202310327534A CN 116578111 A CN116578111 A CN 116578111A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- network
- sensor
- data
- 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 63
- 238000000034 method Methods 0.000 title claims abstract description 45
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 title claims abstract description 33
- 230000009471 action Effects 0.000 claims description 40
- 230000006870 function Effects 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 15
- 238000013480 data collection Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012512 characterization method Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 abstract description 24
- 239000007789 gas Substances 0.000 description 27
- 239000003345 natural gas Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种燃气管线巡检数据采集的无人机飞行控制方法及***，通过将无人机在燃气管道区域巡检和地面传感器数据收集任务建模为马尔科夫过程模型，得到无人机飞行控制***状态空间，搭建演员网络和评论家网络指导无人机执行最优动作策略，通过搭建传感器数据状态表征网络，对传感器历史数据和当前数据进行优化预测，得到完整的传感器时序信息状态。本发明能够实时、快速、准确的收集目标地点甲烷气体浓度测量值，对燃气管线工作状态进行准确检测。
Description
技术领域
本发明属于无人机控制领域，涉及一种燃气管线巡检数据采集的无人机飞行控制方法及***。
背景技术
天然气管线是天然气***的重要组成部分，它的安全可靠运行直接关系到国家经济的稳定发展，自然环境保护与污染防治问题。燃气管线部分管道由于长期暴露在自然环境中，不仅要承受正常机械载荷和燃气输送的内部压力，还要经受降雨、降雪、滑坡、人为打孔等外界侵害，这些因素将会促使管道各元件的老化，如不及时发现和消除，就可能发展成为各种故障，对于天然气***的安全和稳定构成严重的威胁。
天然气主要成分是甲烷，通过地面传感器检测天然气管道附近甲烷浓度值判断天然气管道是否存在泄露。目前常用的天然气管道巡检仍依靠巡检人员沿管道线路巡查的方式进行。该方法多采用手工记录的方式，巡检不到位，遗漏巡检点，数据保存不完整、不规范、不准确、数据丢失问题严重。此外，人工巡检还存在对隐患点(如管道腐蚀、管道泄漏)的上报时间长，对于隐患地点具体坐标描述不清等问题。燃气管线分布在各种环境，如平原、山区、丘陵、沙漠等，复杂的地形分布也为巡检增加了难度。
发明内容
本发明的目的在于解决现有技术中人工巡检不到位，遗漏巡检点，数据保存不完整、不规范、不准确、数据丢失，上报时间长，巡检困难的问题，提供一种燃气管线巡检数据采集的无人机飞行控制方法及***。
为达到上述目的，本发明采用以下技术方案予以实现：
一种燃气管线巡检数据采集的无人机飞行控制方法，包括：
将无人机在燃气管道区域巡检和地面传感器数据收集任务建模为马尔科夫过程模型，得到无人机飞行控制***状态空间；
搭建演员网络和评论家网络；
对演员网络和评论家网络进行训练，基于无人机飞行控制***状态空间，获得无人机当前***状态空间和无人机巡检飞行***的动作空间；
采集地面传感器所发送的燃气管线巡检数据，构建传感器数据状态表征网络；
基于传感器数据状态表征网络、地面传感器所采集的历史数据和当前燃气管线巡检数据进行优化预测，获取尚未传输数据的状态和完整的传感器时序状态信息，发送给无人机调整无人机***状态空间和动作空间。
本发明的进一步改进在于：
进一步的，将无人机在燃气管道区域巡检和地面传感器数据收集任务建模为马尔科夫过程模型，得到无人机飞行控制***状态空间，具体为：
其中bUAV(t)表示无人机电池状态，i表示在地面N个传感器中编号第i个传感器；bi(t)和qi(t)分别表示地面传感器电池状态和该传感器传输的数据量长度；gi(t)表示第i个传感器在t时刻数据传输信道增益；为了估计采集非计划列表中的地面传感器数据所消耗的能量和数据到达时间，使用γi(t)表示时间跨度参数，当所采集的传感器数据在任务计划之中时，γi(t)值为1，当所采集的传感器数据不在任务计划列表中时，γi(t)值为0；s(t)为所选传感器时序状态；无人机保持定高飞行，使用(x(t),y(t),z)表示t时刻无人机位置坐标。
进一步的，搭建演员网络和评论家网络，具体为：
建立当前评论家网络和目标评论家网络，两者采用相同的结构，用来模拟***状态动作价值函数该函数表示状态空间为αk的情况下，执行动作/>所产生的价值；建立当前演员网络和目标演员网络，两者使用相同网络结构，用来模拟动作策略函数μ{αk∣wμ}，该函数表示在状态空间αk下，无人机所执行的动作，wμ为演员网络参数矩阵。
进一步的，对演员网络和评论家网络进行训练，具体为：
在模拟数值仿真环境，计算无人机在t飞行时刻的电池状态，得到当前时刻无人机的***状态空间；计算无人机巡检飞行***的动作空间，动作空间包括无人机下一时刻的位置和速度以及所采数据的传感器编号；
计算无人机在t飞行时刻的电池状态算法为，计算无人机在t飞行时刻的电池状态：
bUAV(t)＝bUAV(t-1)+ΔbUAV(t)-ΔEUAV(t) (2)
其中ΔbUAV(t)表示无人机在t-1至t时刻收集到的太阳能电量；使用BUAV表示无人机从当前位置返回至地面充电站所需要的电量阈值；在飞行巡检过程中，无人机需要保持bUAV(t)≥BUAV；ΔEUAV(t)表示无人机在t时刻已消耗的电量，计算方式为：
其中P0和P′0是常数，ω(t)是无人机电机转速，v0是悬停时的平均转子运行速度，v(t)是无人机的瞬时速度，ξdrag和ξrotor是分别表示机身阻力比和旋翼坚固度，ρair和Srotor分别表示空气密度和转子盘面积。
进一步的，计算无人机巡检飞行***的动作空间，动作空间包括无人机下一时刻的位置和速度以及所采数据的传感器编号，具体为：
aα＝((x′(α),y′(α),z),(vx(α),vy(α)),iα) (4)
其中，(x′(α),y′(α),z)为下一时刻无人机位置，(vx(α),vy(α))为下一时刻无人机在水平面方向上的速度，iα为当前状态空间下所要采集的传感器编号；aα∈A，A动作空间集合，通过收集无人机可以采取的所有行动，以优化无人机的下一个位置和速度，以及用于数据收集的选定地面传感器。
进一步的，对演员网络和评论家网络进行训练，还包括：
采用贝尔曼算法训练当前评论家网络，损失函数表示为：
其中δ为折扣因子，Q′为目标评论家网络输出，Q为当前评论家网络输出，根据损失函数使用反向传播算法更新当前评论家网络参数wQ；采用软更新算法，定期更新目标评论家网络参数wQ′：
wQ′←τwQ+(1-τ)wQ′ (6)
其中τ为软更新算子；
使用梯度上升法对上式进行优化计算，更新当前演员网络参数梯度：
采用软更新算法，定期更新目标评论家网络参数wQ′：
wμ′←τwμ+(1-τ)wμ′ (8)。
进一步的，采集地面传感器所发送的燃气管线巡检数据，构建传感器数据状态表征网络，具体为：
传感器状态表征网络由长短期记忆网络模块组成，网络中最后一个区块的输出作为状态表征网络的输出；通过将传感器新信息添加到记忆中来处理输入序列，通过控制新信息被存储、旧信息被丢弃和当前信息被利用的程度的门，计算状态表征网络输出
其中σ是sigmoid函数，{Wo,Wc,Wf,Wp}是权重矩阵，{eo,ec,ef,ep}是偏移矩阵；每当无人机选择一个传感器通信时，该设备都会报告其过去和未报告的状态，报告作为时序信号输入传感器状态表征网络，得到完整的传感器时序信息状态。
进一步的，无人机还包括与地面站进行信息交互，地面站接收无人机的飞行数据并进行解析，地面站获取管线巡检区域的传感器状态。
一种燃气管线巡检数据采集的无人机飞行控制***，包括：
构建模块，所述构建模块用于将无人机在燃气管道区域巡检和地面传感器数据收集任务建模为马尔科夫过程模型，得到无人机飞行控制***状态空间；
搭建模块，所述搭建模块用于搭建演员网络和评论家网络；
训练模块，所述训练模块用于对演员网络和评论家网络进行训练，基于无人机飞行控制***状态空间，获得无人机当前***状态空间和无人机巡检飞行***的动作空间；
采集模块，采集模块用于采集地面传感器所发送的燃气管线巡检数据，构建传感器数据状态表征网络；
获取模块，所述获取模块基于传感器数据状态表征网络、地面传感器所采集的历史数据和当前燃气管线巡检数据进行优化预测，获取尚未传输数据的状态和完整的传感器时序状态信息，发送给无人机调整无人机***状态空间和动作空间。
与现有技术相比，本发明具有以下有益效果：
本发明将无人机在燃气管道区域巡检和地面传感器数据收集任务建模为马尔科夫过程模型，得到无人机飞行控制***状态空间，搭建演员网络和评论家网络指导无人机执行最优动作策略，通过搭建传感器数据状态表征网络，对传感器历史数据和当前数据进行优化预测，得到完整的传感器时序信息状态。本发明实时、快速、准确的收集目标地点甲烷气体浓度测量值，对燃气管线工作状态进行准确检测。
附图说明
为了更清楚的说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明方法的结构示意图；
图2是本发明所提出的传感器状态表征网络模型示意图；
图3为本发明的燃气管线巡检数据采集的无人机飞行控制***结构图。
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中，需要说明的是，若出现术语“上”、“下”、“水平”、“内”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
此外，若出现术语“水平”，并不表示要求部件绝对水平，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本发明实施例的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合附图对本发明做进一步详细描述：
参照图1和图2，本发明公布可一种燃气管线巡检数据采集无人机飞行控制方法，包括以下步骤：
步骤1：将无人机在燃气管道区域巡检和地面传感器数据收集任务建模为马尔科夫过程模型，首先将***状态空间表示为：
其中，bUAV(t)表示无人机电池状态，i表示在地面N个传感器中编号第i个传感器；bi(t)和qi(t)分别表示地面传感器电池状态和该传感器传输的数据量长度；gi(t)表示第i个传感器在t时刻数据传输信道增益；为了估计采集非计划列表中的地面传感器数据所消耗的能量和数据到达时间，使用γi(t)表示时间跨度参数，当所采集的传感器数据在任务计划之中时，γi(t)值为1，，当所采集的传感器数据不在任务计划列表中时，γi(t)值为0；s(t)为所选传感器时序状态；无人机保持定高飞行，使用(x(t),y(t),z)表示t时刻无人机位置坐标。
优选的，无人机采用八旋翼无人机，无人机电池采用锂电池串联方式，采用英伟达TX2板卡作为机载数据处理计算机。
步骤2：开始训练过程，在模拟数值仿真环境中，获得无人机当前***状态空间，训练过程中，***状态空间各项参数值由仿真环境中传感器测量计算得到，特别的，采用以下公式计算无人机在t飞行时刻的电池状态，电池状态属于***状态空间内容的一部分：
bUAV(t)＝bUAV(t-1)+ΔbUAV(t)-ΔEUAV(t) (2)
其中，ΔbUAV(t)表示无人机在t-1至t时刻收集到的太阳能电量；使用BUAV表示无人机从当前位置返回至地面充电站所需要的电量阈值。在飞行巡检过程中，无人机需要保持bUAV(t)≥BUAV。ΔEUAV(t)表示无人机在t时刻已消耗的电量，计算方式为：
其中，P0和P0′是常数，ω(t)是无人机电机转速，v0是悬停时的平均转子运行速度，v(t)是无人机的瞬时速度，ξdrag和ξrotor是分别表示机身阻力比和旋翼坚固度，ρair和Srotor分别表示空气密度和转子盘面积。
步骤3：在数值仿真环境中，计算无人机巡检飞行***的动作空间，动作空间包括无人机下一时刻的位置和速度，以及所采数据的传感器编号：
aα＝((x′(α),y′(α),z),(vx(α),vy(α)),iα) (4)
其中，(x′(α),y′(α),z)为下一时刻无人机位置，(vx(α),vy(α))为下一时刻无人机在水平面方向上的速度，iα为当前状态空间下所要采集的传感器编号。aα∈A，A动作空间集合，通过收集无人机可以采取的所有行动，以优化无人机的下一个位置和速度，以及用于数据收集的选定地面传感器。
使用L{β∣α,aα}表示***在当前状态空间下采用动作aα时，地面传感器数据传输的丢包量。
步骤4：无人机飞行控制***由评论家网络和演员网络组成，演员网络功能为输出无人机在当前时刻执行飞行测量任务所使用的动作空间，评论家网络的功能是在训练过程中对演员网络的输出进行评价，从而指导网络更新过程。建立当前评论家网络和目标评论家网络，两者采用相同的结构，用来模拟***状态动作价值函数该函数表示状态空间为αk的情况下，执行动作/>所产生的价值；建立当前演员网络和目标演员网络，两者使用相同网络结构，用来模拟动作策略函数μ{αk∣wμ}，该函数表示在状态空间αk下，无人机所执行的动作，wμ为演员网络参数矩阵。其中，评论家网络输入是***状态空间和动作空间，输出为动作价值Q函数；演员网络的输入是***状态空间，输出是无人机当前所要执行的最优动作空间。
步骤5：采用贝尔曼算法训练当前评论家网络，损失函数表示为：
其中δ为折扣因子，Q′为目标评论家网络输出，Q为当前评论家网络输出，根据损失函数使用反向传播算法更新当前评论家网络参数wQ。采用软更新算法，定期更新目标评论家网络参数wQ′：
wQ′←τwQ+(1-τ)wQ′ (6)
其中τ为软更新算子。
使用梯度上升法对上式进行优化计算，更新当前演员网络参数梯度：
采用软更新算法，定期更新目标评论家网络参数wQ′：
wμ′←τwμ+(1-τ)wμ′ (8)
优选的，评论家网络包含5层隐藏层网络，演员网络结构包含7层隐藏层网络。
根据上述算法迭代步骤，完成评论家网络和演员网络的训练过程，得到模型网络参数。
步骤6：将训练得到的评论家网络和演员网络部署在无人机上，无人机在燃气管线区域上空飞行，地面传感器将管线状态数据发布至通信信道中，无人机接受当前通信信道中的传感器数据，并建立地面传感器状态表征网络，状态表征网络的功能是通过捕获时序数据的长期表征特征，来预测尚未传输数据的状态，并将预测状态，传感器完整时序状态信息提供给无人机。传感器状态表征网络由长短期记忆网络模块组成，网络中最后一个区块的输出作为状态表征网络的输出。通过将传感器新信息添加到记忆中来处理输入序列，通过控制新信息被存储、旧信息被丢弃和当前信息被利用的程度的门，计算状态表征网络输出/>为是选传感器时序状态，属于***状态空间的一部分：
其中，σ是sigmoid函数，{Wo,Wc,Wf,Wp}是权重矩阵，{eo,ec,ef,ep}是偏移矩阵。每当无人机选择一个传感器通信时，该设备都会报告其过去和未报告的状态(与自该设备上次报告以来的每个时隙相关联)，报告作为时序信号输入传感器状态表征网络，得到完整的传感器时序信息状态。
优选地，状态表征网络有50个长短期记忆区块组成。
步骤7：无人机与地面站通信采用5G机载网络通信***。天空端的***以单板计算机为核心，与无人机飞控计算机通过串口进行通信，采用巴龙基带芯片5G模块。地面端***运行底层通信算法，能够从多路消息中还原发送序列，并根据无人机-地面站数据传输的特点，尽可能提高***的性能以满足无人机-地面站之间的传输要求，解析天空端数据，地面站获取管线巡检区域的传感器状态。
优选的，无人机与地面通信***采用MH5000-31p 5G通信模组，DIGI XBee数传模组，5G通信模组需要外部独立供电，输入电压最大值为4.2V,输入电压最小值为3.7V，典型值为4.0V。数据通信协议算法，将数据流分成不超过200字节大小的数据包，对每个数据包分配一个唯一的顺序号(seq)。顺序号唯一标识了数据包，并按照发送时间的顺序递增。通信融合算法的数据输出必须按照数据发送的时间顺序。具体来说，若通信数据融合算法输出的数据包序列对应的顺序号为{seq1,seq2,...,seqn},则需要保证seq1<seq2<...<seqn。在一定的时间窗口内，接收数据包但不输出，只有当存在数据包超出时间窗口时，再按照规定的顺序(seq顺序)输出数据包，直到不存在超出时间窗口的数据包。调整时间窗口的大小，可以在低延时和可靠性之间找到一个平衡，从而以高准确度还原发送序列。
参见图3，本发明公布了一种燃气管线巡检数据采集的无人机飞行控制***，包括：
构建模块，所述构建模块用于将无人机在燃气管道区域巡检和地面传感器数据收集任务建模为马尔科夫过程模型，得到无人机飞行控制***状态空间；
搭建模块，所述搭建模块用于搭建演员网络和评论家网络；
训练模块，所述训练模块用于对演员网络和评论家网络进行训练，基于无人机飞行控制***状态空间，获得无人机当前***状态空间和无人机巡检飞行***的动作空间；
采集模块，采集模块用于采集地面传感器所发送的燃气管线巡检数据，构建传感器数据状态表征网络；
获取模块，所述获取模块基于传感器数据状态表征网络、地面传感器所采集的历史数据和当前燃气管线巡检数据进行优化预测，获取尚未传输数据的状态和完整的传感器时序状态信息，发送给无人机调整无人机***状态空间和动作空间。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种燃气管线巡检数据采集的无人机飞行控制方法，其特征在于，包括：
将无人机在燃气管道区域巡检和地面传感器数据收集任务建模为马尔科夫过程模型，得到无人机飞行控制***状态空间；
搭建演员网络和评论家网络；
对演员网络和评论家网络进行训练，基于无人机飞行控制***状态空间，获得无人机当前***状态空间和无人机巡检飞行***的动作空间；
采集地面传感器所发送的燃气管线巡检数据，构建传感器数据状态表征网络；
基于传感器数据状态表征网络、地面传感器所采集的历史数据和当前燃气管线巡检数据进行优化预测，获取尚未传输数据的状态和完整的传感器时序状态信息，发送给无人机调整无人机***状态空间和动作空间。
2.根据权利要求1所述的燃气管线巡检数据采集无人机飞行控制方法，其特征在于，所述将无人机在燃气管道区域巡检和地面传感器数据收集任务建模为马尔科夫过程模型，得到无人机飞行控制***状态空间，具体为：
其中bUAV(t)表示无人机电池状态，i表示在地面N个传感器中编号第i个传感器；bi(t)和qi(t)分别表示地面传感器电池状态和该传感器传输的数据量长度；gi(t)表示第i个传感器在t时刻数据传输信道增益；为了估计采集非计划列表中的地面传感器数据所消耗的能量和数据到达时间，使用γi(t)表示时间跨度参数，当所采集的传感器数据在任务计划之中时，γi(t)值为1，当所采集的传感器数据不在任务计划列表中时，γi(t)值为0；s(t)为所选传感器时序状态；无人机保持定高飞行，使用(x(t),y(t),z)表示t时刻无人机位置坐标。
3.根据权利要求2所述的燃气管线巡检数据采集无人机飞行控制方法，其特征在于，所述搭建演员网络和评论家网络，具体为：
建立当前评论家网络和目标评论家网络，两者采用相同的结构，用来模拟***状态动作价值函数该函数表示状态空间为αk的情况下，执行动作/>所产生的价值；建立当前演员网络和目标演员网络，两者使用相同网络结构，用来模拟动作策略函数μ{αk∣wμ}，该函数表示在状态空间αk下，无人机所执行的动作，wμ为演员网络参数矩阵。
4.根据权利要求3所述的燃气管线巡检数据采集无人机飞行控制方法，其特征在于，所述对演员网络和评论家网络进行训练，具体为：
在模拟数值仿真环境，计算无人机在t飞行时刻的电池状态，得到当前时刻无人机的***状态空间；计算无人机巡检飞行***的动作空间，动作空间包括无人机下一时刻的位置和速度以及所采数据的传感器编号；
计算无人机在t飞行时刻的电池状态算法为，计算无人机在t飞行时刻的电池状态：
bUAV(t)＝bUAV(t-1)+ΔbUAV(t)-ΔEUAV(t) (2)
其中ΔbUAV(t)表示无人机在t-1至t时刻收集到的太阳能电量；使用BUAV表示无人机从当前位置返回至地面充电站所需要的电量阈值；在飞行巡检过程中，无人机需要保持bUAV(t)≥BUAV；ΔEUAV(t)表示无人机在t时刻已消耗的电量，计算方式为：
其中P0和P′0是常数，ω(t)是无人机电机转速，v0是悬停时的平均转子运行速度，v(t)是无人机的瞬时速度，ξdrag和ξrotor是分别表示机身阻力比和旋翼坚固度，ρair和Srotor分别表示空气密度和转子盘面积。
5.根据权利要求4所述的燃气管线巡检数据采集无人机飞行控制方法，其特征在于，所述计算无人机巡检飞行***的动作空间，动作空间包括无人机下一时刻的位置和速度以及所采数据的传感器编号，具体为：
aα＝((x′(α),y′(α),z),(vx(α),vy(α)),iα) (4)
其中，(x′(α),y′(α),z)为下一时刻无人机位置，(vx(α),vy(α))为下一时刻无人机在水平面方向上的速度，iα为当前状态空间下所要采集的传感器编号；aα∈A，A动作空间集合，通过收集无人机可以采取的所有行动，以优化无人机的下一个位置和速度，以及用于数据收集的选定地面传感器。
6.根据权利要求5所述的燃气管线巡检数据采集无人机飞行控制方法，其特征在于，所述对演员网络和评论家网络进行训练，还包括：
采用贝尔曼算法训练当前评论家网络，损失函数表示为：
其中δ为折扣因子，Q′为目标评论家网络输出，Q为当前评论家网络输出，根据损失函数使用反向传播算法更新当前评论家网络参数wQ；采用软更新算法，定期更新目标评论家网络参数wQ′：
wQ′←τwQ+(1-τ)wQ′ (6)
其中τ为软更新算子；
使用梯度上升法对上式进行优化计算，更新当前演员网络参数梯度：
采用软更新算法，定期更新目标评论家网络参数wQ′：
wμ′←τwμ+(1-τ)wμ′ (8)。
7.根据权利要求6所述的燃气管线巡检数据采集无人机飞行控制方法，其特征在于，所述采集地面传感器所发送的燃气管线巡检数据，构建传感器数据状态表征网络，具体为：
传感器状态表征网络由长短期记忆网络模块组成，网络中最后一个区块的输出作为状态表征网络的输出；通过将传感器新信息添加到记忆中来处理输入序列，通过控制新信息被存储、旧信息被丢弃和当前信息被利用的程度的门，计算状态表征网络输出
其中σ是sigmoid函数，{Wo,Wc,Wf,Wp}是权重矩阵，{eo,ec,ef,ep}是偏移矩阵；每当无人机选择一个传感器通信时，该设备都会报告其过去和未报告的状态，报告作为时序信号输入传感器状态表征网络，得到完整的传感器时序信息状态。
8.根据权利要求7所述的燃气管线巡检数据采集无人机飞行控制方法，其特征在于，所述无人机还包括与地面站进行信息交互，地面站接收无人机的飞行数据并进行解析，地面站获取管线巡检区域的传感器状态。
9.一种燃气管线巡检数据采集的无人机飞行控制***，其特征在于，包括：
构建模块，所述构建模块用于将无人机在燃气管道区域巡检和地面传感器数据收集任务建模为马尔科夫过程模型，得到无人机飞行控制***状态空间；
搭建模块，所述搭建模块用于搭建演员网络和评论家网络；
训练模块，所述训练模块用于对演员网络和评论家网络进行训练，基于无人机飞行控制***状态空间，获得无人机当前***状态空间和无人机巡检飞行***的动作空间；
采集模块，采集模块用于采集地面传感器所发送的燃气管线巡检数据，构建传感器数据状态表征网络；
获取模块，所述获取模块基于传感器数据状态表征网络、地面传感器所采集的历史数据和当前燃气管线巡检数据进行优化预测，获取尚未传输数据的状态和完整的传感器时序状态信息，发送给无人机调整无人机***状态空间和动作空间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310327534.4A CN116578111A (zh) | 2023-03-24 | 2023-03-24 | 一种燃气管线巡检数据采集的无人机飞行控制方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310327534.4A CN116578111A (zh) | 2023-03-24 | 2023-03-24 | 一种燃气管线巡检数据采集的无人机飞行控制方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116578111A true CN116578111A (zh) | 2023-08-11 |
Family
ID=87532935
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310327534.4A Pending CN116578111A (zh) | 2023-03-24 | 2023-03-24 | 一种燃气管线巡检数据采集的无人机飞行控制方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116578111A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116736891A (zh) * | 2023-08-15 | 2023-09-12 | 众芯汉创（北京）科技有限公司 | 一种多机协同巡检电网线路的自主航迹规划***和方法 |
-
2023
- 2023-03-24 CN CN202310327534.4A patent/CN116578111A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116736891A (zh) * | 2023-08-15 | 2023-09-12 | 众芯汉创（北京）科技有限公司 | 一种多机协同巡检电网线路的自主航迹规划***和方法 |
| CN116736891B (zh) * | 2023-08-15 | 2023-10-20 | 众芯汉创（北京）科技有限公司 | 一种多机协同巡检电网线路的自主航迹规划***和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210255158A1 (en) | Emissions estimate model algorithms and methods | |
| CN108107911B (zh) | 一种太阳能飞机自主寻优航迹规划方法 | |
| Chung et al. | Placement and routing optimization for automated inspection with unmanned aerial vehicles: A study in offshore wind farm | |
| CN108614274B (zh) | 基于多旋翼无人机的交叉式跨越线距离测量方法及装置 | |
| CN105093130A (zh) | 一种无人飞行器续航能力监测***及方法 | |
| CN104848901B (zh) | 一种墒情实时监测和预测***及其检测方法 | |
| CN102722178A (zh) | 用于无人机巡检带电导线的电场测量避障***及方法 | |
| CN202632111U (zh) | 用于无人机巡检带电导线的电场测量避障*** | |
| CN116578111A (zh) | 一种燃气管线巡检数据采集的无人机飞行控制方法及*** | |
| CN110082498A (zh) | 一种基于无线传感器物联网的滑坡监测数据无人机采集*** | |
| CN109902948A (zh) | 一种基于大数据的输电线路监测***及方法 | |
| CN107153424A (zh) | 一种能抗大风的全自动无人机巡飞*** | |
| CN207965138U (zh) | 一种无人机雷达测定流速*** | |
| CN112306092A (zh) | 一种无人机巡检*** | |
| Daponte et al. | DronesBench: An innovative bench to test drones | |
| CN114153224A (zh) | 基于微气象的无人机飞行路径智能规划控制***及方法 | |
| CN108609202A (zh) | 飞行颠簸预测模型建立方法、预测方法及*** | |
| CN109471452A (zh) | 基于无人机的远程工程及地质灾害安全监测***及方法 | |
| CN109829534A (zh) | 露天煤矿排土场群落稳定性的评价方法、装置和*** | |
| CN106603002B (zh) | 一种光伏电站故障检测*** | |
| CN114637220A (zh) | 一种机器人操作***应用验证的半实物测试***与方法 | |
| CN114610070A (zh) | 一种无人机协同的风电场智能巡检方法 | |
| CN110798351A (zh) | 基于pso及蚁群-遗传算法的电网故障探测点部署方法 | |
| Gong et al. | Modelling Power Consumptions for Multi-rotor UAVs | |
| CN109066980A (zh) | 一种特高压输电线路3d通道智能管控*** |
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 |